CN107995983A - 用于钻井和完井操作的风险评估 - Google Patents

用于钻井和完井操作的风险评估 Download PDF

Info

Publication number
CN107995983A
CN107995983A CN201680026272.6A CN201680026272A CN107995983A CN 107995983 A CN107995983 A CN 107995983A CN 201680026272 A CN201680026272 A CN 201680026272A CN 107995983 A CN107995983 A CN 107995983A
Authority
CN
China
Prior art keywords
risk
nonproductive time
parameter
nonproductive
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680026272.6A
Other languages
English (en)
Other versions
CN107995983B (zh
Inventor
R·琼斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hartford Steam Boiler Inspection and Insurance Co
Original Assignee
Hartford Steam Boiler Inspection and Insurance Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hartford Steam Boiler Inspection and Insurance Co filed Critical Hartford Steam Boiler Inspection and Insurance Co
Priority to CN202210358497.9A priority Critical patent/CN115345409A/zh
Publication of CN107995983A publication Critical patent/CN107995983A/zh
Application granted granted Critical
Publication of CN107995983B publication Critical patent/CN107995983B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B41/00—Equipment or details not covered by groups E21B15/00 - E21B40/00
    • E21B41/0092—Methods relating to program engineering, design or optimisation
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/08—Measuring diameters or related dimensions at the borehole
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
    • E21B2200/20—Computer models or simulations, e.g. for reservoirs under production, drill bits
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B2200/00—Special features related to earth drilling for obtaining oil, gas or water
    • E21B2200/22—Fuzzy logic, artificial intelligence, neural networks or the like
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B44/00—Automatic control systems specially adapted for drilling operations, i.e. self-operating systems which function to carry out or modify a drilling operation without intervention of a human operator, e.g. computer-controlled drilling systems; Systems specially adapted for monitoring a plurality of drilling variables or conditions
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B47/00—Survey of boreholes or wells
    • E21B47/26—Storing data down-hole, e.g. in a memory or on a record carrier
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C10/00—Computational theoretical chemistry, i.e. ICT specially adapted for theoretical aspects of quantum chemistry, molecular mechanics, molecular dynamics or the like

Abstract

提供了一种用于评估完井风险的方法、装置和系统，包括：使用输入接口(104)获得用于一个或多个计划运行的转盘以下小时和多个井场参数；使用至少一个处理器(102)基于所述井场参数确定与一个或多个计划运行对应的一个或多个非生产时间值；使用至少一个处理器(102)经由一个或多个蒙特卡罗试验产生非生产时间分布和转盘以下分布；以及使用图形显示器(106)基于来自转盘以下的总BRT小时和从一个或多个蒙特卡罗试验产生的非生产时间分布输出风险转移模型结果。

