MétaCan
Menu
Retour à la cohorte
Enregistrement W1999026624 · doi:10.1190/urtec2013-105

Drilling Fluids: Tackling Drilling, Production, Wellbore Stability, and Formation Evaluation Issues in Unconventional Resource Development

2013· article· en· W1999026624 sur OpenAlexaboutno aff
Mike Stephens, Wenwu He, Michael Freeman, George B. Sartor

Notice bibliographique

RevueUnconventional Resources Technology Conference, Denver, Colorado, 12-14 August 2013 · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueHydraulic Fracturing and Reservoir Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringDrillingOil shaleDrilling fluidWellboreDrillGeologyUnconventional oilDirectional drillingOil sandsDrilling engineeringMining engineeringEngineeringMechanical engineeringArchaeology

Résumé

récupéré en direct d'OpenAlex

Summary URTeC 1576637 Unconventional resources encompass a wide range of reservoir types. The art of designing and engineering drilling fluids for unconventional resources should not just enable rotary drilling, but also prevent wellbore instability, protect production, and facilitate formation evaluation. In some cases, geosteering, based on logs or cuttings analysis, is part of the drilling process. In addition, many unconventional wells have trajectories that require excellent lubricity to drill. Drilling fluids must be tailored to achieve the goals for each well. Examples of how drilling fluids have been developed for low-porosity microfractured gas sand, oil shale, and tar sands are presented. In low-permeability gas sands in South Asia, preserving natural fractures in the near wellbore region was critical to obtaining maximum production. In Canadian tar sands, preventing hole washout in the production interval was critical for obtaining maximum production. In the Texas oil shale, replacing oil-based drilling fluid with water based alternatives had implications for formation evaluation, wellbore stability and well length in the production interval. Emphasis is placed on the design process for developing drilling fluid systems that contribute to meeting critical objectives for each project.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,245
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,015
Tête enseignante GPT0,229
Écart entre enseignants0,214 · 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

Citations7
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUnconventional Resources Technology Conference, Denver, Colorado, 12-14 August 2013Même sujetHydraulic Fracturing and Reservoir AnalysisTravaux en français237 207