石油公司Woodside打造數位KM小幫手，從百萬頁文件幫助工程師找對資料做決策

澳洲第二大石油和天然氣生產公司Woodside Energy，為傳承退休工程師的經驗和縮短新工程師的學習時程，用Watson打造企業KM小幫手Willow，Woodside 稱為虛擬搜尋助理（Virtual Search Assistant），讓工程師能夠快速地從百萬文件中，找到相關的歷史資料，做出適當的決策。

能源產業的工作環境在離岸的遠洋，海上的鑽油平臺的運作，一天就必須花費大約50萬美元，且石油工程師需要全天候監控大型機器運作的狀況，即時取得資訊以確保機器正常運作，又要同時兼顧效率，再加上每天的工作中，工程師面臨不同的關鍵決策，像是尋找和定位天然石油資源的位置，依照開採過程的不同，又分為三種工程師，採油工程師（Reservoir engineers ）透過觀察地理的數據，研究最高效的採油方式；鑽探工程師（Drilling engineers）負責鑽探過程的模擬和計劃，挑選最合適的鑽探方式；產油工程師（Production Engineer）則是負責管理整個鑽探到提取石油的過程，機器和設備的維護和成本。這些複雜的決策都需要經驗的累積和傳承，隨著有經驗的資深石油工程師退休，新的工程師必須在短時間內，從累積超過10年的上百萬頁文件中學習經驗，對於分秒必爭的石油業而言，延宕開採的成本是很驚人的，讓每位新工程師從龐大的文件和檔案中學習，且做出決策是非常耗時的過程。

Woodside為了可以加速交接和新工程師上手的時程，決定導入IBM Watson Explorer和搭配其他API，總共用Watson的服務建置了12個系統，能夠快速又正確地搜尋和分析過去的歷史紀錄，包括科學數據、操作經驗的報告，當工程師需要關鍵的答案或是相關資料時，可以在第一時間給予協助，Woodside表示，Watson Explorer不只提供新工程師需要的資訊，還可以提供資深工程師更多的隱藏分析規則，讓石油工程師能在決策時，有更多的參考，進而做出最好的決策。

Woodside能源公司與IBM Watson合作建立一套企業內部石油知識庫Corpus，收集企業內部的專業資料，包含結構化和非結構化的資料，石油工程師用自然語言詢問問題，就能得到詳細的回答與相關資訊，一開始在訓練資料時，Woodside集合了許多經驗豐富的石油工程師，為每一個的回答評分，「有了Watson，在每一次的做決策的時候，可以讓工程師學到更多，再去做下一個決策。」Woodside表示，決策紀錄、技術評估手寫的報告、影像和影片，在其他的系統上是看不見的，但是全部都能儲存在Corpus知識庫中，高技術相關的資訊像是流量、燃料混合物和壓力梯度。此外，Corpus收集的資料不僅限於一個鑽油平臺，由於Watson的服務和API都是在雲端上執行，就算是相隔很遠的石油開採平臺的資訊也能加入Corpus的知識庫，資訊共享可以避免犯一樣的錯誤。

目前，Corpus已經收錄了大約60萬頁的石油資訊，這樣的資料量人類必須要花5年的時間才能讀完，Corpus集中型的知識庫，讓不論身在何處的工程師，都可以取得30年的經驗資訊。

根據IBM Watson認知解決方案業務協理許堯睿表示，目前Woodside依照使用的情境不同，使用Watson的服務建置了12個系統，其中，虛擬搜尋助理Willow，能透過對話的方式，提供使用者詢問問題並快速得到有經驗的答案，進而做出較佳的決策，Woodside表示，鑽油井的工作通常要花費5,000萬到15,000萬美元，且耗費地質科學家團隊長達6個月的時間，研究相關的評估報告，導入Watson的服務之後，工程師可以在螢幕上的地圖點選一個範圍，系統就能呈現出該地點鑽油事件的歷史報告，方便工程師查看、分析報告，此外，Watson對於上下文的理解也提供了不少幫助，石油的報告種類眾多，且每位工程師陳述的詞彙不同，若使用關鍵字的方式搜尋是不可行的，任意文字搜尋 (Free Text Search)的技術讓工程師可以按照自己的表達方式，描述欲搜尋的問題。另一個系統是Watson for Projects，能讓員工詢問超過30年的企業內部歷史資料和文件。

Woodside使用的Watson API包含自然語言分類器（Natural Language Classifier）、回覆評分（Retrieve and Rank）、對話（Conversation）等。首先，自然語言的分類器能夠分析工程師對話中的意圖，能理解不同的表達方式，讓工程師用人的對話方式與Willow互動，了解工程師的問題之後，Watson從Corpus知識庫中收集所有相關的資訊，用相關度將每項回覆評分，並回答出最適合的選項，最後，用對話API結合人類的聲調，模仿人聲給予工程師回覆。