SYSTEMS AND METHODS FOR AUTOMATIC GENERATION OF DRILLING SCHEDULES USING MACHINE LEARNING

Systems and methods for automatically generating drilling schedules are disclosed. According to one embodiment, a method of predicting rig movement between wells includes receiving historical well data regarding individual well types and historical rig data regarding individual rigs, and generating...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: AL-SHAHRI, Ali M, ZAHRANI, Aidah G, NOORUDDIN, Hasan A, SHAHRI, Mohammed A
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:Systems and methods for automatically generating drilling schedules are disclosed. According to one embodiment, a method of predicting rig movement between wells includes receiving historical well data regarding individual well types and historical rig data regarding individual rigs, and generating a Markov Chain model from the historical well data and the historical rig data. The Markov Chain model includes a plurality of states and a plurality of links between states. Each state of the plurality of states is a well class derived from the historical well data. Each link indicates a number of rigs that traveled between individual well classes. The method further includes determining, using the Markov Chain model, a probability of rigs moving between individual well classes, and predicting movement of individual rigs of a plurality of rigs between future wells based at least in part on the Markov Chain model. L'invention concerne des systèmes et des procédés de génération automatique de calendrier de forage. Selon un mode de réalisation, un procédé de prédiction de mouvement d'appareil de forage entre des puits consiste à recevoir des données de puits historiques concernant des types de puits individuels et des données d'appareil de forage historiques concernant des appareils individuels, et à générer un modèle de chaîne de Markov à partir des données de puits historiques et des données d'appareil de forage historiques. Le modèle de chaîne de Markov comprend une pluralité d'états et une pluralité de liaisons entre des états. Chaque état de la pluralité d'états est une classe de puits dérivée des données de puits historiques. Chaque liaison indique un nombre de tours de forage qui se déplacent entre des classes de puits individuelles. Le procédé comprend en outre la détermination, à l'aide du modèle de chaîne de Markov, d'une probabilité que des tours de forage se déplacent entre des classes de puits individuelles, et la prédiction du mouvement des tours de forage individuels d'une pluralité de tours de forages entre des futurs puits sur la base, au moins en partie, du modèle de chaîne de Markov.