MétaCan
Menu
Retour à la cohorte
Enregistrement W1964742692 · doi:10.2118/142293-ms

Stay in the "Box": A Consistent Method for Configuring (Loading) Reciprocating Compressors to Optimize Performance

2011· article· en· W1964742692 sur OpenAlexaff
Larry Harms, Manuel A. Garza

Notice bibliographique

RevueSPE Production and Operations Symposium · 2011
Typearticle
Langueen
DomaineMathematics
ThématiqueModeling, Simulation, and Optimization
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésReciprocating compressorGas compressorReliability (semiconductor)Reciprocating motionRange (aeronautics)Reliability engineeringComputer scienceAutomotive engineeringSet (abstract data type)EngineeringMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Reciprocating compressors are a vital element in the production of onshore natural gas and oil but there is no accepted method for configuring compressors consistently to optimize performance. Most configurations (setting the compressor’s allowable operating range, load and capacity) are done based on an undocumented method unique to the individual doing the configuration, using inconsistent data and parameters with multiple and varying safety factors. This reduces the compressor’s effectiveness and in the end limits production. A structured method that relies on constructing and staying in an operating diagram "box" using set parameters and data has been developed to enhance compression effectiveness. This method helps achieve a common understanding among operations, maintenance and engineering personnel and consistently configures reciprocating compressors for optimized performance, increased reliability and safe operation. The method is explained and the results of implementing the method in a major onshore gas field are discussed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,103
Tête enseignante GPT0,333
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Production and Operations SymposiumMême sujetModeling, Simulation, and OptimizationTravaux en français237 207