MétaCan
Menu
Retour à la cohorte
Enregistrement W2559877605 · doi:10.2118/184159-ms

Use of Technical Design and Surveillance Tools to Minimize Operating Integrity Risk in High Temperature Wells

2016· article· en· W2559877605 sur OpenAlexaffabout
P. Eng Mirko Zatka

Notice bibliographique

RevueSPE Heavy Oil Conference and Exhibition · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésCasingLead (geology)Structural integrityComponent (thermodynamics)Risk analysis (engineering)Key (lock)Computer scienceEnvironmental scienceReliability engineeringEngineeringPetroleum engineeringGeologyComputer securityStructural engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Shell Canada has conducted thermal recovery operations in the Peace River area of Alberta for over 50 years, using a combination of vertical, deviated and horizontal wells. During this time, many different recovery schemes, well designs, and operating practices have been used and assessed to determine the best approach to minimizing well integrity risk from safety, technical performance, and cost standpoints. The cumulative experience has allowed Shell to have an in-depth understanding of the most appropriate casing and connections for specific thermal service that offer the best long-term performance and integrity. Casing cement design and placement practices are a key component in well construction to obtain superior, long-term, hydraulic isolation performance. Well operations must be monitored though an effective surveillance process to obtain not only periodic assurance of mechanical integrity of well components, but also detection of inter-well formation anomalies that may lead to well failure or loss of hydraulic isolation if left unidentified. Monitoring and observation wells can offer key additional insights on sub-surface events and changes, and instrumentation techniques can flag anomalies, as soon as detected, for further assessment and action. This can protect not only the wellbores in use, but also assess the effect of project operations on boundary areas and previously abandoned wells.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,029
Tête enseignante GPT0,224
Écart entre enseignants0,195 · 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

Citations1
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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