Aumento de la extracción de petróleo en el campo ocelote mediante metodologías de machine learning

El Campo Ocelote de Hocol S.A actualmente cuenta con 103 pozos activos para la explotación y producción de petróleo. El presente trabajo usa técnicas analíticas para identificar a qué pozos y las condiciones ideales de aplicación del drawdown que maximizan la probabilidad de aumento en la tasa de extracción de los pozos de la compañía. Fueron comparados 120 modelos predictivos con el objetivo de identificar potenciales factores que pueden influir positivamente en la productividad del pozo, en donde el mejor rendimiento fue el presentado por el modelo Support Vector Machine. Luego, se efectuó un modelo prescriptivo (simulación) con distribución beta de 10.000 simulaciones para cada pozo, variando la velocidad y magnitud del drawdown, que permitió determinar las condiciones óptimas del cambio en el drawdown, mediante la variación real y práctica de estas dos variables que se encuentran bajo el control de Hocol en 40 pozos seleccionados del yacimiento. Los resultados muestran que se deberían intervenir el 52,5% de los pozos analizados, los cuales tienen una probabilidad de tener éxito superior al 0.75. The Hocol oil field named Ocelote, currently has 103 active wells for the exploitation and production of oil barrels. The present work uses analytical techniques to identify which wells and the ideal drawdown application conditions to maximize the probability of an increase in the extraction rate of the company's wells. Therefore, the performance of 120 models were compared to identify potential factors that can positively influence well productivity, where the best performance was the one presented by the Support Vector Machine model. Then, a prescriptive model (simulation) was carried out, with beta distribution of 10,000 simulations for each well, varying the speed and magnitude of the drowdawn, that allowed to determine the optimal conditions of the change in the drawdown, using the real and practical variation of these two variables that are controlled by HOCOL in each of the 40 wells selected in the oil field. The results show that 52.5% of the wells analyzed may be intervened, which have a probability of being successful higher that 0.75. Magíster en Inteligencia Analítica para la Toma de Decisiones Maestría