Big data analytics in oil & gas industry a case study: Predicting rop in drilling operations with big data and machine learning for rumaila oilfield
Petrol ve gaz endüstrisinde büyük veri analitikleri bir vaka çalışması: Rumaila oilfield için büyük veri ve makina öğrenme ile sondaj işlemlerinde tahmin halatı
- Tez No: 627861
- Danışmanlar: PROF. DR. MUSTAFA ÖZBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Büyük veri farklı endüstriyel alanlardaki potansiyeli ile zaten çok iyi bilinmektedir ancak diğer endüstri kollarından farklı olarak Gaz ve Petrol endüstrisindeki kullanımı henüz diğer endüstriyel alanlar seviyesinde değildir. Bu tez'in amacı, öncelikle büyük verinin petrol ve gaz endüstrisinde kullanılmasının faydalarını tanımlamak, ama özellikle de petrol ve gaz arama işlemlerinde kullanılmaya başlanmasıyla elde edilecek avantajları örneklerle göstermektir. İkinci olarak, büyük veri'yi makina öğrenmesi algoritması ile birlikte kullanarak arama işlemlerinde delme oranının oranını tahmin etmede kullanmaktır. Delme oranının tahmin edilmesi delme işleminin maliyetlerinin azaltılması ve delme programlarının etkinliğinin artırılması konusunda çok önemlidir. Tahmin işlemleri için yapay sinir ağları yaklaşımı kullanılmıştır ve Güney Irak'taki Kuzey ve Güney Rumalia bölgesinde yer alan 45 farklı kuyunun delinmesi konusundaki verilerin analizi için kullanılmıştır. Model'in kurulumunda yapay sinir ağları (Artificial Neural Networks - ANN) kullanılmıştır ve yedi farklı parametre (TVD, WOB, RPM, Tork, SPP, İçeriye Akış, ve Çamur Yoğunluğu) kullanılarak ROP tahmin edilmiştir. İki gizli, bir çıktı katmanı şeklinde üç katmanlı bir model kurulmuştur. Veri setinin %70'i yapay sinir ağını (ANN) eğitmek için kullanılmıştır, geriye kalan %30 veri seti ise kurulan modelin performansını ölçmek için setlerin testi ve gerçekleme için (%20 set'in gerçeklenmesi ve %20 ise set'in test edilmesi için) kullanılmıştır. Sonuçlar ROP değerinin 0.01 MSE ve 0.70 R2 değerleri ile gayet iyi tahmin edildiğini göstermektedir. Model, yeni kuyu açılması işlemi ile gerçek bir uygulama için kullanılmış ve ROP değerlerinin tahmini ve kuyuya ait verilerin iyi bir eşleşmesini göstermiştir. Sonuçlar Büyük Veri'nin, Makina Öğrenmesi ile beraber kullanıldığı takdirde delme işlemlerinin iyileştirilebileceğinin bir ispatı olmuştur.
Özet (Çeviri)
Big data concept is well known for its potentials in various industries, unlike the other industries oil and gas industry is still lagging behind in this area. The purposes of this thesis are, first to describe the benefits of big data to the oil and gas sector and drilling operations sector specifically with providing examples of companies starting their own big data initiatives. Second, use big data and machine learning algorithms to predict the rate of penetration in drilling operations. Predicting the rate of penetration (ROP) has a great impact on lowering the cost of drilling activities and increase the efficiency of drilling programs. The neural network approach used as the analytical tool to analyze the data of 45 different wells drilled in North and South Rumaila oilfield in the south of Iraq. The ANN used to build a model that can predict ROP using seven drilling parameters ( TVD, WOB, RPM, Torque, SPP, Flow in, Mud density). Three layers model with two hidden layers and the output layer has built. 70% of the dataset used to train the ANN while 30% used for both validation and testing sets (20% for validation set and 10% for testing set) to evaluate the performance of the developed model. The results showed quite good predictions of ROP values with MSE of 0.01 and R2 of 0.70. The model used for real applications with new well and showed a good matching between predicting values of ROP and the raw data of the well. The results ensured the ability of big data and machine learning to enhance drilling operations.
Benzer Tezler
- Elektrikli araçlarda batarya ve şarj istasyonu konfigürasyonlarının istanbul metrobüs hattı üzerinden incelenmesi
Investigation of battery and charging station configurations in electric vehicles over the istanbul metrobus line
ANIL SATAR
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET CANSIZ
- Fuel oil ile çalışan endüstriyel tip skoç kazanların doğalgaza dönüştürülmesinin bilgisayar simulasyonu
Computer simulation of converting industrial scotch type boilers working with fuel oil into natural gas
ARİF LEVENT KUZAY
- Turbo solenoid vana
Turbo solenoid valve
YAŞAR MUTLU
Doktora
Türkçe
2018
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT ÇAKAN
- Türkiye'nin enerji verimliliğinin değerlendirilmesi: Beyaz Sertifikalar Sistemi'nin Türkiye'ye uygulanabilirliğinin incelenmesi
Turkey's energy efficiency assessment: White Certificates Systems and their applicability in Turkey
BİLAL DÜZGÜN
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜVEN KÖMÜRGÖZ KIRIŞ
- Implementing real-time data analytics methods for predictive manufacturing in oil and gas industry: From the perspective of Industry 4.0
Petrol ve gaz sektöründe tahmine dayalı üretim için gerçek zamanlı veri analitiği yöntemlerinin uygulanması: Endüstri 4.0 perspektifi
YİĞİT YELDAN
Yüksek Lisans
İngilizce
2019
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiBilim ve Teknoloji Politikası Çalışmaları Anabilm Dalı
PROF. DR. MEHMET TEOMAN PAMUKCU