PDC ബിറ്റ് ROP മോഡലുകളുടെ മൂല്യനിർണ്ണയവും മോഡൽ ഗുണകങ്ങളിൽ പാറ ശക്തിയുടെ സ്വാധീനവും എങ്ങനെ അറിയും?

അമൂർത്തമായ

നിലവിലെ കുറഞ്ഞ എണ്ണവില വ്യവസ്ഥകൾ, ഓയിൽ, ഗ്യാസ് കിണറുകൾ കുഴിക്കുന്ന സമയം ലാഭിക്കുന്നതിനും പ്രവർത്തന ചെലവ് കുറയ്ക്കുന്നതിനും വേണ്ടി ഡ്രില്ലിംഗ് ഒപ്റ്റിമൈസേഷനിൽ ഊന്നൽ നൽകി.വേഗത്തിലുള്ള ഡ്രില്ലിംഗ് പ്രക്രിയകൾക്കായി ബിറ്റ് വെയ്റ്റും റോട്ടറി വേഗതയും, ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ഒരു പ്രധാന ഉപകരണമാണ് പെനട്രേഷൻ (ROP) മോഡലിംഗ്.Excel VBA, ROPPlotter എന്നിവയിൽ വികസിപ്പിച്ചെടുത്ത ഒരു നോവൽ, ഓൾ-ഓട്ടോമേറ്റഡ് ഡാറ്റാ വിഷ്വലൈസേഷനും ROP മോഡലിംഗ് ടൂളും ഉപയോഗിച്ച്, ഈ കൃതി രണ്ട് വ്യത്യസ്ത PDC ബിറ്റ് ROP മോഡലുകളുടെ മോഡൽ ഗുണകങ്ങളിൽ മോഡൽ പ്രകടനവും റോക്ക് ശക്തിയുടെ സ്വാധീനവും അന്വേഷിക്കുന്നു: Hareland and Rampersad (1994), Motahhari തുടങ്ങിയവർ.(2010).ഇവ രണ്ടും PDC ബിറ്റ് ബേക്കൻ ഷെയ്ൽ തിരശ്ചീന കിണറിന്റെ ലംബ ഭാഗത്ത് മൂന്ന് വ്യത്യസ്ത മണൽക്കല്ല് രൂപങ്ങളിൽ ബിംഗാം (1964) വികസിപ്പിച്ചെടുത്ത പൊതുവായ ROP ബന്ധം അടിസ്ഥാന കേസുമായി താരതമ്യം ചെയ്യുന്നു.ആദ്യമായി, സമാനമായ ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ലിത്തോളജികൾ പരിശോധിച്ച്, ROP മോഡൽ കോഫിഫിഷ്യന്റുകളിൽ ശിലാബലത്തിന്റെ വ്യത്യസ്‌ത സ്വാധീനം വേർതിരിച്ചെടുക്കാൻ ഒരു ശ്രമം നടത്തി.കൂടാതെ, അനുയോജ്യമായ മോഡൽ കോഫിഫിഷ്യന്റ്സ് ബൗണ്ടുകൾ തിരഞ്ഞെടുക്കുന്നതിന്റെ പ്രാധാന്യത്തെക്കുറിച്ചുള്ള സമഗ്രമായ ചർച്ചയും നടത്തപ്പെടുന്നു.റോക്ക് സ്ട്രെങ്ത്, ഹെയർലാൻഡിന്റെയും മൊതഹരിയുടെയും മോഡലുകളിൽ കണക്കാക്കുന്നു, എന്നാൽ ബിൻഹാമിൽ അല്ല, മുൻ മോഡലുകൾക്ക് സ്ഥിരമായ മൾട്ടിപ്ലയർ മോഡൽ കോഫിഫിഷ്യന്റുകളുടെ ഉയർന്ന മൂല്യങ്ങൾക്ക് കാരണമാകുന്നു, കൂടാതെ മോട്ടാഹാരിയുടെ മോഡലിന് വർദ്ധിച്ച ആർപിഎം ടേം എക്‌സ്‌പോണന്റും.ഈ പ്രത്യേക ഡാറ്റാസെറ്റുള്ള മൂന്ന് മോഡലുകളിൽ ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നത് Hareland, Rampersad മോഡലുകളാണ്.പരമ്പരാഗത ROP മോഡലിംഗിന്റെ ഫലപ്രാപ്തിയും പ്രയോഗക്ഷമതയും ചോദ്യം ചെയ്യപ്പെടുന്നു, കാരണം അത്തരം മോഡലുകൾ മോഡലിന്റെ രൂപീകരണത്തിൽ കണക്കിലെടുക്കാത്തതും ഒരു പ്രത്യേക ലിത്തോളജിക്ക് മാത്രമുള്ളതുമായ നിരവധി ഡ്രില്ലിംഗ് ഘടകങ്ങളുടെ പ്രഭാവം ഉൾക്കൊള്ളുന്ന ഒരു കൂട്ടം അനുഭവ ഗുണകങ്ങളെ ആശ്രയിക്കുന്നു.

ആമുഖം

PDC (പോളിക്രിസ്റ്റലിൻ ഡയമണ്ട് കോംപാക്റ്റ്) ബിറ്റുകളാണ് ഇന്ന് എണ്ണ, വാതക കിണറുകൾ കുഴിക്കുന്നതിന് ഉപയോഗിക്കുന്ന പ്രധാന ബിറ്റ്-ടൈപ്പ്.ബിറ്റ് പെർഫോമൻസ് സാധാരണയായി അളക്കുന്നത് പെനട്രേഷൻ നിരക്ക് (ROP) കൊണ്ടാണ്, ഒരു യൂണിറ്റ് സമയത്തിന് തുളച്ചിരിക്കുന്ന ദ്വാരത്തിന്റെ ദൈർഘ്യത്തിന്റെ അടിസ്ഥാനത്തിൽ കിണർ എത്ര വേഗത്തിൽ തുരക്കുന്നു എന്നതിന്റെ സൂചനയാണിത്.ഡ്രില്ലിംഗ് ഒപ്റ്റിമൈസേഷൻ ഇപ്പോൾ പതിറ്റാണ്ടുകളായി ഊർജ്ജ കമ്പനികളുടെ അജണ്ടകളിൽ മുൻപന്തിയിലാണ്, നിലവിലെ കുറഞ്ഞ എണ്ണ വില പരിതസ്ഥിതിയിൽ ഇതിന് കൂടുതൽ പ്രാധാന്യം ലഭിക്കുന്നു (ഹയർലാൻഡും റാംപർസാദും, 1994).സാധ്യമായ ഏറ്റവും മികച്ച ROP ഉൽപ്പാദിപ്പിക്കുന്നതിന് ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള ആദ്യ പടി, ഉപരിതലത്തിൽ നിന്ന് ഡ്രെയിലിംഗ് നിരക്കുമായി ബന്ധപ്പെട്ട അളവുകളുമായി ബന്ധപ്പെട്ട ഒരു കൃത്യമായ മാതൃകയുടെ വികസനമാണ്.

ഒരു പ്രത്യേക ബിറ്റ് തരത്തിനായി പ്രത്യേകം വികസിപ്പിച്ച മോഡലുകൾ ഉൾപ്പെടെ നിരവധി ROP മോഡലുകൾ സാഹിത്യത്തിൽ പ്രസിദ്ധീകരിച്ചിട്ടുണ്ട്.ഈ ROP മോഡലുകളിൽ സാധാരണയായി ലിത്തോളജി-ആശ്രിതത്വമുള്ള നിരവധി അനുഭവപരമായ ഗുണകങ്ങൾ അടങ്ങിയിരിക്കുന്നു, കൂടാതെ ഡ്രില്ലിംഗ് പാരാമീറ്ററുകളും നുഴഞ്ഞുകയറ്റ നിരക്കും തമ്മിലുള്ള ബന്ധത്തെക്കുറിച്ചുള്ള ഗ്രാഹ്യത്തെ തടസ്സപ്പെടുത്തിയേക്കാം.ഈ പഠനത്തിന്റെ ഉദ്ദേശ്യം മോഡൽ പ്രകടനത്തെ വിശകലനം ചെയ്യുക എന്നതാണ്, വ്യത്യസ്ത ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ഫീൽഡ് ഡാറ്റയോട് മോഡൽ കോഫിഫിഷ്യൻറുകൾ എങ്ങനെ പ്രതികരിക്കുന്നു, പ്രത്യേകിച്ചും പാറ ശക്തി, രണ്ടിനായിPDC ബിറ്റ് മോഡലുകൾ (Hareland and Rampersad, 1994, Motahhari et al., 2010).മോഡൽ ഗുണകങ്ങളും പ്രകടനവും ഒരു ബേസ് കേസ് ROP മോഡലുമായി താരതമ്യപ്പെടുത്തുന്നു (ബിംഗ്ഹാം, 1964), ഇത് ഒരു ലളിതമായ ബന്ധം വ്യവസായത്തിലുടനീളം വ്യാപകമായി പ്രയോഗിച്ചതും ഇപ്പോഴും ഉപയോഗത്തിലുള്ളതുമായ ആദ്യത്തെ ROP മോഡലായി വർത്തിച്ചു.വ്യത്യസ്‌തമായ പാറ ശക്തികളുള്ള മൂന്ന് മണൽക്കല്ല് രൂപത്തിലുള്ള ഡ്രില്ലിംഗ് ഫീൽഡ് ഡാറ്റ അന്വേഷിക്കുന്നു, കൂടാതെ ഈ മൂന്ന് മോഡലുകളുടെയും മോഡൽ ഗുണകങ്ങൾ കണക്കാക്കുകയും പരസ്പരം താരതമ്യം ചെയ്യുകയും ചെയ്യുന്നു.ഓരോ ശിലാരൂപീകരണത്തിലെയും ഹെയർലാൻഡിന്റെയും മോട്ടാഹാരിയുടെയും മോഡലുകളുടെ ഗുണകങ്ങൾ ബിൻഹാമിന്റെ മാതൃകാ ഗുണകങ്ങളേക്കാൾ വിശാലമായ ശ്രേണിയിൽ വ്യാപിക്കുമെന്ന് അനുമാനിക്കപ്പെടുന്നു, കാരണം വ്യത്യസ്തമായ പാറകളുടെ ശക്തി പിന്നീടുള്ള രൂപീകരണത്തിൽ വ്യക്തമായി കണക്കാക്കില്ല.മോഡൽ പ്രകടനവും വിലയിരുത്തപ്പെടുന്നു, ഇത് നോർത്ത് ഡക്കോട്ടയിലെ ബേക്കൻ ഷെയ്ൽ മേഖലയ്ക്കായി ഏറ്റവും മികച്ച ROP മോഡൽ തിരഞ്ഞെടുക്കുന്നതിലേക്ക് നയിക്കുന്നു.

ഈ സൃഷ്ടിയിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന ROP മോഡലുകളിൽ ചില ഡ്രില്ലിംഗ് പാരാമീറ്ററുകൾ ഡ്രില്ലിംഗ് റേറ്റുമായി ബന്ധപ്പെടുത്തുന്ന വഴക്കമില്ലാത്ത സമവാക്യങ്ങൾ അടങ്ങിയിരിക്കുന്നു, കൂടാതെ ഹൈഡ്രോളിക്‌സ്, കട്ടർ-റോക്ക് ഇന്ററാക്ഷൻ, ബിറ്റ് പോലുള്ള ഹാർഡ്-ടു-മോഡൽ ഡ്രില്ലിംഗ് മെക്കാനിസങ്ങളുടെ സ്വാധീനം സംയോജിപ്പിക്കുന്ന ഒരു കൂട്ടം അനുഭവപരമായ ഗുണകങ്ങൾ അടങ്ങിയിരിക്കുന്നു. ഡിസൈൻ, താഴത്തെ ദ്വാര അസംബ്ലി സവിശേഷതകൾ, ചെളി തരം, ദ്വാരം വൃത്തിയാക്കൽ.ഫീൽഡ് ഡാറ്റയുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഈ പരമ്പരാഗത ROP മോഡലുകൾ സാധാരണയായി മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കുന്നില്ലെങ്കിലും, പുതിയ മോഡലിംഗ് ടെക്നിക്കുകളിലേക്ക് അവ ഒരു പ്രധാന ചുവടുവെപ്പ് നൽകുന്നു.വർധിച്ച വഴക്കമുള്ള ആധുനികവും കൂടുതൽ ശക്തവും സ്ഥിതിവിവരക്കണക്കുകൾ അടിസ്ഥാനമാക്കിയുള്ളതുമായ മോഡലുകൾക്ക് ROP മോഡലിംഗിന്റെ കൃത്യത മെച്ചപ്പെടുത്താൻ കഴിയും.Gandelman (2012) ബ്രസീലിലെ ഉപ്പിനു മുൻപുള്ള തടങ്ങളിലെ എണ്ണക്കിണറുകളിൽ പരമ്പരാഗത ROP മോഡലുകൾക്ക് പകരം കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകൾ ഉപയോഗിച്ചുകൊണ്ട് ROP മോഡലിംഗിൽ കാര്യമായ പുരോഗതി റിപ്പോർട്ട് ചെയ്തിട്ടുണ്ട്.Bilgesu et al ന്റെ സൃഷ്ടികളിൽ ആർ‌ഒ‌പി പ്രവചനത്തിനായി കൃത്രിമ ന്യൂറൽ നെറ്റ്‌വർക്കുകളും വിജയകരമായി ഉപയോഗിക്കുന്നു.(1997), മോറൻ et al.(2010) കൂടാതെ Esmaeili et al.(2012).എന്നിരുന്നാലും, ROP മോഡലിംഗിലെ അത്തരം മെച്ചപ്പെടുത്തൽ മോഡൽ വ്യാഖ്യാനത്തിന്റെ ചെലവിൽ വരുന്നു.അതിനാൽ, പരമ്പരാഗത ROP മോഡലുകൾ ഇപ്പോഴും പ്രസക്തമാണ് കൂടാതെ ഒരു പ്രത്യേക ഡ്രെയിലിംഗ് പാരാമീറ്റർ നുഴഞ്ഞുകയറ്റ നിരക്കിനെ എങ്ങനെ ബാധിക്കുന്നു എന്ന് വിശകലനം ചെയ്യുന്നതിനുള്ള ഫലപ്രദമായ രീതി നൽകുന്നു.

മൈക്രോസോഫ്റ്റ് എക്സൽ വിബിഎയിൽ (സോറസ്, 2015) വികസിപ്പിച്ചെടുത്ത ഫീൽഡ് ഡാറ്റാ വിഷ്വലൈസേഷനും ROP മോഡലിംഗ് സോഫ്റ്റ്‌വെയറുമായ ROPPlotter, മോഡൽ ഗുണകങ്ങൾ കണക്കാക്കുന്നതിലും മോഡൽ പ്രകടനം താരതമ്യം ചെയ്യുന്നതിലും ഉപയോഗിക്കുന്നു.