Enhancement of Plastering Effect on Strengthening Wellbore by Optimizing Particle Size Distribution of Wellbore Strengthening Materials
Notice bibliographique
Résumé
Wellbore strengthening materials (WSMs) have been widely used to strengthen the wellbore stability and integrity, especially those lost circulation materials (LCMs) used for mud loss impairment. To enhance the wellbore strengthening effect rather than a loss impairment, plastering effect can be used to increase the fracture gradient of the wall and minimize the probability of inducing new fractures. This is done by smearing the mudcake and pores and forming an internal cake inside the rock matrix using WSMs (or LCMs). Until now, the particle size distribution (PSD) of LCMs have been widely studied for the minimization on the mud loss (e.g., Abran’s rule, ideal packing theory, D90 rule, Halliburton D50 rule, etc.). However, there are few empirical rules focused on the maximum wellbore strengthening effect. This study attempts to find the desired PSD of plastering materials to enhance wellbore stability. In this research, the Brazilian test was used to quantify tensile strength. Meanwhile, the filtration characteristics of WSMs through the rock matrix were observed using a scanning electron microscope (SEM) and an energy-dispersive system (EDS). Finally, this paper adopts D50 of WSMs to be the mean pore throat size for a maximum improvement on the rock tensile strength. We have observed that the closer the D50 of WSMs in the WSMs to the mean pore throat size, the stronger the saturated rock matrix.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».