PDCビットの掘削速度（ROP）モデルの評価方法と、岩盤強度がモデル係数に与える影響を知るにはどうすればよいか？

抽象的な

現在の原油価格低迷状況により、石油・ガス井の掘削時間を短縮し、操業コストを削減するために、掘削最適化への注目が再び高まっています。掘削速度（ROP）モデリングは、掘削プロセスを高速化するためのビット重量と回転速度といった掘削パラメータを最適化する上で重要なツールです。本研究では、Excel VBAで開発された、完全自動化されたデータ可視化およびROPモデリングツールであるROPPlotterを用いて、2つの異なるPDCビットROPモデル（Hareland and Rampersad (1994) および Motahhari et al. (2010)）のモデル性能と岩盤強度がモデル係数に与える影響を調査します。 PDCビット 本研究では、バッケン頁岩水平坑井の垂直断面における3つの異なる砂岩層において、ビンガム（1964）が開発した基本ケースの一般的なROP関係式をモデルと比較した。初めて、掘削パラメータが類似している岩相を調査することにより、岩石強度の変化がROPモデル係数に及ぼす影響を分離する試みを行った。さらに、適切なモデル係数の境界を選択することの重要性について包括的に議論した。ハレランドとモタハリのモデルでは考慮されているがビンガムのモデルでは考慮されていない岩石強度は、前者のモデルでは定数乗数モデル係数の値が高くなり、モタハリのモデルではRPM項指数が増加するという結果をもたらす。この特定のデータセットでは、ハレランドとランパーサドのモデルが3つのモデルの中で最も優れた性能を示すことがわかった。従来の掘削速度（ROP）モデリングの有効性と適用性には疑問が呈されている。なぜなら、そのようなモデルは、モデルの定式化では考慮されていない多くの掘削要因の影響を組み込んだ一連の経験的係数に依存しており、特定の岩相に固有のものであるからである。

導入

PDC（多結晶ダイヤモンドコンパクト）ビットは、今日の石油・ガス井掘削で主流となっているビットタイプです。ビットの性能は通常、掘削速度（ROP）で測定され、これは単位時間あたりの掘削孔の長さで表した、井戸の掘削速度を示します。掘削の最適化は、数十年にわたりエネルギー企業の最重要課題であり、現在の低油価環境下ではさらに重要性を増しています（Hareland and Rampersad、1994）。最高のROPを実現するために掘削パラメータを最適化する最初のステップは、地表で得られた測定値と掘削速度を関連付ける正確なモデルを開発することです。

特定のビットタイプ向けに開発されたモデルを含め、いくつかのROPモデルが文献に発表されている。これらのROPモデルには通常、岩質に依存する多数の経験的係数が含まれており、掘削パラメータと掘削速度の関係の理解を妨げる可能性がある。本研究の目的は、2つの岩質について、掘削パラメータ、特に岩盤強度を変化させた場合のモデル性能とモデル係数の現場データへの応答を分析することである。PDCビット モデル（Hareland and Rampersad、1994、Motahhari et al.、2010）も検討されています。モデル係数と性能は、業界全体で広く適用され、現在も使用されている最初の ROP モデルとして機能した単純な関係であるベースケース ROP モデル（Bingham、1964）と比較されます。岩石強度が異なる 3 つの砂岩層の掘削現場データが調査され、これら 3 つのモデルのモデル係数が計算され、相互に比較されます。各岩石層における Hareland および Motahhari のモデルの係数は、Bingham のモデルの係数よりも広い範囲に及ぶと想定されています。これは、後者の定式化では岩石強度の変化が明示的に考慮されていないためです。モデル性能も評価され、ノースダコタ州の Bakken 頁岩地域に最適な ROP モデルが選択されます。

本研究に含まれるROPモデルは、いくつかの掘削パラメータを掘削速度に関連付ける柔軟性のない方程式で構成されており、油圧、カッターと岩石の相互作用、ビット設計、ボトムホールアセンブリ特性、泥の種類、孔洗浄など、モデル化が困難な掘削メカニズムの影響を組み合わせた一連の経験係数を含んでいます。これらの従来のROPモデルは、一般的に現場データと比較すると性能が劣りますが、新しいモデリング技術への重要な足がかりとなります。柔軟性が向上した、より強力で現代的な統計ベースのモデルは、ROPモデリングの精度を向上させることができます。Gandelman (2012) は、ブラジル沖のプレソルト盆地の油井で、従来のROPモデルの代わりに人工ニューラルネットワークを使用することで、ROPモデリングが大幅に向上したと報告しています。人工ニューラルネットワークは、Bilgesu et al. (1997)、Moran et al. (2010)、Esmaeili et al. (2012) の研究でもROP予測に成功裏に利用されています。しかしながら、このようなROPモデリングの改善は、モデルの解釈可能性を犠牲にするものである。したがって、従来のROPモデルは依然として有効であり、特定の掘削パラメータが掘削速度にどのように影響するかを分析するための効果的な方法を提供する。

モデル係数の計算とモデル性能の比較には、Microsoft Excel VBAで開発されたフィールドデータ可視化およびROPモデリングソフトウェアであるROPPlotter（Soares、2015）が使用される。