MétaCan
Menu
Retour à la cohorte
Enregistrement W1988219565 · doi:10.2118/112863-ms

First Production Log Run in a Heavy-Oil Long-Horizontal Well Through a Y-Tool and Premium Screens

2008· article· en· W1988219565 sur OpenAlexaff
Jacobo Montero, Namir Salazar, Tony Fondyga, Kerwin Reyes

Notice bibliographique

RevueSPE/ICoTA Coiled Tubing and Well Intervention Conference and Exhibition · 2008
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésWorkoverPetroleum engineeringProductivityCoiled tubingLoggingWell loggingProduction (economics)Environmental scienceReservoir engineeringOil productionOil fieldGeologyPetroleum

Résumé

récupéré en direct d'OpenAlex

Abstract The first production log ever run in a heavy oil, long horizontal well completed with premium screens in open hole and through a Y-tool was successfully executed by Petroregional del Lago S. A. (a joint venture between PDVSA and Shell) in the Urdaneta West Field (Lake Maracaibo, Western Venezuela). The purpose of the job was to identify the origin of water in a well that experienced water break-through from the first day of production. A specialized set of logging tools was run to detect both water and oil flow, as well as to determine any flow behaviors like cross-flow that would help understand the source of water in the formation, obtain sufficient data to prepare a water shut-off program, and establish basic productivity information from the well, being this also the first production log run in the heavy oil wells in the field, which require artificial lift to flow. The results of the production log indicate that a sand package is producing water from an unexpected zone, which will require a water shut-off workover. This paper describes the planning, operational and interpretation processes of the logging activity, and presents a number of lessons learnt and useful recommendations for similar activities in heavy oil wells.

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 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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,341
Score d'incertitude au seuil1,000

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 savante0,0000,001
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 Opus0,024
Tête enseignante GPT0,253
Écart entre enseignants0,229 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE/ICoTA Coiled Tubing and Well Intervention Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207