Description

用于钻井和完井操作的风险评估
相关申请的交叉参考
本申请要求2015年3月6日提交的、名称为“RISKASSESSMENT FOR DRILLING ANDWELL COMPLETION OPERATIONS”的美国临时专利申请系列号62/129,615的权益和优先权权益，其公开内容整体并入本文。
与联邦政府资助的研究或开发有关的声明
无可应用
附加微缩胶片参考
无可应用
技术领域
本发明通常涉及使用风险转移模型(RTM)基于来自作业人员的产品和服务提供的故障的结果确定和预测风险。特别地但是非限制地，本发明的实施方式包括基于多种参数(例如，非生产时间(NPT))定量地评估钻井和完井的风险和稳定性。
背景技术
在石油和天然气工业中，钻井和完成烃井包括钻井和其他操作的复杂过程。在完成烃井时，钻井作业人员通常会在井筒内运行各种井下监测设备，以很好地提高完井有效性并盈利。经常在完井时，钻井作业人员必定会遵守严格的时间线，并可以使用多种性能指标来衡量他们的绩效。在许多情况下，为了保持盈利，钻井作业人员可能需要在设计的时间线之前超过性能指标和/或完井。例如，可以在性能指标非生产时间或NPT上评估钻井作业人员。在某些情况下，如果完井的总NPT时间超过规定的阈值，钻井作业人员可能需要支付与过量NPT造成的损害相当的罚款。或者，对于相同的完井作业，如果总NPT时间低于指定的阈值，钻井作业人员可以获得奖金补偿。因此，需要很多创新和改进来准确衡量NPT和/或其他性能参数，并评估完井风险。
发明内容
以下呈现所公开主题的简化概述，以便提供对本文公开的主题的一些方面的基本理解。该概述不是本文公开的技术的详尽综述。它并非旨在识别本发明的重点或关键要素或者描绘本发明的范围。其唯一目的是以简化形式呈现一些概念，作为稍后讨论的更详细描述的序言。
在一个实施例中，一种用于评估完井的风险的方法，包括：使用输入接口获得用于一个或多个计划运行的转盘以下小时和多个井场参数；使用至少一个处理器基于井场参数确定与所述一个或多个计划运行对应的一个或多个非生产时间值；使用至少一个处理器经由一个或多个蒙特卡罗试验产生非生产时间分布和转盘以下分布；以及使用图形显示器基于来自转盘以下的总BRT小时和从所述一个或多个蒙特卡罗试验产生的所述非生产时间分布输出风险转移模型结果。
在另一个实施例中，一种用于使用风险转移模型从钻井操作估计实际停机时间的装置，包括：非暂时性存储器；耦接到非暂时性存储器的处理器，其中，所述处理器获得存储在非暂时性存储器上的计算机可执行指令，所述计算机可执行指令在由处理器执行时使装置执行以下操作：经由输入接口接收与多个计划运行对应的多个场参数；基于场参数确定每个计划运行的非生产时间风险；使用一个或多个蒙特卡洛试验生成总的非生产时间风险；以及经由用户接口输出总的非生产时间风险，其中，蒙特卡罗试验的数量经由输入接口接收。
在另一实施例中，一种系统，包括：输入接口；用户接口；耦接输入接口和用户接口的处理器，其中，所述处理器接收存储在存储器上的计算机可执行指令，所述计算机可执行指令在由处理器执行时引起以下操作：经由输入接口接收与多个计划运行对应的多个场参数；基于场参数确定每个计划运行的非生产时间风险；使用一个或多个蒙特卡洛试验生成总的非生产性时间风险；以及经由用户接口输出总的非生产时间风险，其中蒙特卡罗试验的数量经由输入接口接收。
附图说明
为了更全面地了解本公开，现在结合附图和详细描述参考以下简要描述，其中相同的附图标记表示相同的部分。
图1是RTM处理系统的实施例的示意图；
图2示出了在RTM处理系统上的显示的RTM的实施例；
图3示出了RTM使用的“国家RM”选项卡；
图4示出了按年份、位置、陆地和海上的NPT事件频率、严重度和风险的实施例；
图5示出了针对22次计划运行利用10000次蒙特卡洛(Monte Carlo)试验运行RTM的实施例；
图6示出了具有规定的时间免赔额的完井时间风险的实施例；
图7示出了基于图5的修改的分布的实施例，其显示了来自图6的10小时NPT免赔额；
图8示出了具有规定的时间免赔额和时间上限的完井时间风险的实施例；
图9示出了基于图5的更新的分布的实施例，其显示了钻井作业人员正保留的风险暴露；和
图10示出了完井时间风险何时大于时间上限的实施例。
虽然将结合本文所示的优选说明性实施例描述某些实施例，但是应当理解，其并不意图将本发明限于那些实施例。相反，旨在涵盖可以包括在由随后的非临时专利申请中提出的权利要求限定的本发明的精神和范围内的所有替代、修改和等同物。在不按比例绘制的附图中，在整个说明书和附图中对于具有相同结构的部件和元件使用了相同的附图标记，并且有上撇符号的附图标记用于与具有相同的没有上撇符号的附图标记的那些部件和元件具有相似功能和构造的部件和元件。
具体实施方式
应当理解，尽管下面提供了一个或多个实施例的说明性实施方式，但是可以使用本领域普通技术人员已知的任何数量的技术来实现各种具体实施例。本公开不应限于下面示出的说明性实施例、附图和/或技术，包括本文所示和描述的示例性设计和实施方式。此外，本公开可以在所附权利要求的范围内及其等同物的全部范围内进行修改。
本文中的公开是各种示例性实施例，其产生和实现定量RTM，该定量RTM考虑了各种各样的井场特性，其包括但不限于钻井时间、位置、使用的井下工具、钻井的距离和井况。RTM可以标准化关键性能指标，该关键性能指标可以用于区分钻井作业人员在市场上的产品和服务。RTM可以包括NPT参数，其指示来自(多个)钻井作业人员的产品或服务提供的井故障。在评估钻井作业人员NPT绩效时，可以省略其他井故障，例如，在规范外操作的故障、不受(多个)钻井作业人员影响的非产品或服务提供、产品相关通知和内部产品功能故障。
在一个实施例中，RTM可以用于设置和定价保险结构和投保限额。例如，RTM可以在钻井作业投标中提供更多的竞争优势，促进钻井作业的持续性能改进，并生成可由油田人员进行财务解释和测量的操作性关键性能指标。
图1是RTM处理系统100的实施例的示意图，其可对应于计算机和/或任何其他计算设备(例如工作站、服务器、大型机、超级计算机和/或数据库)或可以是其一部分。RTM处理系统100包括处理器102，其也可以被称为中央处理器单元(CPU)。处理器102可以(例如经由系统总线)与RTM处理系统100内的其他部件(例如，输入接口104、输出接口106和/或存储器108)通信和/或向其提供指令。在一个实施例中，处理器102可以包括用作数据的缓冲器和/或存储器的一个或多个多核处理器和/或存储器(例如，高速缓冲存储器)。换句话说，处理器102可以是一个或多个其他处理部件的一部分，例如，专用集成电路(ASIC)、现场可编程门阵列(FPGA)和/或数字信号处理器(DSP)。尽管图1示出了处理器102可以是单个处理器，但是处理器102不受此限制，并且反而可代表多个处理器。处理器102可以被配置为实现本文所述的任何方法。
图1示出了处理器102可以操作性地耦接到一个或多个输入接口104以及一个或多个输出接口106，所述一个或多个输入接口104被配置为获得一个或多个井场的钻井数据，所述一个或多个输出接口106被配置为输出和/或显示模拟的RTM结果、输入的钻井数据和/或其他场钻井信息。输入接口104可以被配置为使用一个或多个通信协议经由电、光和/或无线连接获得钻井数据。在一个实施例中，输入接口104可以是包括经配置以经由网络接收和/或发送数据的多个端口的网络接口。特别地，网络可以经由有线链路、无线链路和/或逻辑链路来传送钻井数据。输入接口104的其他示例可以包括键盘、鼠标、通用串行总线(USB)接口、CD-ROM、DVD-ROM和/或屏幕上输入设备(例如，屏幕上键盘)。输出接口206可以包括但不限于图形显示器(例如，监视器和显示屏幕)、用户接口和/或用于连接到被配置为产生生成结果的硬拷贝的打印设备的接口。
另外，图1还示出了存储器108可以操作性地耦接到处理器102。存储器108可以是被配置为存储各种类型的数据的非暂时性介质。例如，存储器108可以包括一个或多个存储器设备，所述一个或多个存储器设备包括辅助存储器、只读存储器(ROM)和/或随机存取存储器(RAM))。辅助存储器通常包括一个或多个磁盘驱动器、光驱动器、固态驱动器(SSD)和/或磁带驱动器，并且用于数据的非易失性存储。在某些实例中，如果分派的RAM不够大到容纳所有工作数据，则辅助存储器可用于存储溢出数据。辅助存储器也可以用于存储当程序，在所述程序被选择以执行时所述程序被加载到RAM中。ROM用于存储指令，并且可能用于存储在程序执行期间被读取的数据。ROM是非易失性存储器件，相对于次级存储器的较大存储器容量其通常具有小的存储器容量。RAM用于存储易失性数据，并可能存储指令。
如图1所示，存储器108可以用于容纳用于执行本文所述的各种实施例的指令。在实施例中，存储器108可以包括可由处理器102访问和实现的RTM模块110。备选地，RTM模块110可以在嵌入在处理器202(例如，高速缓存存储器)中的存储器内被存储和访问。具体地，RTM模块110可以接收与一个或多个井的场参数相关的各种输入信息，并量化与未来的完井相关联的风险。RTM分析可以包括将获取的原始钻井数据转换为新的数据库，在该新的数据库中将实际运行数据相加以产生新的数据集，在该新的数据集中每个记录是计划运行。
在评估和量化风险时，对于井建设的风险暴露的单元可以被识别为“计划运行”。术语“计划运行”在整个本公开中被定义成钻井作业者计划如何钻井。“计划运行”可以构成特定的孔尺寸、钻井的长度、狗腿(用于定向钻井)和底孔组件。例如，由于不同的孔或管道尺寸，用于完井的钻井操作平均可以有约5次计划运行。实际运行对应于钻井作业人员在钻井时必须实际插入和移除工具管柱(tool string)的实例的数量。通常，对于估计有大约5次计划运行的工作，钻井作业可能平均超过20次实际运行。在实践中，由于设备故障和可能要求钻井作业人员停止钻井并将工具管柱拉出井孔的各种其他情况，编辑比“计划运行”更多的实际运行。
