Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.

Das Software Product Line Engineering (SPLE) ist ein ganzheitlicher Ansatz zur Entwicklung und Vermarktung von Software-Produktlinien auf Basis von Software-Systemfamilien. Eine in frühen Phasen des SPLE durchzuführende Aktivität ist das Scoping, bei dem die zu realisierenden Produkte mit den zwischen ihnen bestehenden Wiederverwendungspotentialen identifiziert werden. Bei der Durchführung des Scopings steht der Produkt-Manager vor dem Problem einen Ausgleich zwischen den Bedürfnissen der Kunden und dem Aufwand der Entwicklung zu finden. Durch die bestehenden Wiederverwendungspotentiale bei Software-Systemfamilien wird die Entscheidung zusätzlich erschwert. Aufgrund der bestehenden Komplexität der Entscheidung, wird in Literatur und Praxis eine Unterstützung in Form einer statistisch-mathematischen Optimierung gefordert. Dieser Forderung nimmt sich die vorliegende Arbeit an. In ihr werden mit der Konstruktion eines Modells gewinnbeeinflussender Faktoren, einer Methode zur wertbasierten Portfolio-Optimierung und eines Prototyps zur Unterstützung der wertbasierten Portfolio-Optimierung und der anschließenden Evaluation dieser Artefakte zwei Fragen adressiert. Erstens wird geprüft, ob die Optimierung von Produkt-Portfolios bei Software-Produktlinien mit statistisch-mathematischen Verfahren unterstützt werden kann. Zweitens wird geprüft, ob die statistisch-mathematische Optimierung von Produkt-Portfolios eine akzeptierte Unterstützung von Software-Anbietern sein kann. Die Arbeit ordnet sich mit ihren Fragen in die Forschung zum Produkt-Management bei Software-Produktlinien ein und trägt die vorgenannten Artefakte bei.:Abbildungsverzeichnis ix Tabellenverzeichnis xi Abkürzungsverzeichnis xii Symbolverzeichnis xiv 1 Einleitung 1 1.1 Stand der Forschung 3 1.2 Forschungsbedarf 5 1.3 Forschungskonzept 7 1.4 Verwendete Methoden und Notationen 9 1.4.1 Method Engineering 10 1.4.2 Software & Systems Process Engineering Meta-Model 12 1.4.3 Merkmaldiagramme 14 1.5 Aufbau der Arbeit 16 I Modell 17 2 Software-Ökonomie 18 2.1 Unternehmen und ihre Produkte 20 2.1.1 Eigenschaften von Software-Produkten 23 2.1.2 Vom Software-System zum Geschäftsmodell 24 2.1.3 Kosten 28 2.1.4 Erlös 31 2.2 Kunden 35 2.2.1 Nutzen und Wertvorstellung 35 2.2.2 Zahlungsbereitschaft 35 2.2.3 Kundenmodell 37 2.3 Konkurrenz und Markt 38 2.3.1 Konkurrenzmodell 38 2.3.2 Ökonomische Besonderheiten von Software-Produkten 39 2.3.3 Struktur von Software-Märkten 40 2.4 Preis 41 2.4.1 Preisbeeinflussende Faktoren 42 2.4.2 Verfahren der Preisbildung 42 2.4.3 Preismodell 44 2.5 Produkt- und Preisdifferenzierung 44 2.5.1 Typen der Preisdifferenzierung 46 2.5.2 Preisdifferenzierung mit Selbstselektion 47 2.5.3 Gewinnoptimalität 48 2.6 Zusammenfassung 49 3 Software-Produktlinien 50 3.1 Prozesse des Software Product Line Engineerings 53 3.1.1 Domain Engineering 54 3.1.2 Anwendungsentwicklung 56 3.1.3 Management 57 3.1.4 Scoping 58 3.2 Methoden des Software Product Line Engineerings 60 3.3 Szenarios des Einsatzes von Software-Systemfamilien 62 3.4 Angereicherte Software-Produktlinien 64 3.5 Kostenmodell bei Software-Systemfamilien 65 3.6 Modell gewinnbeeinflussender Faktoren 68 3.6.1 Interne Einflüsse 68 3.6.2 Externe Einflüsse 70 3.7 Zusammenfassung 71 I I Vorgehen 72 4 Methode zur wertbasierten Portfolio-Optimierung 73 4.1 Die Methode im Überblick 74 4.2 Kundenanalyse 76 4.2.1 Techniken 77 4.2.2 Einsatz 83 4.2.3 Zusammenfassung 88 4.3 Kostenanalyse 89 4.3.1 Techniken 91 4.3.2 Einsatz 94 4.3.3 Zusammenfassung 97 4.4 Konkurrenzanalyse 98 4.5 Optimierung und weitere Schritte 100 4.6 Zusammenfassung 101 5 Merkmalbasierte Generierung adaptiver Conjoint-Studien 102 5.1 Meta-Modelle 103 5.1.1 Merkmalmodelle 103 5.1.2 ACA-PE-Konfigurationen 105 5.2 Abbildung von Merkmalmodellen auf ACA-PE 106 5.2.1 Erste Überlegungen 106 5.2.2 Stufen 107 5.3 Illustrierendes Beispiel 111 5.4 Zusammenfassung 113 6 Wertbasierte Portfolio-Optimierung 114 6.1 Technische Vorbemerkungen 115 6.2 Verwandte Arbeiten 117 6.2.1 Analytische Arbeiten 117 6.2.2 Praktische Arbeiten 118 6.2.3 Besondere