CN111612416A - 一种钻采船多任务协同监控系统与方法 - Google Patents
一种钻采船多任务协同监控系统与方法 Download PDFInfo
- Publication number
- CN111612416A CN111612416A CN202010367331.4A CN202010367331A CN111612416A CN 111612416 A CN111612416 A CN 111612416A CN 202010367331 A CN202010367331 A CN 202010367331A CN 111612416 A CN111612416 A CN 111612416A
- Authority
- CN
- China
- Prior art keywords
- data
- drilling
- fault
- equipment
- operation flow
- 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.)
- Pending
Links
Images
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Fuzzy Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明公开了一种钻采船多任务协同监控系统与方法,包括:数据采集模块,用于读取气象、钻井、动力定位各系统的实时数据;协同作业模块,用于实现作业过程中各系统的协同;协同监控故障诊断模块,用于根据读取各系统的实时数据中设备的状态数据进行推理分析,当设备状态数据与故障特征数据满足偏差要求时,判断设备发生了对应的故障;故障特征数据库,用于存储钻井、动力定位系统的故障特征阈值数据与对应的故障类型;可视化模块,用于对数据采集模块中的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上。本发明系统通过数据共享实现作业环节的配合和协同,有利于提高钻采作业的自动化和智能化水平。
Description
技术领域
本发明涉及智能控制技术,尤其涉及一种钻采船多任务协同监控系统与方法。
背景技术
钻采船多任务协同监控系统作为整个钻采船的管理和决策中枢,为大洋钻探和天然气水合物试采提供工艺规划、信息监控和作业管理等支持。钻采船作业过程涉及到钻井、平台、气象、动力定位、ROV(Remotely Operated Vehicle,无人遥控潜水器)以及甲板设备等系统,由于各系统相对独立导致“信息孤岛”效应,使各系统间的作业信息无法共享和利用,造成系统间配合和协同的困难。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种钻采船多任务协同监控系统与方法。
本发明解决其技术问题所采用的技术方案是:一种钻采船多任务协同监控系统,包括:
数据采集模块,用于建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取气象、钻井、动力定位各系统的实时数据;
协同作业模块,用于通过设置钻采作业流程模板并与当前作业状态进行对比,实现作业过程中各系统的协同;
其中,设置钻采作业流程模板具体如下:导入作业流程模板,对作业流程模板根据不同工况进行编辑操作获得当前作业流程模板,编辑操作包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型;并根据实际的作业进度对当前作业流程模板进行作业流程节点和各作业环节作业周期变化情况的实时更新;
协同监控故障诊断模块,用于根据读取各系统的实时数据中设备的状态数据进行推理分析,当设备状态数据与故障特征数据满足偏差要求时,判断设备发生了对应的故障;
还用于对故障信息进行统计分析,获得各系统出现故障的几率以及各系统某类故障出现的几率,形成各类故障的统计报告;
故障特征数据库,用于存储钻井、动力定位系统的故障特征阈值数据与对应的故障类型;
可视化模块,用于对数据采集模块中的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上。
按上述方案,所述协同监控故障诊断模块中,根据读取各系统的实时数据中设备的状态数据进行推理分析进行故障判断,具体如下:
根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时判断设备发生了对应的故障。
一种钻采船多任务协同监控方法,包括以下步骤:
步骤S01,建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取各系统的实时数据;
步骤S02,采集的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上;
步骤S03,对各系统的实时数据和故障特征参数进行对比,判断各系统的工作状态,若系统出现故障,对应的图形化界面进行报警提示;
步骤S04,对故障信息进行统计分析,计算各系统出现故障的几率;对各类型的故障进行统计分析,计算各系统某类故障出现的几率,形成各类故障的统计报告;
步骤S05,导入作业流程模板,对作业流程模板根据不同工况进行编辑操作获得当前作业流程模板,编辑操作包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型;并根据实际的作业进度对当前作业流程模板进行作业流程节点和各作业环节作业周期变化情况的实时更新;
步骤S06,对当前作业环节与当前作业流程模板作业环节进行对比,得到当前作业环节的进度、下一步的作业环节、子系统介入的类型和时间;
步骤S07,把当前作业环节和进度显示在主界面上,对进度滞后的环节进行提示;将下一步的作业环节推送至下一步作业环节对应的操作人员,将作业准备信息推送至所述待介入子系统的操作人员处。
按上述方案,所述步骤3)中判断各系统的工作状态,具体为:根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时判断设备发生了对应的故障。
本发明产生的有益效果是:
(1)实现了钻采船主要作业数据的集成与监控,对各系统的实时数据进行筛选得到各系统与运行安全相关的关键数据,并将关键数据以图形化的方式显示在同一界面上;建立了各系统的实时数据并综合分析,与建立的故障特征进行对比,判断各系统的工作状态;对发生的故障以图形界面方式进行闪烁和声音报警;保存故障信息,定期对故障信息进行统计分析,计算系统出现故障的几率;对各类型的故障进行统计分析,计算各系统某类故障出现的几率,形成各类故障的统计报告,并对统计报告进行打印。
(2)建立了钻探船多任务协同作业方法,根据钻井船钻采作业典型流程建立作业流程模板,可不同工况进行编辑,实时更新实际的作业进度,包括作业流程节点和各作业环节作业周期;对各作业环节与建立的作业流程模板进行对比,得到当前作业环节的进度、下一步的作业环节、子系统介入的类型和时间;把当前作业环节和进度显示在主界面上,对进度滞后的环节进行提示;将下一步的作业环节推送至下一步作业环节对应的操作人员,将作业准备信息推送至待介入子系统的操作人员处。
(3)建立了钻探船多任务协同监控故障诊断方法,存储各系统故障的主要特征参数以及故障的主要特征参数和对应的故障类型;根据故障的主要特征参数进行辨识和判断,利用模式识别方法得到各系统的故障类型;将推理得到的故障类型发布并给出备选的故障处置措施,推送至故障设备的操作人员,供操作人员选择执行。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种钻采船多任务协同监控方法,包括以下步骤:
步骤S01建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取各系统的实时数据;
步骤S02筛选各系统的实时关键数据,将关键数据以图形化的方式显示在同一界面上;
步骤S03对各系统的实时数据和故障特征参数进行对比,判断各系统的工作状态,若系统出现故障,对应的图形界面呈现红色并进行闪烁和声音报警;
判断各系统的工作状态,具体为:根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时认为设备发生了对应的故障。
如:
监控大钩负荷、转盘转速波动数据,当大钩载荷降低到一定阈值且转盘转速突然降低时,可判断出现卡钻故障;
监控泥浆池体积、泥浆密度,出口流量,泵冲数,当泥浆池体积增大超过阈值,泥浆密度减少,同样泵冲数条件下出口流量增加,可判断判断井涌事故;
监控泥浆池体积的变化率,并结合钻柱体积,当泥浆池体积的变化率超过阈值则判断是否发生井漏事故;
监控泵冲数,泥浆出、入口流量,当泵冲数一定,泥浆入口流量大于泥浆出口流量并超过阈值时,则可判断刺漏事故;
监控大钩悬重、扭矩和钻压的变化,当大钩悬重减小、扭矩增大、钻压减小到阈值时,则判断钻具掉落事故;
监控泵压、出口流量,当泵压增加且出口流量减小到阈值时,则判断堵水眼事故;
通过BOP(BlowOut Preventer,防喷器)控制系统监控储能压力环形压力、双闸板压力、管汇压力信息,当所述信息超过阈值,则判断BOP失效;
将判断的故障类型和故障处置措施推送至故障设备的操作人员,供操作人员选择执行。
步骤S04对故障信息进行统计分析,计算各系统出现故障的几率;对各类型的故障进行统计分析,计算各系统某类故障出现的几率,形成各类故障的统计报告。
步骤S05人工录入或按照规定的格式导入作业流程模板,对流程模板根据不同工况进行编辑,包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型。根据实际的作业进度进行实时更新作业流程节点和各作业环节作业周期变化情况;
作业流程模板是根据钻井船钻采作业典型流程,利用UML方法建立;
步骤S06对当前作业环节与作业流程模板作业环节进行对比。
步骤S07得到当前作业环节的进度、下一步的作业环节、子系统介入的类型和时间。
将下一步的作业环节推送至下一步作业环节对应的操作人员,将作业准备信息推送至所述待介入子系统的操作人员。接收所述推送信息的操作人员,根据信息提示进行作业或准备工作,并通过协同监控系统对当前作业状态进行更新。
子系统包括动力定位系统、钻采控制系统、隔水管系统和ROV系统;
如:
钻采船多任务协同作业根据井眼位置和ROV观测到的实际待下放设备的偏差信息推送至DP(Dynamic Positioning,动力定位)操作人员终端界面,动力定位操作人员根据偏差量将动力定位操作数据录入DP系统,实现坐放的协同联动;
作业过程中ROV系统根据当前作业环节和作业模板确定,介入的时间并提前做好动员准备工作;
动力定位系统根据气象信息提供的浪高、流向、流速数据,计算钻井船移动的方向和速度;预测极端工况下隔水管紧急脱离的时间,并将所述紧急脱离时间发送给动力定位操作员;
