为了推动钻头设计追赶业内数字化与自动化的发展进程，一些公司已开发出新技术，可增强或取代传统的方法。

Taurex钻头技术副总裁Dustin Lyles表示：油气行业必须超越陈旧的PDC钻头磨损评价方法。

他解释说：“针对发生在地下几英里处的岩石与钻头之间的相互作用情况，返出岩屑是最好的分析证据。岩屑能够反映出低效钻进类型与井下环境，为我们的数字工作流程与反馈系统提供信息。”

▲Taurex钻头公司技术副总裁Dustin Lyles说：“每只钻头的AML初始分析数据都会推送至拥有其他数据集的数据库中，以帮助分析出发生了哪种类型的低效钻进，或者造成钻头磨损的背后因素是什么？”

知晓钻头的内在价值是一回事，获得可执行的数据是另一回事。Lyles先生说，实现钻头状况数据的数字化，并将其用于Taurex公司所做的每一个钻头设计决策，这才是关键。钻井数据与磨损详细数据在本质上都是零散的。例如，Delaware盆地Wolfcamp B分支井中，可能会获取到特定作业者和/或钻头组件的作业情况，并在这个狭窄的范围内做出必要措施，以提升性能。然而，Taurex认为，了解钻头设计、磨损与应用之间的相互关系，对于做出更全面的设计决策至关重要。为了实现这一目标，该公司研发出磨损分析数字化模型/工作流程，从而可大规模的开展磨损分析与故障根源分析。

自动计量实验室（AML）是该公司在自动化、数字化磨损评价方面的创新。该系统安装在公司的中央维修与保养设施中，它分析的所有钻头都要经过自动机器人三维扫描程序。Lyles先生说，仅需三至四分钟，扫描结果就会推送至远程服务器，工程师即可访问并量化该钻头上每个切削齿的金刚石损耗量。他指出：“每个钻头的AML初始分析数据都会推送至关系数据库中，将磨损趋势与作业、设计、钻井电子记录仪（EDR）以及其他相关数据集联系起来，最终将这个‘拼图’拼凑在一起。然后，我们就能够分析出发生了哪种类型的低效钻进，或者造成钻头磨损的背后因素是什么？”

困扰该行业的问题并不是缺乏训练有素、具有钻头评价技能与机械手段的工程师。相反，在这个过程中存在太多的主观性和不一致性。Lyles先生说：“我们用于评估金刚石损耗的测量系统能够精确到千分之三英寸。利用该系统分析磨损趋势，有助于深入优化钻头设计，并使我们知晓如何才能克服当今钻井环境中的挑战。”

了解后倾角、侧倾角、轴向力和切向力与切削齿损坏之间的复杂关系，这些关系因每个钻头设计而异，可以提高钻井性能，减少给定钻头的磨损。

切削齿测试和开发在提高钻头性能方面发挥了重要作用。通过拥有这些类型的数据集，Taurex公司可直接与钻头制造商合作，在钻头离开实验室之前就能推动设计的改进。通常，这些制造商没有真正的反馈系统来获取终端用户的见解。然而，有了AML提供的详细数据，这些公司就可以获得他们所需的信息，以便在钻头设计过程中做出更好的决策，从而在整个行业的钻头设计中应用更好的切削齿。

Lyles先生解释说：“通过应用该系统，制造商可以根据切削齿评级进行自己的统计分析，这样他们就能够更好地了解切削齿的性能，并将其与大规模的实际现场应用相关联。”

▲借助AML系统的钻头扫描功能，工程师可量化钻头上每个切削齿的金刚石损耗量。

另外还有人工进行钻头分析的耗时问题。工程师通常需要几个小时才能完成机械测量过程，但如今AML可在几分钟内完成这项任务，并且还提高了准确性与精确度。Lyles先生指出：“我们从AML系统获得的数据，当天就能够用于车间的维修工作。”

