CN117980784A - 钻井作业摩擦框架 - Google Patents
钻井作业摩擦框架 Download PDFInfo
- Publication number
- CN117980784A CN117980784A CN202280063134.0A CN202280063134A CN117980784A CN 117980784 A CN117980784 A CN 117980784A CN 202280063134 A CN202280063134 A CN 202280063134A CN 117980784 A CN117980784 A CN 117980784A
- Authority
- CN
- China
- Prior art keywords
- data
- drilling
- drill string
- load
- model
- 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
- 238000005553 drilling Methods 0.000 title claims abstract description 297
- 238000000034 method Methods 0.000 claims abstract description 310
- 230000001419 dependent effect Effects 0.000 claims abstract description 10
- 230000015654 memory Effects 0.000 claims description 21
- 238000009877 rendering Methods 0.000 claims description 15
- 238000009987 spinning Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 76
- 244000007853 Sarothamnus scoparius Species 0.000 description 57
- 230000033001 locomotion Effects 0.000 description 44
- 239000012530 fluid Substances 0.000 description 36
- 238000013439 planning Methods 0.000 description 35
- 238000013459 approach Methods 0.000 description 34
- 230000000694 effects Effects 0.000 description 34
- 238000005259 measurement Methods 0.000 description 32
- 238000005520 cutting process Methods 0.000 description 26
- 238000013461 design Methods 0.000 description 23
- 238000001514 detection method Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 21
- 230000015572 biosynthetic process Effects 0.000 description 19
- 238000004364 calculation method Methods 0.000 description 19
- 238000005755 formation reaction Methods 0.000 description 19
- 238000010801 machine learning Methods 0.000 description 17
- 230000009471 action Effects 0.000 description 16
- 238000004458 analytical method Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 16
- 238000011156 evaluation Methods 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 15
- 239000011435 rock Substances 0.000 description 15
- 238000004088 simulation Methods 0.000 description 15
- 229910000831 Steel Inorganic materials 0.000 description 14
- 238000001914 filtration Methods 0.000 description 14
- 239000000463 material Substances 0.000 description 14
- 239000010959 steel Substances 0.000 description 14
- 238000012549 training Methods 0.000 description 14
- 239000010410 layer Substances 0.000 description 12
- 239000011159 matrix material Substances 0.000 description 12
- 241001415846 Procellariidae Species 0.000 description 11
- 230000010354 integration Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 241001061260 Emmelichthys struhsakeri Species 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 238000007726 management method Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000002829 reductive effect Effects 0.000 description 9
- 230000005484 gravity Effects 0.000 description 8
- 229930195733 hydrocarbon Natural products 0.000 description 8
- 150000002430 hydrocarbons Chemical class 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 7
- 230000003044 adaptive effect Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 238000003066 decision tree Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 5
- 238000003908 quality control method Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 239000004215 Carbon black (E152) Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 229910003460 diamond Inorganic materials 0.000 description 3
- 239000010432 diamond Substances 0.000 description 3
- 230000005251 gamma ray Effects 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000001503 joint Anatomy 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- UONOETXJSWQNOL-UHFFFAOYSA-N tungsten carbide Chemical compound [W+]#[C-] UONOETXJSWQNOL-UHFFFAOYSA-N 0.000 description 3
- WRRSFOZOETZUPG-FFHNEAJVSA-N (4r,4ar,7s,7ar,12bs)-9-methoxy-3-methyl-2,4,4a,7,7a,13-hexahydro-1h-4,12-methanobenzofuro[3,2-e]isoquinoline-7-ol;hydrate Chemical compound O.C([C@H]1[C@H](N(CC[C@@]112)C)C3)=C[C@H](O)[C@@H]1OC1=C2C3=CC=C1OC WRRSFOZOETZUPG-FFHNEAJVSA-N 0.000 description 2
- 238000005452 bending Methods 0.000 description 2
- 239000011230 binding agent Substances 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000000227 grinding Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 150000003839 salts Chemical class 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000003381 stabilizer Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- 208000035987 Body-Weight Trajectory Diseases 0.000 description 1
- 241000222511 Coprinus Species 0.000 description 1
- 101000740523 Homo sapiens Syntenin-1 Proteins 0.000 description 1
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 1
- 244000261422 Lysimachia clethroides Species 0.000 description 1
- 241001025261 Neoraja caerulea Species 0.000 description 1
- 229910001294 Reinforcing steel Inorganic materials 0.000 description 1
- 102100037219 Syntenin-1 Human genes 0.000 description 1
- 102000027545 TRPM Human genes 0.000 description 1
- 108091008847 TRPM Proteins 0.000 description 1
- 241000120694 Thestor Species 0.000 description 1
- 229910001315 Tool steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005219 brazing Methods 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000005465 channeling Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001627 detrimental effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- HJUFTIJOISQSKQ-UHFFFAOYSA-N fenoxycarb Chemical compound C1=CC(OCCNC(=O)OCC)=CC=C1OC1=CC=CC=C1 HJUFTIJOISQSKQ-UHFFFAOYSA-N 0.000 description 1
- -1 for example Chemical class 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000017482 infantile neuronal ceroid lipofuscinosis Diseases 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002445 nipple Anatomy 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000012261 overproduction Methods 0.000 description 1
- 238000010239 partial least squares discriminant analysis Methods 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000004441 surface measurement Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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 OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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 OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Fluid Mechanics (AREA)
- Computational Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geophysics (AREA)
- Earth Drilling (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
Abstract
一种方法可以包括：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。
Description
相关申请
本申请要求2021年8月6日提交的序列号为63/230,272的美国临时申请的优先权和权益，所述美国临时申请以引用的方式并入本文中。
背景技术
资源现场可以是地下环境中的一种或多种资源(例如，石油、天然气、石油和天然气)的聚集体、池或池群组。资源现场可以包括至少一个储层。储层可能以能够捕集烃类的方式成形并且可能被不可渗透的或密封的岩石覆盖。可以在环境中钻取钻孔，在该环境中可以利用该钻孔形成可用于从储层开采烃类的井。
钻机可以是能够操作以在环境中形成钻孔、将设备运输到环境中的钻孔中以及离开环境中的钻孔等的部件系统。举例来说，钻机可以包括可用于钻取钻孔以及获取关于环境、关于钻井等的信息的系统。资源现场可以是陆上现场、海上现场，或者陆上和海上现场。钻机可以包括用于在陆上和/或海上执行操作的部件。钻机可以是例如基于船舶的、基于海上平台的、陆上的等。
现场规划可在一个或多个阶段进行，所述一个或多个阶段可以包括旨在识别和评估环境(例如，目标圈闭、区带等)的勘探阶段，该勘探阶段可以包括钻取一个或多个钻孔(例如，一个或多个探井等)。其他阶段可以包括评价、开发和开采阶段。
发明内容
一种方法可以包括：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。一种系统可以包括：处理器；存储器，所述处理器能够访问所述存储器；处理器可执行指令，所述处理器可执行指令存储在所述存储器中并且可执行以指示所述系统：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。一个或多个计算机可读存储介质可以包括用于指示计算系统进行以下操作的处理器可执行指令：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。还公开了各种其他设备、系统、方法等。
提供本发明内容是为了介绍将在以下详细描述中进一步描述的一系列概念。本发明内容并不意欲标识所要求保护主题的关键或本质特征，也非意欲用作限制所要求保护主题的范围的辅助。
附图说明
通过参考以下结合附图的描述，可以更容易地理解所描述的实现方式的特征和优点。
图1示出了地质环境中的设备的示例；
图2示出了设备的示例和井孔类型的示例；
图3示出了系统的示例；
图4示出了系统的示例；
图5示出了图形用户界面的示例；
图6示出了图形用户界面的示例；
图7示出了系统的示例；
图8示出了方法的示例和图形的示例；
图9示出了参考图8的图形的图形的示例；
图10示出了包括时间序列数据和其他信息的各种轨迹的图形的示例；
图11示出了相对于时间序列数据的图形的示例；
图12示出了相对于时间序列数据的图形的示例；
图13示出了相对于时间序列数据的图形的示例；
图14示出了方法的示例和系统的示例；
图15示出了方法的示例；
图16示出了系统的示例；
图17示出了图形用户界面的示例；
图18示出了图形用户界面的示例；
图19示出了图形用户界面的示例；
图20示出了图形用户界面的示例；
图21示出了图20的图形用户界面的放大部分的图形用户界面的示例；
图22示出了图形用户界面的示例；
图23示出了包括图22的图形用户界面的一部分的图形用户界面的示例；
图24示出了图形用户界面的一部分的示例；
图25示出了图24的图形用户界面的另一部分的示例；
图26示出了计算框架部件的示例的图形用户界面的示例；
图27示出了方法的示例；
图28示出了方法的示例；
图29示出了方法的示例和系统的示例；
图30示出了包括一个或多个摩擦因数框架的井建设生态系统的示例；
图31示出了计算系统的示例；以及
图32示出了系统和联网系统的示例性部件。
具体实施方式
以下描述包括目前设想用于实践所描述的实现方式的最佳模式。该描述不应被理解为限制性的，而是仅用于描述实现方式的一般原理的目的。应参考所公布的权利要求来确定所述实现方式的范围。
图1示出地质环境120的示例。在图1中，地质环境120可以是包括多个层(例如，分层)的沉积盆地，所述多个层包括储层121并且可例如与断层123(例如，或多个断层)相交。举例来说，地质环境120可配备有各种传感器、检测器、致动器等。举例来说，设备122可包括用于相对于一个或多个网络125接收和传输信息的通信电路。此类信息可包括与井下设备124相关联的信息，所述井下设备可以是用于采集信息、协助资源回收等的设备。其他设备126可位于远离井场的位置并且包括感测电路、检测电路、发射电路或其他电路。此类设备可包括存储和通信电路以用于存储和传达数据、指令等。举例来说，一件或多件设备可用于对数据(例如，关于一个或多个开采的资源等)进行测量、收集、传达、存储、分析等。举例来说，可出于通信、数据采集等目的提供一个或多个卫星。例如，图1示出与网络125通信的卫星，网络125可被配置成用于通信，请注意，所述卫星可另外地或替代地包括用于图像(例如，空间、频谱、时间、辐射性等)的电路。
图1还示出地质环境120可选地包括与井相关联的设备127和128，所述井包括可与一个或多个裂缝129相交的基本水平部分。例如，考虑可包括天然裂缝、人工裂缝(例如，液压裂缝)或天然裂缝与人工裂缝的组合的页岩地层中的井。举例来说，可对侧向延伸的储层进行钻探。在此类示例中，性质、应力等方面可能存在侧向变化，其中对此类变化的评估可有助于规划、操作等以(例如，经由压裂、注入、提取等)开发储层。举例来说，设备127和/或128可包括用于压裂、地震感测、地震数据分析、评估一个或多个裂缝、注入、开采等的部件、一个或多个系统等。举例来说，设备127和/或128可用于对(例如，一个或多个所开采资源的)数据(例如开采数据)进行测量、收集、传达、存储、分析等。举例来说，可出于通信、数据采集等目的提供一个或多个卫星。
图1还示出设备170的示例和设备180的示例。此类设备(其可以是部件的系统)可适合用于地质环境120。虽然示出设备170和180是陆基的，但各种部件可适合于使用海上系统。
设备170包括平台171、井架172、天车173、钢丝绳174、游车组件175、绞车176和装卸台177(例如，二层台)。举例来说，钢丝绳174可至少部分地经由绞车176控制，使得游车组件175相对于平台171在垂直方向上行进。例如，通过绞入钢丝绳174，绞车176可使钢丝绳174滑移穿过天车173并远离平台171向上提升游车组件175；而通过放出钢丝绳174，绞车176可使钢丝绳174滑移穿过天车173并朝向平台171下放游车组件175。在游车组件175载运管道(例如，套管等)的情况下，跟踪游车175的移动可提供关于已部署多少管道的指示。
井架可以是用于支撑天车和游车的结构，游车至少部分地经由钢丝绳操作性地联接到天车。井架可以是金字塔形的并且提供合适的强度重量比。井架可以作为一个单元移动或逐件地移动(例如，将被组装和拆卸)。
举例来说，绞车可以包括线轴、制动器、动力源和各种辅助装置。绞车可以受控地放出和卷入钢丝绳。钢丝绳可以卷绕在天车上并且联接到游车以获得“滑车组”或“滑轮”方式的机械优势。放出和卷入钢丝绳可致使游车(例如，以及可能悬置在其下面的任何东西)被下放到钻孔中或从钻孔中起出。可通过重力为放出钢丝绳提供动力，并且通过马达、发动机等(例如，电动马达、柴油机等)为卷入钢丝绳提供动力。
举例来说，天车可包括一组滑轮(例如，槽轮)，该组滑轮可位于井架或钻塔的顶部处或附近，钢丝绳穿过该组滑轮。游车可包括一组槽轮，该组槽轮可经由穿过游车的槽轮组并穿过天车的槽轮组的钢丝绳在井架或钻塔中上下移动。天车、游车和钢丝绳可以形成井架或钻塔的滑轮系统，这可以使得能够处置重载荷(例如，钻柱、钻杆、套管、尾管等)使其提升离开或下放至钻孔。举例来说，钢丝绳的直径可以是约一厘米至约五厘米，例如钢缆。通过使用一组槽轮，这种钢丝绳可承载比单股形式的钢丝绳可支撑的载荷更重的载荷。
举例来说，井架工可以是在附接到井架或钻塔的平台上工作的钻井队成员。井架可包括井架工可站立的装卸台。举例来说，此类装卸台可以在钻台上方约10米或更高处。在被称为起钻(TOH)的操作中，井架工可穿戴安全带，该安全带使得井架工能够从工作台(例如，二层台)向外倾斜以够到位于井架或钻塔中心处或附近的钻杆，并且将绳索缠绕在钻杆上并将钻杆拉回其储存位置(例如，指梁)，直到可能需要将钻杆重新下入钻孔中。举例来说，钻机可包括自动化钻杆处置设备，使得井架工控制机械而不是靠体力处置钻杆。
举例来说，起下钻可以指从钻孔中起出设备和/或将设备下入钻孔的动作。举例来说，设备可包括可从井孔中起出和/或下入或替换到井孔中的钻柱。举例来说，在钻头已变钝或已停止高效地钻井并且应进行替换的情况下，可执行起下钻。
图2示出井场系统200的示例(例如，在可位于陆地或海上的井场处)。如图所示，井场系统200可包括：泥浆罐201，其用于贮存泥浆和其他材料(例如，其中泥浆可以是钻井液)；吸入管线203，其用作泥浆泵204的入口，所述泥浆泵用于从所述泥浆罐201泵送泥浆使得泥浆流动到振动软管206；绞车207，其用于绞盘一根或多根钻探钢丝绳212；立管208，其用于从振动软管206接收泥浆；方钻杆软管209，其用于从所述立管208接收泥浆；一个或多个鹅颈管210；游车211；天车213(例如，参见图1的天车173)，其用于经由一根或多根钻探钢丝绳212承载所述游车211；井架214(例如，参见图1中的井架172)；方钻杆218或顶驱240；方钻杆补心219；转盘220；钻台221；喇叭口短节222；一个或多个防喷器(BOP)223；钻柱225；钻头226；套管头227；以及流管228，其用于将泥浆和其他材料载运到例如泥浆罐201。
在图2的示例性系统中，通过旋转钻井在地下地层230中形成井眼232；请注意，各种示例实施方案也可使用定向钻井。
如图2的示例所示，钻柱225悬置在井眼232内并且具有钻柱组件250，所述钻柱组件在其下端处包括钻头226。举例来说，钻柱组件250可以是井底钻具组合(BHA)。
井场系统200可提供钻柱225的操作和其他操作。如图所示，井场系统200包括平台211和定位在井眼232上方的井架214。如所提到，井场系统200可包括转盘220，其中钻柱225穿过转盘220中的开口。
如图2的示例中所示，井场系统200可包括方钻杆218和相关联部件等或顶驱240和相关联部件。关于方钻杆示例，方钻杆218可以是正方形或六边形金属/合金柱，其中钻探有用作泥浆流动路径的孔。方钻杆218可用于经由方钻杆补心219将旋转运动从转盘220传递到钻柱225，同时允许钻柱225在旋转期间下放或升高。方钻杆218可穿过可由转盘220驱动的方钻杆补心219。举例来说，转盘220可包括主补心，所述主补心操作性地联接到方钻杆补心219，使得转盘220的旋转可转动方钻杆补心219并因此转动方钻杆218。方钻杆补心219可包括与方钻杆218的外部轮廓(例如，正方形、六边形等)匹配的内部轮廓；然而，其具有稍大的尺寸使得方钻杆218可在方钻杆补心219内自由地上下移动。
关于顶驱的示例，顶驱240可提供由方钻杆和转盘执行的功能。顶驱240可转动钻柱225。举例来说，顶驱240可包括一个或多个马达(例如，电动马达和/或液压马达)，所述马达通过适当的传动装置连接到被称为空心轴的短管段，所述短管段继而可旋拧到保护接头或钻柱225本身中。顶驱240可从游车211悬置，因此旋转机构可沿着井架214自由地上下行进。举例来说，顶驱240可允许使用比方钻杆/转盘方式更多的联合立柱来执行钻井。
在图2的示例中，泥浆罐201可贮存泥浆，所述泥浆可以是一种或多种类型的钻井液。举例来说，可钻取井筒以开采流体、注入流体或两者(例如，烃类、矿物质、水等)。
在图2的示例中，钻柱225(例如，包括一个或多个井下工具)可以由螺纹连接在一起以形成长管的一系列钻杆组成，其中钻头226在其下端。随着钻柱225进入井筒中进行钻井，在钻井之前或与钻井重合的某个时间点，可通过泵204将泥浆从泥浆罐201(例如，或其他来源)经由管线206、208和209泵送到方钻杆218的端口，或者例如泵送到顶驱240的端口。接着，泥浆可经由钻柱225中的一个通道(例如，或多个通道)流动并且从位于钻头226上的端口流出(例如，参见方向箭头)。当泥浆经由钻头226中的端口离开钻柱225时，其可接着向上循环穿过钻柱225的外表面与周围壁之间的环形区(例如，敞开的钻孔、套管等)，如方向箭头所指示。以这种方式，泥浆润滑钻头226并将热能(例如，摩擦或其他能量)和地层岩屑携带至地面，其中泥浆(例如，以及岩屑)可以返回到泥浆罐201例如用于再循环(例如，通过处理以去除岩屑等)。
由泵204泵送到钻柱225中的泥浆可在离开钻柱225之后形成衬在井筒内的泥饼，泥饼尤其可减少钻柱225与一个或多个周围井壁(例如，井眼、套管等)之间的摩擦。摩擦的减小可促进钻柱225的推进或回缩。在钻井作业期间，整个钻柱225可以从井筒中起出并且可选地例如用新的或锋利的钻头、较小直径的钻柱等替换。如所提到的，将钻柱起出井孔或在井孔中替换钻柱的动作被称为起下钻。根据起下钻方向，起下钻可以被称为向上起钻或向外起钻或向下下钻或向内下钻。
举例来说，考虑向下下钻，其中在钻柱225的钻头226到达井筒底部时，泥浆的泵送开始润滑钻头226以达到钻井以扩大井筒的目的。如所提到的，可通过泵204将泥浆泵送到钻柱225的通道中，并且在填充通道时，泥浆可用作传输能量(例如，可像泥浆脉冲遥测中那样对信息进行编码的能量)的传输介质。
举例来说，泥浆脉冲遥测设备可以包括井下装置，所述井下装置被配置为实现泥浆压力的变化以产生一个或多个声波，可基于所述声波来调制信息。在此类示例中，来自井下设备(例如，钻柱225的一个或多个模块)的信息可向井上传输到井上装置，所述井上装置可将此类信息转发到其他设备以进行处理、控制等。
举例来说，遥测设备可经由能量的传输经由钻柱225本身操作。举例来说，考虑信号产生器，所述信号产生器将编码的能量信号传送到钻柱225和中继器，所述中继器可接收此类能量且对所述能量进行中继以进一步传输编码的能量信号(例如，信息等)。
举例来说，钻柱225可配备有：遥测设备252，包括可旋转驱动轴；涡轮机叶轮，机械地联接到所述驱动轴，使得泥浆可使涡轮机叶轮旋转；调制器转子，机械地联接到驱动轴，使得涡轮机叶轮的旋转使所述调制器转子旋转；调制器定子，被安装成邻近或靠近调制器转子，使得调制器转子相对于调制器定子的旋转形成泥浆的压力脉冲；以及可控制制动器，用于选择性地制动调制器转子的旋转以调制压力脉冲。在此类示例中，交流发电机可耦合到上述驱动轴，其中交流发电机包括至少一个定子绕组，所述至少一个定子绕组电耦合到控制电路，以选择性地使所述至少一个定子绕组短路以电磁制动交流发电机，从而选择性地制动调制器转子的旋转以调制泥浆中的压力脉冲。
在图2的示例中，井上控制和/或数据采集系统262可包括用于感测由遥测设备252产生的压力脉冲并且例如传达感测到的压力脉冲或从所述压力脉冲导出的信息以进行处理、控制等的电路。
所示示例的组件250包括随钻测井(LWD)模块254、随钻测量(MWD)模块256、任选模块258、转子导向系统(RSS)和/或马达260以及钻头226。此类部件或模块可以被称为工具，其中钻柱可包括多个工具。
对于RSS，它涉及用于定向钻井的技术。定向钻井涉及钻入地球以形成偏斜的钻孔，使得钻孔的轨迹不是垂直的；而是，轨迹沿着钻孔的一个或多个部分偏离垂直方向。举例来说，考虑位于与钻机可能固定在的地面位置相距一段横向距离处的目标。在此类示例中，钻井可以从垂直部分开始，然后偏离垂直方向，使得钻孔对准目标并最终到达目标。定向钻井可在以下情况下实施：在地球表面垂直位置无法到达目标的情况下，在地球上存在可能阻碍钻井或以其他方式有害的材料(例如，考虑盐丘等)的情况下，在地层是横向延伸的(例如，考虑相对较薄但横向延伸的储层)情况下，在要从单个地面钻孔钻出多个钻孔的情况下，在期望减压井的情况下等。
定向钻井的一种方法涉及泥浆马达；但是，泥浆马达可能会遇到一些挑战，取决于诸如钻速(ROP)、由于摩擦而将重量转移到钻头上(例如，钻压WOB)等因素。泥浆马达可以是用于驱动钻头(例如，在定向钻井期间等)的容积式马达(PDM)。PDM在钻井液泵送通过它时进行操作，其中该PDM将钻井液的液压动力转换成机械动力，以使钻头旋转。
举例来说，PDM可以在组合旋转模式下操作，其中利用地面设备通过旋转整个钻柱来使钻柱(例如，转盘、顶驱等)的钻头旋转，并且利用钻井液来使钻柱的钻头旋转。在此类示例中，可以通过使用地面设备来确定地面RPM(SRPM)，并且可以使用与钻井液流量、泥浆马达类型等相关的各种因素来确定泥浆马达的井下RPM。举例来说，在组合旋转模式下，可以按照SRPM和泥浆马达RPM的和来确定或估计钻头RPM，假设SRPM和泥浆马达RPM在相同方向上。
举例来说，当钻柱不从地面旋转时，PDM泥浆马达可以在所谓的滑动模式下进行操作。在此类示例中，可以基于泥浆马达的RPM来确定或估计钻头RPM。
RSS可以从地面设备的连续旋转的地方进行定向钻井，这可以减轻导向马达(例如，PDM)的滑动。当定向钻井时(例如，偏斜、水平或大位移井)，可以部署RSS。RSS可以旨在将其与井眼壁的相互作用降至最低，这可有助于保持井眼质量。RSS可以旨在类似于稳定器施加相当一致的侧向力，所述稳定器随钻柱旋转或使钻头定向在所需方向上，同时以与钻柱相同的每分钟转数连续地旋转。
LWD模块254可以容纳在合适类型的钻铤中，并且可以包含一个或多个所选类型的测井工具。还应该理解，可以采用一个以上的LWD和/或MWD模块，例如，如钻柱组件250的模块256所表示的。在提到LWD模块的位置的情况下，举例来说，可指的是在LWD模块254、模块256等的位置处的模块。LWD模块可包括测量、处理和存储信息以及与地面设备进行通信的能力。在所示示例中，LWD模块254可包括地震测量装置。
MWD模块256可容纳在合适类型的钻铤中并且可含有用于测量钻柱225和钻头226的特性的一个或多个装置。举例来说，MWD工具254可包括用于产生电力的设备，例如以为钻柱225的各种部件供电。举例来说，MWD工具254可包括遥测设备252，例如其中涡轮机叶轮可通过泥浆的流动来产生电力；可理解，可采用其他电力系统和/或电池系统来为各种部件供电。举例来说，MWD模块256可包括以下类型的测量装置中的一者或多者：钻压测量装置、力矩测量装置、振动测量装置、冲击测量装置、粘滑测量装置、方向测量装置和倾斜度测量装置。
图2还示出可钻取的井孔类型的一些示例。举例来说，考虑斜井孔272、S形井孔274、深的倾斜井孔276和水平井孔278。
举例来说，钻井作业可包括定向钻井，其中例如井的至少一部分包括弯曲轴线。例如，考虑限定曲率的半径，其中相对于垂直方向的倾斜度可以变化，直到达到约30度和约60度之间的角度，或者例如，达到约90度或可能大于约90度的角度。
举例来说，定向井可以包括多种形状，其中每种形状可旨在满足特定的操作要求。举例来说，在将信息传递给钻井工程师时可以基于该信息执行钻井过程。举例来说，可以基于在钻井过程期间接收到的信息修改倾斜度和/或方向。
举例来说，钻孔的偏斜可部分地通过使用RSS、井下马达和/或涡轮中的一者或多者来实现。关于马达，例如，钻柱可包括容积式马达(PDM)。
举例来说，系统可以是可导向系统并且包括用于执行诸如地质导向等方法的设备。举例来说，可导向系统可包括位于钻柱下部上的PDM或涡轮机，在钻头正上方，可安装弯接头。举例来说，在PDM的上方，可以安装MWD设备和/或LWD设备，所述MWD设备提供感兴趣的实时或接近实时数据(例如，倾斜度、方向、压力、温度、实际钻压、扭矩应力等)。对于后者，LWD设备可以使得向地面发送各种类型的感兴趣数据成为可能，包括例如地质数据(例如，伽马射线测井、电阻率、密度和声波测井等)。
实时或接近实时地提供关于井轨迹的信息的传感器与例如从地质观点表征地层的一个或多个测井的耦合可以允许实施地质导向方法。这种方法可包括导航地下环境，例如，以遵循期望的路线到达期望的一个或多个目标。
举例来说，钻柱可包括：用于测量密度和孔隙度的方位密度中子(ADN)工具；用于测量倾斜度、方位角和冲击的MWD工具；用于测量电阻率和伽马射线相关现象的补偿双电阻率(CDR)工具；一个或多个可变径稳定器；一个或多个弯曲接头；以及地质导向工具，其可包括马达和(可选地)用于测量倾斜度、电阻率和伽马射线相关现象中的一者或多者和/或对其作出响应的设备。
举例来说，地质导向可包括基于井下地质测井测量的结果对井筒进行有意定向控制，使得旨在保持定向井筒在所期望的区、地带(例如，产油层)等内。举例来说，地质导向可包括对井筒进行定向以保持井筒在储层的特定区段中，例如以将气体和/或水窜出最小化并且例如将包括井筒的井的经济产量最大化。
再次参考图2，井场系统200可包括操作地耦合到控制和/或数据采集系统262的一个或多个传感器264。举例来说，一个或多个传感器可位于地面位置。举例来说，一个或多个传感器可位于井下位置。举例来说，一个或多个传感器可位于距离井场系统200大约一百米的距离内的一个或多个远程位置。举例来说，一个或多个传感器可位于补偿井场，其中井场系统200和补偿井场处于共同的矿田(例如，油田和/或气田)中。
举例来说，可提供一个或多个传感器264来跟踪管道、跟踪钻柱的至少一部分的移动等。
举例来说，系统200可包括可感测信号和/或将所述信号传输到流体导管(诸如钻井液导管(例如钻井泥浆导管))的一个或多个传感器266。例如，在系统200中，一个或多个传感器266可操作性地耦合到立管208的泥浆流过的部分。举例来说，井下工具可产生脉冲，所述脉冲可行进穿过泥浆并且由一个或多个传感器266中的一者或多者感测到。在此类示例中，井下工具可包括相关联电路，例如，可对信号进行编码例如以减小对传输的需求的编码电路。举例来说，位于地面的电路可包括解码电路，以解码至少部分地经由泥浆脉冲遥测传输的经编码信息。举例来说，位于地面的电路可包括编码器电路和/或解码器电路，并且井下电路可包括编码器电路和/或解码器电路。举例来说，系统200可包括传输器，所述传输器可产生可经由作为传输介质的泥浆(例如，钻井液)向井下传输的信号。
举例来说，钻柱的一个或多个部分可能会被卡住。术语“卡住”可以指无法从钻孔移动或移除钻柱的一种或多种不同程度的现象。举例来说，在卡住状态下，可能能够旋转钻杆或将其下放回钻孔中，或者例如在卡住状态下，可能无法在钻孔中轴向移动钻柱，但一定量的旋转是可能的。举例来说，在卡住状态下，可能无法轴向和旋转地移动钻柱的至少一部分。
关于术语“卡钻”，这可以指钻柱的某一部分无法轴向旋转或移动。举例来说，被称为“压差卡钻”的状态可以是钻柱无法沿钻孔的轴线移动(例如，旋转或往复运动)的状态。当由低储层压力、高井筒压力或其两者引起的高接触力施加在钻柱的足够大的面积上时，可能发生压差卡钻。压差卡钻可能具有时间和经济成本。
举例来说，卡钻力可以是井筒与储层之间的压差和压差所作用的面积的乘积。这意味着在大的工作面积上施加相对低的压差(Δp)与在小面积上施加高压差在卡钻方面可能具有一样的效果。
举例来说，被称为“机械卡钻”的状态可以是发生通过除压差卡钻之外的机构来限制或阻止钻柱的运动的状态。例如，机械卡钻可由井孔中的垃圾、井筒几何结构异常、水泥、键槽或环空中的岩屑堆积中的一者或多者引起。
图3示出了系统300的示例，该系统包括用于评估310、规划320、工程设计330和操作340的各种设备。例如，可实施钻井工作流框架301、地震到模拟框架302、技术数据框架303和钻井框架304以执行一个或多个过程，诸如评估地层314、评估过程318、生成轨迹324、验证轨迹328、制定约束334、至少部分地基于约束来设计设备和/或过程338、执行钻井344以及评估钻井和/或地层348。
在图3的示例中，地震到模拟框架302可以是例如PETREL框架(斯伦贝谢公司，休斯顿，德克萨斯州)，并且技术数据框架303可以是例如TECHLOG框架(斯伦贝谢公司，休斯顿，德克萨斯州)。
举例来说，框架可包括多个实体，所述实体可包括地球实体、地质对象或其他对象，诸如井、地面、储层等。实体可包括出于评估、规划、工程设计、操作等中的一者或多者的目的而重构的实际物理实体的虚拟表示。
实体可以包括基于经由感测、观察等获得的数据(例如，地震数据和/或其他信息)的实体。实体可由一个或多个性质表征(例如，地球模型的几何支柱网格实体可由孔隙度性质表征)。此类性质可以表示一个或多个测量结果(例如，采集的数据)、计算等。
框架可以是基于对象的框架。在此类框架中，实体可以包括基于预定义类的实体，例如，以便于建模、分析、模拟等。基于对象的框架的示例是MICROSOFT.NET框架(华盛顿州雷德蒙德)，其提供了一组可扩展的对象类。在.NET框架中，对象类封装了可重用代码和相关联数据结构的模块。对象类可用于实例化对象实例以供程序、脚本等使用。例如，井眼类可基于井数据定义用于表示井眼的对象。
举例来说，框架可以包括可以允许与模型或基于模型的结果(例如，模拟结果等)进行交互的分析部件。关于模拟，框架可操作性地链接到或包括模拟器，诸如ECLIPSE储层模拟器(斯伦贝谢公司，休斯顿，德克萨斯州)、INTERSECT储层模拟器(斯伦贝谢公司，休斯顿，德克萨斯州)等。
上文提到的PETREL框架提供允许优化勘探和开发操作的部件。PETREL框架包括地震到模拟软件部件，所述地震到模拟软件部件可以输出信息以用于例如通过提高资产团队生产力而提高储层性能。通过使用此类框架，各种专业人员(例如，地球物理学家、地质学家、井工程师、储层工程师等)可以开发协作型工作流并集成操作以简化流程。这种框架可被认为是应用程序并且可被认为是数据驱动的应用程序(例如，在出于建模、模拟等目的而输入数据的情况下)。
举例来说，一个或多个框架可以是互操作的和/或在一个或另一个上运行。举例来说，考虑商品名为OCEAN框架环境(斯伦贝谢公司，休斯顿，德克萨斯州)的框架环境，其允许将附加件(或插件)集成到PETREL框架工作流中。OCEAN框架环境利用了.NET工具(微软公司，雷德蒙德市，华盛顿州)，并且提供了用于高效开发的稳定的用户友好型界面。在示例性实施方案中，各种部件可以实现为符合框架环境的规范并且根据框架环境的规范(例如，根据应用程序编程接口(API)规范等)操作的附加件(或插件)。
举例来说，框架可以包括模型模拟层以及框架服务层、框架核心层和模块层。该框架可以包括OCEAN框架，其中模型模拟层可以包括或可操作地链接到托管OCEAN框架应用程序的以PETREL模型为中心的软件包。在示例性实施方案中，PETREL软件可被认为是数据驱动的应用程序。PETREL软件可以包括用于模型构建和可视化的框架。这种模型可包括一个或多个网格。
举例来说，模型模拟层可以提供域对象、充当数据源、提供渲染并提供各种用户界面。渲染可提供图形环境，其中应用程序可显示其数据，同时用户界面可为应用程序用户界面部件提供常见外观和感受。
举例来说，域对象可以包括实体对象、属性对象以及可选地其他对象。实体对象可用于几何地表示井、地面、储层等，而性质对象可以用于提供性质值以及数据版本和显示参数。例如，实体对象可表示井，其中性质对象提供测井信息以及版本信息，并显示信息(例如，以将井显示为模型的一部分)。
举例来说，数据可以存储在一个或多个数据源(或数据存储区，通常是物理数据存储装置)中，所述一个或多个数据源可以位于相同或不同物理站点处，并且可经由一个或多个网络访问。举例来说，模型模拟层可被配置为对项目进行建模。这样，可存储特定项目，其中存储的项目信息可包括输入、模型、结果和案例。因此，在完成建模会话时，用户可存储项目。稍后，可使用模型模拟层访问和恢复项目，该模型模拟层可重新创建相关域对象的实例。
举例来说，系统300可以用于执行一个或多个工作流。工作流可以是包括多个工作步骤的过程。工作步骤可以对数据进行操作，例如，以创建新数据、更新现有数据等。举例来说，工作流可以例如基于一个或多个算法对一个或多个输入进行操作并创建一个或多个结果。举例来说，系统可以包括用于工作流的创建、编辑、执行等的工作流编辑器。在这种示例中，工作流编辑器可提供对一个或多个预定义工作步骤、一个或多个定制工作步骤等的选择。举例来说，工作流可以是在PETREL软件中至少部分地可实施的工作流，例如，所述工作流对地震数据、一个或多个地震特质等进行操作。
举例来说，地震数据可以是经由地震勘测采集的数据，其中来源和接收器位于地质环境中以发射和接收地震能量，其中这种能量的至少一部分可以反射离开地下结构。举例来说，可利用一个或多个地震数据分析框架(例如，考虑由德克萨斯州休斯顿的斯伦贝谢有限公司销售的OMEGA框架)来确定地下结构的深度、范围、性质等。举例来说，地震数据分析可以包括正演建模和/或反演，例如，以迭代地建立地质环境的地下区域的模型。举例来说，地震数据分析框架可以是地震到模拟框架(例如，PETREL框架等)的一部分或可操作地耦合到地震到模拟框架。
举例来说，工作流可以是至少部分地可在OCEAN框架中实施的过程。举例来说，工作流可以包括访问例如插件(例如，外部可执行代码等)的模块的一个或多个工作步骤。
举例来说，框架可以用于对油气系统的建模。例如，商品名为PETROMOD框架(斯伦贝谢公司，休斯顿，德克萨斯州)的建模框架包括用于输入各种类型的信息(例如，地震、井、地质等)的特征，以对沉积盆地的演化进行建模。PETROMOD框架经由输入诸如地震数据、井数据和其他地质数据等各种数据(例如)来对沉积盆地的演化进行建模而用于油气系统建模。PETROMOD框架可以预测储层是否以及如何充满烃类，包括例如烃类生成的来源和时间、运移路线、量、孔隙压力以及地下或地面条件的烃类型。结合诸如PETREL框架的框架，可以构建工作流以提供盆地-远景规模勘探解决方案。框架之间的数据交换可以促进模型构建、数据分析(例如，使用PETREL框架能力分析的PETROMOD框架数据)以及工作流的耦合。
如所提到的，钻柱可以包括可以进行测量的各种工具。举例来说，可以使用电缆工具或另一种类型的工具来进行测量。举例来说，工具可被配置为采集电井眼图像。例如，全井眼地层微成像仪(FMI)工具(斯伦贝谢公司，休斯顿，德克萨斯州)可以采集井眼图像数据。用于此类工具的数据采集序列可包括在采集垫关闭的情况下将工具下入井眼中，打开垫并将垫压靠在井眼壁上，在井眼中平移工具时将电流递送到限定井眼的材料，并且远程感测通过与材料的相互作用而改变的电流。
对地层信息的分析可揭示诸如溶洞、溶蚀平面(例如，沿着层面的溶蚀)、应力相关特征、倾斜事件等特征。举例来说，工具可采集可能有助于表征储层(可选地，裂缝型储层)的信息，其中裂缝可以是自然的和/或人工的(例如，水力裂缝)。例如，可以使用诸如TECHLOG框架的框架来分析由一个或多个工具采集的信息。举例来说，TECHLOG框架可能可与一个或多个其他框架(诸如PETREL框架)互操作。
举例来说，工作流的各个方面可以自动完成、可以部分自动化，或者可以手动完成，如通过人类用户与软件应用程序进行交互。举例来说，工作流可以是循环的，并且可以包括例如四个阶段，诸如评估阶段(例如，参见评估设备310)、规划阶段(例如，参见规划设备320)、工程设计阶段(例如，参见工程设计设备330)和执行阶段(例如，参见操作设备340)。举例来说，工作流可以在一个或多个阶段开始，其可以(例如，以串行方式、并行方式、循环方式等)前进到一个或多个其他阶段。
举例来说，工作流可以从评估阶段开始，评估阶段可以包括地质服务提供方评估地层(例如，参见评估块314)。举例来说，地质服务提供方可以使用执行针对此类活动定制的软件包的计算系统来进行地层评估；或者例如，可以(例如，替代地或另外地)采用一个或多个其他合适的地质平台。举例来说，该地质服务提供方可以例如使用地球模型、地球物理模型、盆地模型、石油技术模型、其组合等来评估地层。此类模型可以考虑到各种不同的输入，包括补偿井数据、地震数据、导井数据、其他地质数据等。模型和/或输入可以存储在由服务器维护并由地质服务提供方访问的数据库中。
举例来说，工作流可以前进到地质学与地球物理学(“G&G”)服务提供方，其可以生成井轨迹(例如，参见生成块324)，这可以涉及执行一个或多个G&G软件包。此类软件包的示例包括PETREL框架。举例来说，G&G服务提供方可以基于例如由地层评估(例如，根据评估块314)提供的一个或多个模型和/或例如从(例如，由一个或多个服务器等维护的)一个或多个数据库访问的其他数据确定井轨迹或其部分。举例来说，井轨迹可以考虑到各种“设计基础”(BOD)约束，例如一般地面位置、目标(例如，储层)位置等。例如，轨迹可以结合关于可以在钻井中使用的工具、井底钻具组合、套管尺寸等的信息。井轨迹的确定可能考虑到各种其他参数，包括风险容限、流体重量和/或规划、井底压力、钻井时间等。
举例来说，工作流可以前进到第一工程设计服务提供方(例如，与其相关联的一个或多个处理机)，该第一工程设计服务提供方可以验证井轨迹以及例如救援井设计(例如，参见验证块328)。这样的验证过程可以包括评估物理属性、计算结果、风险容限、与工作流的其他方面的集成等。举例来说，用于此类确定的一个或多个参数可以由服务器和/或第一工程设计服务提供方维护；请注意，一个或多个模型、一个或多个井轨迹等可由服务器维护并由第一工程设计服务提供方访问。例如，该第一工程设计服务提供方可包括执行一个或多个软件包的一个或多个计算系统。举例来说，在该第一工程设计服务提供方拒绝或以其他方式建议对井轨迹进行调整的情况下，可以调整井轨迹或者向G&G服务提供方发送请求这种修改的消息或其他通知。
举例来说，一个或多个工程设计服务提供方(例如，第一、第二等)可以提供套管设计、井底钻具组合(BHA)设计、流体设计等，以实现井轨迹(例如，参见设计框338)。在一些实施方案中，第二工程设计服务提供方可以使用一个或多个软件应用程序来执行此类设计。此类设计可以存储在由一个或多个服务器维护的一个或多个数据库中，该一个或多个数据库可以例如采用STUDIO框架工具，并且可以由工作流中的其他服务提供方的一个或多个访问。
举例来说，第二工程设计服务提供方可以向第三工程设计服务提供方寻求对与井轨迹一起建立的一个或多个设计的批准。在此类示例中，第三工程设计服务提供方可以考虑关于井工程设计规划是否可接受的各种因素，诸如经济变量(例如，石油产量预测、每桶成本、风险、钻井时间等)，并且可以诸如向运营公司代表、井所有者代表等请求支出授权(例如，参见制定块334)。举例来说，此类确定所基于的数据中的至少一些可以存储在由一个或多个服务器维护的一个或多个数据库中。举例来说，第一工程设计服务提供方、第二工程设计服务提供方和/或第三工程设计服务提供方可以由单个工程师团队或甚至单个工程师提供，因此可以是或可以不是单独的实体。
例如，在经济情况可能无法接受或拒发授权的情况下，工程设计服务提供方可建议对套管、井底钻具组合和/或流体设计进行更改，或者以其他方式通知和/或将控制返回到不同的工程设计服务提供方，以便可对套管、井底钻具组合和/或流体设计进行调整。如果在井约束、轨迹等范围内修改一个或多个此类设计是不切实际的，工程设计服务提供方可以建议对井轨迹进行调整和/或工作流可以返回或以其他方式通知初始工程设计服务提供方和/或G&G服务提供方，以便其中一方或两方都可修改井轨迹。
举例来说，工作流可以包括考虑井轨迹，包括已接受的井工程设计规划和地层评估。然后，此类工作流可以将控制传递给钻井服务提供方，钻井服务提供方可以实现井工程设计规划、建立安全和有效的钻井、保持井完整性，并且报告进度和操作参数(例如，参见框344和348)。举例来说，可以将操作参数、遇到的地层、钻井时收集的数据(例如，使用随钻测井或随钻测量技术)传回地质服务提供方进行评估。举例来说，该地质服务提供方然后可以重新评估井轨迹或井工程设计规划的一个或多个其他方面，并且在一些情况下，可能在预定的约束内，根据真实钻井参数(例如，基于现场采集的数据等)调整井工程设计规划。
取决于具体实施方案，无论井被完全钻取还是完成其一部分，工作流都可以前进至后审查(例如，参见评估块318)。举例来说，后审查可包括审查钻井性能。举例来说，后审查还可包括(例如，向一个或多个相关工程设计、地质或G&G服务提供方)报告钻井性能。
工作流的各种活动可以连续执行和/或可以不按顺序执行(例如，部分地基于来自模板、附近井等的信息，以填补将由另一服务提供方提供的信息中的空白)。举例来说，从事一项活动可能会影响另一项活动的结果或基础，并且因此可手动或自动调用一个或多个工作流活动、工作产品等的变化。例如，服务器可允许在各种服务提供方可访问的中央数据库上存储信息，其中可以通过与适当的服务提供方进行通信来寻求变化、可以自动进行变化、或者变化亦可显现为对相关服务提供方的建议。与有序的分段性方法相比，这种方式可被认为是钻井工作流的整体方法。
例如，在钻取井筒期间，工作流的各种动作可以重复多次。例如，在一个或多个自动化系统中，可以实时或接近实时地提供来自钻井服务提供方的反馈，并且在钻井期间采集的数据可以被馈送至一个或多个其他服务提供方，这些其他服务提供方可以相应地调整其部分工作流。由于在工作流的其他区域中可能存在依赖性，因此此类调整可以例如以自动化方式渗透到工作流中。在一些实施方案中，循环过程可以在达到某个钻井目标(诸如完成井筒的一部分)之后和/或在钻取整个井筒之后另外地或替代地进行，或者在每天、每周、每月等基础上进行。
井规划可包括确定可以延伸到储层的井的路径，例如，以经济地从其中开采流体，诸如烃类。井规划可包括选择可用于实现井规划的钻井和/或完井组件。例如，可以施加各种约束作为可以影响井设计的井规划的一部分。举例来说，可以至少部分地基于关于地下域的已知地质、在区域中存在的(例如，实际的和/或规划的等)一个或多个其他井(例如，考虑碰撞避免)等的信息来施加此类约束。举例来说，可以至少部分地基于一个或多个工具、部件等的特性施加一个或多个约束。举例来说，一个或多个约束可以至少部分地基于与钻井时间和/或风险容限相关联的因素。
举例来说，系统可以允许减少浪费，例如，如根据LEAN定义的浪费。在LEAN的上下文中，考虑以下类型浪费的一种或多种：运输(例如，不必要地移动项目，无论是物理项目还是数据项目)；库存(例如，部件，无论是物理部件还是信息部件，如在制品，以及未处理的成品)；运动(例如，人员或设备不必要地移动或行走以执行期望的处理)；等待(例如，信息等待、换班期间的生产中断等)；生产过剩(例如，材料、信息、设备的生产等超过了需求)；过度加工(例如，由不良工具或产品设计创建活动造成)；以及缺陷(例如，检查和修复规划、数据、设备等中的缺陷所涉及的工作)。举例来说，允许以协作方式执行动作(例如，方法、工作流等)的系统可以帮助减少一种或多种类型的浪费。
举例来说，可以利用系统来实现用于促进跨多个计算装置的分布式井工程设计、规划和/或钻井系统设计的方法，其中协作可以在各种不同的用户(例如，一些是本地的用户、一些是远程的用户、一些是移动的用户等)之间发生。在此类系统中，经由适当装置，各种用户可以经由一个或多个网络(例如，局域网和/或广域网、公用网络和/或专用网络、陆基、海基和/或区域网络)可操作地耦合。
举例来说，系统可以允许经由子系统方法进行井工程设计、规划和/或钻井系统设计，其中井场系统由各种子系统组成，这些子系统可包括设备子系统和/或操作子系统(例如，控制子系统等)。举例来说，可以使用经由通信链路(例如，网络链路等)可操作地耦合的各种计算平台/装置来执行计算。举例来说，一个或多个链路可以可操作地耦合到公共数据库(例如，服务器站点等)。举例来说，特定的一个或多个服务器可以管理从一个或多个装置接收通知和/或向一个或多个装置发布通知。举例来说，可以针对项目实现系统，其中系统可以将井规划输出为例如数字井规划、纸质井规划、数字和纸质井规划等。此类井规划可以是针对特定项目的完整井工程设计规划或设计。
图4示出了系统400的示例，其包括可位于井场本地的各种部件，并且包括可远离井场的各种部件。如图所示，系统400包括编配块402、集成块404、核心与服务块406以及设备块408。这些块可以用不同于图4的示例所示的一种或多种方式进行标记。在图4的示例中，块402、404、406和408可以由操作特征、功能、体系结构中的关系等中的一个或多个限定。
举例来说，块402、404、406和408可以以金字塔体系结构来描述，其中从顶点到底部，金字塔包括编配块402、集成块404、核心与服务块406以及设备块408。
举例来说，编配块402可以与井管理级(例如，井规划和/或编配)相关联，并且可以与钻机管理级(例如，钻机动态规划和/或编配)相关联。举例来说，集成块404可以与过程管理级(例如，钻机集成执行)相关联。举例来说，核心与服务块406可以与数据管理级(例如，传感器、仪器、库存等)相关联。举例来说，设备块408可以与井场设备级(例如，井场子系统等)相关联。
举例来说，编配块402可以从钻井工作流框架和/或可以远离井场的一个或多个其他源接收信息。
在图4的示例中，编配块402包括规划/重新规划块422、编配/仲裁块424和本地资源管理块426。在图4的示例中，集成块404包括集成执行块444，该集成执行块可包括或可操作地耦合到用于井场的各种子系统的块，诸如钻井子系统、泥浆管理子系统(例如，水力学子系统)、套管子系统(例如，套管和/或完井子系统)，以及例如一个或多个其他子系统。在图4的示例中，核心与服务块406包括数据管理与实时服务块464(例如，实时或接近实时服务)以及钻机与云安全块468(例如，关于配置和各种类型的安全措施等)。在图4的示例中，设备块408被示出为能够向核心与服务块406提供各种类型的信息。例如，考虑来自钻机地面传感器、LWD/MWD传感器、泥浆测井传感器、钻机控制系统、钻机设备、人员、材料等的信息。在图4的示例中，块470可以提供数据可视化、自动报警、自动报告等中的一个或多个。举例来说，块470可以可操作地耦合到核心与服务块406和/或一个或多个其他块。
如所提到的，系统400的一部分可以远离井场。例如，在虚线的一侧显示有远程操作指示中心块492、数据库块493、钻井工作流框架块494、SAP/ERP块495和现场服务递送块496。可以位于远程的各种块可以可操作地耦合到可位于井场系统本地的一个或多个块。例如，在图4的示例中示出了通信链路412，其可操作地耦合块406和492(例如，关于监测、远程控制等)，同时图4的示例中示出了另一通信链路414，其可操作地耦合块406和496(例如，关于设备递送、设备服务等)。在图4的示例中还示出了可能的通信链路的各种其他示例。
举例来说，图4的系统400可以是现场管理工具。举例来说，图4的系统400可以包括钻井框架(例如，参见钻井框架304)。举例来说，图4的系统400中的块可以远离井场。
例如，可以根据在钻井之前建立的钻井规划钻取井筒。此类钻井规划可以是井规划或其一部分，其可阐明限定井场的钻井过程的设备、压力、轨迹和/或其他参数。举例来说，然后可以根据钻井规划(例如，井规划)执行钻井作业。举例来说，随着信息的收集，钻井作业可能会偏离钻井规划。另外，随着执行钻井或其他操作，地下条件可能改变。具体地，随着收集新信息，传感器可以将数据传输到一个或多个地面单元。举例来说，地面单元可以自动地使用此类数据更新钻井规划(例如，本地和/或远程地)。
举例来说，钻井工作流框架494可以是或包括G&G系统和井规划系统。举例来说，G&G系统对应于提供对地质和地球物理学的支持的硬件、软件、固件或其组合。换句话讲，了解储层的地质学家可以使用G&G系统决定在何处钻井，该G&G系统创建地下地层的三维模型并包括模拟工具。G&G系统可以将井轨迹和地质学家选择的其他信息传送到井规划系统。井规划系统对应于产生井规划的硬件、软件、固件或其组合。换句话讲，井规划可以是该井的高级钻井程序。井规划系统也可以称为井规划生成器。
在图4的示例中，各种块可以是可对应于一个或多个软件模块、硬件基础设施、固件、设备或其任何组合的部件。部件之间的通信可以是本地的或远程的，直接的或间接的，经由应用程序编程接口以及过程调用进行的，或者通过一个或多个通信信道进行的。
举例来说，图4的系统400中的各种块可对应于控制与油田中的设备和/或人员相关联的操作的粒度级别。如图4所示，系统400可以包括(例如，用于井规划执行的)编配块402、集成块404(例如，过程管理器集合)、核心与服务块406以及设备块408。
编配块402可以被称为井规划执行系统。例如，井规划执行系统对应于执行井建造过程的整体协调(诸如钻机的协调以及钻机和钻机设备的管理)的硬件、软件、固件或其组合。井规划执行系统可以被配置为从井规划系统获得大体井规划并将该大体井规划转换成详细的井规划。详细的井规划可以包括执行大体井规划中的动作所涉及的活动的规范、执行这些活动的日期和/或时间、执行这些活动的各个资源以及其他信息。
举例来说，井规划执行系统还可包括监测井规划的执行以跟踪进度并动态调整规划的功能。此外，井规划执行系统可以被配置为处置关于钻机的起动和停止的后勤和资源。举例来说，井规划执行系统可以包括多个子部件，诸如被配置为详述井规划系统规划的增细器、被配置为监测规划的执行的监测器、被配置为执行动态规划管理的规划管理器、以及控制井的后勤和资源的后勤和资源管理器。在一个或多个实施方案中，井规划执行系统可以被配置为在由过程管理器集合(例如，参见集成块404)管理的不同过程之间进行协调。换句话讲，在以例如比过程管理器集合更高的粒度级别操作时，井规划执行系统可以在过程管理器集合中的过程之间传递和管理资源共享。
关于集成块404，如所提到的，其可以被称为过程管理器集合。在一个或多个实施方案中，过程管理器集合可以包括对油田的各个域(诸如钻机)执行单独的过程管理的功能。例如，当钻取井时，可以执行不同的活动。每个活动可以由过程管理器集合中的单独的过程管理器控制。过程管理器集合可以包括多个过程管理器，由此每个过程管理器控制不同的活动(例如，与钻机相关的活动)。换句话讲，每个过程管理器可具有针对过程管理器定义的一组任务，该组任务对于活动中涉及的物理类型是特定的。例如，钻取井可使用钻井泥浆，钻井泥浆是被泵送到井中以便从井中抽出钻屑的流体。钻井泥浆过程管理器可以存在于过程管理器集合中，该钻井泥浆过程管理器管理钻井泥浆的混合、组成、钻井泥浆特性的测试、确定压力是否准确以及执行其他此类任务。钻井泥浆过程管理器可以与控制钻杆从井中的移动的过程管理器分开。因此，过程管理器集合可以将活动划分为若干个不同域，并且单独地管理这些域中的每一者。在其他可能的过程管理器中，过程管理器集合可以包括例如钻井过程管理器、泥浆制备和管理过程管理器、下套管过程管理器、固井过程管理器、钻机设备过程管理器和其他过程管理器。此外，过程管理器集合可以提供有关上述部件的直接控制或建议。举例来说，可以通过井规划执行系统执行过程管理器集合中的过程管理器之间的协调。
关于核心与服务块406(例如，CS块)，其可以包括用于管理各个设备和/或设备子系统的功能。举例来说，CS块可包括用于处置油田(诸如钻机)的基本数据结构、采集度量数据、生成报告以及管理人员和供应资源的功能。举例来说，CS块可包括数据采集器和聚合器、钻机状态标识符、实时(RT)钻井服务(例如，接近实时)、报告器、云和库存管理器。
举例来说，数据采集器和聚合器可以包括用于与各个设备部件和传感器进行交互以及采集数据的功能。举例来说，数据采集器和聚合器还可包括用于与位于油田的传感器进行交互的功能。
举例来说，钻机状态标识符可以包括用于从数据采集器和聚合器获取数据并将数据转换为状态信息的功能。举例来说，状态信息可以包括钻机的健康和操作性以及关于由设备执行的特定任务的信息。
举例来说，RT钻井服务可包括用于向个体传输和呈现信息的功能。具体地讲，RT钻井服务可包括用于根据角色以及例如所涉及的每个个体的装置类型(例如，移动、台式等)将信息传输给个体的功能。在一个或多个实施方案中，RT钻井服务呈现的信息可以是上下文特定的，并且可以包括信息的动态显示，使得人类用户可以查看关于感兴趣项目的细节。
举例来说，在一个或多个实施方案中，报告器可以包括用于生成报告的功能。例如，报告可以基于请求和/或自动生成，并且可以提供关于设备和/或人员的状态的信息。
举例来说，井场“云”框架可对应于位于油田本地的信息技术基础设施，诸如油田中的单个钻机。在此类示例中，井场“云”框架可以是“物联网”(IoT)框架。举例来说，井场“云”框架可以是云的边缘(例如，多个网络中的一网络)或专用网络的边缘。
举例来说，库存管理器可以是包括用于管理材料(诸如，钻机上每种资源的列表和量)的功能的块。
在图4的示例中，设备块408可对应于可以可操作地耦合到和/或嵌入到井场处的物理设备(诸如钻机设备)中的各种控制器、控制单元、控制设备等。例如，设备块408可以对应于钻机上各个项目的软件和控制系统。举例来说，设备块408可以用于监测来自钻机的多个子系统的传感器，并且向钻机的多个子系统提供控制命令，使得来自多个子系统的传感器数据可用于向钻机和/或其他装置的不同子系统提供控制命令等。例如，系统可以从钻机收集时间和深度对准的地面数据和井下数据，并且将收集的数据传输到核心服务中的数据采集器和聚合器，数据采集器和聚合器可以存储收集的数据以便在钻机现场或在非现场经由计算资源环境访问。
如所提到的，图4的系统400可以与规划相关联，其中例如规划/重新规划块422可以提供对一个或多个操作等的规划和/或重新规划。
图5示出了包括与井规划相关联的信息的图形用户界面(GUI)500的示例。具体地，GUI 500包括面板510，其中地面表示512和514连同井轨迹一起被呈现，其中位置516可以表示钻柱517沿着井轨迹的位置。GUI 500可以包括一个或多个编辑特征，诸如编辑井规划特征组530。GUI 500可以包括关于团队540的涉及、已经涉及和/或将要涉及一个或多个操作的个人的信息。GUI 500可以包括关于一个或多个活动550的信息。如图5的示例所示，GUI500可以包括钻柱560的图形控件，其中例如可以选择钻柱560的各个部分来显示一个或多个相关联的参数(例如，设备类型、设备规范、操作历史等)。图5还示出了表570作为指定多个井的信息的点电子表格。
图6示出了图形用户界面(GUI)600的示例，该图形用户界面包括日历，该日历具有针对可以是规划的一部分的各种操作的日期。例如，GUI 600示出了可以在各种时间段内发生的钻机装配、套管、固井、钻井和钻机拆卸操作。可以经由选择一个或多个图形控件来编辑此类GUI。
与现场作业相关联的各种类型的数据可以是1-D序列数据。例如，考虑关于钻井系统、井下状态、地层属性和地面力学中的一个或多个的数据被测量为单通道或多通道时间序列数据。
图7示出了提升系统700的各种部件的示例，该提升系统包括缆索701、绞车710、游车711、大钩712、天车713、顶驱714、缆索死绳系紧锚固件720、缆索供应卷盘730、一个或多个传感器740和可操作地耦合到所述一个或多个传感器740的电路750。在图7的示例中，提升系统700可以包括各种传感器，这些传感器可以包括载荷传感器、位移传感器、加速度计等中的一个或多个。举例来说，缆索死绳系紧锚固件720可以装配有测压仪(例如，载荷传感器)。
提升系统700可以是井场系统(例如，参见图1和图2)的一部分。在此类系统中，测量通道可以是被称为BPOS的滑车位置测量通道，其提供对游车的高度的测量，游车的高度可以关于死点(例如，零点)而限定，并且可以在正和/或负方向上偏离该死点。例如，考虑可以在约-5米到+45米范围内移动的游车，总行程约为50米。举例来说，可以定义零点或死点以使刻度为正值、负值或同时为正值和负值。在此类示例中，钻机高度可以大于约50米(例如，可以将天车设置为距地面或钻台的高度超过约50米)。虽然针对陆基现场作业(例如，固定的、基于卡车的等)给出了各种示例，但是各种方法可以适用于海基作业(例如，基于船舶的钻机、平台钻机等)。
BPOS是一种反映钻机的地面机械性质的实时通道。通道的另一个示例是可以称为HKLD的大钩载荷。HKLD可以是大钩载荷的1-D序列测量。关于导数，一阶导数可以是载荷速度，而二阶导数可以是载荷加速度。此类数据通道可以被用于推断和监测各种操作和/或条件。在一些示例中，钻机可以被表示为处于一种或多种状态，其可以被称为钻机状态。
关于HKLD通道，其可以帮助检测钻机是否“扣紧卡瓦”，而BPOS通道可以是用于在钻井期间进行深度跟踪的主要通道。例如，BPOS可以用于确定地质环境(例如，正在钻取的井眼等)中的测量深度。关于“扣紧卡瓦”条件或状态，HKLD处于比“脱开卡瓦”条件或状态低得多的值。
术语“卡瓦”是能够用于以相对无破坏的方式夹持钻柱(例如，钻铤、钻杆等)并将其悬置在转盘中的装置或组件。卡瓦可包括铰接在一起的三个或更多个钢楔，从而围绕钻杆形成近似的圆。在钻杆侧面(内表面)上，卡瓦装配有可更换的硬化工具钢齿，这些齿略微嵌入钻杆的侧面。卡瓦的外侧为锥形，以匹配转盘的锥度。在钻井队员将卡瓦放置在钻杆周围并且在转盘中之后，司钻可以控制钻机缓慢地降低钻柱。当卡瓦内部的齿夹持钻杆时，卡瓦被下拉。该向下力将外部楔形件向下拉，从而对钻杆提供向内的压缩力，并且有效地将部件锁定在一起。然后，钻井队员可以在下部悬置时松开钻柱的上部部分(例如，方钻杆、保护接头、管接头或立柱)。在将一些其他部件旋入到钻柱的下部之后，司钻升高钻柱以解锁卡瓦的夹持动作，并且钻井队员可以从转盘移除卡瓦。
大钩载荷传感器可用于测量钻柱上的载荷重量，并且可用于检测钻柱是扣紧卡瓦还是脱开卡瓦。当钻柱扣紧卡瓦时，来自滑车或运动补偿器的运动不会影响钻柱末端的钻头的深度(例如，其将趋于保持静止)。在经由可安装在绞车轴上的绞车编码器(DWE)移动游车的情况下，获取的DWE信息(例如，BPOS)不会增大所记录的钻头深度。当钻柱脱开卡瓦时(例如，向前钻进)，DWE信息(例如，BPOS)可以增大所记录的钻头深度。扣紧卡瓦和脱开卡瓦之间的大钩载荷重量(HKLD)的差异往往可辨别。对于海上作业，无论钻柱是处于扣紧卡瓦还是脱开卡瓦状态，船舶的升沉都会影响钻头深度。举例来说，船舶可包括一个或多个升沉传感器，所述一个或多个升沉传感器可以感测可记录为1-D序列数据的数据。
对于海上作业，船舶可经历各种类型的运动，诸如升沉、横荡和纵荡中的一种或多种。升沉是线性垂直(上/下)运动，横荡是线性横向(左右或左舷右舷)运动，并且纵荡是海上条件赋予的线性纵向(前/后或船首/船尾)运动。举例来说，船舶可以包括一个或多个升沉传感器、一个或多个横荡传感器和/或一个或多个纵荡传感器，这些传感器中的每一个可以感测可记录为1-D序列数据的数据。
举例来说，BPOS单独地或与一个或多个其他通道组合地可以用于检测钻机是否“触底”钻进或“起下钻”等。推断出的状态可进一步由一个或多个系统(诸如自动钻井控制系统)使用，该自动钻井控制系统可以是动态现场作业系统或其一部分。在此类示例中，从BPOS和/或其他通道数据中辨别的条件、操作、状态等可以作为做出一个或多个钻井决策的前提，所述一个或多个钻井决策可以包括(例如，可操作地耦合到所述一件或多件现场设备等的控制器的)一个或多个控制决策。
滑车可以是一组滑轮，用于在提升或拖动重物时获得机械优势。钻机上可存在两个滑车，即天车和游车。每个滑车可以包括若干个槽轮，所述槽轮上装有钻井钢缆或钢丝绳，使得可以通过卷入(或放出)绞车上的钻井钢丝绳卷轴来提升(或下放)游车。这样，滑车位置可以指游车的位置，该位置可以相对于时间变化。图1示出了游车组件175，图2示出了游车211，并且图7示出了游车711。
大钩可以是高容量的J形设备，其用于悬置各种设备，诸如水龙头和方钻杆、吊卡提环或顶驱。图7示出了大钩712可操作地联接到顶驱714。如图2所示，大钩可以附接到游车211的底部(例如，图1的游车组件175的一部分)。大钩可以提供一种利用游车来承载较重载荷的方式。大钩可以被锁定(例如，在正常条件下)或可以自由旋转，使得其可以与围绕钻台等定位的项目配合或分离。
大钩载荷可以是由游车所承载的下拉大钩的总力。总力包括空气中的钻柱、钻铤和辅助设备的重量，该重量通过倾向于减轻该重量的力而减小。可能减轻该重量的一些力包括沿钻孔壁的摩擦力(特别是在斜井中)以及由于钻柱浸入钻井液(例如，和/或其他流体)中而在钻柱上产生的浮力。如果关闭了一个或多个防喷器(BOP)，则钻孔中作用在BOP中钻柱横截面上的压力也会施加向上力。
立管可以是刚性的金属导管，其提供高压路径以供钻井液沿着井架向上行进大约三分之一的距离，在该处立管连接到柔性高压软管(例如，方钻杆软管)。大型钻机可装有多于一根立管，以便在一根立管需要维修时将停机时间降至最低。图2示出了立管208，该立管是用于钻井液(例如，钻井泥浆等)的导管。立管208内流体的压力可以称为立管压力。
关于表面扭矩，这种测量可以由钻机现场的设备提供。举例来说，可以利用一个或多个传感器测量表面扭矩，这可以提供与钻柱相关联的表面扭矩的直接和/或间接测量。举例来说，设备可以包括具有模拟频率输出和数字输出中的一个或多个的钻杆扭矩测量和控制器系统。举例来说，扭矩传感器可以与包括弹性元件的联接件相关联，该弹性元件可操作地接合输入元件和输出元件，其中弹性元件允许输入元件和输出元件响应于通过扭矩传感器传递的扭矩相对于彼此扭转，其中扭转可以被测量并用于确定传递的扭矩。举例来说，此类联接件可以位于驱动装置和钻杆之间。举例来说，可以经由一个或多个惯性传感器确定扭矩。举例来说，钻机现场的设备可以包括用于测量和/或确定扭矩(例如，以Nm等为单位)的一个或多个传感器。
举例来说，设备可以包括实时钻井服务系统，所述实时钻井服务系统可以提供数据，诸如重量传递信息、扭矩传递信息、当量循环密度(ECD)信息、井下机械比能(DMSE)信息、运动信息(例如，关于失速、粘滑等)、弯曲信息、振动振幅信息(例如，轴向、横向和/或扭转)、钻速(ROP)信息、压力信息、压差信息、流量信息等。举例来说，传感器信息可以包括倾斜度、方位角、总垂直深度等。举例来说，系统可以提供关于涡动(例如，反向涡动等)的信息，并且可以可选地提供诸如一个或多个警报的信息(例如，“严重反向涡动：停止并以较低表面RPM重启”等)。
举例来说，钻柱可以包括一个或多个工具，所述一个或多个工具包括可以进行各种测量的各种传感器。例如，考虑OPTIDRILLTM工具(斯伦贝谢公司，休斯顿，德克萨斯州)，其包括应变仪、加速度计、一个或多个磁强计、一个或多个陀螺仪等。例如，此类工具可使用应变仪获取钻压(WOB)测量结果(例如，带宽为200Hz的10秒移动窗口)、使用应变仪获取扭矩测量结果(例如，带宽为200Hz的10秒移动窗口)、使用应变仪获取弯曲力矩(例如，带宽为200Hz的10秒移动窗口)、使用一个或多个加速度计获取振动(例如，带宽为0.2Hz至150Hz的30秒RMS)、使用磁强计和陀螺仪获取旋转速度(例如，带宽为4Hz的30移动窗口)、使用一个或多个应变仪获取环空和内部压力(例如，带宽为200Hz的1秒平均值)、使用一个或多个温度传感器获取环空和内部温度(例如，带宽为10Hz的1秒平均值)、以及使用加速度计获取连续倾斜度(带宽为10Hz的30秒平均值)。
如所提到的，可以使用生成的合成数据接收和表征实时钻井作业数据的通道，所述合成数据可以至少部分地基于与实时钻井作业相关联的一个或多个操作参数生成。此类实时钻井作业数据可以包括地面数据和/或井下数据。如所提到的，数据可用性可以在时间上(例如，频率、间隙等)和/或以其他方式(例如，分辨率等)不同。此类数据可能在噪声水平和/或噪声特性方面有所不同。虽然提到了各种类型的传感器，但是可以利用可以不包括一种或多种类型的井下传感器的设备。在此类情况下，可以利用一种可以确定一个或多个井下值的方法。
图8示出了方法800的示例，所述方法包括可以接收数据、执行一项或多项分析、执行一项或多项决策等以确定一种或多种状态的各种块。在图8的示例中，关于颜色示出了状态的各种示例。在图8中，示例状态包括钻井、非钻井、下钻(RIH)、起钻(POOH)、连接前、连接、连接后和不存在。
钻井是为了增加井筒深度而进行的钻井。当没有发生其他活动(例如，钻井、RIH、POOH、连接前、连接、连接后)并且尚未到达当前钻井立柱末端时，可以确定发生非钻井活动。在非钻井期间，流体被泵入钻柱的流速可能增加和/或减少，钻柱的转速可能增加和/或减少，井下工具(例如，钻头)可能向上和/或向下移动，或该两种情况的组合。非钻井活动可以是或包括钻头闲置(例如，不钻井)并且卡瓦组件不与钻柱接合的时间。
连接前可以是井下工具(例如，钻头)已经完成当前钻杆部分的钻井作业，但卡瓦组件尚未开始移动(例如，径向向内)成与钻柱接合的情况。在连接前期间，流体被泵入钻柱的流速可能增加和/或减少，钻柱的转速可能增加和/或减少，井下工具(例如，钻头)可能向上和/或向下移动，或该两种情况的组合。
连接可以是卡瓦组件与钻柱接合并支撑钻柱的情况(例如，钻柱“扣紧卡瓦”)。当发生连接时，可以将一段(例如，钻杆、立柱等)添加到钻柱以增加钻柱的长度，或者可以从钻柱移除一段以减少钻柱的长度。
连接后可以是钻柱被卡瓦组件释放并且井下工具(例如，钻头)被下放到井底(例如，井底或BOH)的情况。在连接后期间，流体被泵入钻柱的流速可能增加和/或减少，钻柱的转速可能增加和/或减少，井下工具(例如，钻头)可能向上和/或向下移动，或该两种情况的组合。
至于不存在状态，它可以指示没有接收到数据(例如，多个输入中至少有一个丢失)的场景。
举例来说，可以利用一种方法来确定卡瓦状态。例如，卡瓦状态可以包括以下一种或多种：扣紧卡瓦，其中卡瓦组件与钻柱接合并支撑钻柱(“扣紧卡瓦”)；脱开卡瓦，其中卡瓦组件不与钻柱接合且不支撑钻柱；以及不存在，其中未接收到数据(例如，至少有一个输入丢失)。
图8的方法800可以包括各种数据采集或数据接收块802、806、808等、各种决策块805、807、809、813、815、817和843、检测块812和842以及状态块。测量值可以包括(1)井筒的深度、(2)钻头的深度、(3)游车的位置，或其组合。一组测量值可能包括或可能不包括大钩载荷(例如，HKLD)或钻压(例如，WOB)。每组测量值可以是在捕获/接收到前一组测量值之后的预定量的时间捕获/接收。预定时间量可以是例如大约三秒；然而，预定时间量可以更短或更长。
2017年12月28日的PCT公开WO 2017/221046 A1通过引用并入本文中并且标题为“Automatic drilling activity detection”(‘046公开)。'046公开描述了一种确定钻井活动的方法，所述方法包括在不同时间接收一组测量值。该组测量值可以包括井筒的深度、钻头的深度以及游车的位置。所述方法还可以包括通过确定何时游车的位置改变但钻头的深度不改变来识别连接。所述方法还可以包括确定在两个不同连接之间何时井筒深度不增加。所述方法还可以包括确定钻头在两个连接之间移动的方向。
图9示出了根据实施方案的图900的示例，示出了包括钻井、连接前、连接、连接后和非钻井活动的时间间隔。时间示出在X轴上，总计约3小时。图900的顶部四分之一910示出了井筒深度与时间的关系。图900的下一个四分之一920示出了游车的位置与时间的关系。图900的下一个四分之一930示出了井下工具(例如，钻头)正在钻井、发生连接前、发生连接、发生连接后以及发生非钻井活动的时间间隔。图900的底部四分之一940示出了钻柱与卡瓦组件接合并由卡瓦组件支撑(扣紧卡瓦)以及钻柱不与卡瓦组件接合或不由卡瓦组件支撑(脱开卡瓦)的时间间隔。如可以看出，游车在连接期间向上移动而在钻井期间向下移动。另外，当发生连接时，钻柱扣紧卡瓦，而当不发生连接时，钻柱脱开卡瓦。
图10示出了图形用户界面(GUI)1000的示例，所述图形用户界面包括相对于时间的各种数据集。在图10的示例中，GUI 1000包括可以利用特定颜色方案的钻井状态轨迹，其中绿色对应于钻井(加深井筒)、红色对应于连接前状态，黑色对应于连接后状态，并且灰色对应于连接状态。对于时间序列数据，BPOS、HKLD和STOR相对于时间显示。具体地，BPOS是相对于距离(例如，10米至40米等)显示，HKLD是相对于kN(例如，500kN至1500kN)显示，并且STOR显示为以kN.m为单位的扭矩损失(例如，0kN.m至50kN.m)。在图10的示例中，各种值被标记为AC并且各种值被标记为RC。标记为RC的值是与标记为AC的值相比有所改进的值。举例来说，一种方法可以包括基于地面传感器的机器学习来检测上提(PU)/下放(SO)重量以及井下钻压(DWOB)和扭矩(TQLS、井下扭矩(DTOR)等)。这种方法可以输出针对各种操作改进的值，特别是在设备可能没有一种或多种类型的井下传感器的情况下。例如，考虑在没有井下扭矩传感器的情况下进行操作的场景。在这样的示例中，一种方法可以实施经过训练的机器模型以确定一个或多个井下扭矩值。
举例来说，一种方法可以包括用于接收以下输入的接口：钻井_状态，钻井状态[无单位]；BPOS，滑车位置[m]；RPM，每分钟转数[c/min]；HKLD，大钩载荷[kN]；以及STOR，地面扭矩[kN.m]。这种方法可以利用此类输入来输出以下输出：HKLD_SO，大钩载荷-下放[kN]，滑车往下；HKLD_PU，大钩载荷-上提[kN]，滑车往上；HKLD_FR，大钩载荷-自由旋转[kN]；DWOB，井下钻压[kN]；TQLS，扭矩-损失[kN.m]；DTOR，扭矩-井下[kN.m]，DTOR＝STOR–TQLS。
再次参考图10的GUI 1000，示出各种输入和输出。例如，输入包括钻井_状态、BPOS、HKLD和STOR，并且输出包括HKLD_SO、HKLD_PU、HKLD_FR和TQLS，它们可以被编码(例如，颜色、阴影、影线等)。
在钻井过程期间，可以利用与钻井立柱之间的连接相关联的信息。历史上，连接处的钻井参数是在钻井现场获取的，但由于队员更换而导致不一致。为了减少人为因素的影响并以更系统的方式选择测量点，开发了各种算法；然而，由于司钻的做法不一致和/或由于一个钻井公司与另一钻井公司应用的过程不同，此类算法存在局限性。
举例来说，一种系统可以包括一个或多个处理器、存储器和指令，所述指令可以指示系统以稳健方式操作以检索离底测量值，诸如载荷、扭矩和压力的离底测量值。例如，考虑泥浆测井系统的算法或具有自动校准的平台工具套件(PTK)的算法(斯伦贝谢公司，休斯顿，德克萨斯州)。这种算法可操作以输出多个值，所述值可用于确定连接处的上提(PU)和/或下放(SO)的大钩载荷并且还可用于确定WOB、钻头扭矩(TAB)和钻头压力(PAB)的井下钻井参数。当不进行或无法进行井下测量时，可以使用计算的井下钻井参数。这些计算值例如对于陆地钻机操作可能是有用的，其中PU和SO值可能是钻井和/或起下钻作业期间卡钻的第一指示。
在实时监测和钻井数据分析的情况下，这些值的计算可用于对照实际测量值显示扫帚模型，以及用于井底钻井效率分析。
实施为计算框架的钻井分析软件可能会在供应商中立的情况中面临质量较差的实时地面数据。数据可能是频率相对较低的数据(例如，考虑0.1Hz采样速率)，并且连接时不一致的钻井做法可能会使某些类型的计算不可用，从而可能影响对此类软件本身的信心。
如关于示例GUI 1000所提到的，一种方法可用于确定与钻井作业相关联的各种现象。例如，甚至在质量较差的情况下，仍可以基于数据(例如，供应商免费数据等)来确定扭矩损失和上提(PU)/下放(SO)/自由旋转(FR)重量。这种方法可以以自动化方式操作。这种方法可以用于估计一个或多个操作摩擦因数。举例来说，一种方法可以包括确定与卡钻有关的一个或多个值。举例来说，一种方法可以包括确定指示风险(例如，卡钻的概率)的值。举例来说，一种方法可以实施为控制系统的部分，所述控制系统可操作以降低卡钻的风险和/或减少卡钻事件。举例来说，一种方法可以用于检测卡钻。举例来说，一种方法可以实施为卡钻检测工作流的部分。在这样的示例中，工作流可以减少卡钻的发生和/或检测卡钻。
举例来说，一种方法可以用于在时间数据序列中检测扭矩损失和/或上提(PU)、下放(SO)和自由旋转(FR)重量中的一者或多者。举例来说，这种方法可以利用经过训练的机器模型并且可以包括对机器模型进行训练。举例来说，机器学习技术可以取代手动输入一个或多个解释参数。举例来说，一种方法可以选择多个通道，其中所选的通道允许减少用户错误(例如，错误最小化等)和/或数据质量问题。举例来说，对于每个单独的输出，一种方法可以涉及利用一个或多个标准对数据点滤波，其中此类标准可以包括基于过程的物理性质的一个或多个标准。在这种方法中，当应用于钻井作业的立柱时，可以统计地获取每个单独立柱的最终点，例如，为点的中值。这种方法可以用于减少来自一个或多个地面传感器的数据中的噪声影响。
举例来说，立柱可以是钻杆或钻铤的两个或三个单个接头，它们在起下钻操作期间保持拧在一起。各种中等到深能力的钻机可以处理三接头立柱，称为“三联”或“三重”。一些较小的钻机具有用于双接头立柱的能力，称为“两重”。举例来说，操作可能涉及将钻杆或钻铤直立在井架中并将它们放入指梁中以使它们保持整齐。当更换钻头或调整井底钻具组合(BHA)时，这种方法往往是从井中移除钻柱的相对有效的方法。举例来说，一种方法可能涉及拧松螺纹连接。举例来说，在一些情况下，“立柱”可以是钻柱的单个未联接段。虽然提到了直立放置，但在一些情况下，可以利用其他定向。例如，在涉及拧松螺纹连接的操作中，钻杆的各部分可能以水平位置放置。
虽然提到了螺纹，但是各种类型的设备可以经由非螺纹套节或接头连接。连接件可以是连接两个管状部件的螺纹套节或接头或者非螺纹套节或接头。连接可以是添加段的操作，例如将钻杆的接头或立柱添加到钻柱的顶部(例如，“进行连接”)。可利用相反的操作来移除段(例如，断开连接等)。
对于地面传感器测量，在操作期间，对于连接/断开连接操作，移动可能不太一致。例如，当起下钻时，移动可以减慢(例如，减速)，然后加快(例如，加速)。在加速与减速的时间之间，移动可能会更加一致。在移动更一致的情况下，地面传感器数据在与移动不太一致(例如，减速和/或加速)的情况相比时可能具有较高的信噪比(SNR)。举例来说，一种方法可以包括处理传感器数据以有效地选择在移动更一致的一个时间段(例如，或多个时间段)内的数据点(例如，样本)。虽然这种方法可以减少所用的数据点的数目，但所用的数据点可能具有更少噪声(例如，较高SNR等)。举例来说，一种方法可以涉及检测一个或多个连接时间以及选择与所述一个或多个连接时间具有时间增量的时间序列数据的窗口。例如，考虑跨越从连接1到连接2的时间段t-总计的时间序列数据，其中选择一个窗口，所述窗口小于t-总计并且不包括在连接1之后的时间段t-1中的数据点以及不包括在连接2之前的时间段t-2中的数据点。这种方法可以使用基于速度的标准(例如，平均速度等)、使用基于总时间的标准、使用加速标准、使用减速标准等基于百分比、数据点数目(例如，给定采样速率)来选择窗口。
举例来说，考虑一种利用基于先前的立柱经验进行重量和扭矩检测的统计方法的方法。
图11示出了具有与操作相关联的各种状态的时间线的图形1100的示例，其中可能存在相关联的时间序列数据。图形1100是按照包括RIH、钻井和POOH的操作序列从左到右组织。例如，考虑下入钻柱、使用钻柱钻井以及起出钻柱(例如，用于更换钻头、BHA修改等)。各种操作可能涉及连接立柱或使立柱断开连接以及钻柱的加速和/或减速时段。
在图11的示例中，时间序列数据可以包括地面扭矩时间序列数据(STOR)和大钩载荷时间序列数据(HKLD)。同样，图10示出了这些类型的数据的一些示例。举例来说，一种方法可以包括使用中值进行滤波，所述中值可以是重量、扭矩等的中值。
如图形1100中所指示，一种方法可以包括将立柱类型分成多种类别，诸如三种类别：RIH、钻井和POOH。在立柱的钻井间隔期间，所述方法可以包括计算地面扭矩的中高值(DrStorMed)。举例来说，这样的计算值可以用作扭矩损失检测的阈值，这可能伴随着一个假设，即，在下一个立柱中将不会导致负井下扭矩。如图形1100中所示，在钻井立柱的连接间隔期间，所述方法可以包括计算最小大钩载荷值(ConHkldMin)和/或中值大钩载荷值(ConHkldMed)。举例来说，这样的计算值可用于滤波(例如，定义滤波器)以计算一个或多个重量，诸如上提(PU)重量和/或下放(SO)重量。
举例来说，一种方法可以如图11的图形1100中那样进行，其中在识别了阈值之后，所述方法可以继续进行检测。
在图11的示例中，统计方法和/或概率方法可以用于基于先前立柱经验进行重量、扭矩和压力检测中的一项或多项。如所提到的，一种方法可以包括将立柱类型分为三种类别：RIH、钻井、POOH。在这样的示例中，在一个或多个立柱的各种间隔期间，一种方法可以包括计算可能与一种或多种条件有关的各种统计值。例如，考虑扭矩、大钩载荷、压力、流量等。
在图11的示例中，示出中值的各种示例，所述中值可以包括例如以下各项中的一者或多者：钻井期间的中值大钩载荷(DrHkldMed)、钻井期间的中值地面扭矩(DrStorMed)、钻井期间的中值立管压力(例如，绝对值)(DrSppaMed)以及钻井期间的中值流量(DrFlwiMed)。举例来说，可以识别此类值中的一者或多者并用作一个或多个阈值。
举例来说，在钻井立柱的连接间隔期间，一种方法可以包括计算阈值，其中所述阈值可用作滤波器，例如在滤波器模型中，用于计算一个或多个其他值(例如，诸如上提、下放、自由旋转等重量、扭矩、压力、流速等)。在这样的示例中，滤波器或滤波器模型可以包括一种或多种其他类型的参数，这些参数可以例如经由向一个或多个数据库中的数据等进行学习来确定。
如图11所示，时间序列数据可以包括地面扭矩时间序列数据(STOR)、大钩载荷时间序列数据(HKLD)、立管时间序列数据(SPPA)以及流量时间序列数据(FLWI)(例如，泥浆流入流速等)。
举例来说，在连接期间(例如，连接间隔)，一种方法可以包括计算中值大钩载荷值(ConHkldMed)，所述中值大钩载荷值可用作滤波器以计算上提重量和/或下放重量。
举例来说，在识别了DrStorMed、DrHkldMed、ConHkldMed、DrSppaMed和DrFlwiMed阈值中的一者或多者之后，一种方法可以继续进行一个或多个检测过程，所述检测过程可以包括使用一个或多个滤波器模型进行滤波，所述滤波器模型可以是可以包括一个或多个参数值的机器模型，所述参数值可以例如使用补偿井数据等来学习。例如，阈值可以被视为动态参数，而可以经由使用补偿井数据等的学习来确定一个或多个其他参数。
图12示出了GUI 1200的示例，所述GUI包括具有与操作相关联的各种状态的时间线，其中可能存在相关联的时间序列数据。GUI 1200示出了过程的一些示例，所述过程可以是例如可以使用一个或多个阈值操作的检测过程。如图12的示例中所示，GUI 1200可以包括三个立柱的各个部分，包括RIH、钻井和POOH。GUI 1200示出了检测TLQS、HKLD_FR、HKLD_SO、HKLD_PU和OFBP(离底压力)的方法。
举例来说，一种方法可以包括如下地确定连接之后(例如，连接后)中的重量值HKLD_FR：
A.收集“连接之后”(例如，连接后)期间的数据点；
B.丢弃负数和丢失的HKLD点；
C.丢弃RPM<20c/min的点；
D.丢弃当钻头在井底时(钻机_状态＝0或1)的点；
E.丢弃滑车速度>0.1m/s的点；
F.丢弃HKLD<DrHkldMed的点；以及
G.确定将被取作其余点的低中值的最终HKLD_FR结果值，其中采用中值来查看挑选的精确点可被视为安全的，因为HKLD在该时段期间往往不会具有很多噪声。
举例来说，一种方法可以包括如下地确定连接之后(例如，连接后)中的扭矩值TQLS：
A.收集“连接之后”期间的有效STOR数据点；
B.丢弃负数和丢失的STOR点；
C.丢弃当钻头在井底时(钻机_状态＝0或1)的点；
D.丢弃RPM<20c/min或RPM<0.9*max(RPM)的点；
E.丢弃STOR>DrStorMed的点；以及
F.确定将被视为其余点的平均值的最终TQLS结果值，其中采用平均值代替中值可被视为更安全的，因为在连接之后期间经常会存在大量STOR噪声。
举例来说，一种方法可以包括如下地在连接前中执行各种计算：
A.为了计算钻井阶段中的HKLD_PU和HKLD_SO，将来自连接前间隔的点收集到两个集合中--一个针对上提且一个针对下放(例如，钻柱在钻孔中的不同移动方向)；
B.对于该两种情况，首先应用HKLD<ConHkldMed*1.1滤波器；
C.对于该两种情况，基于钻机_状态输入丢弃旋转点；
D.对于上提集合，获取BPOS增加的点，通过min(BPOS)+1m<BPOS<max(BPOS)–1m进行滤波，并且将最终HKLD_PU取作该集合的高中值；以及
E.对于下放集合，获取BPOS减小的点，通过min(BPOS)+1<BPOS<max(BPOS)-1进行滤波，并且将最终HKLD_SO取作该集合的低中值；请注意，这种方法往往会比根据滑车位置来计算和比较滑车速度更高效。
举例来说，一种方法可以包括如下地执行针对RIH和/或POOH的各种计算：
A.在RIH和POOH阶段期间，未定义连接前和连接后，因为不发生钻井；
B.在分析期间，计算min(BPOS)和max(BPOS)，在min(BPOS)与max(BPOS)之间的1/3区间处获取点；
C.将RIH期间的HKLD_SO取作点的低中值；以及
D.将POOH期间的HKLD_PU取作点的高中值。
举例来说，一种方法可以包括执行关于离底压力(OFBP)和/或压差(DPRES)的各种计算，这可例如与井下马达的操作有关，所述井下马达可至少部分地通过流体流驱动(例如，泥浆马达等)以使钻头转动。例如，考虑一种可以用于经由以下操作确定离底压力(OFBP)和/或压差(DPRES)的方法：
A.学习前一个钻井立柱(例如，连接前)期间的SPPA(立管压力)点，计算DrSppaMed＝中值(SPPA)；
B.学习前一个钻井立柱(例如，连接前)期间的FLWI(泥浆流入流速)点，计算DrFlwiMed＝中值(FLWI)；
C.在下一个连接后(例如，连接之后)期间，获取SPPA/FLWI样本；
D.移除SPPA>DrSppaMed的点；
E.通过获取钻机状态＝离底来移除触底点；
F.移除FLWI<0.85*DrFlwiMed的点；
G.计算参考OFBP＝留下的点的平均(SPPA)；以及
H.计算下一个钻井立柱的点的DPRES＝SPPA–OFBP。
在各种示例中，可以使用一种或多种学习技术来确定一个或多个参数，所述学习技术可以是基于机器模型的学习技术。举例来说，可以分析来自补偿井的数据。在这样的示例中，可以测试各种参数值以确定用于一种或多种方法的合适参数值。例如，考虑上文给出的与RPM、滑车速度、流速等有关的各种数值，它们可以是一个或多个滤波过程的部分。可以使用补偿井数据确定此类数值中的一个或多个，其中例如所述数值可以通过使用机器模型来确定，所述机器模型可以使用补偿井数据来进行训练以达到所述数值。这种方法可以旨在增加关于图12的GUI 1200描述的一种或多种技术的准确性和/或适用性(例如，稳健性等)。例如，可以针对特定类型的地层、特定类型的井底钻具组合、特定类型的钻井液等来确定一组参数值。举例来说，可以更新一个或多个参数值，这可以经由可对补偿井数据、目标井数据等中的一者或多者操作的后台过程来进行。
举例来说，一种方法可以包括执行关于离底压力(OFBP)和/或压差(DPRES)的各种计算，这可例如与井下马达的操作有关，所述井下马达可至少部分地通过流体流驱动(例如，泥浆马达等)以使钻头转动。例如，考虑一种可以用于经由以下操作确定离底压力(OFBP)和/或压差(DPRES)的方法：
A.学习前一个钻井立柱(例如，连接前)期间的SPPA(立管压力)点，计算DrSppaMed＝中值(SPPA)；
B.学习前一个钻井立柱(例如，连接前)期间的FLWI(泥浆流入流速)点，计算DrFlwiMed＝中值(FLWI)；
C.在下一个连接后(例如，连接之后)期间，获取SPPA/FLWI样本；
D.移除SPPA>DrSppaMed的点；
E.通过获取钻机状态＝离底来移除触底点；
F.移除FLWI<0.85*DrFlwiMed的点；
G.计算参考OFBP＝留下的点的平均(SPPA)；以及
H.计算下一个钻井立柱的点的DPRES＝SPPA–OFBP。
再次参考图12的GUI 1200，参数值的一些示例可以包括“20c/min”(例如，RPM<20c/min)、“0.1m/s”(例如，滑车速度>0.1m/s)、“20c/min”或“0.9”(例如，RPM<20c/min orRPM<0.9*max(RPM))、“1.1”(例如，HKLD<ConHkldMed*1.1)、“0.85”(例如，FLWI<0.85*DrFlwiMed)等。此类值可使用诸如“param”(例如，param1、param2、param3、param4等)的名称来表示为参数。如所解释的，阈值可以是可能是动态的另一类型的参数，它可以使用诸如“thres”(例如，thres1、thres2、thres3等)的名称来表示。
如所解释的，可以利用各种方程、技术等来检测TLQS、HKLD_FR和HKLD_SO中的一者或多者。如所解释的，可以在一种方法中利用一个或多个阈值例如来收集特定的HKLD时间序列数据(例如，HKLD时间序列数据的滤波)以及收集特定的STOR时间序列数据(例如，STOR时间序列数据的滤波)。举例来说，滤波器可以是低通滤波器、高通滤波器、带通滤波器或另一种类型的滤波器。
如图所示，图形1200包括如图11的图形1100中的分区(例如，阶段)。举例来说，图形1100和/或图形1200可以作为图形用户界面渲染到显示器。在这样的示例中，可以利用一个或多个图形控件来询问状态、基础数据、计算参数等中的一者或多者。
为了计算TQLS，一种方法可以接收连接后期间的有效STOR数据点，其中那些STOR数据点值小于DrStorMed(例如，或小于或等于)。举例来说，最终TQLS结果值可被取作已滤波数据点的低中值。举例来说，一种方法可以包括使用连接之后(例如，连接后状态)的某个点，其中有可能取得扭矩值(TQLS)，所述扭矩值可从使用传感器测得的地面扭矩(STOR)中减去，以估计小于地面扭矩的井下扭矩(DTOR)(例如，DTOR＝STOR–TQLS)。再次参考图10，TQLS_RC的轨迹指示对应于状态轨迹中的连接后状态的点。此类点可用于确定DTOR，它是估计的实际井下扭矩。如所提到的，此类值对于卡钻检测、降低卡钻风险、进行控制以解决卡钻指示等等来说是有用的。如所提到的，TQLS_RC的值与TQLS_AC的值相比得到改善；因此，DTOR以及对应的摩擦、卡钻等也得到改善。如所指示的，在钻柱不旋转的情况下，扭矩为零(例如，参见STOR掉落至零的情况)。
为了计算HKLD_FR，一种方法可以接收连接后期间的具有有效HKLD和RPM的数据点。然后，所述方法可以经由方程RPM<0.7xmax(RPM)对所述数据点进行滤波，所述方程可以是滤波器模型(例如，机器模型滤波器)。举例来说，最终HKLD_FR结果值可被取作已滤波数据点的低中值。
为了计算钻井阶段期间的HKLD_PU和HKLD_SO，一种方法可以接收两个集合中的来自连接前间隔的点，一个集合是针对上提(PU)且另一个集合是针对下放(SO)。对于这两个集合，一种方法可以首先应用HKLD<ConHkldMin滤波器。然后，可以通过RPM>1c/min条件对集合进行滤波。然后，对于上提(PU)集合，一种方法可以获取BPOS增加的数据点，通过1.2xmin(BPOS)<BPOS<0.8x max(BPOS)进行滤波，并且可将最终HKLD_PU取作所述集合的高中值。对于下放(SO)集合，一种方法可以获取BPOS减小的点，通过1.2x min(BPOS)<BPOS<0.8xmax(BPOS)进行滤波，并且可将最终HKLD_SO取作所述集合的低中值。从统计上看，一种方法可能比根据滑车位置计算和比较滑车速度(例如，参见图13)更高效。
在RIH和POOH阶段期间，未定义连接前和连接后，因为不发生钻井。举例来说，当max(BPOS)–2m<BPOS<max(BPOS)时，可将RIH期间的HKLD_SO取作min(HKLD)。并且，当min(BPOS)<BPOS<min(BPOS)+2m时，可将POOH期间的HKLD_PU取作max(HKLD)；请注意，可使用百分比来替代距离，或除了距离之外还使用百分比。
学习可以在钻井过程中发生，其中可以应用一个或多个滤波器来识别特定时间(例如，参见由图10中的各种点指示的时间)。如所指示的，各个阶段可以伴随有各种规则，所述规则可以是基于模型的规则(例如，基于机器模型的规则等)。
如所解释的，一种方法可以利用为“浮动”的滤波器，使得可以逐立柱地确定最小值和最大值。此类滤波器可以是实时的自适应滤波器。这种方法可以减少参数的“硬编码”，并提供更稳健的方法来确定井下值。在各种示例中，可以利用各种统计度量(例如，最小值、最大值、中值等)。关于“硬编码”，可以利用RPM>1和BPOS>0进行滤波，其中“1”和“0”被硬编码。这种方法可以帮助确保一定量的旋转并且BPOS被定义为正的；请注意，另一种方法可以可选地为BPOS利用负的或正的和负的标度。
图13示出了图形1300的示例，所述图形示出了基于滑车位置(BPOS)进行PU和SO点检测的技术。如所提到的，各种操作可涉及一个或多个不一致运动时段和一个或多个相对一致运动时段。此类时段可能分别与高噪声和低噪声相关联。例如，不一致运动可能与第一水平的信噪比相关联，并且一致运动可能与第二水平的信噪比相关联，其中第二水平比第一水平高。此类噪声可能是传感器表面构造、采样和/或一个或多个其他因素造成的。
在图13的示例中，示出钻井阶段期间的连接前状态，其中连接前状态横跨最小BPOS值与最大BPOS值之间的时间，这可以例如相对于图8、图9或图10的图形的BPOS轨迹中的一个或多个来理解。例如，考虑图8的图形，其中通过方法800的决策块817以黑色来识别连接前状态。连接前状态在图8的图形的活动轨迹中被识别为在时间上先于对应的连接状态。如所指示的，连接后状态可以跟在后面，其后是钻井状态(例如，请注意，非钻井状态可能发生)。在一定量的钻井之后，可能会出现另一种连接前状态。如图8的方法800中所指示，可以利用决策块843来对RIH和/或POOH分类。在图8的图形中，可以看到BPOS有变化。如图13中所指示，它可以相对于时间从最小值到最大值发生变化。如所解释的，窗口可用于数据点，所述窗口可用于对时间序列数据中的数据点进行滤波。在图13的示例中，窗口是连接前状态的开始时间与连接前状态的结束时间之间的总时间的60％窗口，其中不利用前20％时间段中的数据点和最后20％时间段中的数据点。此类数据点在与60％窗口的数据点相比时可能具有较高噪声。虽然图13中所示的方法对数量少于可用于连接前状态的数据点总数的数据点进行操作，但所选择(例如，通过滤波等)的数据点提供改进的计算。
如所解释的，在例如一个或多个对应传感器可能不可用于测量此类井下值的情况下，可以利用一种方法来计算一个或多个井下值。
图14示出了方法1400的示例，所述方法包括：接收块1410，用于接收包括井下传感器数据的时间序列数据，其中所述时间序列数据可以来自多个井(例如，考虑十个或更多个井)；执行块1420，用于执行学习以生成经过训练的机器模型；接收块1430，用于接收单个井的操作的时间序列数据，所述井可以包括或可以不包括一个或多个井下传感器；应用块1440，用于对接收块1430的接收到的数据的至少一部分应用经过训练的机器模型以计算一个或多个值；以及发布块1450，用于使用所述一个或多个值中的至少一个来发布至少一个操作的至少一个控制指令。图14还示出了可用于实施方法1400的一个或多个部分的系统1490的示例。
如图所示，方法1400可以包括各种部分，诸如训练部分、实施部分和控制部分。关于训练，考虑访问数十个井(例如，50个井、100个井等)的时间序列数据，其中所述时间序列数据包括来自井下传感器的数据。例如，为了训练的目的，可以访问使用具有一个或多个井下传感器的钻柱钻取的井的各种数据集。在这样的示例中，训练可以使用输入值来训练机器模型以再现基于井下传感器的值(例如，经由使基于输入的输出与基于井下传感器的实际值匹配)。此类训练可以称为机器学习，所述机器学习可以生成经过训练的机器模型。举例来说，此类机器学习可以用于输出可适合于在一个或多个滤波器模型中使用的一个或多个参数值，所述滤波器模型可被视为机器模型。
如所解释的，这种经过训练的机器模型可以在一种方法中使用，所述方法可以计算不基于井下传感器测量的井下值。举例来说，经过训练的机器模型可以包括自适应特征。例如，经过训练的机器模型可以使用时间序列数据进行自适应，所述时间序列数据可以包括实时数据。可以利用机器模型来确定一个或多个参数值，所述一个或多个参数值可以例如是对时间序列数据执行一项或多项滤波任务的滤波模型的一部分，其中所述滤波模型可以包括一个或多个阈值。举例来说，关于图12的GUI 1200描述的一种或多种方法可以使用用于阈值识别、数据滤波等的一个或多个单片机器模型来实施。此类一个或多个模型可以可操作地耦合到一个或多个数据库和/或实时数据源。
举例来说，经过训练的机器模型可以作为一个或多个滤波器来操作，所述一个或多个滤波器可以例如逐钻井立柱地应用于时间序列数据。举例来说，一种方法可以包括决策树结构，所述决策树结构涉及应用一个或多个滤波器来确定多个点，所述点可用来代表关于钻井立柱的一个或多个操作的特定方面。
举例来说，滤波器可以是通过训练得到的“智能”滤波器。例如，经过训练的机器模型可以是可使用输入进行自适应的滤波器模型。举例来说，一种方法可以用诸如PYTHON语言等合适的编程语言来实施为指令，所述指令存储在可操作地耦合到处理器的存储装置中，其中此类指令可由处理器执行。
举例来说，关于实施，在操作期间，可以获取钻柱的一段(例如，立柱等)的时间序列数据，其中该时间序列数据的特定部分(例如，所选择的样本)可用作输入来确定(例如，识别)钻柱的下一段的一个或多个阈值，例如以计算上提(PU)和下放(SO)点。
如所提到的，输入可以包括(i)钻井状态(例如，依照一种方法，诸如图8的方法800)、(ii)BPOS、(iii)RPM、(iv)HKLD和(v)STOR，并且输出可以包括(i)HKLD_SO(滑车正往下)、(ii)HKLD_PU(滑车正往上)、(iii)HKLD_FR(自由旋转)、(iv)DWOB(井下值)、(v)TQLS和(vi)DTOR，其为井下的(例如，DTOR＝STOR–TQLS)。在该示例中，可以以有限的方式选择输入数量，这可以帮助限制可能存在和/或以其他方式影响输出的噪声的量和/或类型。如所提到的，扭矩值可用于一个或多个摩擦计算。摩擦可以是钻柱在井筒中旋转期间发生的井筒摩擦。举例来说，可以相对于钻柱和井筒来计算摩擦因数。举例来说，输入可以包括SPPA和/或FLWI，它们可以是一个或多个其他输入的替代和/或补充。
对于BPOS，它可以在以米(例如，0米至40米)或英尺指定的范围内。取决于现场的设备，BPOS的采样速率可能会不同。举例来说，BPOS相对于时间的采样速率可以是1秒、3秒、5秒、10秒等。举例来说，稳健系统可以被配置为处理各种不同的采样速率，所述采样速率可以是设备类型、执行钻井的实体等特定的。此类时间序列数据可能会包括噪声。举例来说，为了处理噪声，一种方法可以利用BPOS的原始时间序列数据并且选择其中的数据点(例如，样本)来用于计算目的。这种方法可能涉及进行滤波以选择此类数据点。虽然提到了BPOS，但是这种方法也可以应用于HKLD和STOR，它们可能包括未见于BPOS中的噪声、异常值等。例如，HKLD和/或STOR可能包括尖峰(例如，具有相对极端值的短瞬变)。举例来说，一种方法可以在包括一个或多个井下传感器的情形中使用。例如，取决于井下传感器数据到地面位置的传输，在接收到实际井下传感器值之前，可使用估计值。举例来说，在一些情形中，井下传感器数据可能存储在设备中，使得在设备起钻之后可访问数据。在这样的示例中，可以在实际数据与估计值之间进行比较。
如所解释的，机器模型可以是可以作用于输入的一个滤波器(或多个滤波器)，所述输入可以是与钻柱的段(例如，立柱等)相关联的时间序列数据。这种方法可以用于确定可用于后续立柱的一个或多个阈值。
举例来说，一种方法可以自动地检测钻井期间的扭矩损失、上提(PU)、下放(SO)和自由旋转(FR)操作的重量，和/或一个或多个压力。这种方法可以作用于输入，所述输入可能限于钻井状态、滑车位置、旋转速度、大钩载荷和地面扭矩，和/或可以可选地包括立管压力和/或流速。
如所解释的，一种方法可以包括实施机器学习以通过查看先前连接和先前钻井间隔(例如，阶段)来识别用于大钩载荷和地面扭矩的适当滤波器。这种方法可以减少用户的人工干预。例如，这种方法可以自动地从时间序列数据中提取阈值。
举例来说，一种方法可以以改进了利用大钩载荷阈值的方法的方式来操作，所述大钩载荷阈值确定钻柱是否扣紧卡瓦。例如，一种方法可以以对时间序列数据中的噪声(例如HKLD中的噪声)更加稳健的方式操作。
举例来说，一种方法可以利用经过训练的机器模型，可以利用数量有限的输入，并且可以对数据点(例如样本)利用统计方法和/或概率方法。这种方法对噪声可能具有稳健性并且适用于多种类型的设备，所述设备可以提供基本类型的地面传感器。
如图14的方法1400中所指示，可以发生训练阶段以生成经过训练的机器模型。例如，考虑使用50口井数据的时间序列数据来用来自真实井下传感器的数据进行训练。如所指示的，实施阶段可以利用经过训练的机器模型。举例来说，一种方法可以包括查看先前的钻井立柱并对用于下一个钻井立柱的阈值进行采样。举例来说，一种方法可以在本地和/或远程实施。举例来说，诸如TECHLOG框架等计算框架可以包括用于实施诸如图14的方法1400等方法的一个或多个部分的特征。举例来说，一种方法可以是一个工作流(或多个工作流)的部分，所述工作流可以是扭矩和阻力工作流、起下钻载荷工作流、卡钻工作流、泥浆马达工作流等。
图14还示出了各种计算机可读介质(CRM)块1411、1421、1431、1441和1451。此类块可以包括可由一个或多个处理器执行的指令，所述处理器可以是计算框架、系统、计算机等的一个或多个处理器。计算机可读介质可以是非信号、非载波并且非暂态的计算机可读存储介质。例如，计算机可读介质可以是可以以数字格式存储信息的物理存储器部件。
在图14的示例中，系统1490包括一个或多个信息存储装置1491、一个或多个计算机1492、一个或多个网络1495和指令1496。关于一个或多个计算机1492，每个计算机可以包括一个或多个处理器(例如，或处理核心)1493和用于存储指令1496的存储器1494，所述指令例如可由所述一个或多个处理器中的至少一个执行。举例来说，计算机可以包括一个或多个网络接口(例如，有线或无线)、一个或多个图形卡、显示接口(例如，有线或无线)等。系统1490可以专门被配置为执行图14的方法1400的一个或多个部分。
图15示出了方法1500的示例，所述方法包括：分区块1510，用于将时间序列数据划分为RIH、钻井和POOH分区；计算块1520，用于使用利用钻井间隔的数据的模型来计算用于扭矩损失确定的阈值；计算块1530，用于使用利用连接间隔的数据的模型来计算用于重量确定的滤波器值；确定块1540，用于使用所述阈值和后连接状态的数据来确定扭矩损失值；确定块1550，用于利用模型滤波器和连接后状态的数据来确定自由旋转大钩载荷值(例如，重量)；以及确定块1560，用于使用所述滤波器值和模型滤波器以及连接后状态的数据来确定重量，其中所述重量包括大钩载荷上提值和大钩载荷下放值中的一者或多者。在图15的示例中，方法1500包括自适应学习阶段和检测阶段，其中检测用于值的确定，所述值可以包括可以用于确定井下扭矩值的扭矩损失值。可以例如在一个或多个工作流中利用井下扭矩值，所述工作流可以包括旨在减少卡钻等事件的控制工作流。举例来说，方法1500可以包括关于压力(诸如离底压力和/或压差)的一个或多个块。
举例来说，经过训练的机器模型可以是基于包括井下传感器数据的时间序列数据。此类经过训练的模型可以在其实施过程中进行自适应，因为可以视情况地确定各种参数值，所述参数值可以是滤波器的参数值，所述滤波器参数值可以是阈值和/或滤波器值。给定此类参数值，一种方法可以利用经过训练的模型(经过适应)来检测数据点，可以对所述数据点进行统计处理以确定多个值，诸如扭矩值、重量值和/或压力值。
方法1500可以使用用于基于立柱经验进行重量、扭矩和/或压力检测的统计方法来实施。如所指示的，一种方法可以将立柱类型划分为分区(例如，RIH、钻井和POOH)。如所提到的，在钻井立柱的钻井间隔期间，一种方法可以计算统计值，诸如地面扭矩的中值高值(DrStorMed)，所述中值高值可用作用于扭矩损失检测的阈值。如所提到的，在钻井立柱的连接间隔期间，一种方法可以计算最小大钩载荷值，所述最小大钩载荷值可用作滤波器值来计算一个或多个重量。此类操作可以是适应过程的一部分，其中利用模型来“学习”所述模型的参数值以用于检测目的。例如，考虑学习DrStorMed和/或ConHkldMin(例如，连接大钩载荷最小值)和/或ConHkldMed(例如，连接大钩载荷中值)和/或DrHkldMed(例如，钻井大钩载荷中值)的参数值，然后利用一个或多个参数值来进行检测。其他值可以包括DrSppaMed和/或DrFlwiMed等。举例来说，为了计算TQLS，一种方法可以收集连接后状态期间的有效STOR数据点(例如，那些STOR<DrStorMed)。在这种方法中，可将最终TQLS值取作点的低中值。关于HKLD_FR的确定，一种方法可以收集连接后状态期间的具有有效HKLD和RPM的数据点。在这种方法中，可以使用模型滤波器(例如，RPM<0.7x max(RPM)，其中“0.7”可以是适当的参数值)来对点进行滤波。可在统计上将最终HKLD_FR结果值取作点的低中值。关于钻井阶段期间的HKLD_PU和HKLD_SO值的确定，一种方法可以收集来自连接前状态的点并且将这些点分类为两组，一组针对上提且另一组针对下放。对于该两组，举例来说，一种方法可以首先应用HKLD<ConHkldMin滤波器(例如，使用自适应部分的滤波器值)。然后，可以通过模型滤波器(例如，RPM>1c/min条件，其中“1”可以是适当的参数值)对集合进行滤波。然后，对于上提组，所述方法可以获取BPOS增加的数据点，通过模型滤波器(例如，1.2x min(BPOS)<BPOS<0.8x max(BPOS)，其中“1.2”和“0.8”可以是适当的参数值)进行滤波，并且可在统计上确定最终HKLD_PU，例如，被取为该组的高中值。类似地，对于下放组，所述方法可以获取BPOS减小的数据点，通过模型滤波器(例如，1.2x min(BPOS)<BPOS<0.8xmax(BPOS))进行滤波，并且可在统计上确定最终HKLD_SO，例如，被取作该组的低中值。
对于RIH和POOH阶段，举例来说，可能未定义连接前和连接后状态，因为不发生钻井。在此类情况下，当max(BPOS)-2m<BPOS<max(BPOS)时，可在统计上将RIH期间的HKLD_SO确定为min(HKLD)，其中“2m”可以是适当的参数值，再次请注意，可以利用一个或多个百分数。并且，当min(BPOS)<BPOS<min(BPOS)+2m时，可在统计上将POOH期间的HKLD_PU确定为(HKLD)，其中“2m”可以是适当的参数值；再次请注意，可以利用一个或多个参数值和/或参数类型(例如，距离、百分数等)。
如关于图11所解释的，一种方法可以包括例如在识别了各种阈值中的一个或多个(例如，DrStorMed、DrHkldMed、ConHkldMed、DrSppaMed、DrFlwiMed等中的一个或多个)之后继续进行一个或多个检测过程。
图16示出了系统1600的示例，所述系统包括用于机器学习模型(ML模型)1650的各种示例输入1621至1627以及可以使用ML模型1650作为经过训练的ML模型来生成的各种示例输出1681至1687。如图所示，输入可以包括钻机状态1621、钻井状态1622、滑车位置(BPOS)1623、RPM 1624、大钩载荷(HKLD)1625、地面扭矩(STOR)1626和一个或多个其他输入1627(例如，考虑一个或多个压力(SPPA等)、流速(FLWI等)等等。如图所示，输出可以包括大钩载荷下放(HKLD_SO)1681、大钩载荷上提(HKLD_PU)1682、大钩载荷自由旋转(HKLD_FR)1683、井下钻压(DWOB)1684、扭矩损失(TQLS)1685、井下扭矩(DTOR)和一个或多个其他输出1687(例如，考虑一个或多个压力(OFBP、DPRES等))。
举例来说，系统1600可以在诸如图14的方法1400等方法中使用，所述方法可以包括诸如训练、实施和控制等各个部分。举例来说，系统1600可以利用系统1490的一个或多个特征，所述特征可以是本地的、分布式的、远程的、本地和远程的等等。举例来说，系统1600可以与关于图11、图12和图13的GUI 1100、1200和1300解释的一个或多个方面一起使用。举例来说，可以利用诸如系统1600等系统来直接地和/或间接地确定可在一种或多种方法中使用的一个或多个值。
图17示出了图形用户界面1700的示例，所述图形用户界面包括系统1710的图形、钻头(或钻头)1711的示例的图形和轨迹1730的图形，其中系统1710可以根据轨迹1730执行定向钻井以钻取井眼。如图所示，轨迹1730包括基本上垂直的部分、狗腿和基本上横向的部分(例如，基本上水平的部分)。系统1710可以以各种操作模式操作，这些操作模式可以包括例如旋转钻井和滑动。在图17的示例中，箭头示出了钻井液(例如泥浆)通过钻头1711的开口的流动(例如，用于润滑、用于将岩屑运载到地面等)。
在图17的示例中，沿着钻柱的纵向阻力可以从地面向下到最大摇摆深度而减小，在该最大摇摆深度处，摩擦和施加的扭矩处于平衡。举例来说，钻井作业可以包括操纵地面扭矩振荡，使得最大摇摆深度可以移动得足够深以产生阻力的显著减小。举例来说，来自钻头的反扭矩可以产生振动，所述振动向上传播回井上，破坏穿过钻柱底部直到干涉点的摩擦和纵向阻力，在该干涉点，扭矩被静摩擦平衡。如图17的示例中所示，中间地带可以保持相对不受地面摇摆扭矩或反扭矩的影响。在图17的示例中，钻井作业可以包括在滑动时监测扭矩、WOB和ROP。举例来说，此类钻井作业可以旨在使中间地带的长度最小，并且因此减小纵向阻力。
滑动模式下的钻井作业涉及手动调整以改变和/或保持工具面定向，这可能具有挑战性。举例来说，滑动模式下的钻井作业可以取决于在不使泥浆马达失速的情况下将重量转移到钻头的能力以及充分地减小纵向阻力以实现和保持期望的工具面角的能力。举例来说，滑动模式下的钻井作业可以旨在达到可接受的ROP，同时考虑各种其他因素(例如，设备能力、设备状况、起下钻等)中的一者或多者。
在钻井作业中，举例来说，由顶驱提供的地面扭矩(例如，STOR)的量可以很大程度上指示井下摇摆可以被传递多远。举例来说，扭矩和摇摆深度之间的关系可以使用扭矩和阻力框架(例如，T&D框架)来建模。举例来说，系统可以包括一个或多个T&D特征。
举例来说，系统可以利用来自地面大钩载荷和立管压力以及井下MWD工具面角的输入。在此类示例中，系统可自动确定适于将井下重量转移到钻头的地面扭矩的量，这可允许操作不脱离底部以进行工具面调整，这可导致钻井作业更有效和井下设备上的磨损减少。此类系统可称为自动化辅助系统。
对于示例钻头1711，它可以包括可以从1到N编号并且以截面图表示的各种切削结构(例如，刀具)，所述截面图是通过将切削结构的放置旋转到单个径向平面上来说明刀具密度和相关联的空间信息的视图。钻头1711可以是例如聚晶金刚石复合片(PDC)钻头，它可以是作为整体旋转且不包括单独移动部件的固定头钻头。
如图17所示，钻头可以包括刀片1712-1、1712-2、……1712-N，所述刀片可以例如包括主刀片和辅刀片。举例来说，刀片可以是钻头主体的一部分并因此与其成为一体。如图所示，刀片可以包括用于安装多个切削结构(例如，从1到N编号)的刀片顶部。举例来说，切削结构可以包括切削面，其中切削结构安装在形成于刀片顶部中的凹座中。切削结构可以靠近刀片前缘彼此相邻地布置成径向延伸的行。举例来说，切削面可以具有最外切削尖端，所述切削尖端距离安装有切削结构的刀片顶部可能最远。如图17所示，钻头主体可以包括各种通道，所述通道可以允许钻井液在刀片1712-1、1712-2、……、1712-N之间流动并且在钻井期间清洁和冷却所述刀片。举例来说，钻头可以由钻头中心线和钻头面来限定，其中刀片沿着钻头面径向延伸。如图17所示，刀片1712-1、1712-2、……、1712-N中的每一者可以向外延伸一段距离，使得在相邻刀片之间限定通道。每一刀片包括刀片顶部，所述刀片顶部可以由刀片高度参数来定义。如所提到的，切削结构可以安装到刀片，其中钻井将利用切削结构来“切削”岩石。举例来说，切削结构可以向外延伸超过它安装到的刀片顶部之外。切削结构(例如，切削元件)可以例如是PDC切削结构，使得钻头可被称为PDC钻头。将PDC形成为切削结构的有用形状可以涉及将金刚石颗粒与其基底物一起放置在压力容器中，然后在高热和高压下烧结。举例来说，钻头主体可以被视为切削结构的载体。
举例来说，钻头可以是胎体钻头(MBB)或钢体钻头(SBB)。胎体可以是坚硬但有些脆的复合材料，其中可以包括与更软、更坚韧的金属粘合剂冶金结合的碳化钨颗粒。胎体作为钻头材料可能是理想的，因为其硬度可以提供耐磨性和耐腐蚀性。胎体钻头可能能够承受相对较高的压缩载荷，但与钢相比，可能具有相对较低的抗冲击载荷能力。
由于胎体可能是相对异质的，因为它是复合材料，并且由于碳化钨颗粒的尺寸和放置，胎体可能变化(例如，通过设计和环境)，使得其物理性质可能比钢更不可预测。
胎体钻头可以通过模制工艺来制造。例如，可以将碳化钨和粘合剂材料放入模具中，然后将模具放入炉中一段时间。然后可以将模具冷却并脱模以移除未完工的胎体钻头。
至于钢体，它能够承受高冲击载荷，但可能相对较软，并且在没有保护特征的情况下，往往会因磨损和侵蚀而迅速失效。优质钢材往往是均质的，其结构限制往往是可预测的。钢体可以通过按照设计加工钢筋来制造。
就主体结构而言，不同钻头类型的设计特性和制造工艺因制造材料的性质而异。胎体的较低冲击韧性限制了一些胎体钻头特征，例如刀片高度。相反，钢具有延展性、韧性，并且能够承受更大的冲击载荷。这使得钢体PDC钻头可能比胎体钻头相对更大，并将更大的高度并入刀片等特征中。
胎体PDC钻头往往适用于体腐蚀可能导致钻头失效的环境。对于孕镶金刚石钻头，可以使用胎体结构。钢的强度和延展性使钢钻头体具有较高的抗冲击载荷能力。钢体往往比胎体更坚固。由于钢材料的性能，可以在多轴计算机数控铣床上构建复杂的钻头轮廓和液压设计。钢钻头可以多次重建，其中可以更换磨损或损坏的刀具，这在低成本钻井环境中对于操作者来说可能是有益的。
钻头的切削结构或刀具可能预期会在钻头的整个使用寿命内持续耐用。为了适当地工作，刀具可以从钻头体特征中获得结构支撑和有效定向。刀具定向可以使得刀具在操作期间在很大程度上(例如，主要)通过压缩力来装载。为了防止损失(例如，从主体脱落)，可以例如通过具有足够结构能力并且在制造期间适当沉积的钎焊材料来固定刀具。
刀片可以适当地放置在钻头面上(例如，安装在刀片上)，以期确保所要量的井底覆盖(例如，完全井底覆盖)。术语“刀具密度”部分地指特定钻头设计中使用的刀具数量。例如，PDC钻头刀具密度可能随着轮廓形状和长度以及刀具尺寸、类型和数量而变。如果存在刀具冗余，则冗余通常可能会从钻头中心到外半径增加，因为随着距钻头中心线的径向距离增加，工作需求增加。较接近测量仪器的刀具比接近中心线的刀具行进得更远且更快并移除更多岩石。如图17所示，可以通过将每个刀具的放置旋转到单个径向平面上来说明刀具密度。此类图示可以被称为刀具密度的平面表示，其被示出为随着径向位置而增加。
减少钻头面上刀具的数量往往会产生以下结果：切削深度(DOC)增加；ROP增加；扭矩增加；以及钻头寿命缩短；然而，增加刀具密度往往会导致：ROP降低；切削结构清洁效率降低；以及钻头寿命延长。
在图17的示例中，对于所描绘的钻头，刀具密度可以在从钻头中心线向外的径向方向上增加，其中平面刀具撞击图案刻划钻头轮廓的图像。
如所提到的，一种系统可以提供与机械比能(MSE)有关的信息，所述机械比能可以是或可以包括井下机械比能(DMSE)。
MSE可以是钻井效率的度量。例如，MSE可以表示用于移除单位体积的岩石的能量。举例来说，为了获得最佳钻井效率，一种系统可能旨在最小化MSE并最大化ROP。为了控制MSE，可以利用各种技术，其中可以包括调整一个或多个控制参数等。例如，司钻和/或系统可以控制WOB、扭矩、ROP和钻头RPM以期控制MSE。
岩石作业可能涉及从坚固的岩壁表面使碎片破裂。岩石作业可能涉及将工具压入岩石表面，岩石表面的特征可以是表面硬度。由于岩石作业过程是使坚固的岩石破裂而不是将坚固的岩石切削成各种尺寸的小碎片，因此它可以被视为压碎过程。举例来说，压碎过程可以使用一种或多种能量/体积关系来表征。举例来说，比能可以定义为用于挖掘单位体积的岩石的能量，其可以被视为岩石作业过程的机械效率的指标。在各种钻井过程中，对于旋转式、冲击旋转式和牙轮钻头钻井来说，最小值可能与被钻入介质的压碎强度大致相关。
举例来说，MSE的方程可以如下：
其中A是钻井的横截面积，并且其中MSE的单位可以是psi、ft-lb*ft3等。
举例来说，可以使用最小MSE除以所获得的MSE来确定钻头效率值。举例来说，对于给定的钻机功率，MSE和ROP可以成反比。在各种钻井作业中，将岩石破碎成小于足以撤出的碎片可能会导致更多的能量消耗，而将岩石破碎成太大而无法撤出的碎片可能需要消耗能量来进行进一步破碎(例如，破碎成更小的碎片)。
举例来说，根据参数，钻井可以根据切削深度(DOC)来表征，其中例如，小切削深度可能与磨削和高摩擦力相关联，从而可能导致高MSE和低ROP，并且例如，其中增加的DOC可能会从刮擦和磨削转变为岩石的破裂和破碎。例如，较高的DOC可能会导致较大碎片中的材料碎裂和破碎，而不太需要经由再磨削减小到较小碎片，这可能会由于更有效的体积移除而导致较低的MSE。
虽然MSE可以是在控制中使用的参数，但如所指示的，前述示例MSE方程包括WOB和RPM。举例来说，控制过程可以利用WOB和RPM中的一个或多个，可选地还有一个或多个其他参数。举例来说，控制过程可以包括监测MSE，其可以用于一个或多个目的(例如，控制、诊断等)。
举例来说，井可以是将经由大位移钻井(ERD)来钻取的大位移井(ERW)。例如，可以使用定向钻井来钻取ERW，以达到总深度(TD)超过真实垂直深度(TVD)大于或等于两倍的钻井水平范围(HR)。ERD对于定向钻井来说可能具有挑战性，并且需要专门规划来执行建井。
ERD可以被定义为例如包括水平距离与深度或H:V比率小于二的深井。举例来说，ERD数据库可以根据建井复杂程度的增加将井分类为低、中、大位移井和超大位移井。建井复杂性可能取决于多种因素，例如，包括水深(对于海上油井)、钻机能力、地质限制和整体TVD。例如，TVD大于7,620m(25,000ft)的直井可被视为大位移井。此外，根据条件，在深水或盐层中钻取的井也可能被归类为ERD，即使该井的水平范围不超过其TVD的两倍。举例来说，ERD可用于从可能比在垂直方向上在目标上方的另一个位置更有利的位置进行钻井。例如，考虑从陆上地点钻井以到达在垂直方向上在水体下方的目标。在各种情况下，从陆上地点钻井可能比从海上地点(例如，平台等)钻井更理想。
图18示出了示例GUI 1800，所述GUI包括地质环境的图形表示，所述地质环境包括由9个侧钻井完成的7个勘探井和6个开发井。举例来说，诸如系统1600等系统可以用于在此类环境中进行一种或多种类型的操作。例如，考虑使用系统1600来钻取一个或多个井的一个或多个部分。在这样的示例中，各种条件可能存在、发生等，例如，考虑12.25英寸的部分(例如，约31.8cm)，其中观察到封堵事件的条件。
举例来说，对于部分，考虑对于多个井将实现50度倾斜的17.5英寸部分(例如，约44.5cm)，而对于多个井，12.25英寸部分(例如，约31.8cm)的着陆角度为90度。举例来说，可以基本上水平地钻取8.5英寸部分(例如，约21.6cm)(例如，横向部分等)。举例来说，一种系统可以协助钻取遇到一个或多个井孔清洁问题的一个或多个部分。例如，考虑识别井孔清洁的敏感倾斜度，所述倾斜度可以在约30度与约70度之间。
图19示出了用于钻取六个井的钻头深度的示例GUI 1900，为测得的深度与时间(以天为单位)的关系。GUI 1900提供用于理解每个井的性能的数据，具体地，所述井的12.25英寸部分的日常进展。如从GUI 1900中可以看出，在钻取井15H期间实现最好性能，井15H达到2,600m，而井11H和14H则面临性能较低的间隔。在井14H期间，在约2,000m处，钻取两个立柱(每个点大致代表一个立柱)需要接近12h。关于井11H的性能，ROP在1,400m与1,600m之间较低，但不会像井14H中那样突然下降。
如所解释的，MSE可以是可用于表征钻井(例如钻井效率)的参数。具体地讲，MSE可以是钻井效率的良好指标。虽然上面给出了MSE的各种方程，但考虑MSE的以下方程作为另一个示例：
MSE＝输入功率/输出ROP
当使用地面数据计算时，MSE概念往往更适合垂直部分，而在大斜度井中使用地面数据往往不太可靠，在大斜度井中建议使用井下参数来消除井筒的能量损失。因此，诸如系统1600等系统可用于如图16所示的各种输出，所述输出可以是各种井下参数的输出。举例来说，一种方法可以包括估计各种井下参数，其中可以计算井下MSE(DMSE)。例如，考虑DMSE的以下示例方程：
DMSE＝480TORxTRPM/(ROPxD2)+4DWOB/(πD2)
其中：
DMSE：井下机械比能，单位为MPa
TRPM：每分钟总转数，单位为c/min
ROP：钻速，单位为m/h
DWOB：井下钻压，单位为kN
DTOR：井下扭矩，单位为kN.m
D：钻头直径，单位为m
图20和图21示出了六个井的各种输出的示例GUI 2000以及放大部分GUI 2100，在GUI 2000中可以对使用扫帚模型在连接期间取得的上提重量和下放重量进行比较。举例来说，一种系统可以生成一个GUI，所述GUI包括具有自动获取的上提点和下放点的多井扫帚。举例来说，诸如图16的系统1600等系统可用于生成一个或多个井、一个或多个井的一个或多个部分等的输出。
在示例GUI 2000中，对于井14H，似乎在观察到塌陷时的深度期间摩擦因数稍有增加，并且就在起钻(POOH)之前进一步增加。在起钻期间，记录30kkgf的超拉力，导致划眼下钻以更好地清洁井孔和避免卡钻。如所解释的，卡钻可能会导致各种问题、资源支出、延误(例如，非生产时间(NPT))等。如所指示的，使用划眼起下钻完成12.25英寸部分需要大约200h，表示该阶段所花的时间的约8％(例如，16h)。
Gutarov等人的临时专利申请“Adaptive Torque Loss Determinati on”、2020年10月16日提交的美国临时专利申请序列号63/093,022以及相关联的美国专利公开US2022/0120176 A1通过引用并入本文中。
示例GUI 2000可以呈现相对于深度(例如，测得深度等)的扫帚模型图。在井眼是垂直的情况下，相对于深度绘制图可以提供一些见解，因为重力加速度的方向是垂直的。因此，操作者可以了解重力如何影响关于钻柱、BHA、钻头、钻井液(例如，泥浆)等的摩擦力。此外，上提(PU)和下放(SO)是相对于井下重力而不仅仅是地面重力来说的。然而，在井眼偏斜的情况下，可能更难以将相对于深度的扫帚模型图与重力相关现象和/或其他现象相关。
举例来说，GUI可以呈现相对于时间的一个或多个扫帚模型图(例如，水平的、垂直的等)。在这样的示例中，可以利用扫帚模型图来确定相对于时间的一个或多个摩擦因数。举例来说，一个或多个GUI可以包括相对于时间的一个或多个扫帚模型图以及数据质量控制图，其可以用于可选地相对于时间来评估因数(例如，权重等)。举例来说，扫帚图或扫帚模型图(例如，模型结果图等)可以是全扫帚图、半扫帚图或扫帚图的另一部分。例如，在关注PU和SO的情况下，它们可以对应于不同方向，使得可以生成全扫帚图；请注意，可以生成PU的半扫帚图和/或SO的半扫帚图。对于TQLS，在扭矩是在特定旋转方向(例如钻头钻井的旋转方向)上的情况下，扫帚图可以是半扫帚图；请注意，可以在两个旋转方向(例如，顺时针和逆时针)获取扭矩，这可以用于以全扫帚方式来呈现图。
在与相对于深度的扫帚模型图进行比较时，相对于时间的扫帚模型图可以让操作者能够更好地理解动态。
图22示出了具有相对于时间的各种轨迹2210、2220、2230、2240、2250和2260的示例GUI 2200。在示例GUI 2200中，轨迹2210示出了可以使用一个或多个模型和传感器数据导出的摩擦因数。具体地讲，轨迹2210示出了扭矩损失(TQLS)摩擦因数(FF)、下放(SO)摩擦因数(FF)和上提(PU)摩擦因数(FF)，它们可以是颜色编码的或以其他方式编码。轨迹2210使操作者和/或控制器能够评估关于一个或多个摩擦因数的一个或多个趋势。
在图22的示例中，轨迹2260表明GUI 2200中的信息涉及8.5英寸BHA行程，所述BHA行程可以针对多段井眼的特定部分。轨迹2260还可以包括状态指示符，例如，在8.5英寸BHA行程行上方的一个或多个行中。在图22的示例中，8.5英寸BHA行程可能预期要花费一定量的时间来钻取8.5英寸部分。在这样的示例中，时间量可能取决于钻速(ROP)，钻速可以例如取决于一个或多个因素而变化。在各种情况下，摩擦可能是影响ROP的因素。
在图22的示例中，可以相对于轨迹2220和轨迹2230中的信息导出轨迹2210中的点。在轨迹2220中，绘制了扭矩的扫帚线(例如，半扫帚)。在轨迹2230中，绘制了扫帚线，其中一些线在基线上方(例如，参见零摩擦模型结果)并且其中一些线在基线下方。更具体地，轨迹2220和2230示出了基于模型的摩擦系数在0到1的范围内的线，并且具体地针对0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8和0.9的摩擦因数。在轨迹2230中，大体上在基线上方的线是钻柱在井眼中沿一个方向的移动(例如，上提(PU)、起钻(POOH))的模型值，并且大体上在基线下方的线是钻柱在井眼中沿相反方向的移动(下放(SO)、下钻(RIH))的模型值。在下钻时，与起钻相比，重量减少。轨迹2230中的数据点是基于传感器的大钩载荷值(HKLD)，其中可以将数据点的位置与一个或多个模型值进行比较以确定摩擦因数，所述摩擦因数又可以在轨迹2210中呈现。在轨迹2230中，大体上，摩擦因数的绝对值越大，与零摩擦模型结果的偏差就越大，零摩擦模型结果可以表示为线。
举例来说，用于建模的摩擦因数的值和/或范围可以均匀地、不均匀地间隔开等等。例如，考虑在警报附近间距更近的值，使得当接近警报时精确度可以增加(例如，为了在更接近警报极限时进行操作等等)。
在下文，输入和输出的一些示例在下文的列表中示出，其中输入可以是具有关于摩擦因数的适当值、范围等的模型输入。
示例输入和输出
示例输入：
1.钻头深度，[m]
2.HKLD_SO，[N]–大钩载荷下放，滑车正往下
3.HKLD_PU，[N]–大钩载荷上提，滑车正往上
4.HKLD_CN，[N]–连接期间的大钩载荷或滑车重量
5.HKLD_FR，[N]–大钩载荷自由旋转
6.TQLS[N.m]–扭矩损失
7.BHA-井底钻具组合元件
8.流体泥浆重量
9.轨迹勘测(MD、INCL、AZIM)
10.井活动或BHA行程
示例通道组输出：
1.摩擦因数
a.PU_FF，[0–100％]–上提期间的摩擦因数
b.SO_FF，[0–100％]–下放期间的摩擦因数
c.TQLS_FF，[0–100％]–钻柱旋转期间的摩擦因数
2.HKLD_FR_FF，[N]–摩擦为0的大钩载荷自由旋转模型
3.HKLD_QC_FF,[0–100％]＝abs(HKLD_FR–HKLD_FR_FF)*2/(abs(HKLD_FR)+abs(HKLD_FR_FF))，表明模型与自由旋转参考之间的匹配
4.模型得出的上提重量
a.HKLD_PU_1_FF，[N]–摩擦为0.1的大钩载荷上提模型
b.HKLD_PU_2_FF，[N]–摩擦为0.2的大钩载荷上提模型
c.HKLD_PU_3_FF，[N]–摩擦为0.3的大钩载荷上提模型
d.HKLD_PU_4_FF，[N]–摩擦为0.4的大钩载荷上提模型
e.HKLD_PU_5_FF，[N]–摩擦为0.5的大钩载荷上提模型
f.HKLD_PU_6_FF，[N]–摩擦为0.6的大钩载荷上提模型
g.HKLD_PU_7_FF，[N]–摩擦为0.7的大钩载荷上提模型
h.HKLD_PU_8_FF，[N]–摩擦为0.8的大钩载荷上提模型
i.HKLD_PU_9_FF，[N]–摩擦为0.9的大钩载荷上提模型
5.模型得出的下放重量
a.HKLD_SO_1_FF，[N]–摩擦为0.1的大钩载荷下放模型
b.HKLD_SO_2_FF，[N]–摩擦为0.2的大钩载荷下放模型
c.HKLD_SO_3_FF，[N]–摩擦为0.3的大钩载荷下放模型
d.HKLD_SO_4_FF，[N]–摩擦为0.4的大钩载荷下放模型
e.HKLD_SO_5_FF，[N]–摩擦为0.5的大钩载荷下放模型
f.HKLD_SO_6_FF，[N]–摩擦为0.6的大钩载荷下放模型
g.HKLD_SO_7_FF，[N]–摩擦为0.7的大钩载荷下放模型
h.HKLD_SO_8_FF，[N]–摩擦为0.8的大钩载荷下放模型
i.HKLD_SO_9_FF，[N]–摩擦为0.9的大钩载荷下放模型
6.模型得出的扭矩损失值
a.TQLS_1_FF，[N.m]–摩擦为0.1的扭矩模型
b.TQLS_2_FF，[N.m]–摩擦为0.2的扭矩模型
c.TQLS_3_FF，[N.m]–摩擦为0.3的扭矩模型
d.TQLS_4_FF，[N.m]–摩擦为0.4的扭矩模型
e.TQLS_5_FF，[N.m]–摩擦为0.5的扭矩模型
f.TQLS_6_FF，[N.m]–摩擦为0.6的扭矩模型
g.TQLS_7_FF，[N.m]–摩擦为0.7的扭矩模型
h.TQLS_8_FF，[N.m]–摩擦为0.8的扭矩模型
i.TQLS_9_FF，[N.m]–摩擦为0.9的扭矩模型
举例来说，一种方法可以包括使用获取的数据可选地实时地确定大钩载荷值，并且可以包括可选地实时地确定针对各种摩擦因数的大钩载荷值。在这样的示例中，可以使用公共计算框架和/或使用单独的计算框架来做出确定。举例来说，可以独立于基于模型的值来提供基于传感器的值。
在示例GUI 2200中，轨迹2210、2220和2230可以一起用于进行控制、风险评估等目的。在轨迹2220和/或轨迹2230中，操作者和/或控制器可以针对各种摩擦因数评估覆盖在基于模型的值上的基于传感器的值。在操作者和/或控制器需要基于传感器的值的摩擦因数值的情况下，可以使用基于模型的值来执行插值，其中结果可以绘制在轨迹2210中。
操作者和/或控制器可能旨在将摩擦因数保持在特定范围内或特定限制(例如，0.1和0.5)之外，其中在出现特定范围之外和/或特定限制之外的值时，诸如卡钻等问题的风险可能会由于摩擦增加而增加。例如，一系列值可以定义操作的安全区域。
在轨迹2220和2230中，可以以一种或多种方式来呈现大钩载荷的不同的基于摩擦因数模型的值。例如，在显示线的同时，考虑阴影、区域、包络线等。举例来说，可以利用一种或多种渲染技术来帮助操作者可视化操作条件，特别是关于摩擦的操作条件。关于基于模型的值，模型可以是上提(PO)模型、下放(SO)模型、扭矩损失(TQLS)模型等。例如，轨迹2230显示PU模型和SO模型结果，而轨迹2220显示TQLS模型结果。轨迹2220和2230可以与获取的数据结合使用来实时地确定轨迹2210中所示的摩擦因数。举例来说，PU和SO可以分解为单独的轨迹(例如，作为半扫帚图)。
对于基于模型的值，模型可以采用各种输入，诸如BHA规格和泥浆重量。此类输入可以由框架自动接收或检索(例如，从另一个框架、数据库等)和/或可以手动输入。
举例来说，一种方法可以包括响应于数据的获取来确定一个或多个摩擦因数。这种方法可能比连续执行复杂模型的方法更快捷。例如，考虑轨迹2230，其中实际数据点由三角形指示(例如，在轨迹2220中也同样)。在这种方法中，实际数据点可以对应于单独立柱，例如，每立柱一个数据点。如图所示，数据点对应于载荷，其中每个载荷可以与各种不同摩擦因数值的模型值进行比较，由此确定随后可以渲染到轨迹2210的摩擦因数值。虽然可以以立柱为依据来实施，但是也可以利用一个或多个其他依据(例如，更少和/或更多)。
在各种情况下，钻井作业可以根据操作程序(例如，标准操作程序(SOP))来进行。此类程序可以指定关于上提(PU)和下放(SO)的方面。例如，考虑就在连接之前的连接前中的PU和SO。在这样的示例中，在一个或多个操作期间可能存在或可能不存在多种条件，诸如旋转和/或不旋转。对于扭矩损失(TQLS)，可以指定基于就在连接后的传感器数据进行确定。例如，考虑在开始旋转后获取扭矩数据。各种程序(例如，SOP等)可以用于获取关于PU、SO和TQLS的数据。如所解释的，轨迹2110示出了对应于TQLS(TQLS_FF)、SO(SO_FF)和PU(PU_FF)的摩擦因数值。举例来说，TQLS数据可以在立柱钻井开始(例如，开始旋转)时获取，并且PU数据和SO数据可以在立柱钻井完成时获取。
摩擦因数可以包括移动摩擦因数和旋转摩擦因数中的一者或多者。此类摩擦因数可以是方向性的，诸如在起钻方向上移动、在下钻方向上移动、顺时针地旋转和逆时针地旋转。如所解释的，重力和井孔方向可能会影响摩擦，例如，考虑水平井和垂直井。
举例来说，控制器、操作者等可以生成可以基于一个或多个摩擦因数的控制逻辑。
在各种情况下，可以考虑一个或多个与滑车有关的因素。如所解释的，滑车可以是一组滑轮，用于在提升或拖动重物时获得机械优势。举例来说，钻机可以包括两个滑车：天车和游车。在这样的示例中，每个滑车可以包括槽轮，所述槽轮上装有钻井钢缆或钢丝绳，使得可以通过卷入(或放出)绞车上的钻井钢丝绳卷轴来提升(或下放)游车。可以使用滑车重量，所述滑车重量可以例如包括方钻杆的质量。举例来说，一种方法可以包括检测每一立柱处的大钩载荷连接(例如，自动地和/或手动地)。
图23示出了示例GUI 2300，所述GUI包括8.5英寸BHA行程以及在几天的时间段(例如，5月3日到5月17日)内发生的其他操作。如图所示，所述操作可以包括多个BHA行程、刮泥器行程、下套管、套管设置等。井眼的12.25英寸部分包括12.25英寸BHA行程、12.25英寸BHA刮泥器行程和12.25英寸起钻(POOH)。在载荷轨迹中，显示可用于生成摩擦因数轨迹的摩擦因数值的数据。如图所示，可以针对各种类型的操作(例如，BHA行程、刮泥器行程、下套管等)生成摩擦因数值。在这种方法中，可以利用摩擦因数中的一个或多个来控制此类操作中的一个或多个。
在GUI 2300中，载荷轨迹的形状可以指示各种条件、状态等。例如，考虑钻头深度，其中载荷可能预计会随着钻头深度减小而减小，且反之亦然。如GUI 2300中所示，载荷轨迹显示了对应于操作条件及时膨胀和收缩的包络线。由于相对于时间示出了GUI 2300，因此可以在各种轨迹中确定、估计速率和/或加速度的各方面等等。
举例来说，一种方法可以包括生成误差或不确定性界限。例如，在较浅的深度处，一系列摩擦因数的模型载荷可能相对接近(例如，参见每一BHA行程的开始)，这可能增加摩擦因数确定的误差和/或不确定性。在相对于深度的扫帚图中，较浅的深度可能非常明显。举例来说，GUI可以包括一个或多个图形控件，用于选择关于如何呈现(例如，相对于时间、相对于深度等)一个或多个扫帚图的一个或多个视图。
如图22和图23所示，当相对于时间呈现时，可以观察到相对于时间的一定量的对称性和/或不对称性，这可以指示移动方向、操作条件等。如所解释的，针对轨迹2220和2230中的不同摩擦因数的各种扭矩和/或载荷可以使用扭矩和阻力框架计算来实时地计算以用于载荷确定，所述载荷是相对于时间的(例如，考虑执行工具套件(PTK)框架等)。
举例来说，GUI 2200和/或GUI 2300可以用于呈现和/或设置一个或多个警报。例如，考虑一个或多个基于摩擦因数的警报。在这样的示例中，如果摩擦因数超过某一值(警报值)，则可以发出警报通知。举例来说，GUI可以包括用于创建、调整、删除一个或多个警报等等的图形控件。例如，考虑可以被拖放到适当值的警报线或曲线，无论是在轨迹2210、轨迹2220和/或轨迹2230中。在轨迹2210中，所述值可以是针对摩擦因数，而在轨迹2230中，所述值可以是针对载荷，所述载荷例如相对于基于摩擦因数的模型载荷定位，而在轨迹2120中，所述值可以是针对扭矩，所述扭矩例如相对于基于摩擦因数的扭矩定位。
再次参考图20和图21的GUI 2000和2100，所述GUI示出了相对于深度的扫帚图，其中自由旋转(FR)数据在PU和SO数据之间是基本上垂直的。在这样的示例中，为了进行适当的校准(例如，FR数据的定位或居中)，可以进行滑车重量调整。在GUI 2000的示例中，可以利用人工方法，其中操作者迭代地输入滑车重量估计，直到扫帚图看起来被适当校准为止。
举例来说，一种方法可以使扫帚图校准自动化和/或提供一个或多个错误指示。这种方法可以应用于相对于时间和/或深度的载荷图。再次参考图22的GUI 2200，轨迹2240示出了各种大钩载荷值。
轨迹2240可以是质量控制轨迹。如所提到的，可以手动调整滑车重量以校准相对于深度的扫帚图的FR大钩载荷(参见例如图20)。此类校准可能旨在相对于滑车重量对FR值进行定位。在关于图22的GUI 2200解释的方法中，轨迹2240包括模型确定的FR重量，所述FR重量可能预计会匹配基于传感器的实际重量。在轨迹2240中，所述值是实时的传感器数据，而其他值是实际的FR传感器数据。作为质量控制，可以将模型确定的FR值与实际FR值进行比较，以确定模型生成的数据是否充分遵循传感器数据(例如，现实)。在时间轨迹2240中，可以容易地相对于时间(例如，随着操作的进展)控制质量。举例来说，GUI可以用于呈现关于模型FR重量和实际FR重量的一个或多个质量控制度量。例如，考虑显示模型FR重量和实际FR重量之间差异的轨迹。在这样的示例中，可以设置一个或多个警报、限制等，并用于发出通知、模型调整、检查一个或多个传感器等。举例来说，当差异变大时，这可能是由于模型和/或传感器造成的。在这样的示例中，轨迹2210中的摩擦因数值可能具有更大的不确定性和/或误差。举例来说，警报可以是取决于数据质量和/或摩擦因数的组合警报。
与如图20的GUI 2000中使用相对于深度的扫帚方法视觉地估计摩擦因数相比，图22的GUI 2200中的轨迹2210提供了相对于时间的摩擦因数的值，其中每个值可以基于获取的数据，例如，逐立柱。在逐立柱方法中，框架可以逐立柱地进行自平衡。相比之下，相对于深度的扫帚可以取决于依照BHA活动(例如，钻井行程、刮泥器行程等)定义的参数的一个或多个常数。如果参数实际上不是恒定的，则如在图20中，相对于深度的扫帚方法可能会出现误差。
举例来说，一种方法可以用于自动检测一个或多个重量，使得例如操作者在进入连接时不必输入滑车重量，例如作为中性重量。举例来说，一种方法可以用于自动检测滑车重量。
如所解释的，示例GUI 2200示出了具有摩擦因数的轨迹2210，所述摩擦因数可以使用一个或多个模型来导出(例如，参见轨迹2220和2230)。具体地讲，轨迹2210示出了扭矩损失(TQLS)摩擦因数(FF)、下放(SO)摩擦因数(FF)和上提(PU)摩擦因数(FF)，它们可以是颜色编码的或以其他方式编码。轨迹2210使操作者和/或控制器能够评估关于一个或多个摩擦因数的一个或多个趋势。
举例来说，一种方法可以用于确定与钻井作业相关联的各种现象，其中可以针对扭矩损失(TQLS)和上提(PU)/下放(SO)/自由旋转(FR)重量来进行此类确定。如所解释的，这种方法可以用于估计一个或多个操作摩擦因数。具体地讲，一种方法可以用于在时间数据序列中检测扭矩损失和/或上提(PU)、下放(SO)和自由旋转(FR)重量中的一者或多者。
如所解释的，时域和/或深度域可用于呈现各种数据，所述数据可以包括各种摩擦因数。如所解释的，计算框架可以评估摩擦因数，可选地与其他数据结合，以确定控制动作是否有必要。举例来说，一种方法可以包括使用一个或多个摩擦因数自动触发动作，所述动作可以是通知、控制动作等。举例来说，GUI可以包括一个或多个动作轨迹，所述动作轨迹可以是针对一个或多个通知(例如，警报等)和/或其他动作(例如，所建议的控制动作等)。
如所解释的，各种轨迹可以作为GUI的一部分渲染到显示器。举例来说，考虑一个GUI，所述GUI包括一个或多个大钩载荷相关轨迹和一个或多个扭矩相关轨迹。举例来说，GUI可以包括多个大钩载荷轨迹，所述轨迹可以被视为重量或质量相关轨迹。举例来说，可以针对钻井、POOH和RIH操作呈现重量相关轨迹。在一个或多个扭矩轨迹中，数据可以指示一种或多种类型的问题，例如压差卡钻。举例来说，通过对模型和实际值进行深度选通，可以将基于时间的扫帚转换为基于深度的扫帚。举例来说，可以生成并呈现相对于时间和/或相对于深度的扫帚。
图24和图25示出了具有GUI部分2400和2500的GUI的示例部分，所述部分可以一起渲染到显示器，并且其中GUI部分2400指示各种参数，并且其中GUI部分2500指示各种值、指示符等。
如图24和图25所示，GUI部分2400和2500包括以下摩擦因数(FF)的重量相关轨迹：下放(SO)下钻(RIH)摩擦因数(FF)；上提(SO)钻井摩擦因数(FF)；上提(PU)钻井摩擦因数(FF)；以及上提(PU)起钻(POOH)摩擦因数(FF)。具体来说，上述四个轨迹可以是与条件有关的通知轨迹，所述条件可以包括一种或多种类型的警报、要采取的控制动作等。摩擦因数(FF)轨迹与重量轨迹相邻，其中重量轨迹包括kkgf单位。具体来说，GUI部分2400和2500包括与下钻(RIH)、钻井和起钻(POOH)相关联的三个重量轨迹。另外，包括具有扭矩摩擦因数(FF)的扭矩轨迹(单位kN.m)以及滑车速度(BVEL)轨迹(单位m/s)，其中所述扭矩轨迹可用于通知(例如，扭矩FF触发的通知)，滑车速度(BVEL)轨迹包括起钻(POOH)和下钻(RIH)数据。
在示例GUI部分2400和2500中，各种重量相关轨迹是针对无旋转(NR)。例如，可以在钻柱不旋转的情况下在各种操作(例如，RIH、钻井、POOH等)期间获取数据。在钻柱不旋转的情况下，下钻(RIH)和起钻(POOH)可能更困难。举例来说，可以在钻柱旋转的情况下获取数据。在这样的示例中，扫帚图可能变得更窄，因为当将钻柱移入或移出井眼时，摩擦在旋转期间可能会变小。在这样的示例中，可以生成各种轨迹、通知等，并且可选地将所述轨迹、通知等以一个或多个GUI的形式渲染到显示器。举例来说，计算框架可以用于选择针对旋转和/或不旋转(NR)的数据来进行处理，以便确定摩擦因数、发出通知、自动采取控制动作等。举例来说，计算框架可以用于混合摩擦因数，其中利用旋转数据和非旋转数据的组合。
举例来说，摩擦因数指示符可以与轨迹(例如，重量相关轨迹或扭矩相关轨迹)相关联。在图25的示例GUI部分2500中，可以例如使用从红色到绿色的光谱或另一约定对指示符进行颜色编码。在图25的示例中，扭矩FF指示符可以主要是绿色，例如浅绿色和深绿色。操作者可以通过查看浅灰色标记(扭矩损失，TQLS)来解释扭矩轨迹，以确定它们相对于扫帚线(例如，扫帚图的线)落在什么位置。在这种方法中，操作者可以确定标记落在0.1与0.2之间，其中指示符轨迹显示浅绿色，而如果标记落在0.2和0.3之间，则指示符轨迹可能显示深绿色。
在钻井轨迹中，针对下放(SO)计算摩擦因数，并且针对上提(PU)计算另一个摩擦因数。举例来说，计算框架可以获取四种不同的测量值来计算五种不同的摩擦因数：SO、NR、RIH FF；SO、NR、钻井FF；PU、NR、钻井FF；PU、NR、POOH FF；和扭矩FF。如所解释的，对于钻井，可以确定两个摩擦因数，所述摩擦因数可以在时域和/或深度域中呈现。
在现场作业期间，状态可以从RIH(其中在井孔深度保持恒定的同时，钻头深度增加)改变为钻井(其中钻头深度和井孔深度一起增加，作为正在进行钻井以延长井眼的指示符)。在RIH期间，可以在添加钻杆立柱时测量重量，其中不发生向上钻进移动。在POOH期间，可以在移除钻杆立柱时测量重量，其中不发生向下钻进移动。在钻井期间，在添加钻杆立柱的过程中，通过使钻柱向外升高将钻头从井底拉出，并且在添加钻杆立柱后，通过使钻柱向内移动来下放钻头。因此，在钻井期间，在添加钻杆的每一立柱(例如，或单一长度的钻杆)时，在发生向上移动之后接着发生向下移动。此类移动往往相对较小并且小于一根钻杆的离散长度。由于可以测量(例如，在不旋转或旋转的情况下)重量(例如，大钩载荷)，所以可以计算摩擦因数，例如，一个针对向上移动，另一个针对向下移动。对于旋转，可以计算顺时针旋转和/或逆时针旋转的摩擦因数。举例来说，可以计算各种摩擦因数，所述摩擦因数可以包括一个或多个混合摩擦因数(例如，向上、向下、顺时针、逆时针等的组合)。举例来说，可以在每次将额外钻杆添加到钻柱时或不太频繁地例如以三的倍数(例如，每三个立柱一次等)测量重量并计算摩擦因数；请注意，当更频繁地测量重量时，摩擦因数的计算可能会更精确。
举例来说，RIH点可以呈现为蓝色，指示向下移动，并且POOH点可以呈现为红色，指示向上移动，其中钻井可以包括呈现为蓝色和红色的点的组合。举例来说，每个点可以代表一个钻杆立柱。举例来说，RIH操作和/或POOH操作可以用于比每根钻杆立柱一次更频繁地获取重量测量值。
举例来说，在存在卡钻或卡钻指示的情况下，可以呈现用于液压系统的一个或多个轨迹。在这种方法中，可以从渲染到显示器的GUI中辨别出卡钻的根本原因或卡钻的指示。
举例来说，可以利用一个或多个通道来渲染一个或多个深度域轨迹，所述轨迹可以提供对摩擦因数变化的理解。例如，从轨迹中可以看出钻井、RIH和/或POOH期间的滑车速度和/或倾斜和/或狗腿严重程度。关于滑车速度，它可以提供水力效应的指示，因为流体(例如，泥浆)可以在钻柱与井眼壁和/或套管壁之间的环形区域中围绕钻柱。至于倾斜和/或狗腿严重程度，这些可以是钻柱相对于重力如何定向的指示符，这可以提供额外的信息来评估现场作业的重量相关方面，包括可能带来卡钻风险的摩擦方面。在各种情况下，狗腿严重程度可以是可能影响卡钻风险的度量。例如，如果狗腿形状更严重，则卡钻的风险可能会增加。举例来说，计算框架可以取决于一个或多个条件(这可能包括开始狗腿)增加摩擦因数的测量和计算频率，这可能会考虑狗腿严重程度。
举例来说，计算框架可以生成多个摩擦因子，其范围可以从一个到三个到多于三个(例如，考虑五个或更多)。在这种方法中，摩擦因数可能与特定的现场作业和/或特定的移动方向相关联。
图26示出了可以用来布置各种框架部件的GUI 2600的示例，所述框架部件可以包括活动检测部件2610、离底参考部件2620、轨迹计算部件2630、扭矩和阻力(T&D)模型部件2640和摩擦因数部件2650中的一者或多者。
图27和图28示出了方法2700的示例，所述方法包括可以对应于动作的各种块，例如，可以由图26的GUI 2600中的部件2610、2620、2630、2640和2650中的一者或多者执行的一个或多个动作。
如图27的示例所示，方法2700可以包括用于开始方法2700的开始块2710，其中后面接着是数据采集系统块2724和输入块2728。输入块2728可以用于输入和/或检索诸如井筒几何形状(WBG)、BHA规格、流体规格等信息，这些信息可以被提供给扭矩和阻力模型块2744。数据采集系统块2724可以用于采集各种数据，所述数据可以包括地面数据和井下数据。例如，井下勘测数据可以包括测得的深度、倾角和方位角(例如，BHA的每个传感器等)。此类数据可以被馈送到TVD计算块2734，例如以将井下值调整为适合于由扭矩和阻力模型块2744使用的一组总垂直深度模型值。如图所示，各种类型的获取数据可以被提供给活动检测块2732，活动检测块可以确定多种状态，例如钻机状态和钻井状态。此类状态可以由离底参考块2742利用，所述离底参考块可以生成诸如HKLD_SO、HKLD_PU、TQLS和HKLD_CN的值(例如，用于校准等)。来自块2742的输出可以被馈送到扭矩和阻力模型块2744以及摩擦因数确定块2750，如图28所示。如图所示，扭矩和阻力模型块2744还可以输出到摩擦因数确定块2750，例如，考虑HKLD_PU(0到n)、HKLD_SO(0到n)和TQLS(0到n)的模型值的输出。虽然每个示例都包括不同摩擦因数数量的索引“n”，但所述索引可以不同。
图28示出了摩擦因数块2750的示例，所述摩擦因数块包括可以实现决策逻辑的各种决策块。此类决策逻辑可以用于按需要输出摩擦因数值，这可以用于节约计算资源、改进实时性能等。如所提到的，可以响应于数据来执行摩擦因数确定。
如图28的摩擦因数块2750所示，决策块确定PU、SO和TQLS的数据是否存在。如图所示，“否”决策导致跳过(例如，跳过行)，而“是”决策要求额外的动作和/或决策，所述动作和/或决策可以包括触发扭矩和阻力模型块2744。在这种方法中，T&D模型块2744可以响应于来自摩擦因数块2750的前述决策块的决策而被激活。摩擦因数块2750的输出可以渲染到GUI，例如图22的GUI 2200的轨迹2210。举例来说，T&D模型块2744的输出可以输出到GUI，例如，考虑图22的GUI 2200的轨迹2220和2230；请注意，时域和/或深度域可用于呈现输出。
在图28的示例摩擦因数块2750中，可以计算上提摩擦因数(PU_FF)、下放摩擦因数(SO_FF)和扭矩损失摩擦因数(TQLS_FF)，其中还可以针对POOH(POOH中的PU_FF)和钻井(钻井中的PU_FF)中的一者或多者来计算上提(PU)，并且其中还可以针对钻井(钻井中的SO_FF)和RIH(RIH中的SO_FF)中的一者或多者来计算下放(SO)。如所解释的，可以例如针对旋转、不旋转、顺时针旋转、逆时针旋转等来执行计算。因此，摩擦因数块的摩擦因数的数量可以多于五个。
如所解释的，框架可以实施能够自动计算时域中的扫帚模型和/或深度域中的扫帚模型的方法。如关于图26的GUI 2600以及图27和图28的方法2700所解释的，此类框架可以利用一个或多个部件，所述部件可以表示为块(例如，考虑用于钻井解释的参考连接部件)。举例来说，框架可以用于在钻柱往上、往下或旋转(例如，顺时针和/或逆时针)时估计摩擦因数。在各种示例中，框架可以用于自动检测滑车重量、考虑流体变化以及改变钻孔内的工具行为。
如所解释的，GUI可以包括摩擦因数轨迹，所述摩擦因数轨迹可以替代和/或补充相对于深度轨迹的扫帚，其中操作者可以使用摩擦因数轨迹容易地确定摩擦因数值、趋势等。此类摩擦因数轨迹可以相对于时间，并且例如可选地相对于深度，其中响应于在操作期间获取适当数据而相对于时间呈现值。此类轨迹可以代表对经典深度扫帚显示的显著改进，经典深度扫帚显示需要钻井工程师的专业知识来解释扫帚分析，从而导致低反应性或解释错误。
举例来说，摩擦因数轨迹可以是实时轨迹，所述轨迹可以考虑一个或多个钻机参数和/或一个或多个条件(例如滑车重量、泥浆重量或钻柱条件)的变化。经典深度扫帚显示需要钻井工程师的专业知识来解释扫帚分析，这可能导致低反应性或解释错误。
举例来说，图27和图28的方法2700可以是自动化的，包括可选地依照块2728使数据输入自动化。方法2700可以用于响应于数据采集使相对于时间的摩擦因数确定自动化，其中扫帚模型生成可以发生并且扫帚模型结果可以渲染到GUI或不渲染到GUI(例如，相对于时间和/或深度来表征)。例如，GUI和/或警报系统可以利用相对于时间的摩擦因数确定，而不考虑和/或呈现固有模型结果(例如，T&D模型结果)。
如所解释的，输入和输出可以被定义为通道。在操作期间，实况、实时通道可以提供输入，并且反过来，实况、实时通道可以提供输出。如所解释的，可以检索和/或手动输入一些轨迹和/或上下文信息。
如关于图27和图28的方法2700所解释的，可以自动检测钻机活动(例如，在基于状态的方法中等等)以识别连接。如所解释的，可以自动获取与滑车重量、上提(PU)、自由旋转(FR)和下放(SO)载荷有关的数据。如所解释的，可以针对单个连接(例如，钻柱的钻杆的耦合或解耦)计算一个或多个大钩载荷模型和扭矩模型，随后可以针对PU、SO和TQLS中的一项或多项对模型与在连接处获取的参考进行比较来估计一个或多个摩擦因数值。
在各种示例中，框架可以允许利用多个摩擦因数模型(例如，钻柱往上、钻柱往下和钻柱旋转，任选地顺时针和逆时针旋转)。框架可以利用各种不同的测量点(例如，大钩载荷和扭矩)。举例来说，框架可以考虑深度，其中例如，可以设置一个或多个浅深度限制，因为浅深度可能使摩擦的不确定性增加。
举例来说，框架可以用于在时间数据序列中检测扭矩损失和上提/下放/自由旋转重量。如所解释的，可以使用一种或多种技术来做出各种类型的设备/操作状态确定，所述技术可以包括基于机器学习模型的技术。如所解释的，框架可操作以使用相对较少数量的通道来确定摩擦因数，这可有助于降低复杂性、更容易地识别问题(例如，数据/传感器质量等)。
举例来说，数据处理可以由框架实施，使得例如可以根据一个或多个标准来对数据点进行滤波，所述标准可以基于过程的物理特性。在实施逐立柱方法的情况下，可以使用一种或多种统计技术(例如，考虑点的中值)来获取每个立柱的最终点。这种方法可以帮助解决一个或多个地面传感器读数中可能存在的噪声。
举例来说，框架可以实施一种方法，所述方法可以包括确定连接期间的滑车重量值和连接参考。例如，考虑提供以下功能的框架：
1.用于完整井的单个计算过程(例如，而不是通过BHA行程进行T&D/扫帚分析)；
2.能够基于全局井规模的多个BHA的单个阶段针对井眼条件检测组件清洁(例如，考虑如图23的GUI 2300中组合的在一个屏幕上的阶段和BHA)。
3.能够在工作流开始时检查参考自由旋转大钩载荷(HKLD_FR)与模型得出的自由旋转重量(HKLD_FR_FF)之间的差异，这可以提供质量标志，所述质量标志可以帮助用户确定模型是否在上下文信息(WBG、BHA、流体)内进行适当校准(例如，考虑不影响摩擦因数计算又能测量置信水平的指标)。
4.能够自动输出多个不同摩擦因数中的一者或多者，所述摩擦因数可以用于一种或多种类型的解释、分析等。
5.能够自动得出连接期间的HKLD_CN(例如，以减轻对手动调整滑车重量参数的要求，例如，考虑：在钻井状态为“连接”时的大钩载荷中值以及PU、SO和TQLS的离底参考以获得HKLD_PU(例如，不旋转)、HKLD_SO(例如，不旋转)和TQLS。举例来说，一种方法可以生成具有旋转情况下的HKLD_PU和HKLD_SO模型，并且，例如，将所述模型与实际旋转点进行比较，从而可以为存在更多旋转点的井提供值。
6.能够因为按需计算(例如，响应于针对PU、SO和TQLS数据点中的一者或多者的数据采集)而实现性能增益。
7.能够动态地处理每个点的泥浆重量变化。
8.能够以动态方式考虑浮动套管情况。
9.能够处理BHA的变化，例如，工具直径的变化。
举例来说，框架可以包括T&D模型引擎，所述T&D模型引擎可以针对PU、SO和TQLS中的一者或多者计算多个模型(例如，模型结果)。例如，考虑参数“n”，它定义了要考虑的多个摩擦因数值。在各种示例中，n＝9，其中针对PU(例如，在第一方向上的移动)计算9个模型，针对SO(例如，在第二方向上的移动)计算9个模型，并且针对TQLS(例如，旋转)计算9个模型。如所解释的，当存在参考点时可以触发计算，以优化算法性能，例如，通过字符串元素给出单个值。可以在每个参考处基于滑车重量、泥浆重量和BHA条件计算每个模型。
举例来说，框架可以包括对模型的一个或多个摩擦因数值、范围等的动态调整。例如，考虑一种旨在基于一个或多个读数来完善模型的方法。在这样的示例中，框架可以学习一般操作范围，然后在该操作范围内进行离散化，以提供在建模中使用的多个摩擦因数值。这种方法可以包括零参考值和/或处于和/或接近极限(例如，考虑警报极限)的足够数量的值。这种方法可以用于使用一组基于模型的结果来更准确地确定摩擦因数。如所解释的，在可能发生动态变化的情况下，框架可以通过动态地调整用于建模的摩擦因数值来作出响应；请注意，此类用于建模的经过动态调整的摩擦因数值可以是实时背后的一个或多个时间增量(例如，或逐立柱等等)基础。举例来说，可以利用统计方法，例如，考虑关于均值的偏差，其中使用遗忘因数(例如，基于时间、立柱数量等)来确定所述均值。如所解释的，可以利用等距隔开的九个值。在动态方法中，在操作随时间进展时，可以调整此类值的间隔，这样可以对基于模型结果和传感器数据的摩擦因数进行更准确的估计(例如，插值)。
如关于图28的摩擦因数块2750的逻辑所解释的，可以将PU、SO和TQLS值与对应的模型组的值进行比较。在这样的示例中，如果值高于最高值，则可以将其丢弃，否则逻辑要求确定适当的一个或多个对应模型(例如，在两个模型之间)。在值未落在模型值上(例如，在某个限制内)的情况下，则可以利用插值来确定估计值(例如，在0.2的摩擦因数和0.3的摩擦因数之间等)。如所解释的，摩擦因数值可以基于根据覆盖该值的最接近的2个模型进行的插值来估计。举例来说，插值信息可用于动态地调整模型摩擦因数值(例如，范围调整、间距调整等)。
图29示出了方法2900的示例，所述方法包括：采集块2910，用于在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；确定块2920，用于基于所述数据的至少一部分确定钻柱载荷；比较块2930，用于将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及估计块2940，用于基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。如图所示，方法2900可以包括用于至少部分地基于摩擦因数值来发出至少一个控制指令的发出块2950。
图29还示出了各种计算机可读介质(CRM)块2911、2921、2931、2941和2951。此类块可以包括可由一个或多个处理器执行的指令，所述处理器可以是计算框架、系统、计算机等的一个或多个处理器。计算机可读介质可以是非信号、非载波并且非暂态的计算机可读存储介质。例如，计算机可读介质可以是可以以数字格式存储信息的物理存储器部件。
在图29的示例中，系统2990包括一个或多个信息存储装置2991、一个或多个计算机2992、一个或多个网络2995和指令2996。关于所述一个或多个计算机2992，每个计算机可以包括一个或多个处理器(例如，或处理核心)2993和用于存储指令2996的存储器2994，所述指令例如可以由所述一个或多个处理器中的至少一个执行。举例来说，计算机可以包括一个或多个网络接口(例如，有线或无线)、一个或多个图形卡、显示接口(例如，有线或无线)等。系统2990可以专门被配置为执行图29的方法2900的一个或多个部分。
图30示出了可以是井建设生态系统的系统3000的示例。如图所示，系统3000可以包括摩擦因数框架(FF)3001的一个或多个实例并且可以包括钻机基础设施3010和钻井规划部件3020，所述钻井规划部件可以生成或以其他方式传输与例如经由钻井作业层3040利用钻机基础设施3010执行的规划相关联的信息，所述钻井作业层包括井场部件3042和场外部件3044。如图所示，由钻井作业层3040获取和/或生成的数据可以传输到数据存档部件3050，所述数据存档部件可以用于例如规划一个或多个操作的目的(例如，按照钻井规划部件3020)。
在图30的示例中，FF 3001可以至少部分地在场外部件3044处实施和/或可以至少部分地在井场部件3042处(例如，在钻井现场)实施。如所解释的，一个或多个GUI可以包括一个或多个图，所述图可以用于呈现相对于时间的摩擦因数值，并且例如，针对多个模型摩擦因数值可选地加载相对于时间的模型结果。如所解释的，FF 3001可以发出信号，例如控制和/或警报信号。在图30的示例中，可以由场外部件3044向井场部件3042发出信号，所述井场部件可以向钻机基础设施3010(例如，钻机设备)发出一个或多个信号。举例来说，信号可能与一个或多个操作以及取决于摩擦的一个或多个相关联风险有关，所述摩擦可以是定向摩擦。举例来说，图30的系统3000可以包括图4的系统400的一个或多个特征。举例来说，图27和图28的方法2700和/或图29的方法2900可以至少部分地使用一个或多个系统(例如，系统400、系统1600、系统2900等的一个或多个特征)来实施。
举例来说，计算框架可以在DELFI认知勘探和生产(E&P)环境(斯伦贝谢公司，休斯顿，德克萨斯州)内或以与DELFI认知勘探和生产(E&P)环境操作耦合的方式实施，这是安全的、认知的、基于云的协作环境，它集成了数据以及使用数字技术(诸如人工智能和机器学习)的工作流。举例来说，此类环境可以用于涉及一个或多个框架的操作。DELFI环境可以称为DELFI框架，它可以是多个框架中的一个框架。举例来说，DELFI框架可以包括各种其他框架，它可以包括例如一种或多种类型的模型(例如，模拟模型等)。
举例来说，诸如图16的系统1600等系统可以在一个或多个规划、执行等阶段中使用，所述阶段可以通过使用诸如DELFI框架的框架来进行。例如，考虑模拟钻井，其中生成地面测量值，所述地面测量值可用作系统1600的输入，以在使用系统1600钻井之前确定系统1600的一个或多个性能方面。在这样的示例中，模拟可以帮助决定如何利用系统1600，例如，哪个部分或哪些部分可能适合将系统1600用于一个或多个目的。
举例来说，工作流可前进到地质学与地球物理学(“G&G”)服务提供方，所述G&G服务提供方可以生成井轨迹，这可能会涉及执行一个或多个G&G软件包。此类软件包的示例包括PETREL框架。举例来说，一个或多个系统可以利用诸如DELFI框架的框架。此类框架可以可操作地耦合各种其他框架以提供多框架工作空间。
如所解释的，一种或多种机器学习技术可以通过框架、系统等来实施。例如，系统1600包括可以利用一种或多种机器学习技术的ML模型块1650。举例来说，一种方法可以包括实施机器学习来确定诸如载荷模型的模型的一个或多个方面。例如，考虑实施机器学习来确定多个摩擦因数值、一系列摩擦因数值等，可以在操作期间动态地利用所述摩擦因数值来估计摩擦因数。如所解释的，PU模型在摩擦因数值的数量、范围等方面可能与SO模型不同。此外，TQLS模型也可能不同。举例来说，基于一个或多个ML模型的方法可以用于优化模型运行(例如，针对PU、SO和TQLS模型中的一者或多者)以用于摩擦因数估计目的。这种方法可能需要动态运行摩擦因数值的“智能”集的一个或多个模型，所述智能集可以可选地减少计算需求和/或加快载荷结果的生成。如所解释的，一种方法可能包括具有九个等距隔开的摩擦因数值的三个模型，总共27次模型运行。一种动态优化的方法可以减少一个或多个模型的模型运行次数，同时提供合适的摩擦因数估计。
至于机器学习模型的类型，考虑支持向量机(SVM)模型、k-最近邻(KNN)模型、集成分类器模型、神经网络(NN)模型等中的一种或多种。举例来说，机器学习模型可以是深度学习模型(例如，深度玻尔兹曼机、深度信念网络、卷积神经网络、堆叠自动编码器等)、集成模型(例如，随机森林、梯度提升机、自助集成、自适应提升、堆叠泛化、梯度提升回归树等)、神经网络模型(例如，径向基函数网络、感知器、反向传播、霍普菲尔德网络等)、正则化模型(例如，岭回归、最小绝对收缩和选择算子、弹性网、最小角度回归)、规则系统模型(例如，立体派、一规则、零规则、重复增量修剪减少误差)、回归模型(例如，线性回归、普通最小二乘回归、逐步回归、多元自适应回归样条、本地散点平滑估计、逻辑回归等)、贝叶斯模型(例如，朴素贝叶斯、平均依赖估计量、贝叶斯信念网络、高斯朴素贝叶斯、多项式朴素贝叶斯、贝叶斯网络)、决策树模型(例如，分类与回归树、迭代二叉树3代、C4.5、C5.0、卡方自动交互检测、决策树桩、条件决策树、M5)、降维模型(例如，主成分分析、偏最小二乘回归、萨蒙映射、多维尺度、投影追踪、主成分回归、偏最小二乘判别分析、混合判别分析、二次判别分析、正则化判别分析、灵活判别分析、线性判别分析等)、实例模型(例如，k-最近邻、学习向量量化、自组织映射，局部加权学习等)、聚类模型(例如，k-均值、k-中值、期望最大化、层次聚类等)等。
举例来说，机器模型(所述机器模型可以是机器学习模型(ML模型))可以使用具有库、工具箱等的计算框架来构建，诸如MATLAB框架(迈斯沃克公司，纳蒂克，马萨诸塞州)的那些框架。MATLAB框架包括提供有监督和无监督机器学习算法的工具箱，所述机器学习算法包括支持向量机(SVM)、提升和袋装决策树、k-最近邻(KNN)、k-均值、k-中值、层次聚类、高斯混合模型和隐马可夫模型。另一种MATLAB框架工具箱是深度学习工具箱(DLT)，深度学习工具箱提供用于使用算法、预训练模型和应用程序来设计和实施深度神经网络的框架。DLT提供卷积神经网络(卷积网、CNN)和长短期记忆(LSTM)网络来对图像、时间序列和文本数据进行分类和回归。DLT包括用于使用自定义训练循环、共享权重和自动微分来构建网络架构(诸如生成对抗网络(GAN)和孪生网络)的功能。DLT用于与各种其他框架进行模型交换。
举例来说，可以实施TENSORFLOW框架(Google LLC，山景城，加利福尼亚州)，它是用于数据流编程的开源软件库，其中包括符号数学库，所述符号数学库可以是为可能包括神经网络的机器学习应用程序而实施。举例来说，可以实施CAFFE框架，它是由伯克利AI研究中心(BAIR)(加州大学伯克利分校，加利福尼亚州)开发的DL框架。再举例来说，考虑使用PYTHON编程语言的SCIKIT平台(例如，scikit-learn)。举例来说，可以利用诸如APOLLO AI框架(APOLLO.AI GmbH，德国)的框架。举例来说，可以利用诸如PYTORCH框架的框架(Facebook AI研究院(FAIR)，Facebook公司，门洛帕克，加利福尼亚州)。
举例来说，训练方法可以包括可以作用于数据集以训练ML模型的各种动作。举例来说，数据集可以分为训练数据和测试数据，其中测试数据可以用于评估。一种方法可以包括参数和最佳参数的交叉验证，所述参数可以用于模型训练。
TENSORFLOW框架可以在多个CPU和GPU上运行(具有可选CUDA(NVIDIA公司，圣克拉拉，加利福尼亚州)和SYCL(Khronos集团公司，比弗顿，俄勒冈州)扩展，用于在图形处理单元(GPU)上的通用计算)。TENSORFLOW可在64位LINUX、MACOS(苹果公司，库比蒂诺，加利福尼亚州)、WINDOWS(微软公司，雷蒙德，华盛顿)和移动计算平台上使用，所述平台包括基于ANDROID(Google LLC，山景城，加利福尼亚州)和IOS(苹果公司)操作系统的平台。
