MétaCan
Menu
Retour à la cohorte
Enregistrement W4412885121 · doi:10.62593/2090-2468.1069

An Effective Approach in the Design of Alkali Nitrate-based Solid Free Completion Fluid using Response Surface Methodology

2025· article· en· W4412885121 sur OpenAlexfundno aff
Panca Wahyudi Soekarno, Aprilia Nur Tasfiyati, Bambang Widarsono, Mohamad Romli, Andreas Andreas, M. Mahlil Nasution, Sugihardjo Sugihardjo, Rudi Surhartono

Notice bibliographique

RevueEgyptian Journal of Petroleum · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueSpacecraft and Cryogenic Technologies
Établissements canadiensnon disponible
Organismes subventionnairesBadan Riset dan Inovasi NasionalMinistère de l'Économie, de la Science et de l'Innovation - Québec
Mots-clésCompletion (oil and gas wells)Alkali metalNitrateEnvironmental scienceProcess engineeringComputer sciencePetroleum engineeringGeologyEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

In oil and gas industry, completion fluid is always needed for any field operation activities related to well completion, maintenance, and various production operations aimed at overcoming formation pressure during the activities. Recent decades have witnessed efforts to establish completion fluids that perform not only well in their primary function but also have the ability to prevent adverse effects on productive formations such as formation damage. Accordingly, one of the most important features of the fluids to substitute for traditional drilling mud is being solid-free. Numerous research and studies have been carried out through the utilization of various salts and additives. This study is focused on the use of nitrate-based salts that exhibit excellent solubility. In the effort to establish the best formula for the nitrate-based completion fluid, combinations between calcium- and sodium-nitrates, an experimental design based on Response Surface Methodology (RSM) model has been used in order to determine the most optimum composition of the two nitrate salts and to observe their interactions through multivariate analysis. Parameters of completion fluid density and occurrence of crystallization are used as the response. Analysis of variance (ANOVA) is employed to evaluate the fit quality of the generated models. The models in general exhibit a strong correlation between observed data and predicted values. The formulation produced has proven reliable to produce fluid density higher than 1.7 g/mL, turbidity below 5 NTU, and no crystallization at room temperature. Additives are used to guarantee the fluid’s quality and stability in unfavourable temperature conditions and extreme pressure changes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,046
Tête enseignante GPT0,304
Écart entre enseignants0,257 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEgyptian Journal of PetroleumMême sujetSpacecraft and Cryogenic TechnologiesTravaux en français237 207