Lyles先生表示，扫描需要3-4分钟，将所有内容上传到数据库需要12分钟。因此在15分钟内Taurex公司的工程师即可访问每个钻头的实时数据，跟踪哪些切削齿在哪个位置表现最好，哪些设计发生无法修复的损坏的频率更高，或哪些钻头特定组件的故障率更高。

他总结道：“数据公开化是我们所做工作的非常关键的组成部分。你无法自动生产出最优钻头，但可以自动进行大量的分析与评估方法。在能够使用机器学习完成建模之前，你仍然需要工程师，你仍然需要相关领域的丰富知识来解释数据。但自动建模可能也并不是你想象的那么遥远。”

01.数字化磨损分析与钻头内传感器

哈里伯顿钻头服务战略业务经理Chris Propes表示，钻头评价是哈里伯顿开展业务的关键。他解释说:“这包括分析钻头磨损状态，并将这些数据与我们所了解的钻进信息相结合，以开发出提高钻井性能的解决方案。”

作为钻头评价项目的一部分，哈里伯顿使用的Oculus是一个大数据分析平台，可对该公司应用的每个钻头进行3D扫描，并将结果上传到数据库中。这有助于深入了解所有市场中的切削齿与钻头本体状况。

▲哈里伯顿的Cerebro钻头内传感器套件可获取井下数据，包括横向与轴向振动、扭转共振、旋转与粘滑等。利用钻头直接采集到的井下状况与现象的数据，可充分了解钻井环境，进而确定出钻头损坏的原因。

Propes指出：“我们所做的是建立内部设计平台，使我们能够检索到特定的应用，例如Permian盆地的中间井段、海上的钻塞作业等，从而缩小范围，为该应用获取到所有评价信息。这包括Oculus平台的钻头磨损数据、照片数据以及井下性能数据。所有这些都可以帮助设计工程师做出权衡，优化这些应用的钻头设计。”

当配合使用Oculus平台系统时，每天进入哈里伯顿维修与保养设施的钻头数量非常庞大，这成为一种优势。Propes说：“每个服务中心都安装了Oculus平台。所有钻头在使用后回到该设施时，闭环流程的第一步就是用Oculus平台扫描它，以获取钻头评价数据。”

但是仅获得钻头磨损等级的信息是远远不够的。Oculus平台的评价数据必须与设计特征相关联，例如应用何种切削齿、采用多大后倾角等。如此，设计决策就可以与这种先进的评价分析相关联，从而做出有意义的改进。Propes指出，哈里伯顿以一种系统化方法处理了该过程。

▲利用Oculus数据分析平台，哈里伯顿可对钻头进行3D扫描，然后将扫描数据与钻头设计特征相关联，从而做出有意义的改进。

他解释道：“当参考历史数据来规划如何设计钻头时，你会从三到四次作业中得到邻井数据，会查看钻头照片，确定是否存在冲击损伤或磨损，然后根据这些做出决定，但你不会考虑这些钻头的设计。但现在，无论我们筛选的是何种应用，都可利用100或1000组邻井数据来优化决策。这是基于数据做决策与基于直觉做决策之间的差异，我们已经开始将整个设计理念朝着这个方向发展。”

开发切削齿是Oculus平台提供量化改进的另一个领域。利用该系统，哈里伯顿能够以量化分析的方式来比较切削齿的性能，从而促使其与切削齿制造商的合作方式发生进一步的变化。

他说：“在与切削齿制造商的合作中，我们深入了解了PDC金刚石的影响因素，例如晶粒尺寸、压力以及用于制造不同切削齿的其他变量。我们拥有磨损状态的详细信息，因此能够提供井下环境相关的切削齿数据，并确定出需要改变哪些影响因素来解决特定挑战。在这些讨论中出现的数据，有助于剔除掉设计切削齿时的主观性。”