Ansätze 121 6.2.4 Schlussfolgerung 122 6.3 Entwurfsproblem bei Software-Produkt-Portfolios 123 6.3.1 Notationsmittel 123 6.3.2 Mathematisches Programm 125 6.4 Lösungsprozedur 126 6.4.1 Finden des optimalen Software-Produkt-Portfolios 127 6.4.2 Identifikation wichtiger Systeme 129 6.5 Illustrierendes Beispiel 129 6.6 Erweiterung 132 6.7 Zusammenfassung 133 I I I Umsetzung 134 7 Software-Prototyp zur wertbasierten Portfolio-Optimierung 135 7.1 Anforderungen 136 7.1.1 Funktional 136 7.1.2 Nicht-funktional 140 7.2 Technologiestudie 140 7.3 Entwurf 143 7.4 Implementierung 146 7.4.1 Spezifikationseditor 146 7.4.2 ACA-PE-Editor 151 7.4.3 Anwendungskern 152 7.5 Test 157 7.6 Zusammenfassung 157 8 Evaluation 158 8.1 Demonstration 158 8.2 Ergebnisgüte und Skalierbarkeit 162 8.2.1 Theoretisches Testdaten-Modell 163 8.2.2 Testtreiber und Testdatengenerator 166 8.2.3 Auswertung 167 8.3 Akzeptanz 174 8.3.1 Untersuchungsdesign 174 8.3.2 Auswertung 175 8.4 Zusammenfassung 176 9 Zusammenfassung und Ausblick 177 IV Anhang 181 Glossar 182 Literaturverzeichnis 184 A Befragungen 206 A.1 Befragung zur praktischen Relevanz der Portfolio-Optimierung 206 A.2 Experteninterview zur Akzeptanz 208 B Herleitungen 214 B.1 Struktur von Software-Märkten 214 B.2 Gewinnoptimalität der Preisdifferenzierung mit Selbstselektion 219 B.3 Preis-Subproblem für den Simplex-Algorithmus 227 B.4 Beispiel analytisch bestimmter Testdaten 228 C Modelle und Ausgaben des Prototyps 229 Wissenschaftlicher und persönlicher Werdegang 232 Selbstständigkeitserklärung 233

Produced water is the largest waste product by volume in the oil industry and its treatment in onshore or offshore fields poses bigger and different challenges than what water engineers are used to encounter. Process to achieve reuse quality of this water is very expensive with many technical hurdles to overcome making the optimization of the treatment steps necessary. Electrocoagulation (EC) generates coagulants in-situ responsible for destabilizing oil droplets, suspended particles, and common pollutant in produced water. Furthermore, EC is a very efficient technology compared with traditional primary treatments used in the oil & gas industry and has several advantages such as: no hazardous chemical handling (which diminishes the risk of accident and logistic costs), high efficiency potential concerning boron removal, potential small footprint and less sludge generation. In this research, the treatment of produced water using EC was investigated in a practical manner for the oilfield to aim for a cleaner effluent for further processing and help to achieve a reuse quality. For this, an EC cell was designed using different parameters normally used in the literature to fit this scenario. After preliminary tests, the treatment time was set to 3 seconds. Response surface method (RSM) was employed to optimize the operating conditions for TOC removal on a broad quality of synthetic produced water while varying: salinity, initial oil concentration and initial pH. TOC was chosen to be the main response because of its importance in legislation and sensibility on the method. Furthermore, turbidity removal, change of pH value after EC in water with lack of buffer capacity, aluminum concentration and preliminary tests involving boron removal and influence of hydrogen carbonate were also studied. Real produced water was treated with EC to assess the optimum conditions obtained by the RSM showing the results were closely related. Finally, an estimation of volume required and operating cost for EC in the different types of produced water was made to assess how realistic it is for onshore and offshore applications.:ERKLÄRUNG DES PROMOVENDEN I ACKNOLEDGEMENT III ABSTRACT V TABLE OF CONTENT VII LIST OF FIGURES IX LIST OF TABLES X LIST OF EQUATIONS XII ABBREVIATIONS XIV 1. INTRODUCTION 1 2. PRODUCED WATER 6 2.1 Characterization of Oilfield Produced Water 6 2.2 Produced Water Management 10 2.2.1 Discharge and Regulations 10 2.2.2 Efforts on Reuse 11 2.2.3 Cost 14 3. PRODUCED WATER TREATMENT 17 3.1 Most Common Primary Treatment 17 3.1.1 Hydrocyclones 17 3.1.2 