MétaCan
Menu
Retour à la cohorte
Enregistrement W4406852686 · doi:10.2118/223542-ms

Adding Depth: The Superiority of Volumetric Perforation Erosion Analysis for Evaluating Stimulation Performance and Optimizing Completion Designs

2025· article· en· W4406852686 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueSPE Hydraulic Fracturing Technology Conference and Exhibition · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueFlow Measurement and Analysis
Établissements canadiensPositive Living Society of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCompletion (oil and gas wells)ErosionComputer sciencePerforationGeologyPetroleum engineeringEngineeringMechanical engineeringGeomorphology

Résumé

récupéré en direct d'OpenAlex

Objectives/Scope Permanent fiber optics and high-resolution acoustic imaging are two diagnostic tools commonly used to assess completion design performance in horizontal wells. Fiber optics offer real-time data at the cluster level but can be costly and prone to mechanical failure. In contrast, acoustic imaging is much more affordable but only captures temporal snapshots of data. This paper thoroughly examines how advanced perforation (perf) erosion analysis with three-dimensional (3D) measurements can produce analytical results comparable to fiber. Methods, Procedures, Process Perf tunnel volumes are calculated using measurements obtained from high-resolution acoustic imaging technology, which has been laboratory-validated against a metrology-grade laser scanner. These measurements are used to generate a novel diagnostic plot that explains perf erosion behavior in conjunction with theoretical growth cases. This plot is also used to empirically determine uneroded perf tunnel volumes for different regions around the borehole, which are subtracted from eroded volumes to calculate growth at the perf, cluster, and stage levels. The growth volumes are then used to calculate treatment uniformity with respect to inferred proppant placement for different stage configurations. Results, Observations, Conclusions Treatment uniformity values determined from volumetric perf erosion analysis are strikingly similar to those determined from permanent fiber optics using Distributed Acoustic Sensing (DAS) data collected in real-time during stimulation. In the case of a horizontal Niobrara well analyzed with both diagnostic technologies, the conclusions independently determined from both datasets yielded the same answer in terms of which stage configuration should be utilized for future field development plans. Hydraulic fracture profiles (HFPs) were also generated for stages that had all perf measurements available for analysis. When these HFPs were directly compared to those generated from permanent fiber optics for the same stages, they tended to show a tremendous amount of similarity with respect to inferred cluster-level proppant placement and treatment bias. This alignment between fundamentally different diagnostics not only demonstrates the strength and veracity of volumetric perf erosion analysis, but it also helps validate the new method of empirically determining uneroded perf tunnel volumes using 3D measurements. Novel/Additive Information Although acoustic imaging technology has been used extensively for several years, erosional analyses have typically been performed using exit hole measurements exclusively. Only recently has 3D volumetric perf erosion analysis been evaluated. It is clear from the learnings that exit hole measurements alone do not account for all the subtle nuances associated with proppant placement and erosional phenomena. These additional measurements allow perfs to be represented in 3D space, which has helped bridge the gap between different diagnostics that historically lacked alignment and left operators wondering in which dataset to place their confidence.

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.

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 enseignants0,516
Score d'incertitude au seuil0,485

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,048
Tête enseignante GPT0,275
Écart entre enseignants0,227 · 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