质量管理相关论文的标准格式,关于一种提高石油勘探开发数据质量成熟度的闭环管理流程相关论文例文

这是一篇质量管理相关开题报告范文,与一种提高石油勘探开发数据质量成熟度的闭环管理流程相关毕业论文题目。是论文格式专业与质量管理及数据库及数据方面相关的免费优秀学术论文范文资料，可作为质量管理方面的大学硕士与本科毕业论文开题报告范文和职称论文论文写作参考文献下载。

【摘 要】 数据质量管理是数据管理的重要环节,本文描述了一种井数据质量成熟度闭环管理流程的框架,这个框架集成了多个商业软件（EnergyIQ,TGS,Perigon）在石油勘探开发数据管理方面的先进经验,定义了从原始数据自动采集、校验、业务工作环境应用,以及业务研究知识的回存等环节,可以有效提高数据质量成熟度.

【关 键 词 】 数据质量 成熟度 闭环流程

1.背景

数据质量管理是数据管理的重要环节[1].没有经过质量控制的数据通常是不完整的、质量未知、不容易被采纳利用；如果最终用户利用这些质量未知的数据,就可能影响研究成果结论的准确性,进而对企业造成不良影响.如何找到一种办法,能够对不同来源不同种类的数据进行加载、集成和质量校验,使其迅速变为可以利用的数据资源,是摆在企业面前的大问题.拿油井数据来说,如果有一系列便捷的软件工具,帮助管理员对数据质量和可靠性进行检验和提高,保证油井数据在整个生产周期都是可用状态,将大大提高生产管理和科研工作效率.经过近三十年的历程,数据质量管理研究取得了比较系统的成果[2],无论哪一种成果都离不开数据的标准和数据质量检验的规则.本文描述了一种井数据质量成熟度闭环管理流程的框架,这个框架集成了多个商业软件（EnergyIQ,TGS,Perigon）在石油勘探开发数据管理方面的先进经验,包含企业主数据标准化存储、数据可视化显示、数据发布、向业务系统提供结构化和非结构化数据等功能,是一种石油勘探开发数据质量管理的有效途径.

2.数据质量成熟度闭环管理流程的概念[3]

数据质量成熟度闭环管理流程定义了从原始数据自动采集、校验到应用于业务工作环境,以及业务研究知识的回存,一个完整的生命周期.环中的不同节点说明了不同时期数据的成熟度.如图1.

对不同规模的企业,闭环流程中数据处理环节不一样多.但都是要完成从原始数据到业务可用数据,进而变为知识的过程.图1所示的闭环流程主要包含四个阶段.

（1）原始数据加载（As-is）：这种状态下,数据不做任何质量控制,直接进入数据库.

（2）信息技术进行质量检查（IT QC）：这个阶段通过软件程序进行自动检验和纠正.

（3）地质科学家进行质量检查（Geoscience QC）：这个阶段对数据进行处理,满足业务的具体需求.这需要手工干预来完成,如进行测井曲线的拼接或者分段,同时处理数据质量问题.

（4）地质科学家数据分析（Geiscience Analysis）：这部分包括研究成果知识的捕获,对数据的修正和补充后回存到主数据库中.

2.1 原始数据加载（As-is）

这是数据管理闭环流程的第一个阶段,多种类型的数据在这个阶段被快速自动化加载到系统中,并被设置为优先访问的数据.

这个阶段的主要挑战是不同来源的数据同时加载到一个数据库中,通常遇到WELL ID不统一的问题,需要一个标准的命名规范,PPDM标准里的井ID结构的建议可以参考.这个阶段的主要校验手段是数据库结构和约束,确保数据类型和数据精度的正确.

2.2 信息技术进行质量检查（IT QC）

信息技术进行质量检查（IT QC）阶段主要是应用必要的数据转换和校验规则,确保数据可以利用.数据转换的例子是测井数据.测井曲线数据初始阶段可能以原始的DLIS格式存放,之后被转换为标准LAS文件进行观察和分析.在这个阶段,应用“预防性法则”,所有无意义的数据会被截获,留下的值都是合理有价值的.例如,会应用一组规则,确保所有井的深度值都在井的真正深度底界范围内.所有的转换和校验都是自动激活的,这个阶段的数据转换和校验优先于业务.

2.3 地质科学家进行质量检查（Geoscience QC）

在这个阶段的数据质量检查需要更高业务水平的用户参与,有可能会需要专门的技术人员来操作.例如分析分段测井曲线数据,进行拼接形成一个从顶界到底界的完整井筒剖面.这个阶段要应用更加严格的数据规则,有时还需要有经验的数据管理员痛下决心.这个阶段应用的“侦探法则”,需要通过与其它相关数据进行比对和分析,来判断数据的正确性.例如,地面海拔