MétaCan
Menu
Retour à la cohorte
Enregistrement W2782982609 · doi:10.1115/1.4039016

A Numerical and Experimental Study of Kick Dynamics at Downhole

2018· article· en· W2782982609 sur OpenAlexafffund
Rakibul Islam, Faisal Khan, R. Venkatesan

Notice bibliographique

RevueASCE-ASME Journal of Risk and Uncertainty in Engineering Systems Part B Mechanical Engineering · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésWell controlDrillingFlow (mathematics)Drill pipeSimulationMarine engineeringCompressibilityDrillUsabilityPetroleum engineeringEngineeringComputer scienceMechanical engineeringMechanicsAerospace engineering

Résumé

récupéré en direct d'OpenAlex

The early detection of a kick and mitigation with appropriate well control actions can minimize the risk of a blowout. This paper proposes a downhole monitoring system, and presents a dynamic numerical simulation of a compressible two-phase flow to study the kick dynamics at downhole during drilling operation. This approach enables early kick detection and could lead to the development of potential blowout prevention strategies. A pressure cell that mimics a scaled-down version of a downhole is used to study the dynamics of a compressible two-phase flow. The setup is simulated under boundary conditions that resemble realistic scenarios; special attention is given to the transient period after injecting the influx. The main parameters studied include pressure gradient, raising speed of a gas kick, and volumetric behavior of the gas kick with respect to time. Simulation results exhibit a sudden increase of pressure while the kick enters and volumetric expansion of gas as it flows upward. This improved understanding helps to develop effective well control and blowout prevention strategies. This study confirms the feasibility and usability of an intelligent drill pipe as a tool to monitor well conditions and develop blowout risk management strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,006
Tête enseignante GPT0,208
Écart entre enseignants0,203 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueASCE-ASME Journal of Risk and Uncertainty in Engineering Systems Part B Mechanical EngineeringMême sujetDrilling and Well EngineeringTravaux en français237 207