非生产时间延长钻井周期，但不包括或确定所有实际钻井时间。井设计人员可以利用先前的场钻井经验和模拟来估计如果钻井周期具有大约零NPT，则每个计划运行在实际的时间内将花费多少时间。计划运行的估计时间在整个公开内容中被称为转盘以下(BRT)小时。换句话说，BRT小时是钻井作业人员可能需要多长时间完成钻井的估计，其不仅包括纯粹的钻井时间，还包括跳闸和测井时间。NPT通过将NPT风险分布加到计算的BRT小时来延长钻井周期，以确定钻井的总时间，该总时间包括工具故障的时间。即使RTM分析基于NPT，BRT小时也可能是RTM的模型输出变量。BRT确定中的不确定性通过RTM分析来解决，并将在本公开的后面进行讨论。受影响的产品或服务提供(PSDI)的非生产时间可以被用作钻井作业中的主要风险变量之一。
BRT分布对于来自钻井作业人员的客户的投标可能很重要。投标可以基于钻取特定数量的井的时间而不是通过单独的运行参数。在一个实施例中，BRT分布可以是对于完井方程的时间的主要(并且最复杂的)部分。在其他实施例中，可以使用RTM来分析和考虑井的其它元素，例如完井(封隔器和衬管设置)和人工举升(泵送)。
在一个实施例中，RTM可以包括四个基于场的精算变量：孔尺寸(英寸)、钻井深度(英尺(ft.))、钻井长度(ft.)和最大狗腿。孔尺寸可以是基于合同条款的直接测量和/或关于待钻井为井的孔的尺寸的实施计划。钻井深度可以被计算为井的当前最大深度，钻井距离可以对应于钻井长度，并且可以以度/100英尺表示的狗腿可以参考计划运行的最大方向变化。可以选择基于场的精算变量，因为它们的物理性质使得它们相对容易测量，并且也可以将基于场的精算变量选择作为可以被显示出影响NPT风险的变量。每个变量可以以反映工程暴露和数据可用性以适当地代表风险特征的方式分类。例如，表1示出了可用于RTM分析的类别定义的示例实施例：
表1
可以根据井场的场特性来添加其他变量或修改类别标准。包括在RTM中的变量和类别标准可以用于生成具有合适的数据群体的NPT事件频率、严重度和风险，以便提供所需的统计学意义。
RTM的基本钻井信息可以通过“计划运行”来计算。在一个实施例中，用户或分析者可以输入针对计划的BRT小时的原始钻井数据、孔尺寸、最大深度、钻井长度、狗腿类别和用于每个计划运行的井底组件配置。在另一个实施例中，原始钻井数据可以从一个或多个预先存在的数据文件导入和/或下载。输入和/或获得的数据可以用于具有多个计划运行或者被计划为针对若干井执行的运行的单口井。例如，在英国打钻四口海上井的项目计划可以如表2中所示。
表2
随后，RTM和/或用户可以将所获取的原始钻井数据转换成用在RTM数据库中的数据。图2示出了如何将原始数据转换和/或输入到RTM中的示例。如图2所示，RTM或用户基于获取的原始钻井数据仅在灰色部分中输入类别编号和其他数据。对于计划运行条目，相应的标签将在带有蓝色标题的列中自动完成，以提供正在输入的正确数据的目视检查。其他列被RTM用来访问用于输入的类别序列的对应的NPT事件频率和严重度分布。
如图2所示，RTM参数或变量包括为每个计划运行提供的孔尺寸、深度、钻井长度和井底组件数据。NPT事件频率可以是井底组件配置的直接函数。该组件的失败可能是NPT的起始原因。对于钻井和井建设，井底组件配置的故障的可能性可以推动NPT事件频率。可以计算NPT严重度，以包括孔尺寸、深度、钻井长度和最大狗腿的修正因子。这些因子被视为影响NPT风险的环境因子。NPT严重度可以是去除出故障的井底组件并重新插入新的井底组件所需时间的函数。从数据可以确定四个统计学上显著的分布，这将在下面更详细地讨论。它们被独立地分配到计划运行序列分布作为其孔尺寸、深度和钻井长度类别的函数。最大狗腿值可以代表作为孔尺寸和狗腿参数的函数的风险修正值。
NPT和BRT分布可以通过蒙特卡罗方法进行统计学研究，其中试验次数被用户作为输入参数提供。所属领域技术人员知道蒙特卡罗方法通常遵循确定可能输入的域的模式，从域上的概率分布随机生成输入，对输入执行确定性计算，并且聚合结果。特别针对NPT和BRT分布，首先对每个计划运行进行测试，以检查运行的井底组件的NPT故障事件的发生。在一个实施例中，测试结果可以表示为二进制，其中0用于无故障，1用于故障。然后可以将每个计划运行的NPT严重度分布乘以二进制频率函数，以计算计划运行NPT风险。然后可以通过因子来修改NPT风险值，以考虑特定孔尺寸、深度、钻井长度和最大狗腿值。产品可以是每次计划运行的风险调整的NPT风险值。在计算了每个计划运行之后，可以根据分析在运行的总集合上对NPT风险值求和，以计算一项蒙特卡洛试验的总NPT风险。该方法可以继续重复自身达到用户指定的很多次(例如，用户在输入屏幕上提供信息)，并且蒙特卡罗处理的统计分析形成输出结果的基础。总的BRT小时可以添加到NPT风险分布，以产生直接应用于完井时间的输出统计。
在一个实施例中，为了将确定的NPT风险转化为另一个可量化的风险(例如，财务风险)，可以在模型参考部分中定义矩阵，该模型参考部分将NPT的每小时的美元成本(或损失)引入作为孔尺寸、深度和钻井长度的函数。该信息由用户基于正在完成的井的价值输入。例如，可以为每个计划运行计算NPT时间和财务风险，并在所有计划运行上合计。然后可以将合计的NPT值添加到总BRT小时，以产生完井(或多个井)分布的总时间。
在一个实施例中，来自FTM的产生的输出统计可以不代表或考虑特定的本地操作条件。为了可用于为特定合同投标确保最低性能等级(API)，可以调整RTM以反映三个条件：(1)具体国家或区域；(2)陆地和海上井风险的分布；和(3)未来。
如图2所示的RTM允许约三个风险修正值来定制这些条件的结果。“位置”修正值可以是基于在RTM的“国家RM”选项卡中显示的数据的分析来计算的因子，其在图3中示出。参考图如图3所示，用户可以最初选择感兴趣的国家，并随后使用输入接口(例如，在运行按钮上点击)来更新RTM中的图。国家名称旁边的数字表示来自每个国家的总记录的百分比。该信息可以告知用户在每个国家中已经执行的数据或钻井活动的一般量，其隐含地涉及风险频率、严重度和风险结果的统计可靠性。
图表的横轴表示按照每个计划运行的NPT事件的数量测量的NPT事件频率。纵轴是NPT事件严重度：每个事件以小时计的平均NPT持续时间。图上的曲线是等风险轮廓。沿着每一行，频率和严重度的乘积都具有相同值。小方格示出了每个等风险轮廓的值。在图3中，深色虚线可以表示针对与所获取的原始数据(例如，从2006至2014-季度3)对应的特定时间范围在整个数据范围内的非USA平均值(对于钻井作业人员位于外部的井场)。这些点显示了所选国家(例如，图3中的英国)每年钻井作业人员的NPT频率、严重度和风险。
在图3中，每个点代表所选国家的年平均NPT表现。可以通过采用特定年份的风险值与总体平均值的比例(3.16)将一般计算结果定制到具体国家。例如，考虑国家风险修正因子来复制英国2006年的结果。2006年点的等风险轮廓可以通过将2006年坐标一起相乘或通过在显示的等风险轮廓之间的视觉插值来计算。在一个实施例中，RTM可以通过使用户将光标放置在感兴趣的点上来显示精确的坐标。在图3，坐标为26.6％和32.29，其产生8.56的等危险轮廓。2006年英国国家风险修正值可计算为8.56/3.16＝2.7。计算出的风险修正值可以是在RTM模块输入屏幕上输入的值，如图2中所示的国家风险修正值。对于2010年，风险修正值可以为约1.56/3.16或约0.5，而对于2014年，国家风险乘数可以为约1.0。
将RTM输出的信息趋向到未来可以包括超出以上在前讨论的算术运算生成的数据。图可以提供有关频率(一直左或右移动的点)、严重度(一直上或下移动的点)以及风险(一直对角移动的点)的历史趋势的信息。为了生成未来风险分数，外推频率、严重度和风险数据的趋势(或模式)，并应用与操作数据相关联的因子并让性能改进计划处于适当位置。例如，如果在适当位置存在健全的培训计划或全面的根本原因活动，那么用户可以应用该知识来输入，例如，未来的NTP将比今年的结果少25％。操作数据连同以专业图形格式呈现的基于风险的时间性能结果的使用提供了一种“实时”数据驱动的方法来估计未来的NPT性能。
可以从一个或多个数据库和本地操作报告中提取并格式化国家内的场特定信息，以便使其可以以RTM中的国家风险乘数所使用的频率-严重度格式呈现。可以应用与国家风险乘数发展相似的方法来计算场风险修正值。然后将场风险修正值因子乘以国家风险乘数，以将广义的模型结果调整到特定的国家和地区。在一个实施例中，一般模型结果可以结合陆地和海上NPT性能风险。在某些情况下，所获得的钻井数据可以不指定操作类型，并且因此，可以不将陆地和海上操作与数据集中的位置或国家分开。所获得的钻井数据可以指示大多数国家都是以一种类型的钻井为主，所以在大多数情况下，并且因而，计算国家(和地区)乘数可能足以将结果调整为实际性能。在其他实施例中，获取的钻井数据可以指定陆地和海上操作，并且可以与如上所述的国家风险和地区风险修正值相似地那样被计算和应用。
在一个实施例中，按如图4中所示的年份、位置、陆地和海上的NPT事件频率、严重度和风险可以包括趋势(或模式)信息，以帮助用户通过操作位置预测未来的NPT性能。RTM允许用户基于见解来调整一般结果，用户通过将基于风险的信息与用户的操作知识相结合而获得所述见解。默认情况下，将乘数设置为单位元素(unity)。如图2中所示，用户可以通过在输入数据屏幕上的陆地和海上单元中输入他们的选择来改变该因子。
