Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales
- Autores
- Rodríguez Medina, Gustavo; Chuk, Oscar Daniel; Luna, Adriana; Bertero, Regina; Núñez, Enrique
- Año de publicación
- 2022
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- La fracturación hidráulica realizada para extraer hidrocarburos de yacimientos no convencionales requiere de la inyección de arenas que actúan como apuntalantes de la fractura. La calidad de las arenas para cumplir dicha función se evalúa por la norma API19C, que establece medidas geométricas – esfericidad y redondez- más un porcentaje de fractura cuando la muestra es sometida a compresión. Todas estas mediciones deben encontrarse dentro de valores límites para asegurar la calidad de la arena. Según la norma, la inspección se realiza visualmente por un operador sobre un conjunto de 20 granos. Esto introduce un importante grado de subjetividad, y poca validez estadística. Para solucionar esto, la bibliografía refiere distintos métodos basados en visión artificial. Cada uno de estos métodos tiene ventajas y desventajas según la geometría, color de la partícula y la definición de la imagen usada. En este trabajo se presenta una metodología integrada a partir de varios métodos conocidos, más uno novedoso desarrollado por los autores para medir la redondez, que es la variable más difícil de medir. Las distintas medidas son tratadas por redes neuronales para dar una medida final de la redondez, que tiene un alto grado de correlación con la medida teórica de cada partícula considerada. Las medidas de esfericidad y porcentaje de fractura obtenidas también han dado valores consistentes. El método de visión artificial desarrollado es sumamente eficiente para determinar, a partir de las medidas obtenidas, la capacidad de una arena para actuar como apuntalante en una operación de fractura hidráulica.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Visión artificial
Redes neuronales
Fracturación hidráulica
Arenas
Geometría - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/143347
Ver los metadatos del registro completo
id |
SEDICI_b55c7706abc3d1f93610edee89570834 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/143347 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronalesRodríguez Medina, GustavoChuk, Oscar DanielLuna, AdrianaBertero, ReginaNúñez, EnriqueCiencias InformáticasVisión artificialRedes neuronalesFracturación hidráulicaArenasGeometríaLa fracturación hidráulica realizada para extraer hidrocarburos de yacimientos no convencionales requiere de la inyección de arenas que actúan como apuntalantes de la fractura. La calidad de las arenas para cumplir dicha función se evalúa por la norma API19C, que establece medidas geométricas – esfericidad y redondez- más un porcentaje de fractura cuando la muestra es sometida a compresión. Todas estas mediciones deben encontrarse dentro de valores límites para asegurar la calidad de la arena. Según la norma, la inspección se realiza visualmente por un operador sobre un conjunto de 20 granos. Esto introduce un importante grado de subjetividad, y poca validez estadística. Para solucionar esto, la bibliografía refiere distintos métodos basados en visión artificial. Cada uno de estos métodos tiene ventajas y desventajas según la geometría, color de la partícula y la definición de la imagen usada. En este trabajo se presenta una metodología integrada a partir de varios métodos conocidos, más uno novedoso desarrollado por los autores para medir la redondez, que es la variable más difícil de medir. Las distintas medidas son tratadas por redes neuronales para dar una medida final de la redondez, que tiene un alto grado de correlación con la medida teórica de cada partícula considerada. Las medidas de esfericidad y porcentaje de fractura obtenidas también han dado valores consistentes. El método de visión artificial desarrollado es sumamente eficiente para determinar, a partir de las medidas obtenidas, la capacidad de una arena para actuar como apuntalante en una operación de fractura hidráulica.Red de Universidades con Carreras en Informática2022-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf97-102http://sedici.unlp.edu.ar/handle/10915/143347spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9info:eu-repo/semantics/reference/hdl/10915/142555info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T11:08:43Zoai:sedici.unlp.edu.ar:10915/143347Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 11:08:43.352SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
title |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
spellingShingle |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales Rodríguez Medina, Gustavo Ciencias Informáticas Visión artificial Redes neuronales Fracturación hidráulica Arenas Geometría |
