MétaCan
Menu
Retour à la cohorte
Enregistrement W1983895639 · doi:10.2118/112141-ms

Real-Time Collaboration—Efficient Problem Solving and Extending Resources

2008· article· en· W1983895639 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueIntelligent Energy Conference and Exhibition · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceAsset (computer security)Context (archaeology)Key (lock)Component (thermodynamics)Service (business)Knowledge managementBusinessComputer securityMarketing

Résumé

récupéré en direct d'OpenAlex

Abstract To meet the challenges to the industry of increasing hydrocarbon demand, increasing well complexity, reduced employee experience levels and the large physical distances between operational centers, advances in digital technologies are being increasingly leveraged by both operator initiatives and service company initiatives such as Halliburton's Digital Asset. Terms such as "smart wells" and "real time" have become more commonplace. Data is being generated faster than ever. The ability to interpret this data, model the data and implement optimized solutions in real time is critical to operational success. The demands placed on operating in a cost efficient manner, with greater returns on investment are ever present. The use of a Knowledge Management collaboration tool, a key component of the Digital Asset, helps to meet these challenges by providing a real time collaborative environment which spans global operations, supports and develops synergies between multiple disciplines and transcends geographical and language barriers. Through its use an intentional shift in focus has taken place from centrally located sources of expertise to virtual ones. Virtual centers of collaboration empower users to collaborate, problem solve and share knowledge on demand. Any user, i.e. employee, can rapidly access the global expertise needed to put well challenges, potential solutions and increasing volumes of data and information in appropriate context. Through access to these extended resources employees can solve problems more efficiently and offer better solutions. Technical experts can cover more ground. Collaboration is facilitated by dedicated personnel who maintain a vital link with local, regional, and global technology leaders. Examples from Canada, where the use of this approach contributed to an HTHP well being saved, along with an estimated cost of $15 million, from China where urgent advice was delivered to a rig experiencing an underground blowout and from Brazil where global experts collaboratively contributed to solving a wellbore stability problem will demonstrate how real time collaborative solutions are developed and moved from the virtual to real world environment to improve operational service delivery to external clients in the global market place. Lessons learned, best practices and strategies employed to engage users in the use of this collaborative environment are outlined.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,575

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,245
Écart entre enseignants0,225 · 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