Use of Quantitative Risk Analysis Methods to Determine the Expected Drilling Parameter Operating Window Prior to Operation Start: Example From Two Wells in the North Sea
Notice bibliographique
Résumé
Abstract While in a well-defined context, drilling operations can be optimized to a great extent, other more complex drilling operations, either due to challenging trajectories or taking place in more unpredictable geological setting, may incur undesirable delays due to unforeseen difficulties. For such challenging drilling operations, it is more and more common to perform pre-operation verifications in the form of "drill the well on the paper" or "drill the well in the simulator". Such methods may help the engineering team to discover some of the flaws of the operation plan but they fall short in providing quantitative risk assessments of the studied drilling operation plan. A methodology based on uncertainty propagation throughout all the input parameters of the drilling program has been developed to quantitatively assess the inherent risks levels embedded in a drilling operation plan. Hundreds of simulations are performed automatically to estimate a safe drilling parameter operating window for every depth of the planned drilling operation. The analysis of the obtained window size allows to determine the risk levels and which of them are the most predominant. This allows to check if the plan is robust and to prepare for countermeasures in case difficulties should be encountered. This quantitative risk analysis method has been applied to two challenging drilling operations performed in the North Sea. When a case has been described, the analysis is performed automatically and does not require any human intervention. The analysis of the results may thereafter be used by the drilling team to focus on the most essential challenges ahead of the drilling operation during the "drill the well simulation" session.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».