MétaCan
Menu
Retour à la cohorte
Enregistrement W2593544023 · doi:10.11113/mjfas.v12n3.423

The application of MWCNT to enhance the rheological behavior of drilling fluids at high temperature

2017· article· en· W2593544023 sur OpenAlexaff
Abdul Razak Ismail, Wan Rosli Wan Sulaiman, Mohd Zaidi Jaafar, Adnan Aftab, A. A. Razi, Z. H. Ibupoto

Notice bibliographique

RevueMalaysian Journal of Fundamental and Applied Sciences · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensEngineering Link (Canada)
Organismes subventionnairesUniversiti Teknologi MalaysiaMinistry of Higher Education, Malaysia
Mots-clésDrilling fluidRheologyDrillingViscosityPetroleum engineeringMaterials scienceVolume (thermodynamics)Composite materialGeologyMetallurgyThermodynamics

Résumé

récupéré en direct d'OpenAlex

Drilling fluid is the key component to drill oil and gas wells. The rheological behavior of drilling fluid will be affected when drilling deep wells especially at high temperature and high pressure reservoir. This research was conducted to study the effect of the nanoparticles over the rheological properties of the drilling fluid when aging at high temperature condition. Several drilling fluids were prepared using synthetic based fluids (Sarapar and Saraline) to study the effect of multi-walled carbon nanotube (MWCNT) at different concentrations. The rheological properties of drilling fluid were analyzed after aging at 250 °F and 350 °F for 16 hours. The results revealed that the addition of MWCNT improved the 10-sec gel strength by 33% and filtrate loss volume was reduced to 10% after aging at 250°F in Saraline drilling fluid. Moreover, the plastic viscosity of Saraline and Sarapar drilling fluid after addition of MWCNT was enhanced by 6% and 27% at 350 °F. Filtrate loss volume of Sarapar drilling fluid was reduced by 19 % after aging at 250 °F for 16 hours. The overall results showed that the addition of MWCNT into the drilling fluid have slightly improved the rheological properties of drilling fluids under high temperature 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,064
Score d'incertitude au seuil0,349

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,238
Écart entre enseignants0,231 · 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 tête enseignante, 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

Citations22
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMalaysian Journal of Fundamental and Applied SciencesMême sujetDrilling and Well EngineeringTravaux en français237 207