Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos

Descripción del Articulo

Durante las operaciones de perforación de pozos petroleros, luego de llegar a la profundidad deseada se requiere realizar un viaje a superficie, que en condiciones normales se realiza en elevadores; sin embargo, en algunas ocasiones se hace necesario aplicar backreaming para lograr pasar las restric...

Descripción completa

Detalles Bibliográficos
Autores: Velarde Sanchez, Wilson Rafael, Monsalve Leon, Jennifer Jackelin, Rodriguez Pava, Jennifer Astrid
Formato: tesis de maestría
Fecha de Publicación:2023
Institución:Superintendencia Nacional de Educación Superior Universitaria
Repositorio:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
Lenguaje:español
OAI Identifier:oai:renati.sunedu.gob.pe:renati/9200
Enlace del recurso:https://renati.sunedu.gob.pe/handle/sunedu/3656540
https://hdl.handle.net/1992/73143
Nivel de acceso:acceso abierto
Materia:Perforación de pozos petroleros
Análisis de datos
Aprendizaje automático
https://purl.org/pe-repo/ocde/ford#2.07.03
id RENATI_d696a4e9e662931eb760e74c3a349ab7
oai_identifier_str oai:renati.sunedu.gob.pe:renati/9200
network_acronym_str RENATI
network_name_str Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
repository_id_str
dc.title.es_PE.fl_str_mv Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
title Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
spellingShingle Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
Velarde Sanchez, Wilson Rafael
Perforación de pozos petroleros
Análisis de datos
Aprendizaje automático
https://purl.org/pe-repo/ocde/ford#2.07.03
title_short Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
title_full Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
title_fullStr Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
title_full_unstemmed Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
title_sort Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datos
author Velarde Sanchez, Wilson Rafael
author_facet Velarde Sanchez, Wilson Rafael
Monsalve Leon, Jennifer Jackelin
Rodriguez Pava, Jennifer Astrid
author_role author
author2 Monsalve Leon, Jennifer Jackelin
Rodriguez Pava, Jennifer Astrid
author2_role author
author
dc.contributor.advisor.fl_str_mv Pérez Bernal, Juan Fernando
dc.contributor.author.fl_str_mv Velarde Sanchez, Wilson Rafael
Monsalve Leon, Jennifer Jackelin
Rodriguez Pava, Jennifer Astrid
dc.subject.es_PE.fl_str_mv Perforación de pozos petroleros
Análisis de datos
Aprendizaje automático
topic Perforación de pozos petroleros
Análisis de datos
Aprendizaje automático
https://purl.org/pe-repo/ocde/ford#2.07.03
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.07.03
description Durante las operaciones de perforación de pozos petroleros, luego de llegar a la profundidad deseada se requiere realizar un viaje a superficie, que en condiciones normales se realiza en elevadores; sin embargo, en algunas ocasiones se hace necesario aplicar backreaming para lograr pasar las restricciones y llegar a superficie con las herramientas, dicho proceso genera tiempos no productivos en la operación, que se traducen en costos adicionales para la compañía. Este proyecto estudia los diferentes factores y parámetros de la perforación, que pueden impactar en la ocurrencia de backreaming, a través de la analítica de datos, aplicando modelos de clasificación binaria para 13 pozos de la compañía Sierracol. El modelo Random Forest resulta ser el mejor prediciendo la ocurrencia de backreaming y disminuyendo la probabilidad de tener Falsos Negativos, con una exactitud de 88.6%. A partir de esto, se desarrolló una herramienta predictiva y analítica con el objetivo de encontrar la combinación de parámetros que ayude a mitigar la frecuencia de esta operación no deseada; preliminarmente, se calcula que el impacto de lograr disminuir la recurrencia de backreaming se vea reflejado en la reducción del 5% de los costos planeados de un pozo, que ascienden aproximadamente a 200 mil USD. A través de los resultados de este estudio se espera generar la base para futuras investigaciones y análisis en las operaciones de perforación en la industria Oil & Gas.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2024-05-30T22:00:09Z
dc.date.available.none.fl_str_mv 2024-05-30T22:00:09Z
dc.date.issued.fl_str_mv 2023
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.uri.none.fl_str_mv https://renati.sunedu.gob.pe/handle/sunedu/3656540
https://hdl.handle.net/1992/73143
url https://renati.sunedu.gob.pe/handle/sunedu/3656540
https://hdl.handle.net/1992/73143
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad de los Andes
