MétaCan
Menu
Retour à la cohorte
Enregistrement W4413391281 · doi:10.1115/omae2025-155064

Optimization of Primary Cementing for Heavy Oil Wells: A Simulation-Based Case Study

2025· article· en· W4413391281 sur OpenAlexaffabout
Sophia Sotoudeh, Akumah Ndeh-Ngwa, Soheil Akbari, Gunnar DeBruijn, I.A. Frigaard

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPetroleum engineeringPrimary (astronomy)Computer scienceGeology

Résumé

récupéré en direct d'OpenAlex

Abstract Primary cementing is critical for well integrity, particularly for heavy oil wells in challenging formations and geographical regions. In this case study, we use an advanced cementing job design simulation software to model the primary cementing of a heavy oil well typical of SAGD operations in Western Canada. Our objective is to evaluate and optimize the cementing operation, focusing on improving well integrity and minimizing risks, such as improper mud displacement and inadequate zonal isolation. This research investigates the effect of key factors such as cement slurry composition, centralizer placement, and borehole geometry on the mud residual and cement placement. This study highlights the need to place centralizers in the deviated well sections to enhance mud removal. By increasing the number of centralizers or selecting otherwise optimized designs for specific well conditions, cement placement efficiency can be improved. Furthermore, we explore the potential benefits of extending the pumping duration of the spacer fluid to ensure a more comprehensive displacement of residual mud, particularly in sections where the borehole geometry may hinder fluid movement. This case study also emphasizes the need for a multi-parameter approach to cementing evaluation, moving beyond pressure matching to include other operational factors that directly influence long-term well integrity. By leveraging advanced simulation tools, comprehensive evaluation metrics, and expert knowledge of cementing fluid mechanics, operators can gain deeper insights into the cementing process, leading to better-informed decisions that improve wellbore integrity, reduce operational risks, and optimize production outcomes.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,059
Score d'incertitude au seuil0,117

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,241
Écart entre enseignants0,228 · 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'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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetDrilling and Well EngineeringTravaux en français237 207