Notícias

Banca de QUALIFICAÇÃO: BRUNA CUNHA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: BRUNA CUNHA
DATA: 29/11/2022
HORA: 14:00
LOCAL: Virtual - Google Meet
TÍTULO:

DETECÇÃO DE ANOMALIA EM POÇOS SURGENTES DE PETRÓLEO USANDO MODELOS NARX


PALAVRAS-CHAVES:

Detecção de anomalias, classificador one-class, poços surgentes de petróleo, soft-sensor


PÁGINAS: 54
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
SUBÁREA: Eletrônica Industrial, Sistemas e Controles Eletrônicos
ESPECIALIDADE: Controle de Processos Eletrônicos, Retroalimentação
RESUMO:

Técnicas de inteligência artificial aplicadas em contextos reais como detecção de anomalia ou mudança em linhas de produção podem implicar em redução de custo de manutenção, ações de prevenção de acidentes e falhas, auxílio em tomada de decisão, evitar perdas de produção e financeira e identificar pontos para melhoria do processo. Este trabalho apresenta uma proposta de aplicação de um classificador one-class para a detecção de anomalia durante operação dos poços surgentes de petróleo. Para isso, primeiramente, são implementados  soft-sensors, baseados em modelos NARX, a fim de encontrar a função que melhor representa a dinâmica de operação dos poços para, em seguida, realizar a análise dos erros e resíduos e a extração das características dos dados. Por fim, um classificador será implementado e terá seu desempenho medido e comparado com outros trabalhos neste contexto. Será utilizada uma base de dados pública com medições de sensores presentes em poços surgentes de petróleo, entre os períodos de 2017 e 2018, para a realização de treinamento dos modelos e validação dos resultados.


MEMBROS DA BANCA:
Interno - WILIAN SOARES LACERDA (Suplente)
Interno - DANTON DIEGO FERREIRA (Membro)
Interno - DANIEL AUGUSTO PEREIRA (Membro)
Presidente - BRUNO HENRIQUE GROENNER BARBOSA (Membro)
Notícia cadastrada em: 18/11/2022 10:32
SIGAA | DGTI - Diretoria de Gestão de Tecnologia da Informação - Contatos (abre nova janela): https://ufla.br/contato | © UFLA | appserver1.srv1inst1 16/05/2024 00:36