PDC ബിറ്റ് ROP മോഡലുകളുടെ വിലയിരുത്തലും മോഡൽ ഗുണകങ്ങളിൽ പാറയുടെ ശക്തിയുടെ സ്വാധീനവും എങ്ങനെ അറിയും?

അമൂർത്തമായത്

എണ്ണവിലയിലെ കുറവ് നിലവിലെ സാഹചര്യങ്ങൾ, എണ്ണ, വാതക കിണറുകൾ കുഴിക്കുന്നതിനുള്ള സമയം ലാഭിക്കുന്നതിനും പ്രവർത്തന ചെലവ് കുറയ്ക്കുന്നതിനുമായി ഡ്രില്ലിംഗ് ഒപ്റ്റിമൈസേഷനിൽ ഊന്നൽ പുതുക്കിയിരിക്കുന്നു. വേഗതയേറിയ ഡ്രില്ലിംഗ് പ്രക്രിയകൾക്കായി ബിറ്റ് വെയ്റ്റ്, റോട്ടറി സ്പീഡ് എന്നിങ്ങനെ ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിൽ റേറ്റ് ഓഫ് പെനട്രേഷൻ (ROP) മോഡലിംഗ് ഒരു പ്രധാന ഉപകരണമാണ്. എക്സൽ VBA, ROPPlotter-ൽ വികസിപ്പിച്ചെടുത്ത ഒരു നൂതനമായ, ഓൾ-ഓട്ടോമേറ്റഡ് ഡാറ്റ വിഷ്വലൈസേഷനും ROP മോഡലിംഗ് ടൂളും ഉപയോഗിച്ച്, ഈ കൃതി മോഡൽ പ്രകടനത്തെയും രണ്ട് വ്യത്യസ്ത PDC ബിറ്റ് ROP മോഡലുകളുടെ മോഡൽ ഗുണകങ്ങളിൽ പാറയുടെ ശക്തിയുടെ സ്വാധീനത്തെയും അന്വേഷിക്കുന്നു: Hareland and Rampersad (1994), Motahhari et al. (2010). ഇവ രണ്ടും പിഡിസി ബിറ്റ് ബേക്കൺ ഷെയ്ൽ തിരശ്ചീന കിണറിന്റെ ലംബ വിഭാഗത്തിൽ മൂന്ന് വ്യത്യസ്ത മണൽക്കല്ല് രൂപീകരണങ്ങളിൽ ബിംഗ്ഹാം (1964) വികസിപ്പിച്ചെടുത്ത ഒരു അടിസ്ഥാന കേസുമായി, പൊതുവായ ROP ബന്ധവുമായി മോഡലുകളെ താരതമ്യം ചെയ്യുന്നു. ആദ്യമായി, സമാനമായ ഡ്രില്ലിംഗ് പാരാമീറ്ററുകളുള്ള ലിത്തോളജികൾ അന്വേഷിച്ചുകൊണ്ട് ROP മോഡൽ ഗുണകങ്ങളിൽ വ്യത്യാസമുള്ള പാറ ശക്തിയുടെ സ്വാധീനം ഒറ്റപ്പെടുത്താൻ ശ്രമിച്ചു. കൂടാതെ, ഉചിതമായ മോഡൽ ഗുണകങ്ങളുടെ പരിധികൾ തിരഞ്ഞെടുക്കുന്നതിന്റെ പ്രാധാന്യത്തെക്കുറിച്ചുള്ള സമഗ്രമായ ചർച്ച നടത്തുന്നു. ഹാർലാൻഡിന്റെയും മോട്ടഹാരിയുടെയും മോഡലുകളിൽ കണക്കാക്കിയിരിക്കുന്നതും എന്നാൽ ബിംഗാമിന്റെ മോഡലുകളിൽ കണക്കാക്കാത്തതുമായ പാറ ശക്തി, മുൻ മോഡലുകൾക്ക് സ്ഥിരമായ ഗുണക മോഡൽ ഗുണകങ്ങളുടെ ഉയർന്ന മൂല്യങ്ങൾക്ക് കാരണമാകുന്നു, കൂടാതെ മോട്ടഹാരിയുടെ മോഡലിന് വർദ്ധിച്ച RPM ടേം എക്‌സ്‌പോണന്റും. ഈ പ്രത്യേക ഡാറ്റാസെറ്റുള്ള മൂന്ന് മോഡലുകളിൽ ഹാർലാൻഡിന്റെയും റാംപെർസാഡിന്റെയും മോഡൽ മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നതായി കാണിക്കുന്നു. പരമ്പരാഗത ROP മോഡലിംഗിന്റെ ഫലപ്രാപ്തിയും പ്രയോഗക്ഷമതയും ചോദ്യം ചെയ്യപ്പെടുന്നു, കാരണം അത്തരം മോഡലുകൾ മോഡലിന്റെ ഫോർമുലേഷനിൽ കണക്കിലെടുക്കാത്ത നിരവധി ഡ്രില്ലിംഗ് ഘടകങ്ങളുടെ പ്രഭാവം ഉൾക്കൊള്ളുന്നതും ഒരു പ്രത്യേക ലിത്തോളജിക്ക് സവിശേഷവുമായ ഒരു കൂട്ടം അനുഭവപരമായ ഗുണകങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു.

ആമുഖം

ഇന്ന് എണ്ണ, വാതക കിണറുകൾ കുഴിക്കുന്നതിൽ ഉപയോഗിക്കുന്ന പ്രധാന ബിറ്റ്-ടൈപ്പ് ആണ് PDC (പോളിക്രിസ്റ്റലിൻ ഡയമണ്ട് കോംപാക്റ്റ്) ബിറ്റുകൾ. ബിറ്റ് പ്രകടനം സാധാരണയായി പെനട്രേഷൻ റേറ്റ് (ROP) കൊണ്ടാണ് അളക്കുന്നത്, ഇത് ഒരു യൂണിറ്റ് സമയത്തിൽ കുഴിച്ച ദ്വാരത്തിന്റെ നീളം കണക്കിലെടുത്ത് കിണർ എത്ര വേഗത്തിൽ കുഴിക്കപ്പെടുന്നു എന്നതിന്റെ സൂചനയാണ്. പതിറ്റാണ്ടുകളായി ഊർജ്ജ കമ്പനികളുടെ അജണ്ടകളിൽ ഡ്രില്ലിംഗ് ഒപ്റ്റിമൈസേഷൻ മുൻപന്തിയിലാണ്, കൂടാതെ നിലവിലെ കുറഞ്ഞ എണ്ണവില പരിതസ്ഥിതിയിൽ ഇത് കൂടുതൽ പ്രാധാന്യം നേടുന്നു (Hareland and Rampersad, 1994). സാധ്യമായ ഏറ്റവും മികച്ച ROP ഉൽപ്പാദിപ്പിക്കുന്നതിന് ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ആദ്യപടി ഉപരിതലത്തിൽ നിന്ന് ലഭിച്ച അളവുകളും ഡ്രില്ലിംഗ് നിരക്കും തമ്മിൽ ബന്ധപ്പെടുത്തി കൃത്യമായ ഒരു മാതൃക വികസിപ്പിക്കുക എന്നതാണ്.

ഒരു പ്രത്യേക ബിറ്റ് തരത്തിനായി പ്രത്യേകം വികസിപ്പിച്ച മോഡലുകൾ ഉൾപ്പെടെ നിരവധി ROP മോഡലുകൾ സാഹിത്യത്തിൽ പ്രസിദ്ധീകരിച്ചിട്ടുണ്ട്. ഈ ROP മോഡലുകളിൽ സാധാരണയായി ലിത്തോളജിയെ ആശ്രയിച്ചുള്ള നിരവധി അനുഭവപരമായ ഗുണകങ്ങൾ അടങ്ങിയിരിക്കുന്നു, അവ ഡ്രില്ലിംഗ് പാരാമീറ്ററുകളും നുഴഞ്ഞുകയറ്റ നിരക്കും തമ്മിലുള്ള ബന്ധത്തെക്കുറിച്ചുള്ള ഗ്രാഹ്യത്തെ തടസ്സപ്പെടുത്തിയേക്കാം. മോഡൽ പ്രകടനവും വ്യത്യസ്ത ഡ്രില്ലിംഗ് പാരാമീറ്ററുകളുള്ള ഫീൽഡ് ഡാറ്റയോട് മോഡൽ ഗുണകങ്ങൾ എങ്ങനെ പ്രതികരിക്കുന്നുവെന്നും വിശകലനം ചെയ്യുക എന്നതാണ് ഈ പഠനത്തിന്റെ ലക്ഷ്യം, പ്രത്യേകിച്ച് പാറയുടെ ശക്തി, രണ്ട്പിഡിസി ബിറ്റ് മോഡലുകൾ (Hareland and Rampersad, 1994, Motahhari et al., 2010). മോഡൽ ഗുണകങ്ങളെയും പ്രകടനത്തെയും ഒരു ബേസ് കേസ് ROP മോഡലുമായി (Bingham, 1964) താരതമ്യം ചെയ്യുന്നു, ഇത് വ്യവസായത്തിലുടനീളം വ്യാപകമായി പ്രയോഗിക്കപ്പെട്ടതും ഇപ്പോഴും ഉപയോഗത്തിലുള്ളതുമായ ആദ്യത്തെ ROP മോഡലായി വർത്തിച്ച ഒരു ലളിതമായ ബന്ധമാണ്. വ്യത്യസ്ത പാറ ശക്തികളുള്ള മൂന്ന് മണൽക്കല്ല് രൂപീകരണങ്ങളിലെ ഡ്രില്ലിംഗ് ഫീൽഡ് ഡാറ്റ അന്വേഷിക്കുന്നു, കൂടാതെ ഈ മൂന്ന് മോഡലുകൾക്കുമുള്ള മോഡൽ ഗുണകങ്ങൾ കണക്കാക്കി പരസ്പരം താരതമ്യം ചെയ്യുന്നു. ഓരോ പാറ രൂപീകരണത്തിലും ഹാരെലാൻഡിന്റെയും മോട്ടഹാരിയുടെയും മോഡലുകൾക്കുള്ള ഗുണകങ്ങൾ ബിംഗാമിന്റെ മോഡൽ ഗുണകങ്ങളേക്കാൾ വിശാലമായ ശ്രേണിയിൽ വ്യാപിക്കുമെന്ന് അനുമാനിക്കപ്പെടുന്നു, കാരണം പിന്നീടുള്ള ഫോർമുലേഷനിൽ വ്യത്യസ്ത പാറ ശക്തി വ്യക്തമായി കണക്കാക്കുന്നില്ല. മോഡൽ പ്രകടനവും വിലയിരുത്തപ്പെടുന്നു, ഇത് നോർത്ത് ഡക്കോട്ടയിലെ ബാക്കൺ ഷെയ്ൽ മേഖലയ്ക്ക് ഏറ്റവും മികച്ച ROP മോഡൽ തിരഞ്ഞെടുക്കുന്നതിലേക്ക് നയിക്കുന്നു.

