Inteligencia artificial en la gestión de proyectos petroleros en América Latina: Aplicabilidad en Ecuador
DOI:
https://doi.org/10.69583/inndev.v4n2.2025.162Palabras clave:
Inteligencia artificial, Sector petrolero, Ecuador, Optimización de la producciónResumen
La investigación está enfocada a las oportunidades que tiene el proceso de extracción petrolera en Ecuador, con base en las experiencias de algunos países de América Latina. Tiene como objetivo analizar el papel fundamental de la Inteligencia Artificial (IA) en la gestión de proyectos petroleros en América Latina, con un enfoque especial en su aplicabilidad en Ecuador. Se desarrolla a través de una metodología mixta que combina un proceso exploratorio con un análisis numérico de datos, se investiga cómo la IA puede mejorar la eficiencia operativa, reducir costos y optimizar la producción de petróleo. La implementación de IA en el sector petrolero ecuatoriano podría tener un impacto significativo en áreas como el mantenimiento predictivo y la optimización de la producción, siempre que se invierta en desarrollo de talento humano y cooperación institucional. El artículo aporta con una propuesta de estrategias para fomentar la adopción progresiva de la IA en el sector energético ecuatoriano. Las conclusiones están enfocadas a los aspectos tratados en el cuerpo del trabajo, referentes a las limitaciones que tiene en Ecuador el uso de la IA, no por falta de oportunidades, sino por la ausencia de mecanismos o políticas gubernamentales que contribuyan a su uso eficiente.
Citas
Álvarez-Gayou, J. L. (2014). Cómo hacer investigación cualitativa: Fundamentos y metodología. Paidós Educador.
Ashrafi, S., Asadi, M., & Ghaedi, M. (2019). Deep learning methods for prediction of drilling events: A review. Journal of Petroleum Science and Engineering, 183, 106379. https://doi.org/10.1016/j.petrol.2019.106379 DOI: https://doi.org/10.1016/j.petrol.2019.106379
Bahaloo, S., Mehrizadeh, M., & Najafi-Marghmaleki, A. (2023). Review of application of artificial intelligence techniques in petroleum operations. Petroleum Research, 8(2), 167–182. https://doi.org/10.1016/j.ptlrs.2022.07.002 DOI: https://doi.org/10.1016/j.ptlrs.2022.07.002
Banco Central del Ecuador. (2023). Estadísticas Macroeconómicas. https://www.bce.fin.ec
Choubey, S., & Karmakar, G. (2020). Artificial intelligence techniques and their application in oil and gas industry. Artificial Intelligence Review, 54, 3665–3683. https://doi.org/10.1007/s10462-020-09935-1 DOI: https://doi.org/10.1007/s10462-020-09935-1
Cunha, A., Pochet, A., Lopes, H., & Gattass, H. (2020). Seismic fault detection in real data using transfer learning from CNNs. Computers & Geosciences, 135, 104344. https://doi.org/10.1016/j.cageo.2019.104344 DOI: https://doi.org/10.1016/j.cageo.2019.104344
D'Almeida, A. L., Bergiante, N. C. R., Ferreira, G. S., Leta, F. R., de Campos Lima, C. B., & Lima, G. B. A. (2022). Digital transformation: A review on artificial intelligence techniques in drilling and production applications. The International Journal of Advanced Manufacturing Technology, 119(9–10), 5553–5582. https://doi.org/10.1007/s00170-021-08631-w DOI: https://doi.org/10.1007/s00170-021-08631-w
Ministerio de Energía y Minas del Ecuador. (2022). Informe sobre la digitalización de la industria petrolera en Ecuador. https://www.ministerioenergia.gob.ec
Ogbamikhumi, A., & Ebeniro, J. O. (2021). Reservoir properties estimation from 3D seismic data using AI. Journal of Petroleum Exploration and Production Technology, 11(3), 1275–1287. https://doi.org/10.1007/s13202-021-01105-5 DOI: https://doi.org/10.1007/s13202-021-01105-5
Solanki, P., Shah, N., & Shah, M. (2022). Artificial intelligence: New age of transformation in petroleum upstream. Petroleum Research, 7(1), 106–114. https://doi.org/10.1016/j.ptlrs.2021.07.002 DOI: https://doi.org/10.1016/j.ptlrs.2021.07.002
Souza, J. F. L., Bezerra, A. F. G., & Silva, L. F. da. (2020). CNN prediction enhancement by post-processing for hydrocarbon detection in seismic images. IEEE Access, 8, 120447–120455. https://doi.org/10.1109/ACCESS.2020.3005916 DOI: https://doi.org/10.1109/ACCESS.2020.3005916
Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509–533. https://doi.org/10.1002/(SICI)1097-0266(199708) DOI: https://doi.org/10.1002/(SICI)1097-0266(199708)18:7<509::AID-SMJ882>3.0.CO;2-Z
Yu, W., et al. (2018). Artificial intelligence for production optimization: Applications and research perspectives. Journal of Petroleum Science and Engineering, 112, 234–245. https://doi.org/10.1016/j.petrol.2013.11.019 DOI: https://doi.org/10.1016/j.petrol.2013.11.019
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Derechos de autor 2025 InnDev
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