哈里伯顿钻头评价项目的另一项关键技术是Cerebro钻头传感器套件。这些传感器可采集井下数据，包括横向与轴向振动、扭转共振、螺旋与粘滑，而升级版还可采集钻压、扭矩与屈曲测量数据。利用钻头直接采集到的井下状况与现象的数据，可充分了解钻井环境，进而通过Oculus平台确定出钻头损坏的首要原因。

Propes表示：“我们希望将基于数据的磨损分析、钻头内传感器、先进钻头技术以及切削齿相结合，利用我们的设计界面将上述所有都整合在一起。我们希望将这些信息有效整合至钻头设计中，确保钻头设计始终能超越基础目标。纵观历史，这通常是基于主观意识的一次性流程。现在，有了这套自动化系统，我们可以利用数据来提高设计的可重复性与一致性。”

使用Oculus平台与Cerbero技术的公司，能够更准确地了解切削齿失效机理和井下钻井环境。先进的磨损分析与基于深度的作业数据相结合，可清晰了解钻头发生了什么，从而提供更好的解决方案，最终提高钻井性能。

▲上图为Trax公司钻头扫描仪获取的图像，用于制作钻头的高分辨率三维模型，包括所有的磨损测量与特征。

02. 钻头磨损自动评价数字化系统

Trax电气公司拥有一套名为grA+de的钻头磨损自动评价数字化系统，在安装后可快速投入使用，目标是消除人工评价中固有的不一致性与不可靠性，同时也能让工程师腾出时间专注于其他关键作业。

在此之前，实验室工作人员通常会手动筛选与分析作业后的数据。这项任务工作量繁重，且数据质量参差不齐也进一步加剧了工作难度。传输的数据类型与质量一般存在差异，因此将信息汇总至一个分析软件中进行诊断尤为困难。此外，若想要将这些数据与相关钻井参数关联起来，以真正评估钻头性能，即使不是不可能，也是极具挑战性的。

▲扫描钻头的点云图可以帮助公司决定是否需要更改钻井参数，以避免在可视化中看到相同损坏。

Trax公司执行顾问Ron Schmitz说：“我们希望制造一种机器，它可安装在车间、实验室、井场或任何地方，只需简单训练即可轻松操作，并能够可靠地构建3D可视化。我们使用摄影测量法，基本上是从钻头周围的不同角度拍摄照片，以此建立可视化模型。”

该系统的核心是机器控制、人工智能增强的摄影测量方法，或从照片中进行测量的方法。用户将钻头放置在大约4英尺立方体的扫描仪中，然后让系统开始工作，相机能够从所有相关角度进行自动拍照。

输入这些图像后通常输出为点云图，它是真实世界的物体或场景的绘图、测量或三维可视化形式。根据钻头的大小，扫描大约需要15-20分钟，而人工智能计算钻头磨损评价特征大约需要90分钟。通过将其应用于钻头磨损评级，该系统可获得PDC钻头单个切削齿磨损的高精度、可重复测量数据，以及机器生成的IADC钻头磨损评级协议的基本参数。

Schmitz说：“我们认为，能够从第三方获得独立分析将是一个很大的优势。还有时间与成本因素。由于我们可在现场、实验室或车间提供照片，用户可在几个小时内查看可视化结果。它可能无法帮助你决定使用哪一个钻头，但它可以帮助你决定需要改变哪些钻井参数，以避免再次发生扫描时发现的那些损坏。”

当然，收集这些数据的目的不仅仅是了解钻头发生了什么，还要利用这些数据优化钻井作业。通过可靠、独立的评价每个切削齿，Trax公司认为钻头评价的以下五个关键领域将能够提高钻井性能。

