MétaCan
Menu
Retour à la cohorte
Enregistrement W2604919942 · doi:10.2118/185746-ms

Optimization of Metal-on-Metal Lubricants for Coil Tubing Applications

2017· article· en· W2604919942 sur OpenAlexaboutno aff
Scott Sherman, Harvey Quintero, Candace Moriyama, Sebastian Sessarego, Craig Fraser

Notice bibliographique

RevueSPE Western Regional Meeting · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueLubricants and Their Additives
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMechanical engineeringHammerTribologyLubricantLubricationComputer scienceElectromagnetic coilPetroleum engineeringMaterials scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The development of horizontal well completion techniques has untapped a massive amount of hydrocarbon resources previously economically unreachable. Extended-reach horizontal well designs are now the rule rather than the exception and introduce a myriad of new challenges associated with downhole operations. Numerous mechanical approaches have been implemented to overcome deleterious frictional forces intrinsic to extended reach Coil Tubing (CT) interventions; cutting edge mechanical techniques rely on devices such as downhole tractors and fluid hammer tools to avoid helical buckling, and eventual CT lock-up. The most daunting factor associated with the application of these tools is the cost which is especially important in the current energy resource industry downturn. Drag-reducing agents (DRA) appear to be the common denominator in extended reach CT interventions. To date, synergistically paired metal-filming lubricants and fluid friction reducers provide a cost-effective method to enhance weight on bit (WOB) required while running in and/or pulling out of hole (RIH/POOH) CT strings. Given the dynamic nature of CT operations, carrier fluids experience extreme conditions changes (temperature, pressure and/or physicochemical), during their tubular residency time. The change in environmental conditions can result in poor dispersibility of DRA's, and therefore, render them ineffective through a lack of contact with the metal. Herein, this paper presents details of a thorough tribology and rheological analysis of commercially available DRA's in different oil field brines, and the corresponding field case studies evaluating data reproducibility. Lab testing data includes 4 ball (ASTM D4172A) testing as well as Reichert friction and wear analysis test results. The OFITE EP (extreme pressure) lubricity tester type equipment, which was originally conceived to reproduce coefficients of friction (COF) for drill string/mud simulations, has been historically included in metal-on-metal (MOM) lubricant analysis. A rapid method was implemented involving a sled and plate COF type tester. Normally used for measuring the friction between two dry surfaces, it was adapted for measuring COF of MOM lubricants currently in use during CT operations in the Western Canadian Sedimentary Basin (WCSB). Lubricity testing on the top MOM lubricant performers showed a COF reduction in the range of 11 −28%, when 150 mm/min sled speed was tested. Also, through the rheological and qualitative analysis of the carrier fluid, dispersibility appears to be improved with the addition of the fluid friction reducer. In addition to the sled-plate COF testing analysis and field case data validation, this study will include an oscillatory shear rheological analysis of the carrier fluid, by using the Haake RheoStress®6000. This will help us to understand the viscoelastic behavior and its relationship with MOM dispersibility.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,000
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 Opus0,029
Tête enseignante GPT0,265
Écart entre enseignants0,236 · 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

Citations7
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Western Regional MeetingMême sujetLubricants and Their AdditivesTravaux en français237 207