MétaCan
Menu
Retour à la cohorte
Enregistrement W1999580741 · doi:10.2118/166922-ms

Case Studies: E-line ‘Heavy’ Workovers in High Latitude Environments

2013· article· en· W1999580741 sur OpenAlexaboutno aff
Brian Sidle, Rick Crist, К. I. Kirsanov, Jeremy Albright, Jeremy Ray

Notice bibliographique

RevueSPE Arctic and Extreme Environments Technical Conference and Exhibition · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueOffshore Engineering and Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDebrisMarine engineeringComputer scienceLine (geometry)Lift (data mining)DrillingOn boardEnvironmental scienceEngineeringMechanical engineeringGeologyAerospace engineeringOceanography

Résumé

récupéré en direct d'OpenAlex

Abstract Drilling and producing in high latitude environments is unforgiving. Temperatures often drop below –20°C and can reach as low as –50°C. Isolated locations or vast distances, extreme weather conditions and periods of deep darkness can restrict transportation of personnel and equipment. As a result, job complexity often leads to outright failure or an exponential increase in time to accomplish what would be a routine task in a normal environment. Often the best route to success and efficiency in these conditions is proven technologies and strategies. For over 80 years, e-line conveyance and tools have been refined and improved to become a very reliable means of data gathering and workovers, such as plug setting, debris removal, hardware milling, pipe recovery and so forth. Modern electric line (e-line) capabilities can now accomplish what conventionally would have been rig- or coiled tubing-based workovers. In the North Sea, Canada, Alaska and Russia operators use e-line to perform ‘heavy’ workovers; explosion-free cutting of tubulars, scale and debris removal, milling through hardware such as nipples, failed isolation valves and flapper valves, and replacement of hardware, such as gas lift valves and Electric Submersible Pumps (ESP’s) in extended reach horizontals. This paper discusses the benefits e-line tools can bring to accomplish ‘heavy’ workovers in a reliable manner in high latitude environments. Several case studies are presented to demonstrate these applications in practice.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: Étude de cas
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,002
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,029
Tête enseignante GPT0,219
Écart entre enseignants0,191 · 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'étudeÉtude de cas
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
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Arctic and Extreme Environments Technical Conference and ExhibitionMême sujetOffshore Engineering and TechnologiesTravaux en français237 207