MétaCan
Menu
Retour à la cohorte
Enregistrement W4380685277 · doi:10.3390/math11122689

Estimating the Critical Velocity of the Incipient Motion of Particles on the Cuttings Bed Surface: An Experimental and Theoretical Analysis

2023· article· en· W4380685277 sur OpenAlexaff
Kaixiang Shen, Zhenqiang Xu, Guoshuai Ju, Yingsheng Wang, Zijian Li

Notice bibliographique

RevueMathematics · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDrill cuttingsAnnulus (botany)DrillingCuttingMechanicsDrilling fluidGeotechnical engineeringShear stressPetroleum engineeringCritical ionization velocityGeologyMaterials scienceEngineeringMechanical engineeringPhysicsComposite material

Résumé

récupéré en direct d'OpenAlex

During the drilling of highly deviated and horizontal wells, a pump shutdown causes drill cuttings to settle and form a cuttings bed in the annulus. This study investigated the incipient motion law of the particles on the cuttings bed surface when the drilling fluid starts circulating again. This work could help field engineers to determine a reasonable incipient pump displacement to improve hole-cleaning efficiency. In this study, the effects of the well inclination angle, cuttings size, and different cuttings densities on the critical velocity of particle motion are analyzed experimentally, using a large-scale flow loop. Next, based on a stress analysis of the particles on the cutting bed surface and on the boundary layer flow around the particles, an analytical formula for the surface shear force of the drilling fluid on particles is derived and a critical velocity model for incipient motion is established. Verification is then carried out and combined with the experimental results. This study has important implications for the design of drilling operations and for the management of cuttings transport in oil and gas wells. It can guide the setting and prediction of pump discharge to improve hole-cleaning efficiency.

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)0,001
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 enseignants0,111
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMathematicsMême sujetDrilling and Well EngineeringTravaux en français237 207