Diseño de un modelo machine learning para la selección del mejor mecanismo de control de arena entre los mecanismos zeta flow y high rate water pack en el campo X de los Llanos Orientales de Colombia

Abstract

Una formación con una alta presencia de finos representa un problema en el plan de producción de un campo, acarreando sobrecostos por daños en líneas de producción y equipos. El método de control de arena seleccionado depende de las condiciones específicas del área a trabajar, las prácticas operativas y las consideraciones económicas. La correcta selección del método de sand control permite moderar o mitigar los efectos negativos de un alto BSW. En este sentido, el objetivo de esta investigación es diseñar un modelo predictivo mediante Machine Learning para la selección del mejor mecanismo de control de arena entre los mecanismos Zeta Flow y High Rate Water Pack en el campo X, logrando con este modelo la reducción de producción de arena. Para llevar a cabo este propósito se desarrolló un modelo predictivo basado en el lenguaje de programación Python, que interpreta los parámetros operativos y antecedentes de trabajo y los asimila como entrenamiento para llegar a la predicción más acertada.