Improved Model Support in Drilling Automation

Bilen din treng vask og vedlikehald for å fungere, men når gav du sist eit dataprogram same behandling? Oljeboring er ei krevjande oppgåve og det er stor usikkerheit til kva ein vil møte på eller kva som skjer akkurat no nede i brønnen. Difor brukar ein i dag sanntids datamodellar, som kan rekne seg fram til kva som skjer eller kan skje nede i brønnen og formidle dette til boraren. Denne informasjonen vert og delt med automatiseringssystem, som saman med boraren kan hjelpe til å styre boreprosessen raskare og meir nøyaktig enn boraren kan greie åleine. Datamodellane er altså ei viktig brikke i brønnboringa, men korleis veit vi at dei fungerer? Ein motor kan få tilsyn av ein teknikar og vi kan lytte etter ulydar, men ein datamodell kan, kanskje utan at vi merkar det, også kome i ulage. Det den fortel boraren eller automatiseringssystemet samsvarar kanskje ikkje lenger med røynda. Dette kan vere fordi modellen har fått feil eller for lite informasjon om brønnen. Det kan og vere problem i samspelet med andre maskiner og datasystem om bord på boreriggen. Til sist kan det vere noko dramatisk på gong nede i brønnen, som korkje menneske eller modell har oppdaga. Eit av måla for dette prosjektet er at vi skal kunne føre like godt tilsyn og vedlikehald med datamodellen som vi gjer med anna maskineri på boreriggen. Med betre vedlikehald av modellane vil brønnar borast raskare, billigare og sikrare og grensene for kva automatiseringssystema kan greie vil utvide seg.

The project has delivered a functional prototype of the SFM, which later was upgraded in the DEMO2000 project "Drilling Mud Process Control". Huisman is actively working to integrate it in the drilling rig control system. Both the technology and competence developed in the KPN has contributed to the development of additional related projects. These include the DEMO2000-projects "AutoViscosity" (project owner National Oilwell Varco) and "Digitized fluid transport" (project owner Kongsberg Digital). Further project initiatives based on the same technology and competence are under development.

As the oil and gas industry in Norway is facing more challenging areas, drilling automation will be a prerequisite to meet the challenges of longer, colder and deeper wells. The well is a dynamic system, which often requires automation to be enhanced by r eal-time wellbore models. These are computer programs that predict the behaviour of the well based on measurements. However, drilling with conventional drill strings only provide a few sparse measurements from the bottom of the well, making it difficult to detect if something is going wrong. In contrast, networked drill strings, also known as wired drill pipe, provide a broadband connection to the wellbore and enable measurements to be taken along the wellbore. The project aimes at improving the perfo rmance of drilling models by treating it as one would a physical machine. This includes monitoring of its performance and routine maintenance. In this case maintenence is equivalent to calibration, ans special attension will be put on hole cleaning perfor mance and topside handling of solids. The project raises questions such as "what does it take to drill a well safely and efficiently, despite limited and inaccurate information?" For automation, the answer depends on how the software reacts to inaccurate information. The project aims at detecting these reactions and correcting the situation, so that bad data do not jeopardize the drilling operation. If successful, the project will help deploy automation under more challenging conditions, which in turn enable safer and more cost-efficient drilling.