钻采船多任务协同作业可以根据钻井水深、井身结构和历史数据,计算得到初步的钻井周期;
钻采船多任务协同作业还可以实现对作业过程时间和流程的规划,根据已有的历史数据结合气象信息计算初步的作业周期;若遇突发情况则动态调整作业周期,并能结合气象信息给出初步的作业窗口;
钻采船多任务协同作业根据经济航速计算初步的航行时间,结合所述作业周期计算需要的淡水、食物的携带量;
根据作业类型和作业周期统计计算所需的作业工具、散料、油料的需求量,并根据使用情况进行动态计算,若所述的作业工具、散料、油料出现即将不足的情况,自动发送采购或供给计划提醒;
钻采船多任务协同作业在取心作业协同中,首先将取心顺序、钻井深度等信息进行编码和存储,通过自动编码系统对岩心进行编码标识,并将标识黏贴到对应岩心上;岩心输送系统根据所需分析的任务类型,自动输送至对应部分,并将相关信息发送至对应分析人员的终端界面;岩心分析结束后,作业协同系统将相关信息保存至数据库,并结合岩心编码和仓库管理系统信息将岩心输送至对应存储单元加以保存。
钻采船多任务协同作业可以实现钻井液船岸系统配置会商,实现钻井液的船岸一体化音视频通讯,船岸专家可以同时共享钻井液参数及样品的数据及视频信息,协作完成钻井液的配置试验;
步骤S08把当前作业环节和进度显示在主界面上,对进度滞后的环节进行提示;将下一步的作业环节推送至下一步作业环节对应的操作人员,将作业准备信息推送至所述待介入子系统的操作人员处。
根据上述方法,我们容易得到对应的钻采船多任务协同监控系统,包括:
数据采集模块,用于建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取气象、钻井、动力定位各系统的实时数据;
协同作业模块,用于通过设置钻采作业流程模板并与当前作业状态进行对比,实现作业过程中各系统的协同;
其中,设置钻采作业流程模板具体如下:导入作业流程模板,对作业流程模板根据不同工况进行编辑操作获得当前作业流程模板,编辑操作包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型;并根据实际的作业进度对当前作业流程模板进行作业流程节点和各作业环节作业周期变化情况的实时更新;
协同监控故障诊断模块,用于根据读取各系统的实时数据中设备的状态数据进行推理分析,当设备状态数据与故障特征数据满足偏差要求时,判断设备发生了对应的故障;
根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时判断设备发生了对应的故障;
还用于对故障信息进行统计分析,获得各系统出现故障的几率以及各系统某类故障出现的几率,形成各类故障的统计报告;
故障特征数据库,用于存储钻井、动力定位系统的故障特征阈值数据与对应的故障类型;
可视化模块,用于对数据采集模块中的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上。
本发明钻采船多任务协同监控系统及方法通过建立业务流程与钻采船气象、姿态、钻井、动力定位等系统间的数据共享机制,读取各系统的实时作业状态信息,并结合作业流程信息,实现作业环节的配合和协同,提高钻采作业的自动化、科学化和智能化水平。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种钻采船多任务协同监控系统,其特征在于,包括:
数据采集模块,用于建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取气象、钻井、动力定位各系统的实时数据;
协同作业模块,用于通过设置钻采作业流程模板并与当前作业状态进行对比,实现作业过程中各系统的协同;
其中,设置钻采作业流程模板具体如下:导入作业流程模板,对作业流程模板根据不同工况进行编辑操作获得当前作业流程模板,编辑操作包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型;并根据实际的作业进度对当前作业流程模板进行作业流程节点和各作业环节作业周期变化情况的实时更新;
协同监控故障诊断模块,用于根据读取各系统的实时数据中设备的状态数据进行推理分析,当设备状态数据与故障特征数据满足偏差要求时,判断设备发生了对应的故障;
还用于对故障信息进行统计分析,获得各系统出现故障的几率以及各系统某类故障出现的几率,形成各类故障的统计报告;
故障特征数据库,用于存储钻井、动力定位系统的故障特征阈值数据与对应的故障类型;
可视化模块,用于对数据采集模块中的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上。
2.根据权利要求1所述的钻采船多任务协同监控系统,其特征在于,所述协同监控故障诊断模块中,根据读取各系统的实时数据中设备的状态数据进行推理分析进行故障判断,具体如下:
根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时判断设备发生了对应的故障。
3.一种钻采船多任务协同监控方法,其特征在于,包括以下步骤:
步骤S01,建立与气象、钻井、动力定位系统自有数据库间的访问链路,读取各系统的实时数据;
步骤S02,采集的各系统的实时数据进行筛选获得关键数据,将关键数据以图形化的方式显示在同一界面上;
步骤S03,对各系统的实时数据和故障特征参数进行对比,判断各系统的工作状态,若系统出现故障,对应的图形化界面进行报警提示;
