Improved Cooperation Between Service Company and Operator for Faster Development of Better Tools
Notice bibliographique
Résumé
Abstract The present paper describes the prize to be gained when thorough feedback and co-operation between operator and service company are made a priority during the application of new tools in the oilfield. A real life example is provided to highlight how solution driven discussion and prompt detailed data sharing can enable service companies to develop new tools faster and cheaper to satisfy operator needs of tool reliability and accuracy. In July 2007, BP field-tested the impact tool during a memory PLT campaign in an onshore oilfield, UK. The impact tool is a memory gauge that is capable of logging downhole P/T information, tool-string angle and bi-directional impact resulting from jarring activities. While this trial was the first-time run of this tool within BP, across the industry it was the third application just in the North Sea. Yet during the job it became obvious that there was a need for further improvement of the tool in areas of tool function and set-up. Intensive discussion with the tool-provider on future enhancements of the tool commenced while operations were still going on. Based on this close co-operation, the vendor was able to develop solutions and implement them in the tool within weeks. The paper will provide insights into the project planning, share the relevant details of the operational phase and conclude with the obtained learning which lead to the enhancement of the impact tool. Since implementation of the modifications, the tool has shown excellent results and outstanding performance in recent field-operations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,026 | 0,010 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».