Aplicação das redes neuronais artificias para classificação das operações de perfuração: O caso de poços deepwater de Exploração e Produção

• Valter Chaile ^[2] ; Sergio Moro ^[2] ; Aristides Carneiro ^[3] ; Ricardo F. Ramos ^[1]
  1. [1] Universidade Autónoma de Lisboa

     Universidade Autónoma de Lisboa

     Socorro, Portugal

     
  2. [2] ISCTE-IUL, Portugal
  3. [3] Galp Energia, Portugal

  Mostrar afiliaciones +
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. 43, 2021, págs. 5-20
• Idioma: portugués
• Títulos paralelos:
  • Application of artificial neural networks for classification of drilling operations: The deepwater wells case of exploration and production
• Enlaces
  • Texto completo (pdf)
• Resumen
  • English

    The application of automatic methods for the classification of unstructured text is precious for the Oil&Gas industry. Drilling is an operation that entails high costs that demands efficiency. A classification of the various operations during drilling is vital to generate assumptions of duration for the design of new wells. For this paper, two classification analyses for operation classification were conducted to identify the Non-Productive Time (NPT) and Productive Time (PT) best model. Conclusions led to Multi-layer Perceptron (MLP) as the best model.

    The classification system can produce an accurate and detailed report on the activities performed during the drilling of a well. Through this work, it is possible to conclude that the currently available daily drilling report represents a rich source of information and can optimize the oil well construction process.

  • português

    A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço.

    Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo.