ESTIMATION OF HOLE CLEANING CONDITION IN REAL-TIME WHILE DRILLING (OPERATIONAL POINT OF VIEW)

ESTIMATION OF HOLE CLEANING CONDITION IN REAL-TIME WHILE DRILLING (OPERATIONAL POINT OF VIEW). Masters thesis, King Fahd University of Petroleum and Minerals.

[img]
Preview
PDF
Thesis_Desk_.pdf - Published Version

Download (6MB) | Preview

Arabic Abstract

الاسم الكامل: محمود نادر محمود الزناري عنوان الرسالة: تقدير نظافة البئر أثناء عملية الحفر (من وجهة نظر عملية) التخصص: الحفر تاريخ الدرجة العلمية: يناير ٢٠١٩ إن عملية نظافة البئر من أهم عمليات الحفر الحيوية التي يعتمد عليها مشغلي الاّبار. إذا لم يكن البئر نظيفا من بقايا الحفر فإن مشاكل كثيرة سوف تحدث وتؤثر على عملية الحفر. من أخطر المشاكل المرتبطة بسوء حالة نظافة البئر هي إنحشار وإلتصاق عمود الحفر داخل البئر. الكثير من العوامل تؤثر على حالة نظافة البئر أثناء الحفر أهمها: سرعة الحفر. وخواص سائل الحفر. للوصول لكفاءة عالية من عملية الحفر يجب متابعة عملية التنظيف بصورة دقيقة. سابقا كان يعتمد مشغلي الحفارات على خبرتهم و على متابعة بواقي الحفر عند هزاز الطمي ولكن ذلك لم يكن كافيا لتنظيف البئر بكفاءة مما يترتب عليه مشاكل جسيمة في عملية الحفر والتي تكلف شركات التنقيب الملايين من الدولارات. مع ظهور التكنولوجيا المتقدمة مثل الذكاء الإصطناعي أمكن ذلك تطبيقه في عمليات كثيرة من عمليات التنقيب وإستخراج النفط. في هذا البحث سوف أستخدم الذكاء الإصطناعي في تقدير خواص سائل الحفر المؤثرة في عملية رفع بقايا الحفر من داخل البئر, أيضا سوف أستخدم هذه النتائج لبناء نموذج يستطيع أن يتعرف ويقدر حالة البئر أثناء الحفر, هل هو نظيف أم لا وهل هناك مشكلة في أسفل البئر تحدث أثناء الحفر أم لا. مع وجود هذا النموذج ومع ربطه بنظام تشغيل الحفارة سوف يتمكن الحفار ومشغلي الاّت الحفر من متابعة حالة أسفل البئر أثناء عملية الحفر وبهذا يمكنهم تحديد المشكلة قبل حدوثها داخل البئر, مما يساهم في تحسين كفاءة حفر القطاع بالصورة الأمثل.

English Abstract

Full Name : [Mahmoud Nader Mahmoud Elzenary] Thesis Title : [ESTIMATION OF HOLE CLEANING CONDITION IN REAL-TIME WHILE DRILLING (OPERATIONAL POINT OF VIEW)] Major Field : [Drilling] Date of Degree : [January, 2019] Hole cleaning is the main parameter while considering the quality and efficiency of drilling deviated and horizontal wells. Hole cleaning is being affected with many factors while drilling such as: weight on bit (WOB), rate of penetration (ROP), rock geomechanics, drilling fluid properties, and rig hydraulics. Hole Cleaning has a great impact on drilling efficiency, as the hole cleaning getting better the drilling overall efficiency will increase. Bad hole cleaning in many cases leads to non-productive time (NPT). Stuck pipe, slow ROP and drilling bit damage are common problems related to inefficient hole cleaning. To measure the hole cleaning while drilling, field, and experimental measurements will need to be conducted with the complicated and high-cost process. For example, while drilling the rig crew will need to handle a long process of drilling parameter optimization (e.g. weight on bit, torque limit, flow rate, rate of penetration …. etc.) to achieve the best hole cleaning scenario for a specific section. This process will be costly as it will not be counted as productive time. A lot of researches were conducted to evaluate the hole cleaning and related cutting transport efficiency while drilling. The main gaps in these researches come from the fact that, these researches contain mainly experimental and empirical models which most of the time will not reflect all factors affecting the hole cleaning even it may also be not applicable in the field from the operational side of view. With the new technology called Artificial Intelligence (AI) and its related applications such as; support vector machine (SVM), adaptive neuro-fuzzy interference system (ANFIS), and artificial neural network (ANN), downhole parameters affecting the hole cleaning process will be predicted with high accuracy and hence, with the right model the hole cleaning condition will be measured. This thesis proposes new means of predicting hole cleaning in both vertical and highly deviated wells using a new model which includes two artificial intelligence models. The first artificial intelligence (AI) model was built to predict the drilling fluid rheology parameters (yield point YP and plastic viscosity PV). The second artificial intelligence (AI) model was built to predict the equivalent of circulation density (ECD) while drilling. These two AI models will be part of a new approach called hole cleaning index (HCI) to estimate the hole cleaning condition in real-time bases while drilling in vertical to highly deviated wells with all ranges and through well different drilling sections.

Item Type: Thesis (Masters)
Subjects: Petroleum
Petroleum > Drilling Engineering
Department: College of Petroleum Engineering and Geosciences > Petroleum Engineering
Committee Advisor: Elkatatny, Salaheldin
Committee Co-Advisor: Abdulraheem, Abdulazeez
Committee Members: Al Majed, Abdulaziz A. and Mahmoud, Mohamed and Patil, Shirish
Depositing User: MAHMOUD ELZENARY (g201548230)
Date Deposited: 06 Jan 2019 10:38
Last Modified: 01 Nov 2019 17:44
URI: http://eprints.kfupm.edu.sa/id/eprint/140867