MétaCan
Menu
Retour à la cohorte
Enregistrement W2093600899 · doi:10.2118/165398-ms

Flammability Limits of Diesel and air Mixture for use in Underbalanced Drilling

2013· article· en· W2093600899 sur OpenAlexafffund
S. A. Mehta, R.G. Moore, M.G. Ursenbach

Notice bibliographique

RevueSPE Heavy Oil Conference-Canada · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversity of Calgary
Mots-clésDiesel fuelUnderbalanced drillingFlammable liquidFlammabilityEnvironmental scienceIgnition systemPetroleum engineeringWaste managementDrilling fluidMaterials scienceDrillingEngineeringComposite materialMetallurgy

Résumé

récupéré en direct d'OpenAlex

Abstract In an underbalanced drilling process, using diesel as an oleic additive to drilling mud increases the chance of explosion if the drilling fluids mix with natural gas or injected air and reach the flammable limits. Although some investigations about flammability limits of drilling fluids have been conducted on the basis of diesel components, further laboratory experimental study needs to be done. Initially, the properties of the two diesel samples, including heating value, molecular weight, densities and simulated distillation characteristics are measured and compared. Then, an experimental study is conducted to investigate the flammability limits of two diesel fuel samples (diesel A and B) at varied conditions of elevated temperature and pressure using a specially designed apparatus. Based on the experimental results, generally, diesel B exhibits wider flammability range than diesel A. However, diesel A is easier to ignite than diesel B. In addition, the effect of pressure on the flammability limit of diesel B is more profound compared to diesel A. This research can help diesel selection for specific conditions in the field. Moreover, it is suggested that, to maintain a low probability of ignition or explosion, the minimum diesel concentration of drilling fluid is 4.29% for both diesels under certain conditions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,999
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,188
Écart entre enseignants0,171 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPE Heavy Oil Conference-CanadaMême sujetDrilling and Well EngineeringTravaux en français237 207