输入数据屏幕的如图2所示的时间“趋势”单元是一个自由格式元素，其为用户构建成基于输入数据屏幕中列出的计划运行的未来钻井操作数据，将另一调整因子添加到广义的结果。时间“趋势”单元也可以用于先前讨论的场乘数。在此输入此值帮助记录运行值以供未来参考，以便增加用户对如何应用风险模型来预测未来NPT风险结果的理解。
广义的结果是根据输入数据屏幕中每条记录的随机分析计算的。每个记录“k”的NPT时间风险方程如方程(1)所示：
NPT时间风险(h，d，1，t)k＝Prob Fail(BHAk)*max{Sev(h，d，1)*Dogleg(h，r)，Severity Limit}*CR*SH*TR (1)
其中“h”表示孔尺寸类别，“1”表示钻井长度类别，“d”表示深度类别，“t”表示最大狗腿类别。此外，Prob Fail(BHAk)表示BHA对于计划运行“k”的BHA的故障的概率；Sev(h，d，1)表示分配给孔尺寸、深度和钻井长度类别的NPT时间严重度分布(例如，四分之一)；以及Dogleg(h，r)表示作为孔尺寸和变化率(turn rate)的函数的狗腿修正值；Severity Limit(严重度限制)表示用于所有计划运行严重度计算的单个NPT事件所允许的最大值；CR代表国家风险修正值；SH代表陆地/海上风险修正值；TR代表趋势风险修正值。
严重度限制可以在分析开始时输入一次，并可以应用到所有后续严重度计算。实际的严重度分布可以通过构造而未束缚于上侧。因此，它们可以产生NPT停机时间值，该NPT停机时间值可能对于用户判断的正在建模的实际情况相对较大。例如，假设对于特定的计划运行，钻井作业人员的实际操作数据(并且因此适用于该数据的分布)指示NPT事件时间可以超过30天。然而，基于根据分析的与特定井组相关联的数理逻辑数据和条件数据，可以进行用户选择以使用5天的任何单个运行的最大值。设定识别本地数理逻辑和操作环境数据的该上限是用户可以进行数据输入选择以将RTM定制到条件的特定集合的另一种方式。通过将严重度限制设置为相对较大的数(例如，约9,999)，用户可以利用通过由底层NPT严重度数据构建的分布产生的NPT值的完全变化。
在该实施方案中，NPT财务风险可包括附加项HourRate(h，d，1)到NPT时间风险，该NPT时间风险将NPT时间转换成财务成本，如方程2中所示：
NPT成本风险(h，d，1，t)k＝Prob Fail(BHAk)*max{Sev(h，d，1)*Dogleg(h，r)，Severity Limit}*CR*SH*TR*HourRate(h，d，1) (2)
在用于NPT财务风险分析的RTM中，针对每个孔尺寸、深度和钻井长度组合输入成本结构。因此，RTM通过钻井特征捕获非生产时间值。利用附加数据，RTM能够提供不同的估值方法来对完井计时。RTM的基本随机变量是在所有计划运行上相加的上述时间和成本方程。用于蒙特卡罗试验“j”的“N”计划运行上的总NPT时间和成本风险可以表示为：
这两个变量的统计结果构成风险管理和保险模型变量。由于目前财务分析公式化所必需的数据不完整，所以RTM的保险分析将仅针对时间变量进行描述。由于NPT延长了完井时间，因此我们将在模型的输入屏幕中计算出的总BRT小时添加到方程(3)，以产生实际的感兴趣变量：通过计划运行所描述的完成井所需要的时间的分布。BRT松弛百分比是用于该数目的不确定性的用户选择的输入。BRT小时加上百分比松弛量绘制在输出风险图上，以用于比较BRT不确定性与由模型计算产生的NPT不确定性。
BRT的不确定性可以不直接适用于保险分析。BRT小时的变化不必在钻井作业者的控制之下，因为地质、气候、客户要求以及若干其他因素都能够影响这个时间。然而，由于钻井作业人员的产品和服务的故障，钻井作业人员通常对进度延误负责。
保险分析
在一个实施例中，保险分析包含四个部分：(1)没有保险参数的完井时间风险；(2)具有规定的时间免赔额的完井时间风险；(3)具有规定的时间免赔额和时间上限的完井时间风险；和(4)大于时间上限的完井时间风险。所有部分都可以使用通用的输出格式，以便于与每个元素相关联的风险的共同理解。如图5中所示的格式可以根据保险环境进行修改。如图5中所示的保险模型特征可以基于图2中所描绘的计划运行示例。图2中所示的22个运行的集合是针对用于打钻约四口井的计划。实际的投标分析可以考虑明显或多或少的井，图2用于仅描述RTM功能。
对于没有保险参数部分的完井时间风险，该部分计算总BRT风险，而没有对于施加到BRT分布的任何局限。这些结果呈现出计划运行包含的总风险暴露。它形成了用于量化各种免赔额和上限(保险下限)的保险效果的基础。该分析的风险变量为方程(3)。图5示出了针对22个计划运行用10000次蒙特卡罗试验运行RTM。
在图5中，平均值和提出的百分位统计是风险管理决策的共同要素。图中的黑线描绘了作为累积分布函数的整个NPT风险分布。例如，与1540小时的BRT时间相关联的概率值有大约90％机会使总BRT小时将小于或等于1540小时或者10％机会使BRT将超过1540小时。加入BRT松弛以显示BRT小时的相对不确定性上限，其被计算为从NPT的BRT增加。该图可用于形成用于开发保险参数的基础，该保险参数产生由钻井作业人员保留的风险的期望水平和转移给保险公司的风险的量。下面将介绍其他图例部件。
图6示出了具有规定时间免赔额的完井时间风险。使用图5中的数据作为示例，假设客户愿意接受低于1520小时的中值的风险。如果BRT低于此阈值，则可以没有惩罚。如果BRT超过约1520小时，则服务提供方可能在财务应对超过1520小时的时间负责。如图6中所示，申请1520小时免赔额产生服务提供方在这种情况下承担的风险的结果。图6示出了服务提供方通过确保用22次计划运行打钻4口井的总BRT将小于或等于大约1520小时而承担的基于BRT，NPT的风险分布。图7示出了基于图5的修改的分布，其示出了来自图6的1520小时BRT免赔额。
图8示出了具有规定时间免赔额和时间上限的完井时间风险。图8中的绘图示出了大部分风险实际上针对大于1520小时的BRT小时，并且这是保险适用的地方。为了使服务提供方的风险暴露保持在一个可管理的水平，保险下限可以放置在1540小时。从图来看，可以有大约10％的机会使打钻4口井的总非生产时间将超过这个值。添加保险下限或服务提供方的风险假定上限产生图8中示出的绘图以及它们已经保留在1520和1540小时之间的风险暴露的统计结果。图9示出了基于图5的更新的分布，其示出了钻井作业人员正保留的风险暴露。在图9中，这被表示在蓝色和红色的垂直的实线之间。风险暴露被转移至保险公司，该保险公司位于红色垂直线的右侧。
图10示出了完井时间风险何时大于时间上限。分析的最后一部分显示了依据保险转移给保险公司的风险暴露。结果表明与经历超过大约1540的总BRT小时的NPT结果相关联的事件可以是低概率的。然而，相对较大的NPT(和因此相对较大的BRT小时)结果的可能性也确实存在。减轻这些低频率-高严重度事件可以是保险的目的。
将可执行指令编程和/或加载到存储器108和处理器102上以将RTM处理系统100转换成使用RTM的特定机器或设备是本领域公知的。例如，RTM处理系统100可以使用Microsoft中的宏命令来实现。通过将可执行软件加载到计算机中来实现指令、实时监控和其他功能可以通过公知的设计规则转换为硬件实现。例如，在软件实现概念与在硬件中实现概念之间的决定可以取决于多种设计选择，其包括设计的稳定性和待产生的单元数量以及从软件域到硬件域的转换中所涉及的问题。通常，可以以软件形式开发和测试设计，并且随后通过公知的设计规则将该设计转换为硬连接软件的指令的ASIC或专用硬件中的等效硬件实现。以与由新ASIC控制的、是特定机器或装置的机器相同的方式，同样已经编程和/或加载有可执行指令的计算机也可以被视为特定机器或装置。
公开了至少一个实施例，并且由所属领域技术人员做出的(多个)实施例和/或(多个)实施例的特征的变化、组合和/或修改在本公开的范围内。由实施例的组合、整合和/或省略的特征产生的替代实施例也在本公开的范围内。在明确声明数值范围或限制的情况下，这种明确范围或限制可被理解为包括落入明确声明的范围或限制内的相似幅度的迭代范围或限制(例如，从约1至约10包括2、3、4等；大于0.10包括0.11、0.12、0.13等)。除非另有声明，否则术语“约”的使用是指后续数字的±10％。
关于权利要求中的任何要素的术语“可选地”的使用意味着需要元素，或者备选地，不需要该元件，两种替代方案都在权利要求的范围内。较广义的术语(例如，包括和具有)的使用可以被理解为对较狭义的术语(例如，由......组成、基本上由......组成和基本上由......构成)提供支持。因此，保护范围不受上述说明的限制，而是由所附权利要求书定义，该范围包括权利要求的主题的所有等同物。每个权利要求作为进一步的公开内容并入说明书中，并且权利要求是本公开的实施例。
虽然在本公开中已经提供了若干实施例，但是可以理解，在不脱离本公开的精神或范围的情况下，所公开的实施例可以以许多其它具体形式来体现。本示例被认为是说明性的而不是限制性的，并且本发明并不限于本文给出的细节。例如，各种元件或部件可以组合或集成在另一系统中，或者某些特征可以被省略或不被实现。
此外，在不脱离本公开的范围的情况下，在各种实施例中描述和示出为分立或分离的各种实施例可以与其他系统、模型、技术或方法组合或集成。显示或讨论为耦接或直接耦接或彼此通信的其他术语可以通过某些接口、设备或中间部件间接耦接或通信，无论是电、机械还是其他方面。改变、替换和变更的其他示例可由所属领域技术人员确定，并且可以在不脱离本文公开的精神和范围的情况下进行。

