MétaCan
Menu
Retour à la cohorte
Enregistrement W2030307404 · doi:10.1039/c1lc20556k

Reservoir-on-a-Chip (ROC): A new paradigm in reservoir engineering

2011· article· en· W2030307404 sur OpenAlexaff
Naga Siva Kumar Gunda, Bijoyendra Bera, Nikolaos Karadimitriou, Sushanta K. Mitra, S. Majid Hassanizadeh

Notice bibliographique

RevueLab on a Chip · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringChipFlooding (psychology)Water floodingMicrofluidicsPhase (matter)GeologyEngineeringMaterials scienceNanotechnologyChemistryElectrical engineering

Résumé

récupéré en direct d'OpenAlex

In this study, we design a microfluidic chip, which represents the pore structure of a naturally occurring oil-bearing reservoir rock. The pore-network has been etched in a silicon substrate and bonded with a glass covering layer to make a complete microfluidic chip, which is termed as 'Reservoir-on-a-chip' (ROC). Here we report, for the first time, the ability to perform traditional waterflooding experiments in a ROC. Oil is kept as the resident phase in the ROC, and waterflooding is performed to displace the oil phase from the network. The flow visualization provides specific information about the presence of the trapped oil phase and the movement of the oil/water interface/meniscus in the network. The recovery curve is extracted based on the measured volume of oil at the outlet of the ROC. We also provide the first indication that this oil-recovery trend realized at chip-level can be correlated to the flooding experiments related to actual reservoir cores. Hence, we have successfully demonstrated that the conceptualized 'Reservoir-on-a-Chip' has the features of a realistic pore-network and in principle is able to perform the necessary flooding experiments that are routinely done in reservoir engineering.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,027
Tête enseignante GPT0,233
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 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations210
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207