Fiber-Optic-Enabled Coiled-Tubing Operations on Alaska's North Slope
Notice bibliographique
Résumé
Abstract Fill cleanouts, matrix stimulation, cementing, and downhole milling are some common coiled tubing (CT) operations. The difference between the success and failure of these jobs relies heavily on the knowledge and prediction of the behavior of downhole parameters such as temperature and pressure. Another significant percentage of CT operations depends on highly accurate depth control to ensure the intended result of the operation. These depth-critical operations include setting packers, tubing patches, CT-conveyed perforating, and zonal isolation. And in virtually all CT operations, including fill cleanouts, stimulations, and cementing, the knowledge of an actual tied-in depth is advantageous to operations. The purpose of this paper is to present a simple and reliable system that allows real-time monitoring of downhole pressure and temperature, and provides depth correlation using a casing collar locator (CCL). In this system, the downhole parameters are recorded in real time without the limitations of conventional wireline-enabled coiled tubing units. The information presented in this paper summarizes the operations performed during the field-testing of the system at Alaska's North Slope. Twenty-seven CT operations were successfully performed using the system; this demonstrated its reliability and provided the crew with the information needed to improve the efficiency of the operations being performed. The system comprises three main components: Downhole tools capable of measuring and transmitting bottomhole pressure and temperature as well as identifying casing collars with high accuracy.Fiber optic and fiber optic carrier, which provides real-time transmission of downhole data to surface.Wireless bulkhead and surface interface modules to provide two-way communication between the tools and the monitoring system.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».