该预警方法适用于所有井型及各类作业，包括钻井、起下钻、划眼等作业。其融合了两种分析类型：
（1）通过水力学、扭矩和摩阻（T&D）软件，分析实时数据相对于实时模型预测值的偏差；
（2）实时数据的趋势分析（即变化率）。
所用参数包括泵压、流量、扭矩、转速、钩载与摩阻、钻压，以及静态输入参数如井下钻具组合与钻柱配置、定向测量数据。当可获得井下当量循环密度等附加参数时，会将其纳入分析以优化结果。但该方法的设计目标是监控所有井型，即使仅使用基础仪表数据也能提供卡钻风险日志。
因为并非所有卡钻事故都存在单一先兆指标。因此，仅依赖特定模式（如恒定流量下泵压升高）会导致在某些情况下无法预测卡钻。该方法通过多重指标提高卡钻风险识别能力，同时避免误报警。虽然过去专家已成功运用参数偏离模型预测的方法，但新方法进一步提供情境感知能力，并通过设定阈值实现流程自动化。其中关键环节是采用钻机作业活动过滤机制。在模型预测偏差未能随短距离或短时间快速响应时，变化率计算可为井筒条件快速恶化提供重要洞察。
数据类型与频率
首先分析曾发生卡钻事故井的实时数据集，并确定每起事故的根本原因，识别出数据中可作为卡钻潜在先兆指标的特征模式。这些先兆指标将构成卡钻识别与预防系统的基础，通过向相关人员发出风险预警并建议缓解措施来实现预防功能。
关键问题在于：不同井之间可用数据的类型、频率与质量存在差异。即使在同一作业者、同一油田、使用同一钻井承包商施工的井中，这种情况依然存在。要成功识别即将发生的卡钻，必须收集特定的实时数据流，并基于这些数据对钻井井况做出判断。
一般而言，数据流越多越有利于井下工况的解读；但许多井仅配备基础仪表，无法采集其他具有潜在价值的钻井数据，如随钻测井数据（电阻率、中子孔隙度、密度、声波）、井下钻井力学数据（钻压、扭矩、弯矩、振动）以及井下压力与温度数据。
为确保预警系统在不同井型中均能实现高度可用的监控功能，最终决定将该系统设计为即使仅能获取"关键"数据流时，仍可实施监测并提供预警。这些关键数据流需满足以下标准：
-
普及性：在多数具备实时数据采集能力的钻机上均可获取
-
有效性：可用于判断钻柱、钻井液及井眼本身的工况信息
-
逻辑性：符合指示卡钻先兆的逻辑演进关系
通过将常规可用数据集与上述标准对比，得出以下分类列表。所有参数分为三类：
输入参数：由司钻在地面直接控制的参数
-
入口流量
-
地面转速
-
地面钻压
输出参数：记录井眼对输入参数"响应"的测量值
-
泵压
-
地面扭矩
-
大钩载荷
其他参数：虽不严格符合输入/输出关系但具有重要价值的参数
- 当量循环密度
井下实测当量循环密度虽不常见，但因其重要价值（当可获得时）仍被列入此列表。其余六个参数在几乎所有工况下均可获取，将构成卡钻预防与井眼清洁监测的基础。
各项参数记录频率主要为每5秒一个数据点（0.2赫兹）。最高记录频率为每秒一个数据点（1赫兹），最低为每分钟一个数据点（0.017赫兹）。后续分析表明，要实现可靠的卡钻预警，每个参数至少需要达到每10秒一个数据点（0.1赫兹）的最低频率要求。
核心原则
通过对历史卡钻数据集的分析，关键结论是：不存在单一指标能够在所有卡钻事故中100%出现。因此，仅依赖某一种特定数据模式进行预测必然在某些情况下失效。本方法采用灵活的多指标监测体系，不依赖于单一参数的偏差即可生成有效警报。
- 显著模型预测偏差
定义：将钻机传感器实测值与基于水力模型或扭矩摩阻模型生成的井眼预期值进行对比。
数学表达：
偏差率(%)=(X预测值−X预测值)/X实际值
预警逻辑：
理想情况为实际值与预测值完全吻合。
对于特定钻井活动与参数组合，正向偏差（实际值 > 预测值）可能预示卡钻风险。
部分工况下负向偏差（实际值 < 预测值）更需关注。
基于不同卡钻机制的物理原理，建立了钻井活动-参数-偏差方向对应表，明确各类组合的风险指向。
- 参数快速变化率
定义：监测关键参数在单位时间内的异常剧烈波动。
作用：当井筒条件急剧恶化时，变化率指标可提供模型偏差未能及时捕捉的补充预警信号。
优势
-
全面性：综合模型偏差与变化率双重指标，覆盖多维度风险信号。
-
适应性：通过活动-参数对应表兼容不同钻井工况与卡钻机制。
-
自动化：建立量化阈值系统，减少主观判断误差，实现实时预警。
该方法通过融合物理模型与实时数据动态分析，构建了可适应复杂工况的卡钻早期检测体系。
变化率检测法
通过识别关键参数的快速变化来发现问题，无需依赖预期值参考。同样，应针对参数的正向或负向变化发布警报，取决于具体的钻机活动与参数类型。参数x从时间区间a到区间b的通用数学表达形式如下：
变化率(%)=（平均值a -平均值b）/平均值a
变化率警报能有效揭示快速恶化的井眼状况。当某些参数在较小深度或时间区间内偏离基线值时，由于数据采样/平滑处理技术的影响，模型与实际值对比法可能无法生成警报。变化率警报的引入恰好弥补了这一不足。
变化率警报在另一种场景中尤为重要：当扭矩/摩阻模型或水力模型校准不当时，模型与实际值对比法可能会误判并发出警报。但通过同时分析顶驱扭矩的变化率，若发现其仍遵循预期趋势，则可判断井况并未出现异常。
对卡钻数据集的进一步研究证实，并非所有偏离计划或趋势变化都预示着即将发生问题。这一观察结果源于两个原因：
-
首先，扭矩与摩阻模型和水力学模型本身存在一定程度的固有缺陷，因为它们无法完全涵盖所有物理过程。
-
其次，钻机数据传感器并非绝对精确，在某些情况下可能因校准不当而产生显著误差。数据集中记录到异常值（即某些参数远高于或低于合理范围的数据点）的情况并不少见。
因此，必须开发一种能够最大限度减少这些缺陷影响的方法。
作出的首要决策是：警报将不基于单点数据值生成，而是基于特定时间/深度区间内具有代表性的数据样本。
实施基于深度的分析在钻头接触井底并进行钻井作业时相对直接。 相关传感器数值与其模型预测值绘制于同一尺度上，通过模型偏离度与变化率的关系可评估相对的卡钻风险。由于井筒中每个深度点仅被钻凿一次（侧钻除外），特定深度仅有一个传感器测量值可与模型预测进行比较。基于深度的变化率分析也较为简便，问题可简化为斜率计算。
然而在考虑非钻进活动时（如起下钻和划眼操作），基于深度的分析则更为复杂。在这些作业中，钻头可能多次经过同一深度，并记录到显著不同的传感器数值。此外，水力学、扭矩和摩阻预测值会随钻机活动状态而变化。这要求必须将按时间索引的输入数据，根据正在执行的钻机活动类型，归类为按深度索引的子数据集。
在已知发生过卡钻事故的井中，计算前述关键参数的实际计划偏离度和实际变化率。如果这些值仅在接近卡钻事故时才超过特定阈值，那么这些阈值就应当被用作生成警报的标准。
研究发现不同井之间的阈值大小存在差异。 这意味着，并不总是存在一个单一的临界值，一旦超出该值，模型偏离度或变化率计算就应触发警报。此外，某些井中即将发生问题的最强预警信号体现在偏离模型数据上，而其他井中则表现为快速变化率。 这进一步增加了问题的复杂性，因为无法保证在任何事故中都能同时出现这两类预警信号。
数据需要整合成一个单一答案，以便用户能够轻松理解并据此采取行动。我们的解决方案是将这些数值整合成一条从0%到100%的"卡钻风险"曲线。
卡钻风险计算
在无法通过井下压力传感器实时测量当量循环密度（ECD）的情况下，将结合以下参数计算卡钻风险：
-
扭矩相对于模型的偏差值
-
大钩载荷相对于模型的偏差值
-
泵压相对于模型的偏差值
-
扭矩变化率
-
大钩载荷变化率
-
立管压力变化率
针对以上每项计算值，均设有判定阈值。当数据低于阈值时，视为处于可接受范围。
当卡钻风险计算系统接收到基于时间的WITSML数据时，算法会自动为传入数据的每一行分配一项钻机活动。例如，这使得所有旋转钻进数据能够被归类到一起。这一点至关重要，因为它关系到扭矩摩阻和水力学模型的输出曲线的构建方式。这些程序会根据钻头深度输出特定参数的预测值。井眼深度本身并非模型的输入。这意味着，如果我们知道每行传入的WITSML数据所对应的钻头深度和钻机活动，就可以将所有数据正确映射到其对应的预测曲线上。
接下来的步骤是计算该特定数据点对应的偏差和变化率值。
阈值与风险关联：定义了正负阈值对卡钻风险的不同指示方向。红色高亮（负值）表示计算结果应更负才安全，若比阈值高（即不够负），风险升高；绿色高亮（正值）表示计算结果应更小才安全，若超过阈值，风险升高。
实时计算要求：强调系统的实时性，必须为现场决策留出足够的反应时间。
数据对齐逻辑：系统通过自动识别钻机活动，将实时时间序列数据与模型输出的基于井深的预测曲线进行匹配，这是计算偏差与变化率的关键前提。