Claims (20)

1.一种用于评估完井的风险的方法，包括：
使用输入接口获得用于一个或多个计划运行的转盘以下小时和多个井场参数；
使用至少一个处理器基于所述井场参数确定与所述一个或多个计划运行对应的一个或多个非生产时间值；
使用至少一个处理器经由一个或多个蒙特卡罗试验产生非生产时间分布和转盘以下分布；以及
使用图形显示器基于来自转盘以下的总BRT小时和从所述一个或多个蒙特卡罗试验产生的所述非生产时间分布输出风险转移模型结果。
2.根据权利要求1所述的方法，其中，蒙特卡洛试验的数量由用户作为输入参数提供。
3.根据权利要求1所述的方法，其中，所述非生产时间分布基于与所述一个或多个计划运行相关联的非生产时间严重度参数和非生产时间事件频率参数。
4.根据权利要求3所述的方法，其中，所述非生产时间事件频率参数是井底组件配置参数的函数。
5.根据权利要求3所述的方法，其中，所述非生产时间严重度是与所述一个或多个计划运行相关联的孔尺寸参数、深度参数、钻井长度参数和最大狗腿参数的函数。
6.根据权利要求3所述的方法，其中，用于每个计划运行的所述非生产时间严重度乘以二进制频率函数以计算所述非生产时间分布。
7.根据权利要求1所述的方法，其中，所述风险转移模型结果基于位置修正值因子来考虑特定国家或区域。
8.根据权利要求1所述的方法，其中，所述风险转移模型结果产生估计未来的非生产时间性能的未来风险评分。
9.根据权利要求1所述的方法，其中，所述风险转移模型包括陆地和海上非生产时间。
10.根据权利要求1所述的方法，其中，所述风险转移模型将所述风险转移模型结果从非生产性时间风险转换为财务风险。
11.一种用于使用风险转移模型从钻井操作估计实际停机时间的装置，包括：
非暂时性存储器；
耦接到所述非暂时性存储器的处理器，其中，所述处理器获得存储在非暂时性存储器上的计算机可执行指令，所述计算机可执行指令在由所述处理器执行时使所述装置执行以下操作：
经由输入接口接收与多个计划运行对应的多个场参数；
基于场参数确定每个计划运行的非生产时间风险；
使用一个或多个蒙特卡洛试验生成总的非生产时间风险；以及
经由用户接口输出所述总的非生产时间风险，
其中，蒙特卡罗试验的数量经由所述输入接口接收。
12.根据权利要求11所述的装置，其中，所述非生产时间风险基于与所述一个或多个计划运行相关联的非生产时间严重度参数和非生产时间事件频率参数。
13.根据权利要求12所述的装置，其中，所述非生产时间事件频率参数是井底组件配置参数的函数。
14.根据权利要求12所述的装置，其中，所述非生产时间严重度是与所述一个或多个计划运行相关联的孔尺寸参数、深度参数、钻井长度参数和最大狗腿参数的函数。
15.根据权利要求12所述的装置，其中，用于每个计划运行的非生产时间严重度乘以二进制频率函数以计算非生产时间分布。
16.根据权利要求11所述的装置，其中，所述非生产时间风险的结果基于位置修正值因子来考虑特定国家或区域。
17.根据权利要求11所述的装置，其中，所述非生产时间风险的结果包括陆地和海上非生产时间。
18.一种系统，包括：
输入接口；
用户接口；
耦接所述输入接口和所述用户接口的处理器，其中，所述处理器接收存储在存储器上的计算机可执行指令，所述计算机可执行指令在由所述处理器执行时引起以下操作：
经由输入接口接收与多个计划运行对应的多个场参数；
基于场参数确定每个计划运行的非生产时间风险；
使用一个或多个蒙特卡洛试验生成总的非生产性时间风险；以及
经由用户接口输出所述总的非生产时间风险，
其中蒙特卡罗试验的数量经由所述输入接口接收。
19.根据权利要求18所述的系统，其中，所述非生产时间风险基于与所述一个或多个计划运行相关联的非生产时间严重度参数和非生产时间事件频率参数。
20.一种如所示和所述的在执行某些井操作之前磁力检测井下管外部的设备的方法、系统和装置。
CN201680026272.6A 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估 Active CN107995983B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210358497.9A CN115345409A (zh) 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201562129615P 2015-03-06 2015-03-06
US62/129,615 2015-03-06
PCT/US2016/021105 WO2016144842A1 (en) 2015-03-06 2016-03-06 Risk assessment for drilling and well completion operations