ഈ കൃതിയിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന ROP മോഡലുകളിൽ, ഡ്രില്ലിംഗ് നിരക്കുമായി കുറച്ച് ഡ്രില്ലിംഗ് പാരാമീറ്ററുകളെ ബന്ധപ്പെടുത്തുന്ന വഴക്കമില്ലാത്ത സമവാക്യങ്ങൾ അടങ്ങിയിരിക്കുന്നു, കൂടാതെ ഹൈഡ്രോളിക്സ്, കട്ടർ-റോക്ക് ഇന്ററാക്ഷൻ, ബിറ്റ് ഡിസൈൻ, ബോട്ടം-ഹോൾ അസംബ്ലി സവിശേഷതകൾ, മഡ് തരം, ഹോൾ ക്ലീനിംഗ് തുടങ്ങിയ ഹാർഡ്-ടു-മോഡൽ ഡ്രില്ലിംഗ് മെക്കാനിസങ്ങളുടെ സ്വാധീനം സംയോജിപ്പിക്കുന്ന ഒരു കൂട്ടം അനുഭവപരമായ ഗുണകങ്ങൾ അടങ്ങിയിരിക്കുന്നു. ഫീൽഡ് ഡാറ്റയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഈ പരമ്പരാഗത ROP മോഡലുകൾ സാധാരണയായി മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നില്ലെങ്കിലും, പുതിയ മോഡലിംഗ് ടെക്നിക്കുകൾക്ക് അവ ഒരു പ്രധാന ചുവടുവയ്പ്പ് നൽകുന്നു. വർദ്ധിച്ച വഴക്കമുള്ള ആധുനിക, കൂടുതൽ ശക്തവും സ്ഥിതിവിവരക്കണക്കുകൾ അടിസ്ഥാനമാക്കിയുള്ളതുമായ മോഡലുകൾക്ക് ROP മോഡലിംഗിന്റെ കൃത്യത മെച്ചപ്പെടുത്താൻ കഴിയും. ബ്രസീലിലെ പ്രീ-സാൾട്ട് ബേസിനുകളിലെ എണ്ണക്കിണറുകളിൽ പരമ്പരാഗത ROP മോഡലുകൾക്ക് പകരം കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിച്ചുകൊണ്ട് ROP മോഡലിംഗിൽ ഗണ്യമായ പുരോഗതി ഗാൻഡൽമാൻ (2012) റിപ്പോർട്ട് ചെയ്തിട്ടുണ്ട്. ബിൽഗെസു തുടങ്ങിയവരുടെ (1997), മോറാൻ തുടങ്ങിയവരുടെ (2010), എസ്മെയ്‌ലി തുടങ്ങിയവരുടെ (2012) കൃതികളിൽ ROP പ്രവചനത്തിനായി കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകളും വിജയകരമായി ഉപയോഗിക്കുന്നു. എന്നിരുന്നാലും, ROP മോഡലിംഗിലെ അത്തരം പുരോഗതി മോഡൽ വ്യാഖ്യാനക്ഷമതയെ പ്രതികൂലമായി ബാധിക്കുന്നു. അതിനാൽ, പരമ്പരാഗത ROP മോഡലുകൾ ഇപ്പോഴും പ്രസക്തമാണ്, കൂടാതെ ഒരു പ്രത്യേക ഡ്രില്ലിംഗ് പാരാമീറ്റർ നുഴഞ്ഞുകയറ്റ നിരക്കിനെ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് വിശകലനം ചെയ്യുന്നതിനുള്ള ഫലപ്രദമായ ഒരു രീതി നൽകുന്നു.

മൈക്രോസോഫ്റ്റ് എക്സൽ VBA (സോറസ്, 2015) ൽ വികസിപ്പിച്ചെടുത്ത ഒരു ഫീൽഡ് ഡാറ്റ വിഷ്വലൈസേഷനും ROP മോഡലിംഗ് സോഫ്റ്റ്‌വെയറുമായ ROPPlotter, മോഡൽ ഗുണകങ്ങൾ കണക്കാക്കുന്നതിനും മോഡൽ പ്രകടനം താരതമ്യം ചെയ്യുന്നതിനും ഉപയോഗിക്കുന്നു.