Flotation unit 18 3.2 Further Water Treatment Technologies 19 3.2.1 Membrane Process 19 3.2.1.1 Microfiltration 19 3.2.1.2 Ultrafiltration 21 3.2.1.3 Nanofiltration 23 3.2.1.4 Reverse Osmosis 24 3.2.1.5 Forward osmosis 24 3.2.2 Electrodialysis 25 3.2.3 Biological treatment 28 3.2.3.1 Aerobic and anaerobic process 28 3.2.3.2 Combining membrane and bio-reactor 29 3.2.4 Oxidative process 30 3.2.4.1 Oxidation process 30 3.2.4.2 Anodic oxidation 32 3.2.5 Thermal technology 34 3.2.5.1 Evaporation 34 3.2.5.2 Eutectic freeze crystallization 35 3.2.6 Adsorption and ion-exchange 36 3.3 Electrocoagulation 39 3.3.1 Colloidal Stability Theory 39 3.3.2 Theory of Electrocoagulation 40 3.3.3 Mechanism of Abatement of Impurities 44 3.3.4 Operational parameters and efficiency 49 4. MATERIALS AND METHODS 51 4.1 Analytical Techniques and Synthetic Solutions 51 4.1.1 Analytical Techniques 51 4.1.2 Synthetic Produced Water 51 4.2 Design of Experiment and Models 54 4.3 Experimental Protocol for EC 56 4 .4 Development of the new Electrocoagulation cell 57 4.5 Real Produced water 58 5. RESULTS AND DISCUSSION 59 5.1 Designing EC Cell Process 59 5.1.1 Computational Fluid Dynamics for EC manufacturing 59 5.2 Preliminary Experiments 61 5.2.1 TOC Removal and Residence Time Determination 61 5.2.2 Aluminum Concentration 64 5.3 Models Quality and Range of Validity 66 5.3.1 TOC Removal 66 5.3.2 Turbidity Removal 69 5.3.3 Final pH value 71 5.3.4 Ionic Strength and Interpolation for Different Salinities 73 5.3.5 Partial Conclusions 76 5.4 Evolution of the Final pH Value 78 5.5 Operation Region for Effective Treatment of Produced Water with EC 80 5.5.1 Produced Water with Low Salinity 80 Organic Compounds Removal 80 Turbidity Removal 83 5.5.2 Produced Water with Medium Salinity 84 Organic Compounds Removal 84 Turbidity Removal 86 5.5.3 Produced Water with High Salinity 87 Organic Compounds Removal 87 5.6 Influence of Hydrogen Carbonate 90 5.7 Real Produced water 91 5.8 Boron Removal 93 5.9 Estimation of the Size for EC in Full scale 94 5.10 Produced Water with Very Low Salinity and EC 95 5.11 Estimation of Operation Cost 96 6. CONCLUSION AND RECOMMENDATIONS 98 6.1 Conclusion 98 6.2 Recommendations for Future Work 101 Scale up on EC for upstream 101 Further processing and reuse 101 Online optimization for EC 101 Recommendations for any research related to upstream produced water 101 BIBLIOGRAPHY 102 APPENDIX A 117 APPENDIX B 120

The aim of the EU BIOMOre Project is to investigate the potential to extract copper from Sandstone formations in the North-Sudetic Trough which lies along the border between Poland and Germany. A new mining concept called bioleaching shall be applied in thin and very low permeable copper mineralization zones (order of 0.2 mD). Briefly, bioleaching process is the injection of a lixiviant (sulphur acid containing ferric iron) and then extraction of a pregnant leach solution through boreholes at the ground surface. This concept requires another special technique which is called hydraulic stimulation. Cracks along a wellbore are generated by pumping large quantity of fluid under high pressure into a cased section of rock during a hydraulic stimulation. This work at hand focuses on the geotechnical methods and scientific-engineering approaches used for extracting copper from very thin mineralization zones. The geological setting with faults and in situ stress state of the exploration zone is generated using measurements, visualised by 3D CAD model (RHINO), and computed via the Discrete Element code 3DEC. The preliminary drilling (stacked dual lateral wellbore) and stimulation design (plug-and-perf completion) are selected based on comprehensive literature survey and industry-based consultancy. In order to calibrate the calculated stress state in 3D, candidate sites for the hypothetical drilling-stimulation are detected using 2D GIS map (QGIS) at CAD model (RHINO). Trend of calculated stresses is in good agreement with the measured ones (σH > σv > σh). The final decision of selecting a drilling-stimulation site is made by using both GIS map and 3D CAD model. A hypothetical