MétaCan
Menu
Retour à la cohorte
Enregistrement W2979738399 · doi:10.2118/198180-ms

A New Tool for Long-Term Monitoring and Management of Kuwait Oil Company KOC Reservoirs through Reservoir Management Performance Index RMPI Concept and Best Practices

2019· article· en· W2979738399 sur OpenAlexaff
Mohammad Al-Ghnemi, Mohammad Al-Bahar, Ali Al-Najdi, Ashish Kumar, Anup Bora, Thakuria Chandan, Jarrah Al-Ruwayeh, Malek AlSaidi, Shareefah AlRashed, AlHawraa AlOmran, Bharat Singh, Rami Kansao, Meher Surendra, Sander Sucimez

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésAsset managementPerformance indicatorAsset (computer security)Index (typography)Computer sciencePortfolioSet (abstract data type)Risk analysis (engineering)Business

Résumé

récupéré en direct d'OpenAlex

Abstract Maintaining and sustaining reservoir performance and health is a priority that requires ongoing assurance activities that will maximize recovery up to industry best practices. An automated and integrated reservoir performance tool has been developed to provide high-level assurances at both the reservoir and asset level. The Reservoir Management Performance Index (RMPI) is a set of indices that can identify key performance issues involving several aspects of the reservoir'sdevelopment and operational plans. This tool identifies mitigating measures that require action, assures production sustainability, promotes a reservoir-focused organization, and standardizes the reservoir performance evaluation in an organization. RMPIprovides a high-level overview and a platform for all management and operation levels, where observing the same set of results can initiate collective decisions that improve reservoir management. Such a system was developed for a company to monitor and measure the performance against expected standards and forecasts for the large number of reservoirs in its portfolio. This tool measures multiple aspects of reservoir management grouped into four major categories: Energy Management, Forcasting Relaibility, Reserves Management and Operations. The tool is tailored to account for various aspects such as: stage of maturity of the reservoir, primary or secondary depletion stage, etc. Each category consists of multiple individual metrics that combine actual field data with targets/forecasts and use an algorithm to calculate a score. These scores are weighted and aggregated for an overall score in each category and an overall score for the asset/reservoir itself. Several aspects accounted for in the metrics include (but not limited to): pressure management, voidage replacement, water and gas management, production and injection performance, reserves promotion and replacement, current RF, EURF, drilling and workover efficiency, Well-Up time, etc.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,253
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

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 savante0,0000,001
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 Opus0,047
Tête enseignante GPT0,329
Écart entre enseignants0,282 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetReservoir Engineering and Simulation MethodsTravaux en français237 207