BRPI0621711A2

BRPI0621711A2 - aparelho, sistema e método para tipificação de fluido, e, meio legìvel por computador

Info

Publication number: BRPI0621711A2
Application number: BRPI0621711-7A
Authority: BR
Inventors: Carl-Magnus Fransson; Ronald E Cherry
Original assignee: Halliburton Energy Serv Inc
Priority date: 2006-06-06
Filing date: 2006-06-06
Publication date: 2012-09-18
Also published as: US8044662B2; GB0806127D0; GB2444680B; US20100259258A1; GB2444680A; WO2007142636A1; MX2008015209A

Abstract

APARELHO, SISTEMA E MéTODO PARA TIPIFICAçãO DE FLUIDO, E, MEIO LEGìVEL POR COMPUTADOR. Em algumas modalidades, aparelhos e sistemas, assim como métodos, podem operar para adquirir dados representando uma pluralidade de trens de eco de ressonância magnética nuclear (RMN) associados com um material, tal como formação geológica. Operações adicionais podem incluir inverter um modelo de pelo menos um da pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal, inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada das constantes de tempo de relaxamento transversal para prover uma distribuição de difusão estimada, e inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN, usando as distribuições estimadas de constantes de tempo de relaxamento transversal e de difusão para prover uma função de densidade de probabilidade aparente e intrínseca, para identificar tipos de fluido no material.

Description

"APARELHO, SISTEMA E MÉTODO PARA TIPIFICAÇÃO DE FLUIDO, E, MEIO LEGÍVEL POR COMPUTADOR"

Campo Técnico

Os vários modos de realização aqui descritos referem-se à caracterização de diferentes tipos de matéria, incluindo aparelho, sistemas, e métodos usados para determinar tipos de fluidos que podem estar presentes em várias formações geológicas.

Informação dos Fundamentos

Tipos de fluidos (por exemplo, óleo, água, gás) podem existir em uma variedade de materiais, incluindo formações geológicas, e podem ser identificados usando-se dados de amplitude modulada por difusão (DMA) de ressonância magnética nuclear (RMN) para computar uma função de densidade de probabilidade, que pode ser expressa como um gráfico ilustrando a porosidade em função da difusão em cm2/s e tempo de relaxamento transversal em milissegundos (por exemplo, usando-se o que é conhecido pelos peritos na técnica, como um "mapa T2-D"). Leitores interessados podem se referir à Patente U.S. 6.512.371 (aqui incorporada pela referência em sua totalidade) que descreve como os dados de ressonância magnética nuclear são obtidos.

Devido às enormes quantidades de dados tipicamente envolvidos para calcular a função, geralmente são aplicados algoritmos de redução para reduzir a intensidade computacional do problema, que podem tomar a forma geral:

<formula>formula see original document page 2</formula>

Leitores interessados podem se referir à Patente U.S. 6.462.542 (aqui incorporada pela referência em sua totalidade) que descreve como os mapas T2-D podem ser calculados usando-se um algoritmo de compressão.

Por exemplo, incorporando-se a decomposição de valor singular de matrizes do núcleo K1 (o núcleo de difusão discreta) e de K2 (o núcleo de relaxamento discreto) em um algoritmo de compressão, junto com a seleção de um número de condição de limiar para a matriz K0 = Ki φ K2, é gerada uma projeção de dados sobre a faixa de espaço enquanto preservando a norma de Frobenius da matriz de dados. Infelizmente, uma vez os dados originais comprimidos, os valores originais são perdidos. Além disso, este método é limitado ao uso de uma matriz da regularização de ordem zero para a função de densidade de probabilidade e, a regularização independente da distribuição da constante de tempo de relaxamento transversal e a distribuição da difusão não são possíveis.

Descrição Resumida dos Desenhos

A FIG. 1 ilustra um aparelho de acordo com vários modos de realização da invenção.

As FIGs. 2A-2B ilustram aparelho e sistemas de acordo com vários modos de realização da invenção.

A FIG. 3 ilustra um fluxograma do método de acordo com vários modos de realização da invenção.

A FIG. 4 é um diagrama de bloco de um artigo de acordo com vários modos de realização da invenção.

As FIGs. 5A-5D ilustram um exemplo da função de densidade de probabilidade e a exatidão do ajuste de dados estimados, respectivamente, de acordo com vários modos de realização da invenção.

Descrição Detalhada

Em alguns modos de realização da invenção, os desafios descritos acima podem ser tratados computando-se funções de densidade de probabilidade aparentes e intrínsecas, bidimensionais, (por exemplo, mapas T2-D) de medições de amplitude modulada por difusão padrão RMN, usando- se distribuições estimadas de constantes de tempo de relaxamento transversal e difusão. O objetivo de fazer tais medições em um poço, como poderia ocorrer em uma operação de recuperação petroquímica, é localizar zonas, em uma formação geológica, que contém fluido para a produção, assim como identificar o tipo de fluido (por exemplo, óleo vs. gás). Para as finalidades deste documento, um "fluido" é qualquer material que tenha uma constante de tempo de relaxamento transversal RMN maior do que 1 milissegundo. As medições podem ser usadas para estabelecer o valor final do poço (por exemplo, volume potencial de óleo/gás a ser recuperado, e velocidade de recuperação). Além disso, quando perfis de furo aberto são feitos, são tomadas decisões como tamponar o poço, ou completá-lo. O tipo de completação é diferente para fluidos diferentes, de modo que completar um poço de gás é diferente de completar um poço de óleo, e poços de óleo diferem em relação a óleo leve e óleo pesado. Assim, a tipificação precisa do fluido pode facilitar estas decisões.

As seguintes variáveis são definidas para as finalidades deste documento:

ad = constante de calibração de eco direto, uma resposta que resulta diretamente do pulso inicial (isto é, o eco direto) [sem unidade]

as = constante de calibração de eco estimulado, uma resposta que pode resultar de uma combinação de pulsos após o eco direto (isto é, o eco indireto) [sem unidade]

D = coeficiente de difusão [cm /s]

f = função de densidade de probabilidade bidimensional contínua [sem unidade]

G = gradiente do campo magnético [G/cm]

K1 = núcleo de difusão discreta [sem unidade]

K2 = núcleo de relaxamento discreto [sem unidade]

K2d = Núcleo de difusão discreta [sem unidade]

Lx = matriz de regularização [sem unidade]

M = resposta de uma seqüência de amplitude modulada por difusão (DMA) [sem unidade] m = número de ecos invertidos em um trem de eco de uma seqüência da amplitude modulada por difusão (DMA) [sem unidade]

n1 = número de valores discretizados em uma distribuição de difusão [sem unidade]

n2= número de valores discretizados em uma distribuição de relaxamento [sem unidade]

ρ = número de trens do eco com espaçamento de eco inicial diferente [sem unidade]

t = tempo de medição [ms]

tE. = espaçamento de eco curto [ms]

tD = espaçamento de eco longo [ms]

Tdk = espaçamento de eco longo para trem de eco k [ms]

T2 = constante de tempo de relaxamento transversal [ms]

X = função de densidade de probabilidade discreta bidimensional [sem unidade]

χ = versão vetorizada de X [sem unidade]

xT0 = distribuição estimada de T2 [sem unidade]

xT = distribuição de T2 [sem unidade]

Xdo = distribuição da difusão estimada [sem unidade]

xD = distribuição da difusão [sem unidade]

Y = matriz de ecos medidos [sem unidade]

y = versão vetorizada de Y [sem unidade]

Otx = parâmetro de regularização [sem unidade]

K1 = núcleo de difusão contínua [sem unidade]

K2 = núcleo de relaxamento contínuo [sem unidade]

γ = relação giromagnética [Hz/G]

No processo de medição de DMA padrão, trens de eco ρ > 2RMN são tipicamente obtidos. Estimar um mapa T2-D utilizável exige tipicamente ρ > 2 porque ρ = 2 permite que apenas um valor de difusibilidade médio seja estimado, e ρ = 3 permite a obtenção de apenas dois pontos de distribuição de difusibilidade.

