石油公司Woodside打造数位KM小帮手，从百万页文件帮助工程师找对资料做决策

澳洲第二大石油和天然气生产公司Woodside Energy，为传承退休工程师的经验和缩短新工程师的学习时程，用Watson打造企业KM小帮手Willow，Woodside 称为虚拟搜寻助理（Virtual Search Assistant），让工程师能够快速地从百万文件中，找到相关的历史资料，做出适当的决策。

能源产业的工作环境在离岸的远洋，海上的钻油平台的运作，一天就必须花费大约50万美元，且石油工程师需要全天候监控大型机器运作的状况，即时取得资讯以确保机器正常运作，又要同时兼顾效率，再加上每天的工作中，工程师面临不同的关键决策，像是寻找和定位天然石油资源的位置，依照开采过程的不同，又分为三种工程师，采油工程师（Reservoir engineers ）透过观察地理的数据，研究最高效的采油方式；钻探工程师（Drilling engineers）负责钻探过程的模拟和计划，挑选最合适的钻探方式；产油工程师（Production Engineer）则是负责管理整个钻探到提取石油的过程，机器和设备的维护和成本。这些复杂的决策都需要经验的累积和传承，随着有经验的资深石油工程师退休，新的工程师必须在短时间内，从累积超过10年的上百万页文件中学习经验，对于分秒必争的石油业而言，延宕开采的成本是很惊人的，让每位新工程师从庞大的文件和档案中学习，且做出决策是非常耗时的过程。

Woodside为了可以加速交接和新工程师上手的时程，决定导入IBM Watson Explorer和搭配其他API，总共用Watson的服务建置了12个系统，能够快速又正确地搜寻和分析过去的历史纪录，包括科学数据、操作经验的报告，当工程师需要关键的答案或是相关资料时，可以在第一时间给予协助，Woodside表示，Watson Explorer不只提供新工程师需要的资讯，还可以提供资深工程师更多的隐藏分析规则，让石油工程师能在决策时，有更多的参考，进而做出最好的决策。

Woodside能源公司与IBM Watson合作建立一套企业内部石油知识库Corpus，收集企业内部的专业资料，包含结构化和非结构化的资料，石油工程师用自然语言询问问题，就能得到详细的回答与相关资讯，一开始在训练资料时，Woodside集合了许多经验丰富的石油工程师，为每一个的回答评分，“有了Watson，在每一次的做决策的时候，可以让工程师学到更多，再去做下一个决策。”Woodside表示，决策纪录、技术评估手写的报告、影像和影片，在其他的系统上是看不见的，但是全部都能储存在Corpus知识库中，高技术相关的资讯像是流量、燃料混合物和压力梯度。此外，Corpus收集的资料不仅限于一个钻油平台，由于Watson的服务和API都是在云端上执行，就算是相隔很远的石油开采平台的资讯也能加入Corpus的知识库，资讯共享可以避免犯一样的错误。

目前，Corpus已经收录了大约60万页的石油资讯，这样的资料量人类必须要花5年的时间才能读完，Corpus集中型的知识库，让不论身在何处的工程师，都可以取得30年的经验资讯。

根据IBM Watson认知解决方案业务协理许尧睿表示，目前Woodside依照使用的情境不同，使用Watson的服务建置了12个系统，其中，虚拟搜寻助理Willow，能透过对话的方式，提供使用者询问问题并快速得到有经验的答案，进而做出较佳的决策，Woodside表示，钻油井的工作通常要花费5,000万到15,000万美元，且耗费地质科学家团队长达6个月的时间，研究相关的评估报告，导入Watson的服务之后，工程师可以在屏幕上的地图点选一个范围，系统就能呈现出该地点钻油事件的历史报告，方便工程师查看、分析报告，此外，Watson对于上下文的理解也提供了不少帮助，石油的报告种类众多，且每位工程师陈述的词汇不同，若使用关键字的方式搜寻是不可行的，任意文字搜寻 (Free Text Search)的技术让工程师可以按照自己的表达方式，描述欲搜寻的问题。另一个系统是Watson for Projects，能让员工询问超过30年的企业内部历史资料和文件。

Woodside使用的Watson API包含自然语言分类器（Natural Language Classifier）、回复评分（Retrieve and Rank）、对话（Conversation）等。首先，自然语言的分类器能够分析工程师对话中的意图，能理解不同的表达方式，让工程师用人的对话方式与Willow互动，了解工程师的问题之后，Watson从Corpus知识库中收集所有相关的资讯，用相关度将每项回复评分，并回答出最适合的选项，最后，用对话API结合人类的声调，模仿人声给予工程师回复。