Welcome to ZDOC Website

نوشته های تازه
  1. بهینه سازی علمی

    بهینه سازی علمی

    استفاده از روش های مهندسی پیشرفته جهت بهینه سازی پارامترهای عملیات حفاری
  2. OptiTech

    OptiTech

    بهینه‌سازی عملیات حفاری، به مجموعه‌ای از تلاش‌های مدیریتی، مهندسی و عملیاتی اطلاق می‌شود که زمان…
شبکه های اجتماعی
 

OptiTech

 بخش های مختلف نرم افزار OptiTech

پایگاه داده

برای ورود داده های روزانه عملیات حفاری چاه هایی که در گذشته حفاری شده اند، برنامه کیسینگ، داده های مته، داده های مادلاگینگ، داده های زمین شناسی و … این بخش به شکل پیشرفته و کاربرپسند با نام ماژول Data Entry طراحی و توسعه داده شده است. همچنین داده های مربوط به زمان های NPT و PT و دسته بندی این زمان ها نیز در این پایگاه داده صورت می گیرد. خروجی داده های هر چاه در این بخش در قالب فرمت­های خاصی گزارش داده میشود که از آنها برای آنالیزهای مربوطه استفاده می­گردد.

بهینه سازی تجربی

در این مرحله با استفاده از سه روش­ متفاوت (یکسان بودن Top of Formation، یکسان بودن Casing Program  و مختصات چاه های همجوار) گروه­بندی چاه ­ها صورت می­گیرد سپس برای هر گروه یک چاه بهینه مجازی براساس داده های مورد استفاده برای عملیات حفاری چاه های هر گروه، تشکیل می­شود و با استفاده از داده­های خروجی این مرحله، پارامترهای هیدرولیکی و مکانیکی بهینه شده و بهترین نوع مته و BHA برای حفاری هر بخش از چاه آتی پیشنهاد داده می­شود.

بهینه سازی علمی

در این مرحله با توجه به شرایط کلی حفره، ویژگی­های سیال حفاری، خصوصیات موتور درون­چاهی، ویژگی­های مته پیشنهادی، خصوصیات پمپ­های گل دستگاه حفاری، محدودیت های دستگاه حفاری و… بهترین ترکیب پارامترهای هیدرولیکی (سایز نازل، GPM و …) و مناسب­ترین BHA در هر رانش پیشنهاد می­شود و پارامترهای مکانیکی شامال WOB و RPM نیز با روش انرژی هیدرومکانیکی – انرژی مکانیکی بهینه سازی می شوند.

پیش بینی ROP

پیش­بینی نرخ نفوذ به دو صورت انجام می گیرد یا باید از معادلات تحلیلی توسعه داده شده در این زمینه بهره گرفت و یا از روش های هوش مصنوعی استفاده نمود. در نرم افزاری که توسعه داده شده تمام معادلات تحلیلی پیشین در نرم افزار گنجانده شده اند و نیز مدل های نوین مبتنی بر هوش مصنوعی در زمینه پیش­بینی نرخ نفوذ مته نیز توسعه داده شده اند تا با کمترین خطای ممکن بهترین پیش بینی نرخ نفوذ انجام گیرد.

بهینه سازی عملیات حفاری

زمان استفاده از دستگاه حفاری، برای حفر و تکمیل چاه را زمان چاه سازی نامیده که به زمان­های Productive-Time و Non-Productive-Time تقسیم می­گردد. اجاره روزانه‌ دستگاه حفاری بخش عظیمی از هزینه‌ روزانه عملیات حفاری‌ چاه را تشکیل می‌دهد بنابراین کاهش زمان عملیات حفاری از اهمیت به سزایی برخوردار می باشد. بهینه‌سازی عملیات حفاری، به مجموعه‌ای از تلاش‌های مدیریتی، مهندسی و عملیاتی اطلاق می‌شود که زمان­های PT را کمینه ‌نموده و زمان‌های NPT را از بین می­برد.

بهینه سازی عملیات حفاری

اساس بهینه­ سازی حفاری استفاده از داده­ های چاه ­های حفر شده در گذشته و همچنین داده ­های خود چاه در حال حفاری (Real Time Data) به عنوان پایه و به ­کار بردن روش­های بهینه­ سازی روی این داده­ ها، به منظور کاهش زمان حفر چاه‌ در حال حفاری و چاه های آتی است. با کاربرد این روش­ ها، میزان بهینه متغیرهای حفاری تعیین و به دنبال آن نرخ نفوذ افزایش یافته و هزینه‌­ حفر واحد متر چاه کاهش می­ یابد.

  • یکپارچه سازی تمام داده ها
  • آنالیز داده های چاه های پیشین با داده کاوی و مدیریت ریسک
  • استفاده از نمودار های انرژی مکانیکی و انرژی هیدرومکانیکی جهت یافتن مشکلات مهندسی چاه های پیشین
  • بهینه سازی تجربی جهت یافتن Best Practice ها و Lesson Learn ها
  • استفاده از روش های هوش مصنوعی جهت پیش بینی نرخ نفوذ
  • استفاده از روش های بهینه سازی علمی جهت یافتن پارامترهای هیدرولیکی و مکانیکی به صورت کاملا مهندسی
  • ارائه گزارش جامع و برنامه حفاری چاه آتی به صورت هر ۵۰ متر

انرژی هیدرولیکی و مکانیکی

نرخ نفوذ مته تحت تاثیر پارامترهای زیادی مانند نوع مته، سایز نازل مته، دبی سیال حفاری، وزن روی مته، سرعت چرخش مته، گشتاور خروجی مته، ویژگی­ های سیال حفاری، ویژگی­ های سازند، پارامترهای مکانیک سنگ،  و … می­باشد. که میتوان این پارامترها را در دو دسته پارامترهای مکانیکی و هیدرولیکی تقسیم بندی نمود، شرکت بهینه حفاری زاگرس با در نظرگیری بهینه سازی همزمان این پارامترها برنامه خود را تبیین می نماید

بهینه سازی پارامترهای هیدرولیکی
50%
بهینه سازی پارامترهای مکانیکی
50%
بهینه سازی پارامترهای مکانیکی و هیدرولیکی در کنار هم
100%

بهینه سازی

تجربی

50

بهینه سازی

علمی

80

پیش بینی

ROP

100

برنامه بهینه سازی عملیات حفاری

در مرحله‌ اول باید ورود اطلاعات چاه های پیشین صورت گیرد سپس بهینه سازی تجربی انجام شود، با استفاده از نتایج خروجی از این مرحله تا حد زیادی می­توان نرخ نفوذ عملیات حفاری را افزایش و هزینه­ ها را کاهش داد. مزیت اصلی این بخش این است که داده­های چاه­های قبلی بر اساس واقعیت بدست آمده و استفاده‌ مجدد از آن­ها دور از ذهن نیست.

در مرحله دوم باید مدیریت ریسک های عملیات حفاری با در نظر داشتن تمام مواردی که زمان های غیرمولد عملیات حفاری را پیش از این شامل می شد انجام گیرد و تمام تصمیمات استراتژیک در جهت رفع ریسک ها و مواردی که منجر به هزینه اضافی در زمینه زمان های غیر مولد می شود انجام گیرد.

در مرحله‌ بعد، باید عملیات بهینه­ سازی علمی انجام ­شود. پس از اتمام بهینه­ سازی تجربی و تصمیمات کاهش ریسک و هزینه ها، وارد فاز محاسباتی عملیات شده که ابتدا با بررسی وضعیت زمین‌شناسی میدان، کل عمق حفر شده به چند بخش تقسیم شده و در هر بخش فرمول­های بهینه­سازی توسعه پیدا می­کند تا در هر فاز پارامترهای هیدرولیکی و مکانیکی بهینه تعیین شود. با داده های محاسبات تجربی و علمی، انتخاب مناسب ترین مته و مناسب ترین BHA نیز انجام می شود.

در روش فرموله شده در این شرکت ابتدا با استفاده از روش بهینه­سازی تجربی و بهینه­سازی علمی به کمک پیش­بینی ROP داده­های بهینه شامل WOB، RPM، TFA، Liner Size، SPP، SPM، نوع مته، نوع BHA و … تعیین می­گردند، این پارامترها به عنوان داده‌ اولیه‌ بهینه انتخاب می­شوند.

در مرحله‌ نهایی از روش بهینه­ سازی انرژی مخصوص مکانیکی و هیدرومکانیکی برای بهبود نرخ نفوذ مته (ROP) با استفاده از داده­ های آنی (Real Time Data) استفاده می ­شود. در این مرحله لازم است  که داده­ های خروجی از واحدهای نمودارگیری از گل حفاری (Mud Logging Unit) را دریافت و با استفاده از  آن­ها بهترین پارامترهای حفاری برای افزایش نرخ نفوذ و کاهش هزینه ­ها تعیین شود.

هوش تجاری در OptiTech

این نرم افزار شامل ۴ بخش اصلی متفاوت به نام های، پایگاه داده، بهینه سازی تجربی، بهینه سازی علمی و پیش بینی ROP می باشد.  در بخش های مختلف این نرم افزار به جز بهینه سازی علمی از روش های مبتنی بر هوش تجاری برای افزودن ارزش به داده های چاه های پیشین بهره گرفته شده است. در بخش پایگاه داده که از روش های مکعب داده و OLAP برای تحلیل سریع و عملیات روی داده ها بهره گرفته شده است. در بخش بهینه سازی علمی از روش های آماری هوش تجاری جهت استخراج بهترین پارامترهای چاه های پیشین استفاده شده است و در بخش پیش بینی ROP نیز از تمام روش های داده کاوی و شبکه عصبی در توسعه آن بهره گرفته شده است.

توسعه پایگاه داده مبتنی بر مکعب داده و OLAP جهت تسریع عملیات های مختلف و گزارش گیری
100%
توسعه روش های آماری و هوش مصنوعی پیشرفته جهت استخراج بهترین پارامترهای چاه های پیشین
100%
توسعه روش های داده کاوی جهت گروه بندی چاه های مختلف
100%
توسعه روش های شبکه عصبی جهت پیش بینی دقیق نرخ نفوذ سرمته
100%
استفاده از الگوریتم های فراابتکاری بهینه سازی برای بهینه سازی پارامترهای مختلف
100%

کاتالوگ نرم افزار OptiTech

پایه اصلی نرم افزار استفاده از روش های هوش مصنوعی، یادگیری ماشینی و الگوریتم های بهینه سازی فراابتکاری به منظور حاصل شدن نتیجه مطلوب می باشد. لازم به ذکر است توانمندی این نرم افزار در یکی از میادین داخلی ایران نیز مورد ارزیابی قرار گرفت و نتایج قابل قبولی حاصل شده است.

جهت دانلود کاتالوگ نرم افزار لطفا روی لینک زیر کلیک نمایید

 

دانلود