title_short |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
title_full |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
title_fullStr |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
title_full_unstemmed |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
title_sort |
Análisis de calidad de arenas de fracturación mediante visión artificial y redes neuronales |
dc.creator.none.fl_str_mv |
Rodríguez Medina, Gustavo Chuk, Oscar Daniel Luna, Adriana Bertero, Regina Núñez, Enrique |
author |
Rodríguez Medina, Gustavo |
author_facet |
Rodríguez Medina, Gustavo Chuk, Oscar Daniel Luna, Adriana Bertero, Regina Núñez, Enrique |
author_role |
author |
author2 |
Chuk, Oscar Daniel Luna, Adriana Bertero, Regina Núñez, Enrique |
author2_role |
author author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Visión artificial Redes neuronales Fracturación hidráulica Arenas Geometría |
topic |
Ciencias Informáticas Visión artificial Redes neuronales Fracturación hidráulica Arenas Geometría |
dc.description.none.fl_txt_mv |
La fracturación hidráulica realizada para extraer hidrocarburos de yacimientos no convencionales requiere de la inyección de arenas que actúan como apuntalantes de la fractura. La calidad de las arenas para cumplir dicha función se evalúa por la norma API19C, que establece medidas geométricas – esfericidad y redondez- más un porcentaje de fractura cuando la muestra es sometida a compresión. Todas estas mediciones deben encontrarse dentro de valores límites para asegurar la calidad de la arena. Según la norma, la inspección se realiza visualmente por un operador sobre un conjunto de 20 granos. Esto introduce un importante grado de subjetividad, y poca validez estadística. Para solucionar esto, la bibliografía refiere distintos métodos basados en visión artificial. Cada uno de estos métodos tiene ventajas y desventajas según la geometría, color de la partícula y la definición de la imagen usada. En este trabajo se presenta una metodología integrada a partir de varios métodos conocidos, más uno novedoso desarrollado por los autores para medir la redondez, que es la variable más difícil de medir. Las distintas medidas son tratadas por redes neuronales para dar una medida final de la redondez, que tiene un alto grado de correlación con la medida teórica de cada partícula considerada. Las medidas de esfericidad y porcentaje de fractura obtenidas también han dado valores consistentes. El método de visión artificial desarrollado es sumamente eficiente para determinar, a partir de las medidas obtenidas, la capacidad de una arena para actuar como apuntalante en una operación de fractura hidráulica. Red de Universidades con Carreras en Informática |
description |
La fracturación hidráulica realizada para extraer hidrocarburos de yacimientos no convencionales requiere de la inyección de arenas que actúan como apuntalantes de la fractura. La calidad de las arenas para cumplir dicha función se evalúa por la norma API19C, que establece medidas geométricas – esfericidad y redondez- más un porcentaje de fractura cuando la muestra es sometida a compresión. Todas estas mediciones deben encontrarse dentro de valores límites para asegurar la calidad de la arena. Según la norma, la inspección se realiza visualmente por un operador sobre un conjunto de 20 granos. Esto introduce un importante grado de subjetividad, y poca validez estadística. Para solucionar esto, la bibliografía refiere distintos métodos basados en visión artificial. Cada uno de estos métodos tiene ventajas y desventajas según la geometría, color de la partícula y la definición de la imagen usada. En este trabajo se presenta una metodología integrada a partir de varios métodos conocidos, más uno novedoso desarrollado por los autores para medir la redondez, que es la variable más difícil de medir. Las distintas medidas son tratadas por redes neuronales para dar una medida final de la redondez, que tiene un alto grado de correlación con la medida teórica de cada partícula considerada. Las medidas de esfericidad y porcentaje de fractura obtenidas también han dado valores consistentes. El método de visión artificial desarrollado es sumamente eficiente para determinar, a partir de las medidas obtenidas, la capacidad de una arena para actuar como apuntalante en una operación de fractura hidráulica. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/143347 |
url |
http://sedici.unlp.edu.ar/handle/10915/143347 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9 info:eu-repo/semantics/reference/hdl/10915/142555 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 97-102 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260590207172608 |
score |
13.13397 |