Optimizing drilling fluid rheology: The role of particle size distribution and advanced rheological modelling
Notice bibliographique
Résumé
Abstract This study presents the first integrated evaluation of how particle size distribution (PSD) of weighting materials affects both the rheological behaviour of water‐based drilling fluids and the predictive accuracy of advanced rheological models. The originality lies in using complete mud formulations with multiple weighting materials, baryte, haematite, ilmenite, and Micromax, in both raw and milled forms, which enables a broader assessment than previously reported. Practically, the findings offer a pathway to optimize drilling fluid design for better viscosity control, improved wellbore stability, and reduced formation damage. Experimentally, reducing the D50 of baryte from 17.78 to 3.13 μm and haematite from 12.49 to 3.60 μm led to an approximate 50% increase in plastic viscosity and over 70% increase in yield point at a density of 16 ppg. Rheological models including Newtonian, Bingham Plastic, Power Law, Herschel–Bulkley, and Cross were applied, with Herschel–Bulkley and Cross models yielding R 2 values near 1.0 and RMSE as low as 0.23. Notably, finer particle sizes were better captured by advanced models, with Herschel–Bulkley and Cross outperforming simpler models, particularly at higher mud densities. These results demonstrate the critical role of PSD not only in fluid behaviour but also in selecting accurate rheological models for better prediction and formulation strategies. These results demonstrate the critical role of PSD not only in fluid behaviour but also in the selection of accurate rheological models for better prediction and formulation strategies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».