TENSORFLOW计算可以表示为有状态的数据流图；应注意，TENSORFLOW这个名称源自此类神经网络对多维数据阵列执行的操作。此类阵列可以称为“张量”。
举例来说，一种方法可以包括：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。在这样的示例中，所述方法可以包括至少部分地基于摩擦因数来发出诸如控制信号、警报等的信号。例如，考虑旨在减少卡钻、损坏井眼(例如，井眼壁)、损坏钻柱、损坏钻机设备等的风险的控制信号和/或警报信号。关于控制信号，考虑向钻机设备发出控制信号(例如，参见图1、图2、图7等)。举例来说，可以利用诸如图4的系统400等系统来实施一种或多种方法。如所解释的，一种方法可以包括对一个或多个模型的动态调整，这可以例如提高摩擦因数值估计的准确性。
举例来说，钻柱载荷可以是定向载荷。例如，考虑上提(PU)方向载荷或下放(SO)方向载荷。举例来说，载荷可以参考测得深度、坐标系、重力等。举例来说，钻柱载荷可以是旋转载荷。例如，考虑与钻柱沿顺时针方向或逆时针方向旋转相关联的载荷。钻柱可以相对于井眼的轴线沿一个或多个轴向方向(例如，进出或上下)移动，所述井眼的轴线可以是弯曲的和/或直的。举例来说，井眼可以由轨迹表征，所述轨迹可能包括狗腿(参见例如图2)。
举例来说，钻柱载荷可能对应于钻柱的立柱。例如，考虑利用框架，所述框架可以确定操作的状态，并且对于该状态，获取数据和/或检索指示该状态的载荷的数据。
举例来说，一种方法可以包括针对所述钻柱的立柱逐立柱地重复获取、确定、比较和估计。在这样的示例中，所述方法可以在一种或多种类型的操作(例如，BHA行程、刮泥器行程等)期间执行。
举例来说，一种方法可以包括基于数据的至少一部分来检测活动状态。例如，考虑检测活动状态，所述活动状态可以是上提(PU)状态和下放(SO)状态中的一种。举例来说，一种方法可以包括检测作为活动状态的旋转状态的开始。
举例来说，一种方法可以包括将摩擦因数值渲染到显示器，其中例如，所述渲染将摩擦因数值渲染到相对于时间和/或相对于深度的图。在这样的示例中，渲染可以将摩擦因数值渲染到显示器上的图形用户界面，例如，经由发出适当的数据、指示等。此类显示器可以是现场的或场外的并且现场的操作者或场外的远程操作者都可以看到。举例来说，相对于时间和/或相对于深度的摩擦因数值的轨迹可以用于进行趋势评估和/或一种或多种其他类型的基于时间和/或基于深度的评估。例如，考虑相对于时间和/或相对于深度的摩擦因数值的变化率。举例来说，变化率可用于发出一个或多个信号(例如，控制、警报等)和/或与摩擦因数值(例如，可能接近于警报极限等)组合。
举例来说，一种方法可以包括相对于时间和/或相对于深度将摩擦因数值渲染到显示器。在这样的示例中，可以渲染扫帚图案，其中可以相对于扫帚图案来渲染摩擦因数值，例如，以辨别摩擦因数值相对于扫帚图案的线位于何处，扫帚图案的线可以代表可能相对于深度和/或相对于时间改变的轮廓。
举例来说，一种方法可以包括估计至少两个不同摩擦因数的至少两个摩擦因数值。举例来说，一种方法可以包括估计至少三个不同摩擦因数的至少三个摩擦因数值。举例来说，一种方法可以包括估计钻井上提摩擦因数值和估计钻井下放摩擦因数值。在这样的示例中，摩擦因数值可以对应于钻柱在井眼中的不同轴向移动方向。如所解释的，可以使用在连接期间或断开连接期间获取的数据来确定值。如所解释的，在钻井期间，进行连接以增添钻杆，所述钻杆可以采取立柱形式(例如，钻杆的三段)。在钻井的连接过程期间，可以提起钻柱以将钻头拉离井底，然后可以下放钻柱以允许钻头接触井底。因此，可以获取并利用数据来确定两个不同摩擦因数(例如，向上因数和向下摩擦因数)。如所解释的，摩擦因数可以对应于旋转或不旋转，其中对于旋转，摩擦因数可以针对顺时针旋转或针对逆时针旋转。
举例来说，可以使用在钻柱的各种移动期间获取的数据来确定各种向上旋转、向下旋转等类型的摩擦因数。在这样的示例中，可以利用一个或多个阈值、差值、斜率、趋势等来发出一个或多个通知、一个或多个控制信号等以改进涉及在井眼中移动钻柱的一个或多个现场作业。
举例来说，一种方法可以包括将多个模型载荷渲染到显示器(例如，经由一个或多个GUI等)。在这样的示例中，渲染可以将多个模型载荷渲染到一个或多个相对于时间的图。此类图可以包括一个或多个扫帚图(例如，全扫帚、半扫帚等)。如所解释的，扫帚图的宽度可以取决于一个或多个因素，这些因素可以是实时可测量的、基于结果和/或数据可调整的、取决于钻柱的一个或多个移动方向等。
举例来说，一种方法可以包括确定基于模型的自由旋转载荷。在这样的示例中，所述方法可以包括获取包括感测到的自由旋转载荷的数据。举例来说，一种方法可以包括将基于模型的自由旋转载荷和感测到的自由旋转载荷的表示渲染到显示器(例如，经由一个或多个GUI)和/或将基于模型的自由旋转载荷和感测到的自由旋转载荷进行比较并至少部分地基于所述比较来发出警报。举例来说，比较可以用作建模和/或感测的质量控制方法。例如，传感器问题或传感器数据传输问题可以通过基于模型的自由旋转载荷和感测到的自由旋转载荷之间的偏差来指示。在这样的示例中，可以发出要求重置和/或以其他方式解决问题的信号。如所解释的，例如，关于图4的系统400、图30的系统3000等，可以利用一种或多种类型的传输技术，其中系统的一部分可以是本地的并且系统的一部分可能是远程的。在使用卫星技术的情况下(例如，对于远离基础设施的钻井现场)，传输问题可能会不时出现(例如，基于天气、一天中的时间、太阳活动等)。
举例来说，一种方法可以包括基于数据的至少一部分确定钻柱载荷，其中所述钻柱载荷包括上提(PU)载荷和下放(SO)载荷，并且其中所述方法包括相对于时间来渲染多个上提(PU)载荷和下放(SO)载荷。
举例来说，一种系统可以包括：处理器；存储器，所述处理器能够访问所述存储器；处理器可执行指令，所述处理器可执行指令存储在所述存储器中并且可执行以指示所述系统：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。
举例来说，一个或多个计算机可读存储介质可以包括用于指示计算系统进行以下操作的处理器可执行指令：在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据；基于所述数据的至少一部分确定钻柱载荷；将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值；以及基于所述比较，估计对应于所述钻柱载荷的摩擦因数值。
举例来说，可以部分地使用计算机可读介质(CRM)将方法实现为例如模块、块等，所述模块、块等包括诸如适于由一个或多个处理器(或处理器核心)执行的指令的信息，以指示计算装置或系统执行一个或多个动作。举例来说，单个介质可以配置有指令以至少部分地允许执行方法的各种动作。举例来说，计算机可读介质(CRM)可以是非载波的计算机可读存储介质(例如，非暂态介质)。举例来说，一种计算机程序产品可以包括适于由一个或多个处理器(或处理器核心)执行的指令，其中所述指令可以被执行以实施一种或多种方法的至少一部分。
根据一个实施方案，一个或多个计算机可读介质可以包括指示计算系统输出用于控制过程的信息的计算机可执行指令。例如，此类指令可以用于输出到感测过程、注入过程、钻井过程、提取过程、挤压过程、泵送过程、加热过程等。
在一些实施方案中，一种或多种方法可以由计算系统执行。图31示出了可以包括一个或多个计算系统3101-1、3101-2、3101-3和3101-4的系统3100的示例，这些计算系统可经由可以包括有线和/或无线网络的一个或多个网络3109操作性地耦合。
举例来说，系统可以包括单独的计算机系统或分布式计算机系统的布置。在图31的示例中，计算机系统3101-1可以包括一个或多个模块3102，这些模块可以是或包括例如能够执行以执行各种任务(例如，接收信息、请求信息、处理信息、模拟、输出信息等)的处理器可执行指令。
举例来说，模块可以独立地执行，或与操作性地耦合到一个或多个存储介质3106(例如，经由有线、无线等)的一个或多个处理器3104协调地执行。举例来说，一个或多个处理器3104中的一者或多者可以操作性地耦合到一个或多个网络接口3107中的至少一者。在这样的示例中，计算机系统3101-1可以例如经由一个或多个网络3109(例如，考虑互联网、专用网络、蜂窝网络、卫星网络等中的一者或多者)来传输和/或接收信息。如图所示，一个或多个其他部件3108可以包括在计算机系统3101-1中。
举例来说，计算机系统3101-1可以从一个或多个其他装置接收信息和/或向一个或多个其他装置传输信息，所述其他装置可以是或包括例如一个或多个计算机系统3101-2等。装置可以位于与计算机系统3101-1不同的物理位置。举例来说，位置可以为例如处理设施位置、数据中心位置(例如，服务器场等)、钻机位置、井场位置、井下位置等。
举例来说，处理器可以为或可以包括微处理器、微控制器、处理器模块或子系统、可编程集成电路、可编程门阵列或另一控制或计算装置。
举例来说，存储介质3106可以实现为一个或多个计算机可读或机器可读存储介质。举例来说，存储可以分布在计算系统和/或附加计算系统的多个内部和/或外部机壳内和/或之间。
举例来说，一个或多个存储介质可包括一种或多种不同形式的存储器，包括：半导体存储器装置，诸如动态或静态随机存取存储器(DRAM或SRAM)、可擦除和可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)和快闪存储器；磁盘，诸如固定磁盘、软盘和可移动磁盘；其他磁介质，包括磁带；光学介质，诸如光盘(CD)或数字视频盘(DVD)、BLUERAY盘或其他类型的光学存储装置；或其他类型的存储装置。
举例来说，一个或多个存储介质可以位于运行机器可读指令的机器中，或者位于远程站点，机器可读指令可以从该远程站点通过网络下载以供执行。
举例来说，诸如计算机系统的系统的各种部件可以用硬件、软件或硬件与软件的组合(例如，包括固件)实施，包括一个或多个信号处理和/或专用集成电路。
举例来说，一种系统可以包括处理设备，所述处理设备可以是或包括通用处理器或专用芯片(例如，或芯片组)，诸如ASIC、FPGA、PLD或其他适当的装置。
图32示出了计算系统3200和具有网络3220的联网系统3210的部件。系统3200包括一个或多个处理器3202、存储器和/或存储部件3204、一个或多个输入和/或输出装置3206以及总线3208。根据一个实施方案，指令可以存储在一个或多个计算机可读介质(例如，存储器/存储部件3204)中。此类指令可以由一个或多个处理器(例如，处理器3202)经由通信总线(例如，总线3208)来读取，所述通信总线可以是有线或无线的。一个或多个处理器可以执行此类指令以(全部或部分地)实现一个或多个属性(例如，作为方法的一部分)。用户可以经由I/O装置(例如，装置3206)查看来自过程的输出并与过程进行交互。根据一个实施方案，计算机可读介质可以为存储部件，诸如物理存储器存储装置，例如芯片、封装上的芯片、存储卡等。
根据一个实施方案，部件可以分布在诸如网络系统3210中。网络系统3210包括部件3222-1、3222-2、3222-3……3222-N。例如，部件3222-1可以包括处理器3202，而部件3222-3可以包括可由处理器3202访问的存储器。此外，部件3222-2可以包括用于显示并可选地与方法交互的I/O装置。网络可以是或包括互联网、内联网、蜂窝网络、卫星网络等。
举例来说，装置可以是包括用于信息通信的一个或多个网络接口的移动装置。例如，移动装置可以包括无线网络接口(例如，可经由IEEE 802.11、ETSI GSM、BLUETOOTH、卫星等操作)。举例来说，移动装置可以包括多个部件，诸如主处理器、存储器、显示器、显示图形电路(例如，可选地包括触摸和手势电路)、SIM插槽、音频/视频电路、运动处理电路(例如，加速度计、陀螺仪)、无线LAN电路、智能卡电路、传输器电路、GPS电路和电池。举例来说，移动装置可以被配置为蜂窝电话、平板计算机等。举例来说，可以使用移动装置来(例如，全部或部分地)实现方法。举例来说，系统可以包括一个或多个移动装置。
举例来说，系统可以是分布式环境，例如所谓的“云”环境，其中各种装置、部件等交互以用于数据存储、通信、计算等目的。举例来说，装置或系统可以包括用于经由互联网(例如，在经由一个或多个互联网协议进行通信的情况下)、蜂窝网络、卫星网络等中的一个或多个进行信息通信的一个或多个部件。举例来说，方法可以在分布式环境中实现(例如，全部或部分地作为基于云的服务)。
举例来说，信息可以从显示器(例如，考虑触摸屏)输入、输出到显示器，或其两者。举例来说，可以将信息输出到投影仪、激光装置、打印机等，使得可以查看信息。举例来说，可以立体地或全息地输出信息。至于打印机，考虑2D或3D打印机。举例来说，3D打印机可以包括可输出以构建3D对象的一种或多种物质。例如，可以将数据提供给3D打印机以构建地下地层的3D表示。举例来说，可以在3D中构建层(例如，地平线等)，在3D中构建地质体等。举例来说，可以在3D中构建井孔、裂缝等(例如，作为正结构、作为负结构等)。
虽然上面只详细描述了几个示例，但是本领域技术人员应当容易理解，在示例中可以进行许多修改。因此，所有这样的修改旨在包括在如所附权利要求中所限定的本公开的范围内。在权利要求中，装置加功能条款旨在覆盖本文中描述为执行所列举功能的结构，并且不仅覆盖结构等效物，而且覆盖等效结构。因此，尽管钉子和螺钉可能不是结构等效物，因为钉子采用圆柱形表面来将木制零件固定在一起，而螺钉采用的是螺旋形表面，但是在紧固木制零件的环境下，钉子和螺钉可以是等效结构。
Claims (15)
1.一种方法(2900)，所述方法包括：
在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据(2910)；
基于所述数据的至少一部分确定钻柱载荷(2920)；
将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值(2930)；以及
基于所述比较，估计对应于所述钻柱载荷的摩擦因数值(2940)。
2.如权利要求1所述的方法，其中所述钻柱载荷包括定向载荷，可选地，其中所述定向载荷包括上提方向载荷或下放方向载荷。
3.如权利要求1或2所述的方法，其中所述钻柱载荷包括旋转载荷。
4.如任一前述权利要求所述的方法，其中所述钻柱载荷对应于所述钻柱的立柱。
5.如任一前述权利要求所述的方法，所述方法包括针对所述钻柱的立柱逐立柱地重复所述获取、确定、比较和估计。
6.如任一前述权利要求所述的方法，所述方法包括基于所述数据的至少一部分检测活动状态，可选地，其中所述活动状态包括上提状态或下放状态。
7.如任一前述权利要求所述的方法，所述方法包括相对于时间将所述摩擦因数值渲染到显示器。
8.如任一前述权利要求所述的方法，所述方法包括相对于深度将所述摩擦因数值渲染到显示器。
9.如任一前述权利要求所述的方法，所述方法包括估计至少三个不同摩擦因数的至少三个摩擦因数值。
10.如任一前述权利要求所述的方法，所述方法包括估计钻井上提摩擦因数值以及估计钻井下放摩擦因数值。
11.如任一前述权利要求所述的方法，所述方法包括确定基于模型的自由旋转载荷，可选地，其中所述数据包括感测到的自由旋转载荷。
12.如任一前述权利要求所述的方法，所述方法包括将所述基于模型的自由旋转载荷和所述感测到的自由旋转载荷的表示渲染到显示器，可选地包括将所述基于模型的自由旋转载荷和所述感测到的自由旋转载荷进行比较并且可选地包括至少部分地基于所述比较来发出警报。
13.如任一前述权利要求所述的方法，所述方法包括基于所述数据的至少一部分确定钻柱载荷，其中所述钻柱载荷包括上提载荷和下放载荷，并且所述方法包括相对于时间和/或相对于深度渲染多个所述上提载荷和所述下放载荷。
14.一种系统(2990)，所述系统包括：
处理器(2993)；
存储器(2994)，所述处理器能够访问所述存储器；
处理器可执行指令(2996)，所述处理器可执行指令存储在所述存储器中并且可执行以指示所述系统：
在钻机操作期间获取用于在地质环境中钻取指定井眼的指定钻柱的数据，其中所述数据包括井下勘测数据(2911)；
基于所述数据的至少一部分确定钻柱载荷(2921)；
将所述钻柱载荷与多个模型载荷进行比较，其中所述多个模型载荷取决于所述指定钻柱、所述指定井眼和所述勘测数据的至少一部分并且对应于多个不同摩擦因数值(2931)；以及
基于所述比较，估计对应于所述钻柱载荷的摩擦因数值(2941)。
15.一种计算机程序产品，所述计算机程序产品包括用于指示计算系统执行如权利要求1至13中任一项所述的方法的计算机可执行指令。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US202163230272P | 2021-08-06 | 2021-08-06 | |
| US63/230,272 | 2021-08-06 | ||
| PCT/US2022/074597 WO2023015288A1 (en) | 2021-08-06 | 2022-08-05 | Drilling operations friction framework |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117980784A true CN117980784A (zh) | 2024-05-03 |
Family
ID=85153476
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202280063134.0A Pending CN117980784A (zh) | 2021-08-06 | 2022-08-05 | 钻井作业摩擦框架 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20230039147A1 (zh) |
| EP (1) | EP4381326A1 (zh) |
| CN (1) | CN117980784A (zh) |
| CA (1) | CA3228326A1 (zh) |
| WO (1) | WO2023015288A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021194494A1 (en) * | 2020-03-26 | 2021-09-30 | Landmark Graphics Corporation | Physical parameter projection for wellbore drilling |
| US20240311446A1 (en) * | 2021-03-18 | 2024-09-19 | Hartford Steam Boiler Inspection And Insurance Company | Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models |
| US20220326678A1 (en) * | 2021-04-13 | 2022-10-13 | Weatherford Technology Holdings, Llc | Real time detection and reaction to anomalies in threaded connection make-up |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9091139B2 (en) * | 2009-12-11 | 2015-07-28 | Schlumberger Technology Corporation | Method for determining characteristics of tubing deployed in a wellbore |
| US10227857B2 (en) * | 2011-08-29 | 2019-03-12 | Baker Hughes, A Ge Company, Llc | Modeling and simulation of complete drill strings |
| US11365608B2 (en) * | 2017-12-13 | 2022-06-21 | Exxonmobil Upstream Research Company | Method of operating a tubular string assembly within a wellbore |
| WO2019119107A1 (en) * | 2017-12-23 | 2019-06-27 | Noetic Technologies Inc. | System and method for optimizing tubular running operations using real-time measurements and modelling |
| US11078760B2 (en) * | 2019-07-24 | 2021-08-03 | Chevron U.S.A. Inc. | Determination of wellbore condition |
-
2022
- 2022-08-05 WO PCT/US2022/074597 patent/WO2023015288A1/en active Application Filing
- 2022-08-05 EP EP22854117.3A patent/EP4381326A1/en active Pending
- 2022-08-05 US US17/817,697 patent/US20230039147A1/en active Pending
- 2022-08-05 CN CN202280063134.0A patent/CN117980784A/zh active Pending
- 2022-08-05 CA CA3228326A patent/CA3228326A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CA3228326A1 (en) | 2023-02-09 |
| EP4381326A1 (en) | 2024-06-12 |
| US20230039147A1 (en) | 2023-02-09 |
| WO2023015288A1 (en) | 2023-02-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111479982B (zh) | 具有滤波器的现场操作系统 | |
| US20220120176A1 (en) | Adaptive drillstring condition determination | |
| WO2020236232A1 (en) | Drilling control | |
| US20230039147A1 (en) | Drilling operations friction framework | |
| US10920561B2 (en) | Drilling assessment system | |
| US20220397029A1 (en) | Drilling control | |
| CN113906465A (zh) | 用于实现石油和天然气操作完整性的本地/混合区块链 | |
| CN116940743A (zh) | 钻井损失预测框架 | |
| US20240133284A1 (en) | Drilling operations framework | |
| CN115298623A (zh) | 多域控制器 | |
| WO2024059710A1 (en) | Drilling control system | |
| US10989038B1 (en) | Rate of penetration drilling operation controller | |
| CN116761927A (zh) | 智能体引导的钻井评估 | |
| CN115210446A (zh) | 使用分布式装置的油田数据处理 | |
| US20240344448A1 (en) | Drilling operations emissions framework | |
| US11891890B2 (en) | Drilling control |
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 |