Elaboration d’un modèle prévisionnel de la vitesse d’avancement (ROP) pour optimiser les outils de forage lors de la phase 6 inch (6") du champ Hassi Messaoud

Abstract

La phase 6" à Hassi Messaoud est une phase qui peut être très coûteuse en termes de temps et d’argent. Cela est principalement dû à la nature même du réservoir qui est très dure et abrasive. Cependant, le choix des outils de forage pour cette phase peut être complexe et affecter considérablement la performance globale du forage. Ainsi, il est crucial d'identifier les outils de forage les plus adaptés pour optimiser le processus de forage. Dans cette perspective, l'utilisation de l'intelligence artificielle peut être une solution pertinente pour améliorer le choix des outils de forage. En effet, en utilisant des techniques de Machine Learning, il est possible d'élaborer un modèle de prévision du ROP (rate of penetration) qui permet de prévoir la vitesse d’avancement de l'outil de forage en tenant compte des caractéristiques géo-mécaniques de la formation traversée, des paramètres mécaniques et hydraulique appliqué à l’outil ainsi que du type d’outil utilisé. Ce modèle peut être utilisé pour identifier les outils de forage les plus adaptés à chaque phase du forage.Ainsi, la problématique de cette étude est de savoir comment élaborer un modèle prévisionnel du ROP en utilisant l'intelligence artificielle pour améliorer le choix des outils de forage dans la phase 6" à Hassi Messaoud. Cette problématique est essentielle pour optimiser le processus de forage et améliorer la performance globale de l'activité pétrolière