dc.publisher.country.es_PE.fl_str_mv CO
dc.source.es_PE.fl_str_mv Superintendencia Nacional de Educación Superior Universitaria - SUNEDU
dc.source.none.fl_str_mv reponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
instname:Superintendencia Nacional de Educación Superior Universitaria
instacron:SUNEDU
instname_str Superintendencia Nacional de Educación Superior Universitaria
instacron_str SUNEDU
institution SUNEDU
reponame_str Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
collection Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATI
dc.source.uri.es_PE.fl_str_mv Registro Nacional de Trabajos de Investigación - RENATI
bitstream.url.fl_str_mv https://renati.sunedu.gob.pe/bitstream/renati/9200/1/VelardeSanchezWR.pdf
https://renati.sunedu.gob.pe/bitstream/renati/9200/2/Autorizacion.pdf
https://renati.sunedu.gob.pe/bitstream/renati/9200/3/license.txt
bitstream.checksum.fl_str_mv 36a0a85736ebf0d39dfe0440a6fa2ef1
e77b1b8fb34d87bd0dd462440f680de1
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Registro Nacional de Trabajos de Investigación
repository.mail.fl_str_mv renati@sunedu.gob.pe
_version_ 1816177347355738112
spelling Pérez Bernal, Juan FernandoVelarde Sanchez, Wilson RafaelMonsalve Leon, Jennifer JackelinRodriguez Pava, Jennifer Astrid2024-05-30T22:00:09Z2024-05-30T22:00:09Z2023https://renati.sunedu.gob.pe/handle/sunedu/3656540https://hdl.handle.net/1992/73143Durante las operaciones de perforación de pozos petroleros, luego de llegar a la profundidad deseada se requiere realizar un viaje a superficie, que en condiciones normales se realiza en elevadores; sin embargo, en algunas ocasiones se hace necesario aplicar backreaming para lograr pasar las restricciones y llegar a superficie con las herramientas, dicho proceso genera tiempos no productivos en la operación, que se traducen en costos adicionales para la compañía. Este proyecto estudia los diferentes factores y parámetros de la perforación, que pueden impactar en la ocurrencia de backreaming, a través de la analítica de datos, aplicando modelos de clasificación binaria para 13 pozos de la compañía Sierracol. El modelo Random Forest resulta ser el mejor prediciendo la ocurrencia de backreaming y disminuyendo la probabilidad de tener Falsos Negativos, con una exactitud de 88.6%. A partir de esto, se desarrolló una herramienta predictiva y analítica con el objetivo de encontrar la combinación de parámetros que ayude a mitigar la frecuencia de esta operación no deseada; preliminarmente, se calcula que el impacto de lograr disminuir la recurrencia de backreaming se vea reflejado en la reducción del 5% de los costos planeados de un pozo, que ascienden aproximadamente a 200 mil USD. A través de los resultados de este estudio se espera generar la base para futuras investigaciones y análisis en las operaciones de perforación en la industria Oil & Gas.Trabajo de investigaciónapplication/pdfspaUniversidad de los AndesCOinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/Superintendencia Nacional de Educación Superior Universitaria - SUNEDURegistro Nacional de Trabajos de Investigación - RENATIreponame:Registro Nacional de Trabajos conducentes a Grados y Títulos - RENATIinstname:Superintendencia Nacional de Educación Superior Universitariainstacron:SUNEDUPerforación de pozos petrolerosAnálisis de datosAprendizaje automáticohttps://purl.org/pe-repo/ocde/ford#2.07.03Determinación de los principales factores que impactan la ocurrencia de backreaming en pozos petroleros a través de la analítica de datosinfo:eu-repo/semantics/masterThesisUniversidad de los AndesInteligencia Analítica para la Toma de DecisionesMagíster en Inteligencia Analítica para la Toma de Decisioneshttp://purl.org/pe-repo/renati/level#maestro44155183Medaglia Gonzales, Andres Leonardohttp://purl.org/pe-repo/renati/type#trabajoDeInvestigacionORIGINALVelardeSanchezWR.pdfVelardeSanchezWR.pdfTrabajo de investigaciónapplication/pdf3608090https://renati.sunedu.gob.pe/bitstream/renati/9200/1/VelardeSanchezWR.pdf36a0a85736ebf0d39dfe0440a6fa2ef1MD51Autorizacion.pdfAutorizacion.pdfAutorización del registroapplication/pdf757912https://renati.sunedu.gob.pe/bitstream/renati/9200/2/Autorizacion.pdfe77b1b8fb34d87bd0dd462440f680de1MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://renati.sunedu.gob.pe/bitstream/renati/9200/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53renati/9200oai:renati.sunedu.gob.pe:renati/92002024-05-30 17:14:07.509Registro Nacional de Trabajos de Investigaciónrenati@sunedu.gob.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
score 13.944437
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).