MétaCan
Menu
Retour à la cohorte
Enregistrement W4393352408 · doi:10.2118/0424-0084-jpt

Technology Focus: Heavy Oil (April 2024)

2024· article· en· W4393352408 sur OpenAlexaboutno aff
Marty Lastiwka

Notice bibliographique

RevueJournal of Petroleum Technology · 2024
Typearticle
Langueen
DomaineChemistry
ThématiquePetroleum Processing and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFocus (optics)Petroleum engineeringEnvironmental scienceBusinessNatural resource economicsGeologyEconomicsPhysics

Résumé

récupéré en direct d'OpenAlex

Heavy oil can be one of the more technically challenging resources to recover. It is often easy to find but hard to move. This creates an incentive for knowledge seekers and problem solvers: The puzzle pieces are on the table; we just need to put them together. The physical characteristics of heavy oil and the formations in which it is found—the puzzle pieces—are often unique to a region or even to a specific asset, so recovery techniques must be tuned, adapted, and sometimes invented for each region. Creative professionals around the world are taking up this challenge and sharing their work with us in a wealth of excellent recent publications. In particular in our featured papers, we see three different parts of the world working with three different recovery techniques. First, we have a fundamental study in paper SPE 212779 of a perennial question from Canada’s oil sands: Where does the emulsion form in the steam-assisted gravity drainage (SAGD) recovery process, where the effect of a surfactant is studied? Moving south to paper SPE 213199, we review a study that progresses from laboratory work to field implementation using foam injection in Colombia in conjunction with cyclic steam stimulation. From Colombia, we look across to the other side of the world to paper SPE 215943, where we see a transition from steamflood recovery to an adapted configuration of SAGD, with a comprehensive discussion on optimizing production in Mukhaizna field in Oman. The theme of adaptation and invention continues in our recommended reading, with discussions of fundamental research, applied and practical insights on field implementation, and all the steps in between as these are applied to heavy oil production challenges around the world. I hope you enjoy the tour. Recommended additional reading at OnePetro: www.onepetro.org. SPE 212767 Part 1: Kinetics of Methane Exsolution From Bitumen in Thermal Recovery Processes—Experimental Study by Mohammad Khalifi, Imperial Oil Resources, et al. SPE 214113 Physical and Numerical Simulations of Offset Well Pair Combined Steam-Drive and Gravity-Drainage Process To Develop Superheavy Oil or Oil Sands Project by Guangyue Liang, China National Petroleum Corporation, et al. SPE 215342 Optimization of Chemical Acid Stimulation by Improving Selection Intervals in Lateral Section of Horizontal Well in X Field Heavy Oil Steamflood by Fatichin Fatichin, Pertamina, 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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,816
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,246
Écart entre enseignants0,239 · 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.

Devis d'étudeSans objet
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 revueJournal of Petroleum TechnologyMême sujetPetroleum Processing and AnalysisTravaux en français237 207