MétaCan
Menu
Retour à la cohorte
Enregistrement W7116045159 · doi:10.82417/n4rd-6m64

Development of advanced predictive software for optimizing oil and gas well cementing

2025· other· en· W7116045159 sur OpenAlexaboutno aff

Notice bibliographique

RevueEspace ÉTS (ETS) · 2025
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCasingComputationPython (programming language)Multiphase flowSoftwareAnnulus (botany)Computational fluid dynamicsOil wellTurbulence

Résumé

récupéré en direct d'OpenAlex

Primary cementing is a critical process in oil and gas well construction, involving the placement of a cement sheath in the annulus between the casing and the formation to ensure well integrity. Over the past two decades, the complex fluids research group at UBC has developed advanced mathematical and computational models to simulate this process, matched with extensive laboratory scale experiments. These models account for the complex displacement of Newtonian/non-Newtonian fluids in inclined, non-concentric, narrow annuli as well as in pipes, and have employed complex rheological fluid models in 1D, 2D and 3D simulations.A current focus of the group is on translating these research-grade models into robust, user-friendly predictive software written in Python and Julia, primarily targeted at stakeholders in Western Canada, i.e. land-based wells. Some challenges faced include data transfer between components of simulation results, numerical precision, measurement system management, and versatility of well definition. Our ultimate goal is to provide Canadian energy stakeholders with a powerful tool to optimize primary cementing operations, improve wellbore integrity, and reduce environmental risks.The computational core contains the numerical models, which are packaged and embedded. The physical models handle laminar, transitional, and turbulent flow regimes, significant buoyancy, geometric and dispersion effects, giving insights into observations from field data, laboratory experiments, and high-fidelity 3D simulations. Data input from surveys, previous casings and open hole caliper readings is combined with centralization computations to give unparalleled predictions of irregular hole and annuli along the flow path.In this talk we will show the evolution of the model, highlighting the challenges of adapting the research codes into a friendly graphic user interface that can be adopted by engineers in the field.

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: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,351
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
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 Opus0,010
Tête enseignante GPT0,253
Écart entre enseignants0,242 · 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
GenreAutre

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 revueEspace ÉTS (ETS)Travaux en français237 207