MétaCan
Menu
Retour à la cohorte
Enregistrement W4391329418 · doi:10.2118/217787-ms

An Interdisciplinary Economic Appraisal of Plug-And-Perf Versus Single-Point Entry Completions Systems Using Simulation

2024· article· en· W4391329418 sur OpenAlexaff
B. Eidson, J. S. Macdonald, Ryan Carduner, Carina Theodore, S. Hervo

Notice bibliographique

RevueSPE Hydraulic Fracturing Technology Conference and Exhibition · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensShell (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer sciencePoint (geometry)Economic appraisalPlug-inSpark plugMathematical optimizationOperations researchMathematicsMechanical engineeringEngineeringEconomicsOperating systemPublic economics

Résumé

récupéré en direct d'OpenAlex

Abstract Selecting which formation access and interstage isolation approach is economically superior is difficult to assess due to the complex interactions of these systems’ impact on drilling and completions cycle time and cost and well performance. An integrated view is necessary to assess the economics of single-point entry sleeve completions systems and plug-and-perf systems. The difficulty is exacerbated by the uncertainty of the percentage of effective plug-and-perf clusters. This paper documents the use of commercial simulation software to precisely estimate the daily cashflows for the life of a well pad (from rig move to decommissioning) using designs based on each system. The plug-and-perf cluster efficiency percentage is swept, and the percentage at which its economics breakeven with the single-point entry scenario is calculated. This is performed for multiple subsurface areas whose well performance vary differently from one another as effective cluster spacing changes. Using NPV/section, it was discovered plug-and-perf scenarios needed a cluster efficiency between 38-52% to breakeven with the corresponding single-point entry scenario. However, these results are highly dependent on an operator's contractual frameworks, well performance, and well production constraints.

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 enseignants0,280
Score d'incertitude au seuil0,746

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 savante0,0000,000
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 Opus0,035
Tête enseignante GPT0,328
Écart entre enseignants0,292 · 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSPE Hydraulic Fracturing Technology Conference and ExhibitionMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207