Notice bibliographique
Résumé
Design and development of optimal drilling-fluid systems, as well as their proper maintenance while drilling, are essential components of any successful drilling campaign. As the oil and gas industry is drilling in more-challenging areas (e.g., unconventional shale oil/gas wells, deepwater offshore wells, and deep high-pressure/high-temperature sour gas wells), the demand for more-accurate real-time assessment of the downhole state of the drilling fluids during drilling operations increases. Recent developments in drilling systems automation provide a multitude of opportunities to have real-time monitoring of drilling-fluid properties and early diagnosis of drilling-fluid-related complications that might arise while drilling. Coupled with closed-loop control of surface and downhole drilling-fluid properties, automated monitoring of fluid properties would allow rig personnel to make timely corrections to the drilling-fluid program, which eventually would lead to more-cost-efficient and safer drilling operations. This feature provides examples of such new technologies that can be used as part of the automated drilling-fluid monitoring system, allowing real-time control of drilling-fluid rheological properties (i.e., density and viscosity) and management of solids content with potential benefits of real-time management of equivalent circulating density, effective hole cleaning/cuttings transport, increasing drilling rate, and reducing nonproductive time, resulting in safer wells drilled at minimum costs. Recommended additional reading at OnePetro: www.onepetro.org. SPE 199101 - Field Results of a Real-Time Drilling-Fluid Monitoring System by Sérgio Magalhães, Universidade Federal Rural do Rio de Janeiro, et al. SPE 200990 - Intelligent Pressure-Control System for Managed-Pressure Drilling by Zhao Hui Song, Engineering Technology Research Institute of XDEC, et al. SPE 203389 - Real-Time Measurement of Drilling-Fluid Rheology and Density Using Acoustics by Paul Ofoche, Texas A&M University, et al.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,463 | 0,315 |
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 ».