drillWiz: An application for data visualization and drilling optimization

Abstract

En applikasjon er utviklet for å identifisere boredysfunksjon-og-ineffektivitet fra forventede responser i MSE og driftsparametere. Dette arbeidet er en videreføring av et semesterprosjekt som kartla potensialet for automatisering av fysikkbaserte praksiser og MSE-baserte overvåkningsteknikker gjennom smarte algoritmer, (Berge-Skillingstad & Anderssen, 2018). Applikasjonen er i hovedsak delt inn i to hovedfunksjoner; en parameteroptimaliseringsmodul som brukes til å identifisere trender i parametervalg gjennom litologi-spesifikk overflate-regresjon, og et diagnostiseringsverktøy som brukes til å identifisere intervaller med boredysfunksjon. Klikk denne koblingen for å teste programmet, eller her for en videogjennomgang av appen.

Gjennom implementering av grunnleggende boreteori, statistikk og matematisk modellering, har vellykkede resultater blitt generert for å validere konseptet om automatisk borediagnostikk og litologi-spesifikk parameteroptimalisering. For å produsere de ulike resultatene er data ervervet gjennom kontakt med en anonym operatør og tilhørende serviceselskaper. Resultatene er validert ved hjelp av ekstern informasjon, som for eksempel bilder av borekroner, nedihulls vibrasjonsmonitorering, brønn- og servicerapporter, samt manuelt tolkningsarbeid. Omfattende dataforberedelser er blitt gjort for å samle inn og strukturere data fra forskjellige databaser.

Hensikten med applikasjonen er todelt; bevise konseptet at MSE-basert overvåking og diagnostisering kan automatiseres for post-analyse etter boring, samt etablere en skalerbar internett applikasjon til å bistå ingeniører med referansebrønnstudier i brønnplanleggingsprosessen. Hvordan applikasjonen kan skape verdier er et fokusområde gjennom hele avhandlingen.

Siden applikasjonen fortsatt er i konseptfasen med stort potensial, er det blitt satt fokus på å etablere kjernefunksjoner, programvarearkitektur & brukergrensesnitt, samt smarte algoritmer for automatisk borediagnostikk. I tillegg til å bevise konseptet, har utfordringer ved implementering, samt konfidensnivå av diagnostikk blitt vurdert og diskutert for videreutvikling. Applikasjonen fungerer som et analyseverktøy etter boring, men sammen med de vellykkede resultatene i denne oppgaven, presenteres en visjon for å gå fra offline til online endringsanalyse, dvs. mot nåtidsimplementasjon underveis i boreprosessen.

An application has been developed to identify bit dysfunction and drilling inefficiency from expected responses in MSE and operating parameters. This work is a continuation of a semester project mapping the potential of automated physics-based practices and MSE-based surveillance techniques through smart algorithms, ref. (Berge-Skillingstad & Anderssen, 2018). The application is essentially split into two main functionalities; a parameter optimization module used to identify trends in parameter selection through lithology specific surface regression, and a diagnostic tool used to identify intervals with drilling dysfunction. Click this link to test the application, or here for a video walk-through of the app.

Through implementation of fundamental drilling theory, statistics and mathematical modelling, successful results have been generated to validate the concept of automated drilling diagnostics and lithology specific road-maps. To produce the results in this thesis, data have been acquired from contact with an anonymous operator and its associated service companies. The results have been validated using external information such as bit pictures, downhole memory subs, end-of-well reports, service company reports, and manual interpretations. As a result, extensive data preparation has been necessary to parse data from different data silos.

The purpose of the application is twofold; to prove the concept that MSE-based surveillance and diagnostics may be automated for post-drill evaluation, and secondly provide a scalable cross-platform web application to assist the drilling engineer in reference well studies and well planning phases. How the application can create value is a focus area throughout the thesis.

Since the application is still in the concept-phase with great potential, focus has been on establishing core functionalities, software architecture & GUI, and smart algorithms for automatic drilling diagnostics. As well as proving the concept, challenges in implementation and level of confidence have been assessed for further development. The application serves as a post-drill analysis tool, but together with the successful results in this thesis, a way-forward for next-level implementation is presented to move from offline to online change detection, i.e. towards real-time implementation.