MétaCan
Menu
Retour à la cohorte
Enregistrement W7123814068 · doi:10.5281/zenodo.18232206

Eco-Friendly Oil-Base Mud using Jatropha

2023· article· W7123814068 sur OpenAlexaff
Sumit Kumar

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2023
Typearticle
Langue
DomaineEngineering
ThématiqueDrilling and Well Engineering
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésDrilling fluidRheologyDrillingCasingOil shaleEmulsionLost circulationFiltration (mathematics)

Résumé

récupéré en direct d'OpenAlex

During drilling a well, the temperature and pressure increase as a depth of well increases. It is difficult to control high temperature and pressure well. So high density mud is required to balance the formation pressure (Pore pressure). But the use of high-density mud adversely affects to the vicinity of the well and can be cause of formation damage problem. On the other hand, water-based mud is not preferably used for HTHP well as it will enhance the shale instability and allow it to swell. And also, the rheological properties of water-based mud change at high temperature. Some more problems with water-based mud like corrosion of casing and other equipment. So, to avoid these problems oil-based mud used instead of water-based mud. However, Oil base-mud have also some disadvantages like OBM is toxic in nature, oil is costlier as compared to water and OBM required additional cost for disposal. The aim of this paper is to make a substitute for OBM with favorable properties like eco-friendly and cost-effective. So, in this paper, some experiment laboratory results show synthetic oil-based drilling fluid based on jatropha oil. Jatropha oil mix with water makes a feasible emulsion which is nontoxic and cheaper drilling fluid with improved rheological and filtration characteristics than the diesel/minerals oil and water emulsion drilling fluid.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,231
Écart entre enseignants0,199 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetDrilling and Well EngineeringTravaux en français237 207