我们应用分析和人工智能技术到基于物理的数据中，以实现井型匹配、井间距和时机的优化，以及最大化资产评估和生产性能。
基于人工智能的分析减少了数据密集型的输入，并且使用基于物理的方法快速估计未开发钻井位置的潜在价值。
生产商可以在几分钟内对数千口井进行敏感性分析，以实现油田开发的高精度优化。
促进井密度研究和资本部署评估，以最大化新井的经济效益。
在2006年，加利福尼亚资源公司（California Resources Corporation，简称CRC）收购了位于加利福尼亚州贝克斯菲尔德西南20英里（32公里）处的Midway-Sunset储油区的35Z段。该储油区包含重质（13-16° API）、高粘度（450-1125 cp）的石油，这些石油位于倾斜的沙质储油层中。了解更多关于贝克斯菲尔德热力项目的详情。
（1）量化油田开发选项的回收量，筛选热力过程并确定最佳的井型模式
（2）井间距优化改善了项目经济性
（3）确定CSS（注蒸汽辅助重力泄油）作为短期开发的最佳回收过程
（4）确定顶部注蒸汽驱替法在长期开发中优于模式注蒸汽驱替法
（5）估计在第1至第5年节省了1000万至1500万美元。模拟项目的性价比为185倍。
CMOST™ 利用尖端的统计分析、机器学习和公正的数据解释来精确定位最佳的油气藏和运营解决方案。通过利用敏感性分析、历史拟合、优化、不确定性评估和工程专业知识的强大能力，组织可以提高资产的恢复率并最大化净现值（NPV）。
一种新的预测应用程序，它结合了使用神经网络模型的生产分析系统，这些模型从使用CMG模拟器进行的预运行模拟数据中学习，以评估石油储层的性能。它实现了一种专利的科学方法论，用于井型匹配、井间距和时机的优化，以及最大化资产估值和生产性能。