drilling-stimulation can be performed up to the depth of 1564 m in the Rotliegend & Grauliegend Sandstone with shale, which is overlain by (Zechstein) Limestone. During a possible stimulation, limestone’s integrity as a caprock and as a stress barrier is of great importance in addition to connect two lateral wellbores for facilitating flow of lixiviant. The preliminary geometrical design of stimulation is set with the cluster spacing (distance between fractures) of 20 m. Subsequent to final cost estimation of selected preliminary drilling-stimulation design, it is decided to use pinpoint (1,200,000 Euro) instead of plug-and-perf completion (2,345,300 Euro) since it is more economical. A possible drilling operation is anticipated to cost approximately 9,000,000 Euro. The 3D in situ stress model is calibrated before transferring of stress state into the sub-model which is used to optimise the selected stimulation design. The results of the last (DEM) sub-model are employed to reduce costs, to enhance the connection between branches of wellbores for bioleaching and to hinder possible penetration of fractures into the caprock. The preliminary geometrical design of stimulation is then modified based on these calculation results while increasing the cluster spacing from 20 m to 40 m. This is performed due to high stress-shadows (alteration of the stresses between fractures in a stimulation) encountered at the preliminary calculations. Results showed that, after the 80 seconds injection duration of water with 0.16 m3/sec into the sandstone, two wellbore laterals are expected to be connected by three generated cracks. They exhibit average aperture and transmissivity of 4.1 mm and 5.8 . 10-8 m2/sec, respectively. Furthermore, fracture initiation pressure ranges between 30 – 35 MPa at the drilling depth. The conclusions can be drawn that through the assessment of 3D CAD, GIS, and numerical DEM modelling methods, approximately 49% of cost reduction can be achieved by employing pinpoint instead of plug-and-perf completion. That is an important proof of the systematically approach for a stimulation planning wherein all necessary phases such as in situ stress estimation, modelling and cost assessment should have been considered. This work can be considered as a milestone for studies of stimulation designs which has been newly initiated in the EU-Region as a promising method for efficiency considering unconventional ore extraction. Moreover, this dissertation revealed again the emerging importance of integrated geotechnical information systems analogous to BIM (Building Information Systems).:LIST OF FIGURES LIST OF TABLES NOMENCLATURE ABSTRACT ZUSAMMENFASSUNG ACKNOWLEDGEMENTS 1. OUTLINE AND OBJECTIVE OF THE DISSERTATION 2. STATE OF THE ART 2.1. INTRODUCTION TO STIMULATION TECHNOLOGIES, EQUIPMENT AND DESIGNS 2.1.1. Technical instruments and frac-materials 2.1.2. Wellbore completion designs 2.1.3. Location and orientation of a wellbore 2.1.4. Fracture placement designs 2.1.5. Summary and conclusions 2.2. MEASUREMENT AND MODELLING OF UNDERGROUND STRESS FIELD 3. DETERMINATION AND MODELLING OF IN SITU STRESS FIELD IN THE NORTH SUDETIC TROUGH 3.1. GEOLOGICAL SETTING OF THE MODELLED REGION 3.2. SIMULATION OF THE IN SITU STRESS FIELD 3.2.1. Determination of the stress regime by measurements 3.2.2. Stepwise procedure of the stress field modelling 3D CAD assisted structural model of geological setting 3D DEM model for stress field simulations 2D GIS maps used for detection of drilling-stimulation sites 4. DRILLING AND WELLBORE DESIGN CALCULATIONS WITH COST ESTIMATION 4.1. DESIGN CALCULATIONS AND TECHNICAL REQUIREMENTS OF DRILLING AND WELLBORE 4.2. ECONOMICAL EVALUATION OF THE SELECTED DRILLING AND WELLBORE DESIGN 5. MODELLING OF THE HYDRAULIC STIMULATION AT THE SELECTED DRILLING SITE IN SANDSTONE 5.1. FINAL CALIBRATION OF THE 3D STRESS FIELD MODELS 5.2. DISCRETE ELEMENT MODELLING OF THE STIMULATION DESIGN AT THE SELECTED DRILLING SITE 5.3. DESIGN OPTIMIZATION STUDY OF THE STIMULATION MODEL AND FINAL COST ESTIMATION 6. SUMMARY AND CONCLUSIONS REFERENCES APPENDIX-A APPENDIX-B APPENDIX-C