సారాంశం
ప్రస్తుత తక్కువ చమురు ధరల పరిస్థితులు, చమురు మరియు గ్యాస్ బావుల తవ్వకంలో సమయాన్ని ఆదా చేయడానికి మరియు నిర్వహణ ఖర్చులను తగ్గించడానికి డ్రిల్లింగ్ ఆప్టిమైజేషన్పై ప్రాధాన్యతను పునరుద్ధరించాయి. వేగవంతమైన డ్రిల్లింగ్ ప్రక్రియల కోసం బిట్ బరువు మరియు రోటరీ వేగం వంటి డ్రిల్లింగ్ పారామితులను ఆప్టిమైజ్ చేయడంలో రేట్ ఆఫ్ పెనెట్రేషన్ (ROP) మోడలింగ్ ఒక కీలక సాధనం. ఎక్సెల్ VBAలో అభివృద్ధి చేయబడిన, పూర్తిగా ఆటోమేటెడ్ డేటా విజువలైజేషన్ మరియు ROP మోడలింగ్ సాధనమైన ROPPlotterతో, ఈ అధ్యయనం రెండు విభిన్న PDC బిట్ ROP నమూనాలైన హేర్ల్యాండ్ మరియు రాంపర్సాద్ (1994) మరియు మోతహరి తదితరులు (2010) యొక్క మోడల్ పనితీరును మరియు మోడల్ గుణకాలపై శిల బలం యొక్క ప్రభావాన్ని పరిశోధిస్తుంది. పిడిసి బిట్ బాకెన్ షేల్ హారిజాంటల్ బావి యొక్క నిలువు కోతలో మూడు వేర్వేరు ఇసుకరాతి నిర్మాణాలలో, బింగ్హామ్ (1964) అభివృద్ధి చేసిన ఒక బేస్ కేస్, సాధారణ ROP సంబంధంతో నమూనాలను పోల్చారు. ఇతరత్రా సారూప్యమైన డ్రిల్లింగ్ పారామితులు కలిగిన శిలా నిర్మాణాలను పరిశోధించడం ద్వారా, ROP నమూనా గుణకాలపై మారుతున్న శిలా బలం యొక్క ప్రభావాన్ని వేరు చేయడానికి మొదటిసారిగా ఒక ప్రయత్నం జరిగింది. అదనంగా, సరైన నమూనా గుణకాల పరిమితులను ఎంచుకోవడం యొక్క ప్రాముఖ్యతపై సమగ్ర చర్చ నిర్వహించబడింది. హేర్ల్యాండ్ మరియు మోతహరి నమూనాలలో పరిగణనలోకి తీసుకున్న, కానీ బింగ్హామ్ నమూనాలో తీసుకోని శిలా బలం, మునుపటి నమూనాలకు అధిక స్థిర గుణకం నమూనా గుణకాల విలువలకు దారితీస్తుంది, దీనికి తోడు మోతహరి నమూనాకు RPM పదం యొక్క ఘాతాంకం కూడా పెరుగుతుంది. ఈ నిర్దిష్ట డేటాసెట్తో మూడు నమూనాలలో హేర్ల్యాండ్ మరియు రాంపర్సాద్ నమూనా ఉత్తమంగా పనిచేస్తుందని చూపబడింది. సాంప్రదాయ ROP మోడలింగ్ యొక్క సమర్థత మరియు అనువర్తనీయత ప్రశ్నార్థకంగా మారింది, ఎందుకంటే అటువంటి నమూనాలు, మోడల్ సూత్రీకరణలో పరిగణనలోకి తీసుకోని మరియు ఒక నిర్దిష్ట శిలాస్వరూపానికి ప్రత్యేకమైన అనేక డ్రిల్లింగ్ కారకాల ప్రభావాన్ని పొందుపరిచే అనుభావిక గుణకాల సమితిపై ఆధారపడి ఉంటాయి.
పరిచయం
ఈ రోజుల్లో చమురు మరియు గ్యాస్ బావుల తవ్వకంలో PDC (పాలీక్రిస్టలైన్ డైమండ్ కాంపాక్ట్) బిట్లు ప్రధానమైన బిట్ రకంగా ఉపయోగించబడుతున్నాయి. బిట్ పనితీరును సాధారణంగా రేట్ ఆఫ్ పెనెట్రేషన్ (ROP) ద్వారా కొలుస్తారు. ఇది, యూనిట్ కాలంలో తవ్విన రంధ్రం పొడవు పరంగా బావిని ఎంత వేగంగా తవ్వుతున్నారో సూచిస్తుంది. దశాబ్దాలుగా ఇంధన సంస్థల అజెండాలలో డ్రిల్లింగ్ ఆప్టిమైజేషన్ అగ్రస్థానంలో ఉంది, మరియు ప్రస్తుత తక్కువ చమురు ధరల వాతావరణంలో ఇది మరింత ప్రాముఖ్యతను సంతరించుకుంది (హార్లాండ్ మరియు రాంపర్సాద్, 1994). సాధ్యమైనంత ఉత్తమమైన ROPని ఉత్పత్తి చేయడానికి డ్రిల్లింగ్ పారామితులను ఆప్టిమైజ్ చేయడంలో మొదటి దశ, ఉపరితలం వద్ద పొందిన కొలతలను డ్రిల్లింగ్ రేటుతో అనుసంధానించే ఒక కచ్చితమైన నమూనాను అభివృద్ధి చేయడం.
ఒక నిర్దిష్ట బిట్ రకం కోసం ప్రత్యేకంగా అభివృద్ధి చేయబడిన నమూనాలతో సహా, అనేక ROP నమూనాలు సాహిత్యంలో ప్రచురించబడ్డాయి. ఈ ROP నమూనాలు సాధారణంగా శిలాశాస్త్రంపై ఆధారపడిన అనేక అనుభావిక గుణకాలను కలిగి ఉంటాయి మరియు డ్రిల్లింగ్ పారామితులు మరియు చొచ్చుకుపోయే రేటు మధ్య ఉన్న సంబంధం యొక్క అవగాహనను దెబ్బతీయవచ్చు. ఈ అధ్యయనం యొక్క ఉద్దేశ్యం, రెండు రకాల డ్రిల్లింగ్ పారామితులతో, ముఖ్యంగా రాతి బలం వంటి విభిన్న పరిస్థితులలో, నమూనా పనితీరును మరియు క్షేత్రస్థాయి డేటాకు నమూనా గుణకాలు ఎలా స్పందిస్తాయో విశ్లేషించడం.పిడిసి బిట్ నమూనాలు (హార్లాండ్ మరియు రాంపర్సాద్, 1994, మోతహరి మరియు ఇతరులు, 2010). నమూనా గుణకాలు మరియు పనితీరును బేస్ కేస్ ROP నమూనా (బింగ్హామ్, 1964)తో కూడా పోల్చారు. ఇది ఒక సరళమైన సంబంధం, ఇది పరిశ్రమ అంతటా విస్తృతంగా వర్తింపజేయబడిన మొదటి ROP నమూనాగా పనిచేసింది మరియు ప్రస్తుతం కూడా వాడుకలో ఉంది. విభిన్న శిలా బలాలు కలిగిన మూడు ఇసుకరాతి నిర్మాణాలలో డ్రిల్లింగ్ ఫీల్డ్ డేటాను పరిశోధించారు, మరియు ఈ మూడు నమూనాల కోసం నమూనా గుణకాలను లెక్కించి, ఒకదానితో ఒకటి పోల్చారు. ప్రతి శిలా నిర్మాణంలో హార్లాండ్ మరియు మోతహరి నమూనాల గుణకాలు బింగ్హామ్ నమూనా గుణకాల కంటే విస్తృత పరిధిలో ఉంటాయని ప్రతిపాదించబడింది, ఎందుకంటే తరువాతి సూత్రీకరణలో విభిన్న శిలా బలాన్ని స్పష్టంగా పరిగణనలోకి తీసుకోలేదు. నమూనా పనితీరును కూడా మూల్యాంకనం చేశారు, ఇది నార్త్ డకోటాలోని బాకెన్ షేల్ ప్రాంతానికి ఉత్తమ ROP నమూనాను ఎంచుకోవడానికి దారితీసింది.
ఈ అధ్యయనంలో చేర్చబడిన ROP నమూనాలు, కొన్ని డ్రిల్లింగ్ పారామితులను డ్రిల్లింగ్ రేటుతో ముడిపెట్టే మార్పులేని సమీకరణాలను కలిగి ఉంటాయి. అంతేకాకుండా, హైడ్రాలిక్స్, కట్టర్-రాక్ ఇంటరాక్షన్, బిట్ డిజైన్, బాటమ్-హోల్ అసెంబ్లీ లక్షణాలు, మడ్ రకం మరియు హోల్ క్లీనింగ్ వంటి, మోడల్ చేయడానికి కష్టంగా ఉండే డ్రిల్లింగ్ యంత్రాంగాల ప్రభావాన్ని మిళితం చేసే అనుభావిక గుణకాల సమితిని కూడా ఇవి కలిగి ఉంటాయి. క్షేత్రస్థాయి డేటాతో పోల్చినప్పుడు ఈ సాంప్రదాయ ROP నమూనాలు సాధారణంగా మంచి పనితీరును కనబరచనప్పటికీ, అవి కొత్త మోడలింగ్ పద్ధతులకు ఒక ముఖ్యమైన పునాదిని అందిస్తాయి. పెరిగిన సౌలభ్యంతో కూడిన ఆధునిక, మరింత శక్తివంతమైన, గణాంకాల ఆధారిత నమూనాలు ROP మోడలింగ్ యొక్క కచ్చితత్వాన్ని మెరుగుపరుస్తాయి. బ్రెజిల్ తీరప్రాంతంలోని ప్రీ-సాల్ట్ బేసిన్లలోని చమురు బావులలో సాంప్రదాయ ROP నమూనాలకు బదులుగా ఆర్టిఫిషియల్ న్యూరల్ నెట్వర్క్లను ఉపయోగించడం ద్వారా ROP మోడలింగ్లో గణనీయమైన మెరుగుదల సాధించినట్లు గాండెల్మాన్ (2012) నివేదించారు. బిల్గేసు మరియు ఇతరులు (1997), మోరన్ మరియు ఇతరులు (2010) మరియు ఎస్మాయిలీ మరియు ఇతరులు (2012) చేసిన అధ్యయనాలలో కూడా ROP అంచనా కోసం ఆర్టిఫిషియల్ న్యూరల్ నెట్వర్క్లు విజయవంతంగా ఉపయోగించబడ్డాయి. అయితే, ROP మోడలింగ్లో అటువంటి మెరుగుదల మోడల్ వివరణాత్మకతను దెబ్బతీస్తుంది. అందువల్ల, సాంప్రదాయ ROP మోడల్లు ఇప్పటికీ సందర్భోచితంగా ఉన్నాయి మరియు ఒక నిర్దిష్ట డ్రిల్లింగ్ పరామితి చొచ్చుకుపోయే రేటును ఎలా ప్రభావితం చేస్తుందో విశ్లేషించడానికి సమర్థవంతమైన పద్ధతిని అందిస్తాయి.
మోడల్ గుణకాలను లెక్కించడానికి మరియు మోడల్ పనితీరును పోల్చడానికి, మైక్రోసాఫ్ట్ ఎక్సెల్ VBA (సోరెస్, 2015)లో అభివృద్ధి చేయబడిన ఫీల్డ్ డేటా విజువలైజేషన్ మరియు ROP మోడలింగ్ సాఫ్ట్వేర్ అయిన ROPPlotterను ఉపయోగిస్తారు.
పోస్ట్ సమయం: సెప్టెంబర్-01-2023