MétaCan
Menu
Retour à la cohorte
Enregistrement W2044512258 · doi:10.2118/162866-ms

Case-Based Reasoning Technology Used to Provide Early Indications of Potential NPT-Related Problems while Drilling the Viking

2012· article· en· W2044512258 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueSPE Canadian Unconventional Resources Conference · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensnon disponible
Organismes subventionnairesMount Royal University
Mots-clésComputer scienceSituation awarenessValue propositionField (mathematics)Situational ethicsData scienceEmerging technologiesIndustrial engineeringRisk analysis (engineering)Computer securityArtificial intelligenceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract There is a considerable value proposition for drilling personnel to be able to use real-time data and have an intelligent technology scan for potential problems before they are realized. To then further offer resolution options for the potential problem is an even greater value proposition. Use of automated intelligent technologies to interpret data and alert users of potential problems is in existence for many commercial and industrial applications. These technologies are frequently employed in surveillance systems such as traffic control, security, and internet usage. The historic challenge for most of these technologies in field applications is that many of the problem scenarios have varying degrees of parameter differences. As such, rule-based technologies have not met expectations. This challenge has been resolved through use of an intelligent technology that evaluates and ranks a problem scenario’s parameters based on case similarity. In other words, this technology compares the relative differences of problem parameters to baseline case history problem parameters. This approach is a much better representation of reality in the field, where no two problems are exactly the same – they are only similar. An intelligent real-time technology utilizing case-based reasoning can now be deployed in drilling operations to help recognize and mitigate non-productive time problems before they occur, thereby improving overall drilling efficiency. This software technology recalls human and situational experience across rigs, assets and regions. By continuously monitoring the real-time data-streams from ongoing drilling operations, it compares the current situation with past experience (cases). When the current situation is similar to a case, an alert is sent to users and the case is displayed along with lessons learned, advice and best practices. This technology was successfully deployed in a proof of concept with junior oil company, drilling the Viking formation. This paper highlights the theory behind the technology, deployment and integration with the junior oil company, and the results of the project, including a case study in which the technology sent an alert of a potential stuck pipe incident and suggested remedial actions to address the problem before it occurred. This paper concludes with how the technology can be continually adapted to new downhole drilling challenges.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,059
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,197
Écart entre enseignants0,181 · 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