Probabilistic Well Time Estimation Revisited
Notice bibliographique
Résumé
Abstract Probabilistic estimation of well duration has been common practice for over a decade; many papers have been written on the subject, and commercial software is available for the purpose. Is the subject therefore mature? The authors suggest that this is not the case, and show that several essential aspects of both data characterisation and probabilistic analysis have been overlooked in previous contributions. A database of 104 central North Sea wells was independently re-analysed for non-productive time (NPT) from the original daily drilling reports. Mechanical extreme NPT events (those over 2.5 days) were only 4% by number, but contributed 51% of NPT by duration. It is shown that mechanical parent NPT, mechanical extreme NPT, open water WOW, and riser connected WOW are all statistically distinct, with very different occurrence frequencies and probability density functions (PDFs). These data vary widely by well type, installation type, and time of year. The paper gives tables of all required occurrence frequencies and PDF parameters, together with a full theoretical basis. Earlier workers did not publish this information, nor did they observe that the four NPT types above are statistically distinct. It is shown that trouble-free time plus mechanical parent NPT is log-normally distributed, whereas the other PDFs are Weibull. These PDF types are not currently available in commercial software, and the authors are working with a software provider to remedy this deficiency. Example results (PDFs of predicted duration) are given by well type, installation, and time of year. They are in good agreement with the historical database.
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 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 | 0,001 |
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 tête enseignante, 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 ».