Optimization of Multiple Bit Runs Based on ROP Models and Cost Equation: A New Methodology Applied for One of the Persian Gulf Carbonate Fields
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.
Notice bibliographique
Résumé
Abstract Improving the rate of penetration (ROP) is one of the key methods to reduce drilling costs. Several ROP models have been developed and modified based on the concept where unconfined compressive strength (UCS) is inversionally proportional with the rate of penetration. These models can predict the rate of penetration of different bit types in an oil or gas field with a reasonable degree of accuracy. The ROP model studied herein relates the rate of penetration to operating conditions and bit parameters in addition to the rock strength. Also, the effects of bit hydraulics and bit wear on rate of penetration are included in the model. In this paper, the drilling performance was optimized, using the ROP models, for upcoming wells in one of the Persian Gulf carbonate fields. Based on previous drilled wells a rock strength log along the wellbore is created and modified to mach the the new well survey. The rock strength is back calculated from the ROP model which includes bit design and reported field wear in conjunction with meter by meter operating parameters, formation lithologies and pore pressure. By conducting a number of simulations a learning curve was constructed to obtain the optimum bit hydraulics, best combination of operational parameters and the most effective bit design. Based on the proposed ROP model, a simple and useful simulator was developed. This methodology can be used in pre-planning and post analysis to reduce drilling cost where previously drilled wells exist.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 découle