Adopting Physical Models in Real-Time Drilling Application: Wellbore Hydraulics
Notice bibliographique
Résumé
Abstract The first step towards drilling optimization and automation is a reliable data acquisition and handling system. This includes receiving and processing different frequency data across multiple platforms and ensuring proper data quality. Once we implement such a platform, we can build different advisory solutions to improve drilling efficiency and move towards drilling automation. The developed Drilling Intelligence Guide (DIG) already enabled us to achieve the aforementioned goal and access different data (from contextual to high frequency) in real-time. In the next phase, different models (physical or data analytics) can be built in to optimize various stages of drilling operations. The drilling industry has made significant progress on different physical models that can be run offline (either for pre-job design or post-job analysis) in the previous decades. Given the developed data platform, we can now adopt and run these models in real-time for optimization and automation purposes. As an example, a real-time, computationally efficient hydraulic model that can account for drill string rotation and eccentricity would enable us to monitor ECD (to be used for wellbore stability, kick and lost circulation mitigation) and calculate pump pressure corresponding to different operational conditions (to be used for drill string washout/pump failure prediction and sensor calibration). The aim of this paper is to show the application of the hydraulic model for real-time monitoring and optimization purposes. An analytical hydraulic model including drill pipe rotation and eccentricity effects is used and compared against transient numerical simulations. In the next step, Pressure While Drilling (PWD) data are used to verify the accuracy of the model for real-time applications. After the verification steps, we explain the process to couple real-time data (e.g., flow rate, RPM), contextual data (e.g., mud properties, BHA and wellbore geometry) and the physical model using field examples. In addition to ECD monitoring at the bit and casing shoe, the real-time hydraulic model can also be used to monitor washout and pump failure events. The application of the model is shown using field examples.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».