MétaCan
Menu
Retour à la cohorte
Enregistrement W1995149126 · doi:10.2118/105051-ms

Step Change in Remote Exploration

2007· article· en· W1995149126 sur OpenAlexaff
Randall Shafer

Notice bibliographique

RevueAll Days · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensConocoPhillips (Canada)
Organismes subventionnairesnon disponible
Mots-clésDrillingCasingElectromagnetic coilPetroleum engineeringMarine engineeringDrillEngineeringMeasurement while drillingDrilling fluidMechanical engineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Remote Arctic onshore exploration can be very costly, frequently exceeding the cost of a deepwater Gulf of Mexico well. This paper reviews the reasons for these high costs and a possible combination of new proven technologies and rig designs to significantly reduce these costs Logistics, mobilization, demobilization and a limited drilling season are factors that combine to cause high costs. Operation time requirements and the short drilling season normally results in a rig drilling one well per season. A significant reduction in exploration final hole size is the primary driver in reducing costs as this leads to a major reduction in rig size. Downsizing does not limit well evaluation due to recent developments in downsizing evaluation equipment. The majority of the required information can be obtained with this finder well or "scratch and sniff' approach. This downsizing allows the use of an innovative rig design; hybrid coil tubing drilling unit; that has significantly reduced mobilization and demobilization times. The reduction in drilling and mobilization/demobilization time can result in one rig drilling multiple wells in the drilling season. Combining new technologies, such as casing drilling and coil tubing drilling, reduces drilling time and allows the hybrid coil tubing rig to drill deeper. Casing drilling and coil tubing drilling are areas where ConocoPhillips is an industry leader. A significant reduction in exploration cost is predicted, estimated at 50%.

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 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 enseignants0,773
Score d'incertitude au seuil0,301

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 Opus0,035
Tête enseignante GPT0,241
Écart entre enseignants0,206 · 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.

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

Citations3
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAll DaysMême sujetDrilling and Well EngineeringTravaux en français237 207