Desarrollo de un nanofluido para la estabilización de finos de la formación barco del campo Cupiagua
Bibliographic record
Abstract
Actualmente en el mundo se estudia el uso de nanopartículas debido a sus características de relación área/volumen, facilidad de síntesis, alteración de su superficie y tamaño que permiten ser implementados en el yacimiento para procesos EOR/IOR y/o en procesos de estimulación para la remediación/inhibición de los daños de producción sin ningún tipo de problema por bloqueo o taponamiento. Particularmente, este trabajo está orientado a la retención de la migración de finos en medios porosos a partir de nanofluidos debido a la posibilidad de alterar las fuerzas de repulsión que promueven el movimiento de finos. Este comportamiento se debe al aumento de la magnitud de las fuerzas de atracción comparada con la magnitud de las fuerzas de repulsión por el uso de nanopartículas. En este sentido, se plantea un trabajo experimental, por medio del cual se evalúa la capacidad de inhibición que tienen determinadas nanopartículas en el desplazamiento de finos. En esta tesis se realizará la síntesis de nanopartículas de sílice (SiO2), nanopartículas magnéticas de hierro (Fe3O4), y nanopartículas magnéticas de sílice/hierro tipo cascara – núcleo. Los lechos adsorbentes usados para la evaluación de los tratamientos fueron preparados con arena Ottawa y esferas de vidrio. Cada uno de los tres tipos de lechos, fueron remojados con nanopartículas de sílice, hierro y sílice/hierro. La suspensión de finos se preparó con base en una composición química promedio del campo Cupiagua. Los lechos impregnados con nanopartículas de hierro presentaron mayor capacidad de estabilización de finos debido a su carácter magnético, seguido por los lechos impregnados con sílice y de los lechos impregnados con nanopartículas tipo Core Shell, el comportamiento de estas últimas relacionado con la poca adherencia de las nanopartículas a la superficie de la arena y las esferas de vidrio, disminuyendo la cantidad de estas en cada lecho y por tanto su efecto. A condiciones de presión y temperatura de yacimiento se evalúo la tasa crítica antes y después del tratamiento base nanotecnología con resultados que mostraron un aumento del 400% en la velocidad crítica respecto al medio poroso sin tratar, lo cual demuestra la eficacia de este tipo de tratamientos para inhibir el desprendimiento, la aglomeración y la depositación de los finos.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".