A hidden Markov model for stuck pipe prediction from rare events in oil and gas drilling operations

An event-based method for the prediction of stuck pipes is presented in this Thesis. Stuck pipes are relatively rare phenomena that can occur during drilling in the oil & gas industry, causing economic and environmental damage. The presented method is based on the detection of precursory events that typically anticipate stuck pipe occurrences. Detecting these precursor events already provides on its own a great help to the operators, enhancing their ability to predict and prevent impending problems. A Hidden Markov Model (HMM) has been developed to relate precursor events to actual drilling problems, producing different level of alarms, with the ultimate goal of predicting stuck pipes. With regard to the tested drilling rigs, the proposed system has obtained good results providing an excellent starting point for any future approaches that can be adopted in this direction.

Uno dei problemi più significativi nella perforazione petrolifera è quello delle prese di batterie (stuck pipes), in cui la testa di perforazione rimane parzialmente o completamente bloccata nel foro. Tali eventi, seppur rari, causano ingenti danni economici all'industria petrolifera, oltre a danni ambientali. In questa tesi si sviluppa un modello finalizzato alla predizione di tali eventi con un preavviso sufficiente ad intraprendere delle azioni atte a limitarli o evitarli del tutto. Come suggerito dalla letteratura tecnica, esistono vari eventi durante la perforazione che possono essere considerati dei precursori delle prese di batteria. Il modello sviluppato in questa tesi si basa sul riconoscimento di tali eventi precursori e sulla loro elaborazione. Dopo aver verificato sperimentalmente la presenza di questi eventi precursori, sono stati implementati degli algoritmi di riconoscimento in grado di rilevarli. L’identificazione di questi eventi costituisce già di per sè un grande aiuto all'operatore sull'impianto perché consente di individuare chiaramente delle problematiche della perforazione a partire dai segnali disponibili. Questi eventi sono stati raggruppati in differenti categorie e sono stati utilizzati per predire le prese di batteria tramite un modello di Markov nascosto. Il metodo è stato testato con dati provenienti da diversi impianti: i risultati ottenuti sono stati positivi, evidenziando una buona capacità del modello di predire le prese di batteria. In considerazione di questo, il modello proposto rappresenta un ottimo punto di partenza per eventuali sviluppi futuri.