Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020
Currently the company Ecopetrol SA, takes into account the technical-historical data such as those stored in OpenWells and Power BI, to evaluate the performance during the drilling phase of the wells week by week, instead of taking advantage of this information together with the variables involved i...
- Autores:
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad de América
- Repositorio:
- Lumieres
- Idioma:
- spa
- OAI Identifier:
- oai:repository.uamerica.edu.co:20.500.11839/8274
- Acceso en línea:
- https://hdl.handle.net/20.500.11839/8274
- Palabra clave:
- Matriz complejidad
Método supervisado
Predicción de tiempos
Complexity matrix
Supervised method
Time prediction
Tesis y disertaciones académicas
- Rights
- License
- Atribución – No comercial – Sin Derivar
| id |
Lumieres_a72e81c871d22046f09e5eb372c55782 |
|---|---|
| oai_identifier_str |
oai:repository.uamerica.edu.co:20.500.11839/8274 |
| network_acronym_str |
Lumieres |
| network_name_str |
Lumieres |
| repository_id_str |
|
| spelling |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020Optimization in well planning through the prediction of times, costs and NPT'S, applying a machine learning model for the 2020 Castilla and Castilla norte drilling campaignMatriz complejidadMétodo supervisadoPredicción de tiemposComplexity matrixSupervised methodTime predictionTesis y disertaciones académicasCurrently the company Ecopetrol SA, takes into account the technical-historical data such as those stored in OpenWells and Power BI, to evaluate the performance during the drilling phase of the wells week by week, instead of taking advantage of this information together with the variables involved in the complexity matrix, to optimize well planning through the implementation of a predictive model, thus generating added value on the stored information. Considering the above, the present degree work was carried out in order to optimize well planning for the 2020 Castilla y Castilla Norte drilling campaign by applying the selected machine Learning models, which predict cost days and NPT's associated with problems in open hole. Therefore, a methodology aimed at the implementation of three supervised machine learning models was designed, based on the information from the 2019 Castilla y Castilla Norte drilling campaign. Subsequently, the prediction of the models was implemented and evaluated. for the same field in 2020.Actualmente la compañía Ecopetrol S.A, tiene en cuenta los datos técnicos-históricos tales como los que se encuentran almacenados en OpenWells y Power BI, para evaluar el desempeño durante la fase de perforación de los pozos semana a semana, en vez de aprovechar dicha información junto con las variables implicadas en la matriz de complejidad, para optimizar la planeación de pozos mediante la implementación de un modelo predictivo generando así un valor agregado sobre la información almacenada. Considerando lo anterior, el presente trabajo de grado se realizó con el fin de optimizar la planeación de pozos para la campaña de perforación de Castilla y Castilla Norte 2020 al aplicar los modelos de machine Learning seleccionados, los cuales predicen días costos y NPT’s asociados a problemas en hueco abierto.Fundación Universidad de AméricaFernández Barrero, NelsonMartínez Alonso, Juan DavidPoveda Cruz, Johan Steven2021-04-03T23:26:15Z2021-04-03T23:26:15Z2021-02-15bachelorThesishttp://purl.org/coar/resource_type/c_7a1fapplication/pdfapplication/pdfAPA 7th - Martínez Alonso, J. D. y Poveda Cruz, J. S. (2021) Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8274https://hdl.handle.net/20.500.11839/8274Atribución – No comercial – Sin Derivarhttp://purl.org/coar/access_right/c_abf2spaoai:repository.uamerica.edu.co:20.500.11839/82742025-02-01T08:42:25Z |
| dc.title.none.fl_str_mv |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 Optimization in well planning through the prediction of times, costs and NPT'S, applying a machine learning model for the 2020 Castilla and Castilla norte drilling campaign |
| title |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| spellingShingle |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 Matriz complejidad Método supervisado Predicción de tiempos Complexity matrix Supervised method Time prediction Tesis y disertaciones académicas |
| title_short |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| title_full |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| title_fullStr |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| title_full_unstemmed |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| title_sort |
Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020 |
| dc.contributor.none.fl_str_mv |
Fernández Barrero, Nelson |
| dc.subject.none.fl_str_mv |
Matriz complejidad Método supervisado Predicción de tiempos Complexity matrix Supervised method Time prediction Tesis y disertaciones académicas |
| topic |
Matriz complejidad Método supervisado Predicción de tiempos Complexity matrix Supervised method Time prediction Tesis y disertaciones académicas |
| description |
Currently the company Ecopetrol SA, takes into account the technical-historical data such as those stored in OpenWells and Power BI, to evaluate the performance during the drilling phase of the wells week by week, instead of taking advantage of this information together with the variables involved in the complexity matrix, to optimize well planning through the implementation of a predictive model, thus generating added value on the stored information. Considering the above, the present degree work was carried out in order to optimize well planning for the 2020 Castilla y Castilla Norte drilling campaign by applying the selected machine Learning models, which predict cost days and NPT's associated with problems in open hole. Therefore, a methodology aimed at the implementation of three supervised machine learning models was designed, based on the information from the 2019 Castilla y Castilla Norte drilling campaign. Subsequently, the prediction of the models was implemented and evaluated. for the same field in 2020. |
| publishDate |
2021 |
| dc.date.none.fl_str_mv |
2021-04-03T23:26:15Z 2021-04-03T23:26:15Z 2021-02-15 |
| dc.type.none.fl_str_mv |
bachelorThesis |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.none.fl_str_mv |
APA 7th - Martínez Alonso, J. D. y Poveda Cruz, J. S. (2021) Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8274 https://hdl.handle.net/20.500.11839/8274 |
| identifier_str_mv |
APA 7th - Martínez Alonso, J. D. y Poveda Cruz, J. S. (2021) Optimización en la planeación de pozos por medio de la predicción de tiempos, costos y NPT´S, aplicando un modelo de machine learning para la campaña de perforación de Castilla y Castilla norte 2020. [Trabajo de grado, Fundación Universidad de América] Repositorio Institucional Lumieres. https://hdl.handle.net/20.500.11839/8274 |
| url |
https://hdl.handle.net/20.500.11839/8274 |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.rights.none.fl_str_mv |
Atribución – No comercial – Sin Derivar http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Atribución – No comercial – Sin Derivar http://purl.org/coar/access_right/c_abf2 |
| dc.format.none.fl_str_mv |
application/pdf application/pdf |
| dc.publisher.none.fl_str_mv |
Fundación Universidad de América |
| publisher.none.fl_str_mv |
Fundación Universidad de América |
| institution |
Universidad de América |
| repository.name.fl_str_mv |
|
| repository.mail.fl_str_mv |
|
| _version_ |
1841553084757573632 |