Identifying the Optimum Zone for Reducing Drill String Vibrations
Notice bibliographique
Résumé
Abstract Drilling operators witness significant lost time due to early failure of bottomhole equipment resulting from vibration and shock. This eventually leads to cumulative losses of millions of dollars for the industry. Increase in applied weight on bit (WOB) at low angular velocity (RPM) can trigger instabilities leading to stick slip. Potentially, compression and stretch that occurs along the BHA during drilling operations could lead to whirling and buckling. The complexity of the whirling motion causes lateral shifts, shocks and friction against the borehole walls. The driller has limited options. If stick-slip is identified, the driller decreases weight-on-bit (WOB) but whirling may occur from increasing revolutions per minute (RPM). Since the overall goal is to optimize drilling then reducing both WOB and ROB would not be an option since that would results in decrease in rate of penetration (ROP). This puts the driller in a tough situation where both severe vibrations and low ROP could occur simultaneously during drilling operations. There is an optimum zone where drilling parameters – RPM and WOB -- improve BHA/bit stability. A machine learning methodology is described which is able to (a) identify the zone of stability through the use of supervised and unsupervised learning and (b) anticipate an upcoming optimum for safe drilling by merging historic data with real time analysis through the use of online learning. A comparison is presented which compares supervised and unsupervised machine learning in identifying and updating the optimum zone. From this zone, a parameter set of permissible combinations of WOB and RPM can be estimated. The methodology described is then applied to data derived from several hours of drilling in a highly tortuous zone with persistent vibration problems.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».