MétaCan
Menu
Retour à la cohorte
Enregistrement W2946987266 · doi:10.1016/j.colsurfa.2019.05.088

Improving the performance of oil based mud and water based mud in a high temperature hole using nanosilica nanoparticles

2019· article· en· W2946987266 sur OpenAlexaff
Allan Katende, Natalie Vanessa Boyou, Issham Ismail, Derek Z. Chung, Farad Sagala, Norhafizuddin Hussein, Muhamad S. Ismail

Notice bibliographique

RevueColloids and Surfaces A Physicochemical and Engineering Aspects · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of Calgary
Organismes subventionnairesUniversiti Teknologi Malaysia
Mots-clésDrilling fluidRheologyLubricityMaterials sciencePetroleum engineeringReducerDrillingEnvironmental scienceComposite materialGeologyMechanical engineeringEngineeringMetallurgy

Résumé

récupéré en direct d'OpenAlex

Oil-based mud (OBM), a non-Newtonian fluid, is known for its superior performance in drilling complex wells as well as combating potential drilling complications. However, the good performance may degrade under certain circumstances especially because of the impact of chemical instability at an elevated temperature. The same phenomenon occurs for water-based mud (WBM) when it is used in drilling under high temperature conditions. To prevent this degradation from occurring, numerous studies on utilizing nanoparticles to formulate smart fluids for drilling operations are being conducted worldwide. Hence, this study aims to evaluate the performance of nanosilica (NS) as a fluid loss reducer and a rheological property improver in both OBM and WBM systems at high temperature conditions. This study focuses on the impacts of different nanosilica concentrations, varying from 0.5 ppb to 1.5 ppb, and different mud weights of 9 ppg and 12 pg as well as different aging temperatures, ranging from ambient temperature to 300 °F, on the rheological performance of OBM and WBM. All the rheological properties are measured at ambient temperature, and additionally tests, including lubricity, electrical stability, and high-pressure high-temperature filtration measurements, are conducted, and rheological models are obtained. The performance of nanosilica is then studied by comparing each of the nanosilica-enhanced mud systems with the corresponding basic mud system, taking the fluid loss and rheological properties as the benchmark parameters. Nanosilica shows a positive impact on OBM and WBM, as the presence of nanosilica in the mud systems can effectively improve almost all their rheological properties.

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)0,000
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 enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,003
Tête enseignante GPT0,154
Écart entre enseignants0,151 · 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

Citations171
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueColloids and Surfaces A Physicochemical and Engineering AspectsMême sujetDrilling and Well EngineeringTravaux en français237 207