步骤S04,对故障信息进行统计分析,计算各系统出现故障的几率;对各类型的故障进行统计分析,计算各系统某类故障出现的几率,形成各类故障的统计报告;
步骤S05,导入作业流程模板,对作业流程模板根据不同工况进行编辑操作获得当前作业流程模板,编辑操作包括:删减作业流程节点、调整作业流程节点次序、设定作业流程各节点作业周期、设定作业过程中子系统介入的时间和类型;并根据实际的作业进度对当前作业流程模板进行作业流程节点和各作业环节作业周期变化情况的实时更新;
步骤S06,对当前作业环节与当前作业流程模板作业环节进行对比,得到当前作业环节的进度、下一步的作业环节、子系统介入的类型和时间;
步骤S07,把当前作业环节和进度显示在主界面上,对进度滞后的环节进行提示;将下一步的作业环节推送至下一步作业环节对应的操作人员,将作业准备信息推送至所述待介入子系统的操作人员处。
4.根据权利要求3所述的钻采船多任务协同监控方法,其特征在于,所述步骤3)中判断各系统的工作状态,具体为:根据历史数据和历史故障类型,利用神经网络和模式识别方法构建了设备故障的推理机制,根据读取的设备的状态数据进行推理分析,当设备状态数据与特征数据满足偏差要求时判断设备发生了对应的故障。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367331.4A CN111612416A (zh) | 2020-04-30 | 2020-04-30 | 一种钻采船多任务协同监控系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010367331.4A CN111612416A (zh) | 2020-04-30 | 2020-04-30 | 一种钻采船多任务协同监控系统与方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111612416A true CN111612416A (zh) | 2020-09-01 |
Family
ID=72199294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010367331.4A Pending CN111612416A (zh) | 2020-04-30 | 2020-04-30 | 一种钻采船多任务协同监控系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111612416A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113431496A (zh) * | 2021-05-31 | 2021-09-24 | 中国舰船研究设计中心 | 一种钻采船协同作业故障诊断及辅助决策方法 |
CN116934182A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 一种企业数据协同观测方法、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1555023A (zh) * | 2003-12-29 | 2004-12-15 | 大庆油田有限责任公司 | 一种岩心样品的处理方法 |
CN103679384A (zh) * | 2013-12-25 | 2014-03-26 | 武汉武船信息集成有限公司 | 一种工作流协同办公的方法 |
CN107886238A (zh) * | 2017-11-09 | 2018-04-06 | 金航数码科技有限责任公司 | 一种基于海量数据分析的业务流程管理系统及方法 |
CN109766396A (zh) * | 2018-12-12 | 2019-05-17 | 武汉盛华伟业科技股份有限公司 | 一种远程录井方法及系统 |
CN110516972A (zh) * | 2019-08-30 | 2019-11-29 | 哈尔滨工程大学 | 一种船舶出航与海上作业综合预报评估系统 |
CN110599034A (zh) * | 2019-09-12 | 2019-12-20 | 东营汉威石油技术开发有限公司 | 一种采油厂动态管理跟踪系统及其预警方法 |
-
2020
- 2020-04-30 CN CN202010367331.4A patent/CN111612416A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1555023A (zh) * | 2003-12-29 | 2004-12-15 | 大庆油田有限责任公司 | 一种岩心样品的处理方法 |
CN103679384A (zh) * | 2013-12-25 | 2014-03-26 | 武汉武船信息集成有限公司 | 一种工作流协同办公的方法 |
CN107886238A (zh) * | 2017-11-09 | 2018-04-06 | 金航数码科技有限责任公司 | 一种基于海量数据分析的业务流程管理系统及方法 |
CN109766396A (zh) * | 2018-12-12 | 2019-05-17 | 武汉盛华伟业科技股份有限公司 | 一种远程录井方法及系统 |
CN110516972A (zh) * | 2019-08-30 | 2019-11-29 | 哈尔滨工程大学 | 一种船舶出航与海上作业综合预报评估系统 |
CN110599034A (zh) * | 2019-09-12 | 2019-12-20 | 东营汉威石油技术开发有限公司 | 一种采油厂动态管理跟踪系统及其预警方法 |
Non-Patent Citations (8)
Title |
---|
任治军;任亚群;葛海明;: "信息化条件下的勘察外业质量管控模式研究", 电力勘测设计, no. 01, pages 43 - 46 * |
张伟;屈刚;杨军;吴波;左建川;: "玛湖油田集中钻井作业模式认识及实践" * |
张伟;屈刚;杨军;吴波;左建川;: "玛湖油田集中钻井作业模式认识及实践", 新疆石油科技, no. 01, pages 1 - 4 * |
王江萍;孟祥芹;鲍泽富;: "钻进参数实时监测与故障诊断技术" * |
王江萍;孟祥芹;鲍泽富;: "钻进参数实时监测与故障诊断技术", 钻采工艺, no. 01, pages 49 - 52 * |
王江萍;王怡;鲍泽富;: "钻井过程监测与实时故障诊断综述" * |
王江萍;王怡;鲍泽富;: "钻井过程监测与实时故障诊断综述", 石油矿场机械, no. 06, pages 15 - 19 * |
陈树春: "《海洋石油作业安全检查管理与实践》", 中国石油大学出版社, pages: 113 - 86 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113431496A (zh) * | 2021-05-31 | 2021-09-24 | 中国舰船研究设计中心 | 一种钻采船协同作业故障诊断及辅助决策方法 |
CN116934182A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 一种企业数据协同观测方法、系统及介质 |
CN116934182B (zh) * | 2023-09-19 | 2024-02-13 | 南方电网数字电网研究院股份有限公司 | 一种企业数据协同观测方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111612416A (zh) | 一种钻采船多任务协同监控系统与方法 | |
CN109779602A (zh) | 一种钻井工程智能安全风险预警方法及系统 | |
CN113431496A (zh) | 一种钻采船协同作业故障诊断及辅助决策方法 | |
TW202020887A (zh) | 智慧型預診斷與健康管理系統建模方法及其電腦程式產品 | |
Chernikov et al. | Application of artificial intelligence methods for identifying and predicting complications in the construction of oil and gas wells: problems and solutions | |
CN106200615B (zh) | 一种基于关联关系的轨道交通智能预警实现方法 | |
CN113062731A (zh) | 一种钻井井下复杂工况智能识别方法 | |
CN110795888A (zh) | 一种石油钻井风险预测方法 | |
CN114049893A (zh) | 一种基于空管语音识别的管制员违规操作监控与分析方法 | |
CN116187725A (zh) | 一种用于锻造自动线的锻造设备管理系统 | |
CN109594967A (zh) | 一种基于录井大数据的卡钻事故检测预警方法 | |
CN116843071A (zh) | 一种用于智慧港口的运输网络运行指数预测方法及装置 | |
CN111582603A (zh) | 基于多源信息融合的煤与瓦斯突出的智能预警方法 | |
CN115407712A (zh) | 一种钢厂液压站智慧维修保养系统及工作流程 | |
WO2023009027A1 (ru) | Способ и система для предупреждения о предстоящих аномалиях в процессе бурения | |
CN111612337A (zh) | 热网调度自动发令方法及自动发令系统 | |
CN116777085B (zh) | 基于数据分析和机器学习技术的煤矿水害预测系统 | |
CN114595872A (zh) | 一种自动化码头集装箱船的重点作业路预测方法 | |
CN116991915A (zh) | 一种绞吸挖泥船异常工况智能识别诊断方法 | |
CN110806859A (zh) | 基于机器学习的模块化钻探数据监测与设计系统 | |
CN113685166B (zh) | 一种钻井事故预警方法及系统 | |
US20230392498A1 (en) | Emissions estimations at a hydrocarbon operation location using a data-driven approach | |
CN114429253A (zh) | 一种钻井过程中智能提示邻井风险的方法及系统 | |
CN107798398A (zh) | 一种网络化决策支持与应急处置系统 | |
CN114961857A (zh) | 基于物联网的矿井神经网络感知与智能预警方法 |
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 |