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202210358497.9A Division CN115345409A (zh) 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估

Publications (2)

Publication Number Publication Date
CN107995983A true CN107995983A (zh) 2018-05-04
CN107995983B CN107995983B (zh) 2022-05-06

Family

ID=55661555

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202210358497.9A Pending CN115345409A (zh) 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估
CN201680026272.6A Active CN107995983B (zh) 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202210358497.9A Pending CN115345409A (zh) 2015-03-06 2016-03-06 用于钻井和完井操作的风险评估

Country Status (9)

Country Link
US (5) US20160260036A1 (zh)
EP (2) EP3265647B1 (zh)
CN (2) CN115345409A (zh)
BR (1) BR112017019151B1 (zh)
CA (1) CA2978897A1 (zh)
NO (1) NO20171564A1 (zh)
RU (2) RU2740695C2 (zh)
SA (1) SA517382238B1 (zh)
WO (1) WO2016144842A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11514527B2 (en) 2017-07-27 2022-11-29 The Hartford Steam Boiler Inspection And Insurance Company Computer systems and computer-implemented methods utilizing sensor-driven dynamically adjustable feedback loops to manage equipment based risk on an asset specific level of energy data usage
US11521278B2 (en) 2015-03-06 2022-12-06 The Hartford Steam Boiler Inspection And Insurance Company Method of predicting drilling and well operation

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110555674A (zh) * 2019-08-29 2019-12-10 森诺科技有限公司 一种油气田钻井现场智能安全管控系统
US11514383B2 (en) * 2019-09-13 2022-11-29 Schlumberger Technology Corporation Method and system for integrated well construction
US11585955B2 (en) 2021-05-20 2023-02-21 Saudi Arabian Oil Company Systems and methods for probabilistic well depth prognosis

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209866A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for visualization of qualitative and quantitative risk assessment based on technical wellbore design and earth properties
US20050209912A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method system and program storage device for automatically calculating and displaying time and cost data in a well planning system using a Monte Carlo simulation software
US20050209836A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device including an integrated well planning workflow control system with process dependencies
US20070199721A1 (en) * 2006-02-27 2007-08-30 Schlumberger Technology Corporation Well planning system and method
CN101583884A (zh) * 2006-02-24 2009-11-18 沙特阿拉伯石油公司 对测井数据的蒙特卡罗模拟
CN102007504A (zh) * 2007-11-10 2011-04-06 兰德马克绘图国际公司，哈里伯顿公司 工作流程自动化、自适应和集成的系统及方法

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IE910209A1 (en) * 1990-02-28 1991-09-11 Union Oil Co Drag analysis method
JP2002288435A (ja) 2001-03-27 2002-10-04 Mitsubishi Heavy Ind Ltd 機械設備保守料設定システム及び機械設備保険料設定システム
JP2004005371A (ja) 2002-03-29 2004-01-08 Hitachi Ltd 家電機器監視装置及び家電保守サービスシステム
US7653563B2 (en) * 2004-03-17 2010-01-26 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for automatic qualitative and quantitative risk assessment based on technical wellbore design and earth properties
CA2613817C (en) * 2005-07-27 2015-11-24 Exxonmobil Upstream Research Company Well modeling associated with extraction of hydrocarbons from subsurface formations
US8538865B2 (en) * 2005-08-19 2013-09-17 The Hartford Steam Boiler Inspection And Insurance Co. Method of determining prior net benefit of obtaining additional risk data for insurance purposes via survey or other procedure
US8224690B2 (en) * 2007-07-19 2012-07-17 Hsb Solomon Associates Graphical risk-based performance measurement and benchmarking system and method
US20110161133A1 (en) * 2007-09-29 2011-06-30 Schlumberger Technology Corporation Planning and Performing Drilling Operations
US7660673B2 (en) * 2007-10-12 2010-02-09 Schlumberger Technology Corporation Coarse wellsite analysis for field development planning
US8255816B2 (en) * 2008-01-25 2012-08-28 Schlumberger Technology Corporation Modifying a magnified field model
US20090234623A1 (en) * 2008-03-12 2009-09-17 Schlumberger Technology Corporation Validating field data
US7861800B2 (en) * 2008-10-08 2011-01-04 Schlumberger Technology Corp Combining belief networks to generate expected outcomes
EP2334903B1 (en) * 2008-10-14 2023-07-12 Schlumberger Technology B.V. System and method for online automation
US8600556B2 (en) 2009-06-22 2013-12-03 Johnson Controls Technology Company Smart building manager
US20120150570A1 (en) * 2009-08-20 2012-06-14 Ali Samad-Khan Risk assessment/measurement system and risk-based decision analysis tool
US8527249B2 (en) * 2010-02-23 2013-09-03 Halliburton Energy Services, Inc. System and method for optimizing drilling speed
US8473435B2 (en) * 2010-03-09 2013-06-25 Schlumberger Technology Corporation Use of general bayesian networks in oilfield operations
AU2012223466B2 (en) 2011-02-28 2015-08-13 Emerson Electric Co. Residential solutions HVAC monitoring and diagnosis
US9045967B2 (en) * 2011-07-26 2015-06-02 Schlumberger Technology Corporation System and method for controlling and monitoring a drilling operation using refined solutions from a panistic inversion
US20150178865A1 (en) 2011-09-20 2015-06-25 The Trustees Of Columbia University In The City Of New York Total property optimization system for energy efficiency and smart buildings
GB201204815D0 (en) * 2012-03-19 2012-05-02 Halliburton Energy Serv Inc Drilling system failure risk analysis method
WO2013162529A2 (en) * 2012-04-25 2013-10-31 Halliburton Energy Services, Inc. Systems and methods for anonymizing and interpreting industrial activities as applied to drilling rigs
US8812331B2 (en) 2012-04-27 2014-08-19 Richard B. Jones Insurance product, rating and credit enhancement system and method for insuring project savings
US20130341093A1 (en) * 2012-06-21 2013-12-26 Stuart Inglis Jardine Drilling risk avoidance
US9501799B2 (en) 2012-11-08 2016-11-22 Hartford Fire Insurance Company System and method for determination of insurance classification of entities
WO2014160561A1 (en) * 2013-03-28 2014-10-02 Schlumberger Canada Limited Automated rig activity report generation
EP3004535A4 (en) * 2013-05-29 2017-01-18 Landmark Graphics Corporation Compiling drilling scenario data from disparate data sources
US20140358592A1 (en) 2013-05-31 2014-12-04 OneEvent Technologies, LLC Sensors for usage-based property insurance
CN105637439B (zh) 2013-09-30 2019-07-09 施耐德电气美国股份有限公司 数据获取的系统和方法
RU2603980C1 (ru) * 2013-10-25 2016-12-10 Лэндмарк Графикс Корпорейшн Прогнозирование риска в реальном времени во время буровых работ
US10597981B2 (en) * 2013-10-25 2020-03-24 Landmark Graphics Corporation Drilling engineering analysis roadmap builder for hydrocarbon reservoir modeling
US10248920B2 (en) * 2013-11-13 2019-04-02 Schlumberger Technology Corporation Automatic wellbore activity schedule adjustment method and system
WO2015138131A1 (en) * 2014-03-11 2015-09-17 Exxonmobil Upstream Research Company Risk measure-based decision support tool for reservoir development
US9890616B2 (en) * 2014-03-12 2018-02-13 Landmark Graphics Corporation Horizontal well design for field with naturally fractured reservoir
US9957781B2 (en) * 2014-03-31 2018-05-01 Hitachi, Ltd. Oil and gas rig data aggregation and modeling system
US9803475B2 (en) * 2014-04-09 2017-10-31 Weatherford Technology Holdings, Llc System and method for integrated wellbore stress, stability and strengthening analyses
US10067482B2 (en) 2014-05-16 2018-09-04 Emerson Climate Technologies Retail Solutions, Inc. Menu and firmware management for equipment
US10861110B2 (en) * 2014-08-04 2020-12-08 Schlumberger Technology Corporation Collaborative system and method for performing wellsite tasks
EP3265647B1 (en) 2015-03-06 2021-02-24 Hartford Steam Boiler Inspection and Insurance Company Risk assessment for drilling and well completion operations
US20170011318A1 (en) 2015-07-09 2017-01-12 Johnson Controls Technology Company Automated monitoring and service provider recommendation platform for hvac equipment
US10410300B2 (en) 2015-09-11 2019-09-10 Johnson Controls Technology Company Thermostat with occupancy detection based on social media event data
JP6942239B2 (ja) 2017-07-27 2021-09-29 ハートフォード スチーム ボイラー インスペクション アンド インシュアランス カンパニー エネルギーデータ使用の資産固有レベルへの機器ベースのリスクを管理するべくセンサ駆動動的調整可能フィードバックループを利用するコンピュータシステム及びコンピュータ実装方法
CN111279050B (zh) * 2017-09-11 2023-01-17 吉奥奎斯特系统公司 井规划系统
US10590760B2 (en) * 2018-01-03 2020-03-17 Baker Hughes, A Ge Company, Llc Real-time monitoring of downhole dynamic events
US20200210954A1 (en) * 2018-12-31 2020-07-02 TraxID,LLC Heterogeneous Data Management Methodology and System