▲Trax公司的钻头扫描仪是一个大约4英尺的立方体，可以放在钻机、车间或实验室中。它可自动拍摄钻头的照片，以构建三维可视化。

第一，可改进钻头设计与质量控制，实现更好的作业者/供应商协作，并有可能提高钻井与定向性能，特别是在更长、更复杂的非常规井中。

第二，可识别低效钻进，避免钻头损坏，最终延长钻头与BHA的使用寿命，减少起下钻所需的时间。

第三，可对钻头磨损进行管理。“钻头磨损会造成很多问题，而不是钻头损坏。例如，观察切削齿在钻头上的位置，如果它剥落、崩裂或断裂，人们可以很好地了解井下发生了什么，导致了这种损坏。”通常情况下，起出没有磨损或切削齿仅为“磨平”的钻头可能不是最理想的，因为这表明性能没有达到最大化。在某些应用中，磨损评价能够达到“0以下”将非常重要，因为这意味着可在不造成损坏的情况下实现更高的ROP。减少磨损并不一定意味着最优作业。

第四个领域是提高数据粒度，使大数据分析成为可能。Schmitz说：“常规的磨损代码包含了整个钻头的总体平均值。IADC正在斟酌的新协议将包含每个刀翼上所有切削齿的信息，用以区分损坏是发生在锥体、前端还是肩部，损失面积有多大，以及发生了何种损坏。”下一步即可使用Trax公司的钻头评价系统，对每个切削齿进行更详细的分析，直至在微观层面上发现磨损或损坏。

最终目标是提高整体质量保证，这对于钻头设计的迭代改进至关重要。Schmitz指出：“例如，当我们使用切削深度作为限制参数来分析一个钻头时，我们会注意到设计与实际之间的可视化差异。当我们谈论正在尝试开发的精确设计时，可将DOC精确限制在想要的范围内，以避免发生损坏，同时最大限度地提高DOC，以尽可能快地钻进，这种差异性将开始变得很重要。”

▲UT Austin 的自动评价流程依靠软件可准确评估钻头损坏与故障，以便在下一次入井之前对钻头和/或BHA进行更改。

03. 利用现场照片进行钻头故障评价

钻头评价也是学术界的一个重要研究课题。德克萨斯大学奥斯汀分校正在进行一项研究计划，开发软件算法，自动分析钻井现场拍摄的钻头照片，并利用这些照片识别出钻头损坏与故障的根本原因。该项目的目标是使软件能够准确评估所用钻头，以便在下一次入井之前对BHA和/或钻头进行更改。

这个自动评价过程分为四个步骤。首先，上传一组清晰显示每个刀翼的钻头照片，从而该软件能够识别出钻头上的所有切削齿。然后，该软件利用地面传感器与井下振动数据的数据库，结合邻井的岩石强度信息，量化每个切削齿的损坏情况，以表征与钻头损坏相关的低效钻进。计算出切削齿的位置后，该软件使用分类算法确定每个刀翼各部分的平均损伤，从而使其能够推断钻头损伤的根本原因。

实际上，该计划还在持续推进中。先前的软件版本并不是总能够根据可用照片检测出所有切削齿，缺乏精确度。此外，该软件无法计算出所有的损伤类型。当计算出结果时，也只能量化为一个整数。该算法还受到光线影响，评价过程不考虑钻井电子记录仪数据。目前该团队正专注于识别损伤类型，例如磨损、崩坏等，并利用语义分割技术提高损伤评价的精度。

从事钻头评价研究的楚博士说，想要开发出真正有用的东西，消除钻井环境中的杂音至关重要。他解释说：“我们遇到的一个大问题是没有很多数据。对于传统机器学习算法，需要数百万个数据点来训练神经网络。但我们没有那么多数据，所以我们必须消除所有杂音，真正专注于我们目前所拥有的。”

通过精确区域隔离、损伤类别识别与专家系统的集成，最终将实现完全自动化，该流程也会越来越精确。用于驱动算法的照片仍然容易出现人为错误，也许有一天，钻井平台上的计算机视觉系统可在起出BHA时，拍摄钻头照片，捕捉所有角度，并将这些数据提供给该算法。