Os primeiros dois ecos do trem de eco k têm um espaçamento de eco de tDk e os ecos remanescentes têm um espaçamento de eco de tE (isto é, espaçamento de eco mínimo). Trens de eco com valores relativamente pequenos de tD (porém maiores do que tE), como aproximadamente 2*tE são usado para identificar fluidos relativamente difusivos (por exemplo, gás) e, trens de eco com valores relativamente grandes de tD, tais como aproximadamente 50*tE, são usados para identificar fluidos que não são tão difusivos (por exemplo, óleo pesado).

Para cada trem de eco k e t > 2 . tDk, a resposta M (tD, t) é relacionada à função de densidade de probabilidade bidimensional f(D, T2) por uma integral de Fredholm do primeiro tipo:

<formula>formula see original document page 6</formula> (1)

onde

<formula>formula see original document page 6</formula>

para campos magnéticos homogêneos, e

<formula>formula see original document page 6</formula>

para campos magnéticos não homogêneos.

Este é o caso porque, em perfilagem T2 padrão, temos a relação

<formula>formula see original document page 6</formula>

onde K2 . f é uma função exponencial descrevendo o declínio de T2 na resposta M obtida com um espaçamento de eco de tE (por exemplo, tE pode ser visto como um intervalo de tempo de amostragem). Se os primeiros dois ecos no trem de eco são obtidos com espaçamento de eco tD > tE e os ecos subseqüentes são obtidos com espaçamento de eco tE, a difusibilidade das partículas de fluido medidas determinará a quantidade de amplitude de sinal adicional perdida durante os primeiros dois ecos. Isto é descrito pela função κ1. A função de densidade de probabilidade f (D, T2) descreve, então, quanto da amplitude de sinal corresponde a uma combinação particular de T2 e D. ad e as são constantes de calibração de ferramentas específicas, que podem ser determinadas, a priori, executando-se medições em um fluido conhecido (por exemplo, água em um tanque da calibração), de modo que a resposta da ferramenta possa ser caracterizada.

Para simplificar o problema de processamento de grandes quantidades de dados RMN embora ainda provendo um mapa T2-D exato, os parâmetros desconhecidos D e T2 podem ser divididos em valores ni e n2, respectivamente (onde o número de valores depende da resolução desejada para cada eixo do mapa T2-D), de modo que os únicos desconhecidos na equação (1) sejam os componentes na função f(D, T2). Na notação de matriz, a versão discretizada de (1) pode, então, ser escrita como:

<formula>formula see original document page 7</formula> (2)

onde Y mxp, K2 © mxn2, X ® ©n xn2, e K1 xnn. Como para os peritos na técnica, φ é a notação matemática para um conjunto de números de valor real (isto é, os números não estão na forma complexa). Assim, por exemplo, Y compreende uma matriz de valor real com m fileiras e ρ colunas, onde m denota o número de ecos em cada trem de eco.

Em uma estrutura de otimização, o problema para determinar X pode ser colocado como:

<formula>formula see original document page 7</formula> (3)

F é a notação matemática que corresponde à "norma de Frobenius" de uma matriz, onde a norma da matriz é uma medida de seu valor. Por exemplo, a norma de Frobenius de uma matriz X pode ser obtida executando-se o cálculo:

<formula>formula see original document page 7</formula> Outra norma comumente usada é a "norma quadrada."

Ordenando lexicograficamente as matrizes Y e X em vetores (por exemplo, vetorizando), a equação (3) pode ser reduzida a um problema unidimensional da seguinte forma vetorizada:

<formula>formula see original document page 8</formula> (4)

onde

<formula>formula see original document page 8</formula>

Então, χ é uma matriz com ni*n2 fileiras e 1 coluna (isto é, um vetor).

As matrizes K1 e K2 são deficientes na classificação e, por conseguinte, o problema apresentado na equação (4) é inadequado. Para prover um problema adequado, um termo de regularização adicional é adicionado à equação (4), como a seguir:

<formula>formula see original document page 8</formula> (5)

onde αχ é um parâmetro de regularização que determina a uniformidade da solução e Lx e Wmpxn2 é uma matriz de regularização. Além de regularizar a solução do vetor x, a equação (5) pode ser estendida para incluir termos de regularização explícitos para distribuição T2 e distribuição D, simplesmente adicionando-se termos adicionais que incluem parâmetros predeterminados de regularização aXr e aXD e matrizes de regularização Lxt e Lxd. A equação resultante é:

<formula>formula see original document page 8</formula>

Os parâmetros de regularização ax, aXr, e aXD podem ser usados para determinar quanta uniformidade será aplicada a χ e podem ser selecionados baseado no nível de ruído dos trens de eco, se desejado. Assim, se a relação signal-ruído (SNR) dos dados RMN obtidos do trem do eco for baixa (isto é, os dados são ruidosos), os valores alfa devem ser grandes, a fim de prover uma solução tendo a uniformidade desejada. Se a SNR for relativamente alta (isto é, baixo nível de ruído nos dados), então, valores alfa menores podem ser escolhidos para resolver, mais facilmente, as componentes pequenas. Outros métodos de selecionar o parâmetro de regularização alfa para estes tipos de problemas de inversão podem incluir a tentativa de muitos valores diferentes de alfa e, então, selecionar um deles baseado nos critérios do pareto-optimum. As matrizes Lxt e Lxd podem ser selecionadas, a priori, como matrizes que operam sobre a segunda derivada de x. Esta escolha também pode prover soluções mais uniformes.

A equação (6) pode ser resolvida em uma forma de mínimos quadrados padrão, mas pode ser computacionalmente intensiva e exigir quantidades significativas de memória do sistema. Por exemplo, resolver a equação (6) com m = 500, ρ = 6, n, = 40, e n2 = 40 pode exigir um minuto ou dois de tempo de computação, por nível, em um laptop padrão. Uma vez que os dados de perfil envolvem freqüentemente milhares de níveis, um método melhorado é desejado.

Para resolver mais eficientemente a equação (6), o problema pode ser reduzido, se desejado, eliminando-se parte do espaço de solução potencial via duas ações: uma inversão de T2 e uma inversão de D. Isto é explicado abaixo em detalhe.

Primeiro, uma inversão de T2 pode ser conseguida entendendo- se que qualquer um, ou todos dos ρ trens do eco da seqüência DMA, podem ser usados para estimar a distribuição xT0 e Rn2x1 de T2 (que corresponde à projeção da função de densidade de probabilidade sobre o eixo T2 de um mapa T2 - D). Para simplificar a discussão, o leitor é convidado a considerar o caso onde apenas um trem de eco é usado, por exemplo, um trem de eco onde tD @ tE.

Estimar a distribuição de T2 de um único trem do eco é um problema padrão dos mínimos quadrados lineares, conhecido pelos peritos na técnica, e não será discutido em detalhe. Os leitores que desejarem saber mais sobre como as distribuições de T2 podem ser estimadas de um único trem de eco (como um problema padrão dos mínimos quadrados) podem consultar "RMN Pore Size Distribution and Permeability at the Well Site" por Prammer, trabalho apresentado SPE 28368, 69 Annual Technical Conference and Exhibition, New Orleans, LA, 1994; "Practical Optimization," por Gill et al., Academic Press, London e New York (1981); e o "User's guide for LSSOL (version 1.0): A Forntran Paekage for Constrained Linear Least-Squares and Convex Quadratic Programming," por Gill et al., Techical Report SOL 86-1 Systems Optimization Laboratory, Dept. of Operations Research, Stanford University, 1986.

Segundo, uma inversão de D pode ser conseguida substituindo X na equação (6) com XmX7ro, onde xD0 e Rnx1 denota uma estimativa de distribuição de difusão (isto é, a projeção da função de densidade de probabilidade sobre o eixo de D do mapa T2-D). Isto representa igualmente um problema padrão dos mínimos quadrados lineares, que é prontamente resolvido pelos peritos na técnica. Isto é, matematicamente, o problema tem uma estrutura que é muito similar àquela para estimar a distribuição de T2 de um único trem de eco. Assim, neste caso, X é substituído por X' = Xd0Xt0, e x' = vet (JT) de modo que a equação (6) se torna:

<formula>formula see original document page 10</formula> (7)

Embora o xT0 e xD0 sejam agora conhecidos em conseqüência da inversão de T2 e da inversão de D, há ainda muitas soluções de χ para o problema original apresentado pela equação (6). Entretanto, a solução desejada pode ser prontamente obtida notando-se que X(i, j) = O se xT0(i) = O ou Xdo(j) = O porque Xto é a projeção da função de densidade de probabilidade sobre o eixoT2 e xDo é a projeção da função de densidade de probabilidade sobre o eixo D. Isto significa que colunas das matrizes K1 e K2 podem ser removidas, e, portanto a matriz Ko torna-se menor, resultando em tempo de computação reduzido eliminando-se parte do espaço de solução potencial, ao inverter para a função de densidade de probabilidade. Assim, como parte da atividade final de inverter um modelo de trens de eco para uma função de densidade de probabilidade, a vetorização de X, para a qual X(i, j) > 0, pode ser denotada por ©x, e a matriz contendo as colunas de K0 correspondendo a xT0 > 0 e xD0 > 0, pode ser denotada por ©K0. Usando-se os resultados obtidos da inversão de T2 e da inversão de D, a equação (6) pode ser reescrita em sua fórmula reduzida como segue:

<formula>formula see original document page 11</formula> (8)

A equação (8) é resolvida prontamente com um algoritmo padrão dos mínimos quadrados lineares usando-se restrições de limitação apenas em x, ou se desejado, restrições adicionais em ©>x podem ser adicionadas para assegurar que a projeção de X sobre os eixos T2- e D do mapa T2-D se iguale aos xTo e xDo obtidos das inversões de T2 e D. Métodos de solução para a equação (8), como um problema padrão de mínimos quadrados lineares, são bem conhecidos pelos peritos na técnica. Leitores podem consultar as referências anotadas acima para mais informações.

Qualquer estrutura de constante pode ser assumida para as matrizes de regularização Lx, Lxt, e Lxd, incluindo uma aproximação da derivada de segunda ordem. Outras aproximações, entre as muitas disponíveis, incluem uma matriz de identidade, ou uma aproximação da derivada de primeira da ordem. Um exemplo de uma aproximação da derivada de segunda ordem em oito desconhecidos (um exemplo arbitrário) é:

[1 -2 1 0 0 0 0 0 0 1 -2 1 0 0 0 0 0 0 1 -2 1 0 0 0 0 0 0 1 -2 1 0 0 0 0 0 0 1 -2 1 0 0 0 0 0 0 1 -2 1]

A solução para a equação (8) ou (6) é a versão vetorizada da transposição da função de densidade de probabilidade aparente XA, que pode ser representada por um mapa T2A-D, onde a palavra "aparente" refere-se ao eixo T2 sendo dependente dos parâmetros de aquisição e de ferramenta, como o espaçamento do eco tE e o gradiente do campo magnético G. Para realçar as capacidades de tipificação de fluido, também pode ser desejável computar uma função de densidade de probabilidade que seja independente destes parâmetros; isto é denotada a função de densidade de probabilidade intrínseca X1, que pode ser representada por um mapa T21-D. Para conseguir uma função de densidade de probabilidade intrínseca, alguém pode evocar a relação bastante conhecida entre as constantes de tempo de relaxamento transversal aparente e intrínseca (T2A e T21, respectivamente) e o coeficiente de difusão D:

<formula>formula see original document page 12</formula> (9)

Após resolver a equação (8) ou (6), a função de densidade de probabilidade aparente Xa é conhecida e, a equação (9) pode, então, ser usada para criar um modelo de trens de eco intrínsecos Y1 como segue:

<formula>formula see original document page 12</formula> (10)

onde K2d é a versão discretizada de um núcleo de difusão K2d = e-tD(GytE)2, e onde o operador "./" denota uma divisão por elemento de duas matrizes. A função de densidade de probabilidade intrínseca pode então ser obtida substituindo y na equação (6) com o yr (a versão vetorizada de Y1:

<formula>formula see original document page 12</formula> (11)

Para resolver mais eficientemente a equação (11), o problema pode ser reduzido eliminando-se parte do espaço de solução potencial através do conhecimento da função de densidade de probabilidade aparente XA. Isto é explicado abaixo em detalhe.

Denotar a projeção da função de densidade de probabilidade aparente sobre o eixo D e, assim, xD(i) = 0, implica em que a fileira i, de ambas, Xa e X1, tem que conter todos os zeros (isto é, XA(i,:) = X1O,:) =0). Isto significa que o tamanho da matriz K1, e, portanto, também da matriz K0, pode ser reduzido, resultando, talvez, em tempo de computação reduzido, eliminando parte do espaço de solução potencial, ao inverter para prover a função de densidade de probabilidade intrínseca.

Assim, como parte da atividade final de inverter um modelo de uma função de densidade de probabilidade intrínseca, a vetorização de X1, para a qual Xi(i, j) > 0 pode ser denotada por ©xI? e a matriz contendo as colunas de K0, correspondendo a xD > 0, pode ser denotada por <$>Κ0Ι. A equação (11) pode agora ser reescrita em sua fórmula reduzida como segue:

<formula>formula see original document page 13</formula>

A equação (12) é resolvida prontamente da mesma maneira que a equação (8).

Para implementar as soluções descritas, uma variedade de aparelho, sistemas, e métodos pode ser usada. Por exemplo, a FIG.l ilustra um aparelho 100, de acordo com vários modos de realização da invenção. Em alguns modos de realização, o aparelho de tipificação de fluido 100 pode incluir lógica de aquisição 110 para adquirir os dados 112, representando uma pluralidade de trens de eco de ressonância magnética nuclear (RMN) associados com um material 114 (por exemplo, uma formação geológica, e/ou líquidos dentro de uma formação geológica).

O aparelho 100 também pode incluir a lógica de processamento 116 para inverter um modelo da pelo menos um dentre a pluralidade de trens do eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal (por exemplo, uma inversão de T2), para inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN usando-se a distribuição estimada de constantes de tempo de relaxamento transversal, para prover uma distribuição estimada de difusão (por exemplo, uma inversão de D), para inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN, usando a distribuição estimada de constantes de tempo de relaxamento transversal, para prover uma distribuição de difusão estimada (por exemplo, uma inversão de D), e inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN, usando as distribuições estimadas de constantes de tempo de relaxamento transversal e difusão, para prover ambas, as funções de densidade de probabilidade aparente e intrínseca, para identificar tipos de fluidos 102, no material 114.

Em alguns modos de realização, o aparelho 100 pode compreender um ou mais sensores de RMN 120 para receber sinais 122 associados com os dados 112. O aparelho 100 pode compreender uma memória 124 para armazenar os dados 112. Os dados 112, por sua vez, podem incluir informação associada com espaçamento de eco longo (por exemplo, tD) e espaçamento de eco curto (por exemplo, tE) para a pluralidade de trens de eco de RMN.

Em alguns modos de realização, o aparelho 100 pode incluir um transmissor de telemetria 128 para transmitir os dados 112, em formato comprimido ou não comprimido, para um computador 136, como um computador de sobre-superfície. O aparelho 100 pode igualmente incluir um mostrador 132 para apresentar representações visuais das funções de densidade de probabilidade aparentes e intrínsecas, distribuições aparentes e/ou intrínsecas de constantes de tempo de relaxamento transversal, e a distribuição de difusão.

As FIGs. 2A-2B ilustram o aparelho 200 e sistemas 264, de acordo com vários modos de realização da invenção. O aparelho 200, que pode ser similar ou idêntico ao aparelho 100 descrito acima e mostrado na FIG. 1, pode compreender porções de um corpo de ferramenta 270 como parte de uma operação de perfilagem cabo de perfuração, ou de uma ferramenta de furo abaixo 224 como parte de uma operação de perfuração do interior do poço. Por exemplo, a FIG. 2A mostra um poço durante operações de perfilagem cabo de perfuração. Uma plataforma de perfuração 286 pode ser equipada com guindaste 288 que suporta um guincho 290. A perfuração de poços de óleo e de gás é geralmente realizada usando-se uma coluna de tubos de perfuração mutuamente conectados para formar uma coluna de perfuração que é descida através de uma mesa giratória 210 em um poço perfurado, ou furo de poço.

Assume-se, aqui, que a coluna de perfuração foi removida temporariamente do furo de poço 212 para permitir que um corpo de ferramenta 270 (por exemplo, uma ferramenta de perfilagem cabo de perfuração), como um dispositivo de investigação ou uma sonda, seja descido pelo cabo de perfuração, ou pelo cabo de perfilagem 274, no furo de poço 212. Tipicamente, o corpo de ferramenta 270 é descido até o fundo da região de interesse e, subseqüentemente, puxado para cima a uma velocidade substancialmente constante. Durante o deslocamento para cima, os aparelhos incluídos no corpo de ferramenta 270 (por exemplo, o aparelho 200) podem ser usados para executar medições nas formações subsuperficiais 214 adjacentes ao furo de poço 212, quando passam por elas. Os dados da medição, incluindo dados de trem de eco DMA/RMN para uma pluralidade de trens de eco, podem ser comunicados a uma instalação de perfilagem 292 para armazenamento, processamento, e análise. A instalação de perfilagem 292 pode ser provida com equipamento eletrônico para vários tipos de tratamento dos sinais. Dados de perfis similares podem ser recolhidos e analisados durante operações de perfuração (por exemplo, durante operações de LWD). Por exemplo, o corpo de ferramenta 270, neste caso, pode alojar um ou mais aparelhos 200, e a instalação de perfilagem 292 pode incluir um ou mais computadores de superfície 254, similares ou idênticos ao computador 136 descrito acima em relação à FIG. 1.

Voltando, agora, à FIG. 2B, nela pode ser visto como um sistema 264 pode igualmente formar uma porção de uma torre de perfuração 202 situada em uma superfície 204 de um poço 206. A torre de perfuração 202 pode prover suporte para uma coluna de perfuração 208. A coluna de perfuração208 pode operar para penetrar uma mesa giratória 210 para perfurar um furo de poço 212 através de formações subsuperficiais 214. A coluna de perfuração 208 pode incluir a haste quadrada 216, tubulação de perfuração 218, e um conjunto de fundo de furo, 220 localizado, talvez, na porção inferior da tubulação de perfuração 218. A coluna de perfuração 208 pode incluir tubulação de perfuração cabeada e não cabeada, assim como tubulação embobinada cabeada e não cabeada.

O conjunto de fundo de furo 220 pode incluir colares de perfuração 222, uma ferramenta de furo abaixo 224, e uma broca de perfuração 226. A broca de perfuração 226 pode operar para criar um furo de poço 212 penetrando formações superficiais 204 e subsuperficiais 214. A ferramenta de furo abaixo 224 pode compreender qualquer uma dentre numerosos tipos diferentes de ferramentas incluindo ferramentas de MWD, ferramentas de LWD, e outras.

Durante operações de perfuração, a coluna de perfuração 208 (talvez incluindo a haste quadrada 216, a tubulação de perfuração 218, e o conjunto de fundo de furo 220) pode ser girada pela mesa giratória 210. Adicional, ou alternativamente, o conjunto de fundo de furo 220 pode igualmente ser girado por um motor (por exemplo, um motor de lama) que esteja localizado no interior do poço. Os colares de perfuração 222 podem ser usados para adicionar peso à broca de perfuração 226. Os colares de perfuração 222 podem, igualmente, dar rigidez ao conjunto de fundo de furo 220 para permitir que o conjunto de fundo de furo 220 transfira o peso adicionado para a broca de perfuração 226, e por sua vez, ajude a broca de perfuração 226 a penetrar as formações superficiais 204 e subsuperficiais 214.

Durante operações de perfuração, uma bomba de lama 232 pode bombear fluido de perfuração (conhecido, às vezes, pelos peritos na técnica como "lama de perfuração") a partir de um tanque de lama 234, através de uma mangueira 236, para dentro da tubulação de perfuração 218 e para baixo, até a broca de perfuração 226. O fluido de perfuração pode fluir para fora da broca de perfuração 226 e ser retornado à superfície 204 através de uma área anular 240, entre a tubulação de perfuração 218 e as laterais do furo de poço 212. O fluido de perfuração pode, então, ser retornado ao tanque de lama 234, onde este fluido é filtrado. Em alguns modos de realização, o fluido de perfuração pode ser usado para resfriar a broca de perfuração 226, bem como, para prover lubrificação para a broca de perfuração 226 durante operações de perfuração. Adicionalmente, o fluido de perfuração pode ser usado para remover detritos de corte da formação subsuperficial 214 criados pela operação da broca de perfuração 226.

Assim, referindo-nos agora às FIGs. 1 e 2A-2B, nelas podem ser visto que, em alguns modos de realização, o sistema 264 pode incluir um colar de perfuração 222, e uma ferramenta de furo abaixo 224, incluindo um corpo de ferramenta 270 ou um dispositivo de investigação instalado substancialmente permanente 294 (no interior do poço), à qual um ou mais aparelhos 200 são acoplados. A ferramenta de furo abaixo 224 pode compreender uma ferramenta de LWD ou ferramenta de MWD. O corpo de ferramenta 270 pode compreender uma ferramenta de perfilagem cabo de perfuração, incluindo um dispositivo de investigação, ou um sonda, por exemplo, acoplada a um cabo 274, como um cabo de cabo de perfuração ou de perfilagem. Assim, um cabo de perfuração 274 ou uma coluna de perfuração208 podem ser acoplados mecanicamente à ferramenta de furo abaixo. 224

Então, em alguns modos de realização, um sistema 264, como um sistema de tipificação de fluido, pode incluir uma ferramenta de furo abaixo 270 e lógica de aquisição 110 como descrito acima e, mostrado na FIG. 1. A lógica de aquisição 110, assim como qualquer outra parte do aparelho 100, 200, incluindo a lógica de processamento 116, pode ser alojada pela ferramenta de furo abaixo 270. Em alguns modos de realização, o sistema 264 pode incluir uma broca de perfuração 226 acoplada mecanicamente a uma coluna de perfuração 208 e à ferramenta de furo abaixo 224. A coluna de perfuração pode incluir uma ou mais dentre a tubulação de perfuração segmentada, revestimento, e/ou tubulação embobinada. O sistema 264 pode incluir adicionalmente, um mecanismo de direcionamento 298 para direcionar a broca de perfuração 226 que responde às funções de densidade de probabilidade aparentes e/ou intrínsecas, e/ou aos tipos de fluidos determinados como resultado das funções de densidade de probabilidade aparente e intrínseca.

Em alguns modos de realização, o sistema 264 pode incluir um ou mais mostradores 296 para apresentar representações visuais da densidade de probabilidade aparente e/ou intrínseca, constantes de distribuições de tempo de relaxamento transversal aparente e/ou intrínsecas, e a distribuição de difusão. O mostrador 296 pode ser incluído como parte de um computador de superfície 254 usado para receber dados da lógica de aquisição 110, se desejado.

O aparelho 100, 200; dados 112; material 114; sensores de RMN 120; sinais 122; memória 124; transmissor de telemetria 128; computadores 136, 254; mostradores 132, 296; equipamento de perfuração 202; superfície 204; poço 206; coluna de perfuração 208; mesa giratória 210; furo perfurado 212; formações 214; haste quadrada 216; tubulação de perfuração 218; conjunto de fundo de furo 220; colares de perfuração222; ferramenta de furo abaixo 224; broca de perfuração 226; bomba de lama 232; tanque de lama 234; mangueira 236; área anular 240; sistemas 264; corpo de ferramenta 270; cabo de perfuração 274; plataforma de perfuração 286; guindaste 288; guincho 290; instalações de perfilagem 292; dispositivo de investigação 294; e o mecanismo de direcionamento 298 podem aqui, todos, ser caracterizados como "módulos". Estes módulos podem incluir circuito de hardware, e/ou circuitos de processador e/ou de memória, módulos e objetos de programa de software e/ou firmware, e as combinações destes, como desejado pelo arquiteto do aparelho 100, 200 e sistemas 264 e, como apropriado para implementações particulares de vários modos de realização.

Por exemplo, em alguns modos de realização, estes módulos podem ser incluídos em um aparelho, e/ou em um pacote de simulação de operação do sistema, como um pacote de software de simulação de sinal elétrico do, um pacote de simulação do uso e distribuição de energia, um pacote de simulação da dissipação de energia/calor, e/ou uma combinação de software e hardware usados para simular a operação de vários modos de realização potenciais.

Deveria ser igualmente compreendido que aparelho e sistemas de vários modos de realização podem ser usados em outras aplicações diferentes das operações de perfuração e perfilagem e, portanto, os vários modos de realização não devem ser, assim, limitados. As ilustrações dos aparelho 100, 200 e sistemas 264 são pretendidas para prover uma compreensão geral da estrutura de vários modos de realização, e não são pretendidas para servir como uma descrição completa de todos os elementos e características dos aparelhos e dos sistemas que poderiam empregar as estruturas aqui descritas.

As aplicações que podem incluir os novos aparelho e os sistemas de vários modos de realização incluem os circuitos eletrônicos usados em computadores de alta velocidade, circuitos de processamento de sinais e comunicação, modems, módulos de processador, processadores embutidos, comutadores de dados, e módulos de aplicações específicas, incluindo módulos de múltiplas camadas e múltiplos chips. Estes aparelho e sistemas podem, além disto, ser incluídos como sub-componentes dentro de uma variedade de sistemas eletrônicos, como instrumentos de medição de processo, computadores pessoais, estações de trabalho, dispositivos médicos, veículos, entre outros. Alguns modos de realização incluem uma variedade de métodos.

Por exemplo, a FIG. 3 ilustra um fluxograma de método 311, de acordo com vários modos de realização da invenção. Em alguns modos de realização da invenção, um método 311, como um método da identificação de tipos de fluido dentro um material, pode começar no bloco 321 com a aquisição de dados representando uma pluralidade de trens de eco de RMN associados com um material, tal como uma formação geológica, incluindo rocha. Uma ou mais dentre a pluralidade de trens de eco de RMN podem ser caracterizadas por um tempo de espaçamento de eco longo tD que seja aproximadamente igual ao seu tempo de espaçamento de eco curto tE.

O material pode incluir um ou mais fluidos, tais como fluidos em uma formação geológica, ou fluidos que foram retirados de uma formação geológica. Os dados podem ser adquiridos como uma porção de um processo de medição de DMA.

O método 311 pode incluir a seleção de um número de valores discretos associados com a distribuição de constantes de tempo de relaxamento transversal e a distribuição de difusão para construir a função de densidade de probabilidade no bloco 325. Em alguns modos de realização, o método 311 pode incluir a seleção independente da uniformidade das constantes de distribuições de tempo de relaxamento transversal aparente e intrínseca, da uniformidade da distribuição de difusão, e da uniformidade das funções de densidade de probabilidade aparente e intrínseca, no bloco 329.

O método 311 pode incluir, no bloco 337, inverter um modelo de pelo menos um dentre a pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal; esta primeira inversão podendo resultar na redução do tamanho da matriz K2. O método 311 pode igualmente incluir, no bloco 337, inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN, usando-se a distribuição estimada de constantes de tempo de relaxamento transversal para prover uma distribuição de difusão estimada; esta segunda inversão podendo resultar na redução do tamanho da matriz K1. O método 311 pode continuar com a inversão de um modelo dentro os selecionados da pluralidade de trens de eco de RMN, usando-se as distribuições estimadas de constantes de tempo de relaxamento transversal e a difusão, para prover uma função de densidade de probabilidade aparente para identificar o tipo de fluido dentro do material no bloco 339. O método 311 pode incluir adicionalmente usar a função de densidade de probabilidade aparente para computar uma pluralidade de trens de eco intrínsecos e inverter um modelo dentre os selecionados de trens de eco intrínsecos para prover uma função de densidade de probabilidade intrínseca no bloco 339.

Em alguns modos de realização, o método 311 pode incluir a identificação e a quantificação dos tipos de fluido no bloco 341 usando as funções de densidade de probabilidade. Identificar e determinar os tipos fluidos em um mapa T2-D, incluindo mapas de T2A-D aparente e de T2I-D intrínseca, são conhecidos daqueles peritos na técnica.

Em alguns modos de realização, o método 311 pode incluir a detecção de contaminação de filtrado de lama de fluidos sendo retirados de uma formação no bloco 361, baseado nas funções de densidade de probabilidade aparente e/ou intrínseca. Detecção de contaminação de filtrado de lama dos tipos de fluidos identificados em um mapa T2-D, incluindo mapas de T2a-D aparente e T21-D intrínsecos é conhecida daqueles peritos na técnica.

Em alguns modos de realização, o método 311 pode incluir a aquisição de dados (por exemplo, como descrito em relação ao bloco 321), e então ajustar a conduta de uma atividade de operação de perfuração no bloco 369, como o direcionamento da broca de perfuração, baseado nas funções de densidade de probabilidade aparentes e/ou intrínsecas (ou nos tipos de fluidos identificados usando-se as funções de densidade de probabilidade aparentes e/ou intrínsecas, ou um modelo das funções de densidade de probabilidade aparentes e/ou intrínsecas). O ajuste pode ser feito substancialmente em tempo real.

Deve-se notar que os métodos aqui descritos não têm que ser executados na ordem descrita, ou em qualquer ordem particular. Além disso, as várias atividades descritas em relação aos métodos aqui identificados podem ser executadas de forma iterativa, em série, ou em paralelo. Informação, incluindo parâmetros, comandos, operandos, e outros dados, pode ser enviada e recebida e, talvez, armazenada usando-se uma variedade de meios, tangíveis e intangíveis, incluindo uma ou mais ondas portadoras.

Com a leitura e compreensão do conteúdo desta apresentação, alguém, com experiência normal na técnica, compreenderá a maneira como um programa de software pode ser aberto a partir de um meio legível por computador, em um sistema baseado em computador, para executar as funções definidas no programa de software. Alguém perito na técnica compreenderá, além disto, que as vários linguagens de programação podem ser empregadas para criar um ou mais programas de software projetados para implementar e executar os métodos aqui divulgados. Os programas podem ser estruturados em um formato orientado para o objetivo usando-se uma língua orientada para o objetivo como Java ou C++. Alternativamente, os programas podem ser estruturados em um formato orientado para o procedimento usando-se uma língua processual, tal como Assembly ou C. Os componentes de software podem se comunicar usando qualquer um dos vários mecanismos conhecidos por aqueles peritos na técnica, como interfaces de aplicação de programa ou técnicas de comunicação de interprocessamento, incluindo chamadas de procedimento remoto. Os ensinamentos dos vários modos de realização não estão limitados a qualquer linguagem ou ambiente de programação particular. Desse modo, outros modos de realização podem ser realizados.

A FIG. 4 é um diagrama de bloco de um artigo de fabricação, ou artigo 485, de acordo com vários modos de realização, como um computador, um sistema de memória, um disco magnético ou ótico, algum outro dispositivo de armazenamento, e/ou qualquer tipo de dispositivo ou sistema eletrônico. O artigo 485 pode incluir um processador 487 acoplado a um meio legível por computador, como uma memória 489 (por exemplo, meio de armazenamento fixo e removível, incluindo memória tangível tendo condutores eletromagnéticos elétricos ou óticos, ou mesmo, memória intangível, como uma onda portadora) tendo informação associada 491 (por exemplo, instruções e/ou, dados de programa de computador), que quando executado por um computador, faz com que o computador (por exemplo, o processador 487) execute um método incluindo estas ações como, adquirir dados representando uma pluralidade de trens de eco de RMN associados com um material, inverter um modelo de pelo menos um dentre a pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal, inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada de constantes de tempo de relaxamento transversal para prover uma distribuição estimada de difusão, e inverter modelos dentre uma pluralidade de trens de eco de RMN, usando as distribuições estimadas de constantes de tempo de relaxamento transversal e de difusão, para prover uma função de densidade de probabilidade aparente e intrínseca para identificar o tipo de fluido dentro do material.

Outras atividades podem incluir a aquisição de dados, e ajuste da conduta de uma atividade de operação de perfuração baseada nas funções de densidade de probabilidade aparentes e/ou intrínsecas substancialmente em tempo real. Atividades adicionais podem incluir determinar a contaminação de filtrado de lama de fluidos que estão sendo retirados de uma formação baseada nas funções de densidade de probabilidade aparentes e/ou intrínsecas, determinar se captura uma amostra de fluido baseada nas funções de densidade de probabilidade aparentes e/ou intrínsecas, e adquirir os dados como uma porção de um processo de medição de amplitude modulada por difusão, entre outros. De fato, qualquer uma das atividades descritas em relação aos vários métodos acima pode ser executada desse modo.

Para demonstrar adicionalmente os benefícios do aparelho, sistemas, e métodos apresentados, uma implementação do exemplo será agora discutida As FIGs. 5A-5D ilustram um exemplo da função de densidade de probabilidade 500 e a precisão de ajuste dos dados estimados 510, respectivamente, de acordo com vários modos de realização da invenção.

Um conjunto de dados incluindo uma pluralidade de trens de eco de RMN obtidos usando-se uma ferramenta de perfilagem de formação de imagem de ressonância magnética (MRIL), similar ou idêntica ao modelo de ferramenta de avaliação de formação e perfilagem RMN, MRIL-Prime, desenvolvida por NUMAR Corporation of Exton, Pensilvânia. A ferramenta foi imersa em tanque com uma mistura de óleo e água dopada com sulfato de cobre, de modo que a distribuição de tempo de relaxamento transversal da água sobrepusesse, em parte, à do óleo, e os seguintes parâmetros foram usados: ρ = 5, tE = 1,2, tD = [2 4 10 20 40]*tE, em = 382. Os dados estatísticos resultantes em termos da relação sinal-ruído (SNR), para cada um dos trens de eco foram: [82 88 90 81 84]. Há cinco valores de SNR uma vez que cinco trens de eco foram obtidos - cada um deles com um valor diferente de tD.

A ferramenta foi usada para coletar dados de uma única faixa de freqüência tendo um gradiente G = 15,0991 G/cm. As constantes da ferramenta remanescentes foram determinadas para ser: ad = 0,56, e as = 0,30. Os seguintes parâmetros foram usados na inversão para ambas as funções de densidade de probabilidade aparentes e intrínsecas: n! = 40, n2 = 40, e ax = 0.001, CLxt = 0.01, CCxd = 0.

O resultado de plotar a função 500 como um mapa T2A-D após a resolução para ©>*x pode ser visto na FIG. 5A. O tempo total de computação foi aproximadamente 2,5 segundos usando-se um computador de mesa convencional. Como esperado, o mapa T2A-D indica a presença de uma mistura de dois fluidos: (1) um fluido 520 com um pico único de distribuição T2 525 tendo um valor de difusibilidade aproximadamente igual àquele esperado da água a uma dada temperatura e pressão; (2) um fluido 530 com uma distribuição T2 bimodal 535 tendo um valor de difusibilidade ligeiramente maior do que 10-7 cm2/s. Comparando o ajuste do resultado dos dados na FIG. 5B, o valor médio de desajuste (que é denotado como um erro de ajuste ou FE 515 na FIG. 5A) para cada um dos cinco trens de eco foi encontrado como sendo ligeiramente maior do que aproximadamente 1,2.

O resultado de plotar a distribuição de probabilidade 500 como um mapa T21-D após resolver para ©**1 pode ser visto na FIG. 5C. O total de tempo de computação foi de, aproximadamente, 10 segundos usando-se um computador de mesa convencional. Como esperado, o mapa T2I-D indica a presença de uma mistura de dois fluidos: (1) um fluido 540 com um único pico de distribuição T2 545 tendo um valor de difusibilidade aproximadamente igual àquele esperado da água a uma dada temperatura e pressão; (2) um fluido 550 com uma distribuição T2 bimodal 555 tendo um valor de difusibilidade ligeiramente maior do que IO"7 cm2/s. Comparando-se o ajuste do resultado na FIG. 5B ao mostrado na FIG. 5D, o valor médio do desajuste (denotado como FE 535 na FIG. 5C) para cada um dos cinco trens de eco foi encontrado como sendo ligeiramente maior do que cerca de 3* IO"3.

Implementar o aparelho, sistemas, e métodos de vários modos de realização, pode melhorar o processo de estimar com precisão as funções de densidade de probabilidade para vários tipos de fluidos. Assim, mapas T2- D podem ser providos de modo preciso, robusto e eficiente. A metodologia proposta pode igualmente fornecer uma solução mais ótima em muitos casos. Além disso, há uma flexibilidade maior, porque as distribuições T2 e de difusão, bem como a função de densidade de probabilidade, podem ser regularizadas explícita e independentemente uma da outra e uma matriz de regularização constante de qualquer forma (por exemplo, zero, primeira, ou segunda ordem), pode ser usada embora ainda preservando a linearidade do problema, permitindo um nível maior de confiança quantitativa de tipificação de fluido.

O mecanismo proposto evita, igualmente, usar compressão de dados e a complicação adicional da solução ser dependente do limiar de quantidade de condições selecionadas. O tamanho do problema é reduzido no espaço das variáveis independentes originais com uma abordagem seqüencial da solução, que é toda ela linear, reduzindo a intensidade computacional. O efeito desta redução é que a função de densidade de probabilidade desconhecida é pré-condicionada e ruído dos dados é eliminado do espaço de solução do problema linear final.

Os desenhos anexos que fazem parte deste, mostram, como ilustração, e não como limitação, modos de realização específicos nos quais a presente invenção pode ser praticada. Os modos de realização ilustrados estão descritos com detalhe suficiente para permitir que aqueles peritos na técnica pratiquem os ensinamentos aqui apresentados. Outros modos de realização podem ser utilizados e derivados desta, de modo que substituições e mudanças estruturais e lógicas podem ser feitas sem fugir do escopo desta apresentação. Portanto, esta Descrição Detalhada, não deve, conseqüentemente, ser considerada em um sentido limitativo, e o escopo de vários modos de realização é definido apenas pelas reivindicações anexas, junto com a gama completa e equivalentes aos quais estas reivindicações sejam merecedoras

Estes modos de realização da presente invenção podem ser aqui referidos, individual e/ou coletivamente, pelo termo invenção meramente para a conveniência e sem pretender limitar voluntariamente o escopo deste pedido a qualquer invenção única ou conceito de invenção se, mais de um, de fato, for apresentado. Assim, embora modos de realização específicos estejam, aqui, ilustrados e descritos, deveria ser apreciado que qualquer arranjo calculado para conseguir a mesma finalidade pode ser substituído pelos modos de realização específicos mostrados. Esta apresentação pretende cobrir qualquer uma e todas as adaptações ou variações dos vários modos de realização. Combinações dos modos de realização acima e, outros modos de realização não descrito aqui especificamente, serão aparentes para aqueles peritos na técnica revisando-se a descrição acima.

O resumo da apresentação é provido para cumprir com a 37 C.F.R. §1.720(b), exigindo um resumo que permita que o leitor verifique rapidamente a natureza da divulgação técnica. E submetido com a compreensão de que não será usado para interpretar ou limitar o escopo ou o significado das reivindicações. Além disso, na descrição detalhada antecedente, pode ser visto que as várias características estão agrupadas, juntas, em um único modo de realização, com a finalidade de simplificar a apresentação. Este método de apresentação não deve ser interpretado como refletindo uma intenção de que os modos de realização reivindicados exijam mais características do que as expressamente relatadas em cada reivindicação. De preferência, como as reivindicações a seguir refletem, o objeto da invenção baseia-se em parte dos atributos de um único modo de realização apresentado desse modo. As reivindicações a seguir são aqui incorporadas na descrição detalhada, com cada reivindicação representando individualmente modo de realização separado.

Claims

1. Aparelho para tipificação de fluido, caracterizado pelo fato de incluir: lógica de aquisição para adquirir dados representando uma pluralidade de trens de eco de ressonância magnética nuclear (RMN) associada com um material; processar a lógica para inverter um modelo de pelo menos um dentre a pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal, inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada de constantes de tempo de relaxamento transversal para prover uma distribuição de difusão estimada, e para inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando regularização de forma quadrática e as distribuições estimadas de constantes de tempo de relaxamento transversal e de difusão para prover pelo menos uma dentre uma função de densidade de probabilidade aparente e intrínseca, para identificar tipos de fluido dentro do material.

2. Aparelho de acordo com a reivindicação 1, caracterizado pelo fato de adicionalmente incluir: sensores de RMN para receber sinais associados com os dados.

3. Aparelho de acordo com a reivindicação 1, caracterizado pelo fato de adicionalmente incluir: uma memória para armazenar os dados.

4. Aparelho de acordo com a reivindicação 1, caracterizado pelo fato dos dados incluírem informação associada com espaçamento de eco longo e espaçamento de eco curto para a pluralidade de trens de eco de RMN.

5. Aparelho de acordo com a reivindicação 1, caracterizado pelo fato de adicionalmente incluir: um transmissor de telemetria para transmitir os dados para um computador de sobre-superfície.

6. Aparelho de acordo com a reivindicação 1, caracterizado pelo fato de adicionalmente incluir: um mostrador para apresentar representações visuais da função de densidade de probabilidade, da distribuição de constantes de tempo de relaxamento transversal, e da distribuição de difusão

7. Sistema para tipificação de fluido, caracterizado pelo fato de incluir: uma ferramenta de furo abaixo; lógica da aquisição, incluída na ferramenta de furo abaixo, para adquirir dados representando uma pluralidade de trens de eco de ressonância magnética nuclear (RMN) associada com um material; e lógica de processamento para inverter um modelo de pelo menos um dentre a pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal, inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada de constantes de tempo de relaxamento transversal para prover uma distribuição estimada de difusão, e para inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN, usando regularização de forma quadrática e as distribuições estimadas de constantes de tempo de relaxamento transversal e a difusão, para prover pelo menos uma dentre a função de densidade de probabilidade aparente e intrínseca para identificar o tipo de fluido dentro do material.

8. Sistema de acordo com a reivindicação 7, caracterizado pelo fato da lógica de processamento estar incluída na ferramenta de furo abaixo.

9. Sistema de acordo com a reivindicação 7, caracterizado pelo fato de adicionalmente incluir: um cabo de perfuração acoplado à ferramenta de furo abaixo.

10. Sistema de acordo com a reivindicação 7, caracterizado pelo fato de adicionalmente incluir: uma broca de perfuração acoplada mecanicamente a uma coluna de perfuração e à ferramenta de furo abaixo; e um mecanismo do direcionamento para direcionar a broca de perfuração em resposta à função de densidade de probabilidade.

11. Sistema de acordo com a reivindicação 10, caracterizado pelo fato, da coluna de perfuração incluir pelo menos um dentre tubulação de perfuração segmentada, revestimento, e tubulação embobinada.

12. Método para tipificação de fluido, caracterizado pelo fato de incluir: adquirir dados representando uma pluralidade de trens de eco da ressonância magnética nuclear (RMN) associados com um material; inverter um modelo de pelo menos um da pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal; inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada de constantes de tempo de relaxamento transversal para prover uma distribuição de difusão estimada; e inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN, usando regularização de forma quadrática e as distribuições estimadas de constantes de tempo de relaxamento transversal e de difusão, para prover pelo menos uma dentre uma função de densidade de probabilidade aparente e intrínseca para identificar o tipo de fluido dentro do material.

13. Método de acordo com a reivindicação 12, caracterizado pelo fato de adicionalmente incluir: selecionar, independentemente, pelo menos duas de uma distribuição de uniformidade de constantes de tempo de relaxamento transversal, de uma uniformidade de distribuição de difusão, e de uma uniformidade de função de densidade de probabilidade.

14. Método de acordo com a reivindicação 13, caracterizado pelo fato de adicionalmente incluir: ajustar a distribuição de uniformidade das constantes de tempo de relaxamento transversal, a uniformidade da distribuição de difusão, e a uniformidade da função de densidade de probabilidade para resolver os tipos de fluido.

15. Método de acordo com a reivindicação 12, caracterizado pelo fato de adicionalmente incluir: selecionar um número de valores discretos associados com a distribuição de constantes de tempo de relaxamento transversal e a distribuição de difusão para construir a função de densidade de probabilidade.

16. Método de acordo com a reivindicação 12, caracterizado pelo fato da pelo menos uma pluralidade de trens de eco de RMN ser caracterizada por um tempo de espaçamento de eco longo que seja, aproximadamente, igual a um tempo de espaçamento de eco curto.

17. Método de acordo com a reivindicação 12, caracterizado pelo fato do material compreender pelo menos üm fluido.

18. Método de acordo com a reivindicação 12, caracterizado pelo fato do material compreender fluidos dentro de uma formação geológica.

19. Método de acordo com a reivindicação 12, caracterizado pelo fato de compreender fluidos que tenham sido retirados de uma formação geológica.

20. Método de acordo com a reivindicação 12, caracterizado pelo fato de adicionalmente incluir: identificar os tipos de fluido usando pelo menos uma função de densidade de probabilidade aparente e intrínseca.

21. Método de acordo com a reivindicação 12, caracterizado pelo fato de adicionalmente incluir: quantificar volumes relativos associados com os tipos de fluidos usando a pelo menos uma função de densidade da probabilidade aparente e intrínseca.

22. Meio legível por computador, caracterizado pelo fato de ter instruções armazenadas no mesmo que, ao ser executado em um computador, faz com que o computador execute um método compreendendo: adquirir dados para uma pluralidade de trens de eco de ressonância magnética nuclear (RMN) associada com um material; inverter um modelo de pelo menos uma da pluralidade de trens de eco de RMN para prover uma distribuição estimada de constantes de tempo de relaxamento transversal; inverter modelos dentre os selecionados da pluralidade de trens de eco de RMN usando a distribuição estimada das constantes de tempo de relaxamento transversal para prover uma distribuição de difusão estimada; e inverter um modelo dentre os selecionados da pluralidade de trens de eco de RMN, usando regularização de forma quadrática e as distribuições estimadas de constantes de tempo de relaxamento transversal e de difusão para prover pelo menos uma função dentre uma densidade de probabilidade aparente e intrínseca, para identificar o tipo de fluido dentro do material.

23. Meio legível por computador de acordo com a reivindicação 22, caracterizado pelo fato das instruções, quando executadas pelo computador, fazer com que o computador execute um método compreendendo: adquirir os dados; e ajustar a conduta de uma atividade de operação de perfuração baseada na função de densidade de probabilidade substancialmente em tempo real.

24. Meio legível por computador de acordo com a reivindicação 22, caracterizado pelo fato das instruções, quando executadas pelo computador, fazer com que o computador execute um método compreendendo: determinar a contaminação de filtrado de lama de fluidos que estão sendo retirados de uma formação baseada na pelo menos uma função de densidade de probabilidade aparente e intrínseca.

25. Meio legível por computador de acordo com a reivindicação 22, caracterizado pelo fato das instruções, quando executadas pelo computador, fazer com que o computador execute um método compreendendo: adquirir os dados como uma porção de um processo de medição de amplitude modulada por difusão.