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050209866A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device adapted for visualization of qualitative and quantitative risk assessment based on technical wellbore design and earth properties
US20050209912A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method system and program storage device for automatically calculating and displaying time and cost data in a well planning system using a Monte Carlo simulation software
US20050209836A1 (en) * 2004-03-17 2005-09-22 Schlumberger Technology Corporation Method and apparatus and program storage device including an integrated well planning workflow control system with process dependencies
TW200614009A (en) * 2004-03-17 2006-05-01 Schlumberger Technology Corp Method and apparatus and program storage device adapted for visualization of qualitative and quantitative risk assessment based on technical wellbore design and earth properties
CN101583884A (zh) * 2006-02-24 2009-11-18 沙特阿拉伯石油公司 对测井数据的蒙特卡罗模拟
US20070199721A1 (en) * 2006-02-27 2007-08-30 Schlumberger Technology Corporation Well planning system and method
CN102007504A (zh) * 2007-11-10 2011-04-06 兰德马克绘图国际公司，哈里伯顿公司 工作流程自动化、自适应和集成的系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11521278B2 (en) 2015-03-06 2022-12-06 The Hartford Steam Boiler Inspection And Insurance Company Method of predicting drilling and well operation
US11514527B2 (en) 2017-07-27 2022-11-29 The Hartford Steam Boiler Inspection And Insurance Company Computer systems and computer-implemented methods utilizing sensor-driven dynamically adjustable feedback loops to manage equipment based risk on an asset specific level of energy data usage

Also Published As

Publication number Publication date
RU2019137652A (ru) 2020-01-20
RU2708301C2 (ru) 2019-12-05
US11521278B2 (en) 2022-12-06
CN115345409A (zh) 2022-11-15
US20180047116A1 (en) 2018-02-15
EP3265647A1 (en) 2018-01-10
CN107995983B (zh) 2022-05-06
WO2016144842A1 (en) 2016-09-15
EP3960983A1 (en) 2022-03-02
RU2740695C2 (ru) 2021-01-19
US20220195860A1 (en) 2022-06-23
US20220058547A1 (en) 2022-02-24
EP3265647B1 (en) 2021-02-24
US20230237594A1 (en) 2023-07-27
RU2017134737A (ru) 2019-04-05
NO20171564A1 (en) 2017-09-29
RU2017134737A3 (zh) 2019-06-14
CA2978897A1 (en) 2016-09-15
US20160260036A1 (en) 2016-09-08
BR112017019151A2 (pt) 2018-07-31
SA517382238B1 (ar) 2022-09-27
RU2019137652A3 (zh) 2020-11-05
BR112017019151B1 (pt) 2023-01-31

Similar Documents

Publication Publication Date Title
Dey et al. Planning for project control through risk analysis: a petroleum pipeline-laying project
US10671772B2 (en) Computer-implemented impact analysis of energy facilities
Feizizadeh et al. An uncertainty and sensitivity analysis approach for GIS-based multicriteria landslide susceptibility mapping
Sherrouse et al. Social Values for Ecosystem Services, version 3.0 (SolVES 3.0): documentation and user manual
CN107995983A (zh) 用于钻井和完井操作的风险评估
Zagonari et al. A heterogeneous multi-criteria multi-expert decision-support system for scoring combinations of flood mitigation and recovery options
Sutherland et al. Developing a systematic simulation-based approach for selecting indicators in strategic cumulative effects assessments with multiple environmental valued components
Cruickshank et al. Quantifying data quality in a citizen science monitoring program: False negatives, false positives and occupancy trends
Grasso et al. Risk analysis-driven design in tunnelling: the state-of-the-art, learnt from past experiences, and horizon for future development
Grantham et al. Modeling functional flows in California’s rivers
Silva-Lopez et al. Deep learning–based retrofitting and seismic risk assessment of road networks
El-Kholy et al. Prediction of simulated cost contingency for steel reinforcement in building projects: ANN versus regression-based models
Brisley et al. Techniques for valuing adaptive capacity in flood risk management
Steineder et al. Quantifying the Importance of Decisions and the Impact of Data Acquisition on Decisions in Hydrocarbon Field Re-Developments
Mata et al. Automated Reservoir Management Workflows to Identify Candidates and Rank Opportunities for Production Enhancement and Cost Optimization in a Giant Field in Offshore Abu Dhabi
Renschler et al. Implementing a process-based decision support tool for natural resource management-the GeoWEPP example
Tayeb et al. Automatic Simulation Data Update: A New Innovative Way to Expedite Historical Data Extension for Models
WO2024029453A1 (ja) 情報処理装置、情報処理方法、及びプログラム
Chee et al. Methodologies and Tools for Strategic Assessments under the EPBC Act 1999
Márquez et al. Overall Risk: An Effective Approach in Project Management and Decision Making
Gai A method to assess the value of intelligent wells
Farmer et al. Evaluation of models and data for assessing whooping crane habitat in the central Platte River, Nebraska
Pease Theory-guided data science: combining machine learning with domain expertise to predict springflow
Peixoto Filho et al. Machine Learning Applied on Fishing Occurrence Prediction
Abu Bakar et al. Improvement of the Upstream Project Valuation in Consideration of Abandonment Expenditure ABEX Uncertainties

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant