Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/20.500.14076/22514
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Colán García, Luis Alberto | - |
dc.contributor.author | Alama Otaegui, Alonso Wilfredo | - |
dc.creator | Alama Otaegui, Alonso Wilfredo | - |
dc.date.accessioned | 2022-08-24T17:25:04Z | - |
dc.date.available | 2022-08-24T17:25:04Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | http://hdl.handle.net/20.500.14076/22514 | - |
dc.description.abstract | Las compañías operadoras de hoy están inundados con grandes y crecientes volúmenes de datos digitales de pozos. Los pozos actualmente no solo generan datos de registros eléctricos más rápido que nunca, sino que también aumenta el número de núcleos, surveys y análisis petrofísicos, mientras que las herramientas avanzadas de fondo de pozo están capturando información más sofisticada, incluyendo datos en tiempo real, en muchos formatos diferentes. Y eso es solo nuevos datos de perforación, las compañías de petróleo y gas pueden tener miles de pozos históricos y un número grande de archivos de datos heredados dispersos por toda la organización. Lograr una gestión de datos de pozos (Big Data) eficiente y oportuna se está convirtiendo rápidamente en uno de los desafíos más estratégicos que enfrentan los geos científicos, gerentes de activos, administrados de datos de E & P y personal de IT en todo el mundo. En el presente informe desarrollara o presentara la utilidad de la base de datos MDS la cual está conformada por las aplicaciones PETROBANK y RECALL para el almacenamiento de información de Pozos (registros eléctricos, archivos digitales, surveys, sísmica de pozo e informes) todo esto dentro de un total denominado Perú Petroleum Big Data la cual se maneja dentro de la compañía estatal Perupetro. Como todo estudio para ser factible debe ser técnico, operacional, y rentable para lo cual el estudio está basado en cuanto al costo de la aplicación de la nueva tecnología, así también como el estudio en cuanto a la utilidad de esta base de datos como una alternativa para generar cuadros estadísticos, búsquedas inteligentes que ayuden a las compañías inversoras a obtener toda la información necesaria para tomar la decisión de invertir en un área de interés. | es |
dc.description.abstract | Today's operating companies are inundated with large and growing volumes of digital well data. Wells today not only generate electrical log data faster than ever, but the number of cores, surveys and petrophysical analysis is also increasing, while advanced downhole tools are capturing more sophisticated information, including real-time data, in many different formats. And that's just new drilling data, oil and gas companies can have thousands of historical wells and a large number of legacy data files scattered throughout the organization. Achieving efficient and timely well data management (Big Data) is fast becoming one of the most strategic challenges facing geoscientists, asset managers, E&P data managers, and IT personnel around the world. In this report I will develop or present the usefulness of the MDS database which is made up of the PETROBANK and RECALL applications for the storage of well information (electrical records, digital files, surveys, well seismic and reports) all this within of a total called Peru Petroleum Big Data which is managed within the state company Perupetro. Like any study, to be feasible, it must be technical, operational, and profitable, for which the study is based on the cost of applying the new technology, as well as the study on the use fulness of this database as an alternative to generate statistical tables, intelligent searches that help investment companies to obtain all the necessary information to make the decision to invest in an area of interest. | en |
dc.description.uri | Trabajo de suficiencia profesional | es |
dc.format | application/pdf | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Nacional de Ingeniería | es |
dc.rights | info:eu-repo/semantics/restrictedAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | es |
dc.source | Universidad Nacional de Ingeniería | es |
dc.source | Repositorio Institucional - UNI | es |
dc.subject | Procesamiento de datos | es |
dc.subject | Big Data | es |
dc.subject | Toma de decisiones | es |
dc.subject | Bases de datos | es |
dc.subject | Datos digitales de pozos | es |
dc.subject | PETROBANK | es |
dc.subject | RECALL | es |
dc.title | Análisis y procesamiento de datos (Big Data) para la toma de decisiones utilizando la base de datos Perupetro (MDS) | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
thesis.degree.name | Ingeniero de Petróleo y Gas Natural | es |
thesis.degree.grantor | Universidad Nacional de Ingeniería. Facultad de Ingeniería de Petróleo, Gas Natural y Petroquímica | es |
thesis.degree.level | Título Profesional | es |
thesis.degree.discipline | Ingeniería de Petróleo y Gas Natural | es |
thesis.degree.program | Ingeniería | es |
renati.advisor.orcid | https://orcid.org/0000-0003-4457-0403 | es |
renati.author.dni | 45309350 | - |
renati.advisor.dni | 03894301 | - |
renati.type | http://purl.org/pe-repo/renati/type#trabajoDeSuficienciaProfesional | es |
renati.level | http://purl.org/pe-repo/renati/nivel#tituloProfesional | es |
renati.discipline | 724056 | - |
renati.juror | Argumé Chávez, Edgard Américo | - |
renati.juror | Huerta Quiñones, Víctor Alexei | - |
dc.publisher.country | PE | es |
dc.subject.ocde | http://purl.org/pe-repo/ocde/ford#2.07.03 | es |
Aparece en las colecciones: | Ingeniería de Petróleo |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
alama_oa.pdf | 19,59 MB | Adobe PDF | Visualizar/Abrir | |
alama_oa(acta).pdf | 130,86 kB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
Indexado por: