Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Aplicação de machine learning com modelagem digital para análise de falhas em blowout preventer
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/1057305
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Chaves, Luiz Antônio de Oliveira | - |
| Autor(es): dc.contributor | Narcizo, Ramon Baptista | - |
| Autor(es): dc.contributor | Amaral, Mateus Carvalho | - |
| Autor(es): dc.contributor | Silva, Maria Helena Teixeira da | - |
| Autor(es): dc.contributor | Sobral, Ana Paula Barbosa | - |
| Autor(es): dc.creator | Figueiredo, José Victor dos Santos | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T20:14:15Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T20:14:15Z | - |
| Data de envio: dc.date.issued | 2025-08-07 | - |
| Data de envio: dc.date.issued | 2025-08-07 | - |
| Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/39771 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1057305 | - |
| Descrição: dc.description | O equipamento de Blowout Preventer (BOP) desempenha funções de segurança importantes nas operações de perfuração de poços de petróleo, pois tem a função de prevenir eventos catastróficos relacionados ao controle de pressão e vazão de fluidos. Apesar da importância estratégica do equipamento, as abordagens tradicionais de manutenção e o diagnóstico clássico de falhas não apresentam informações para detecção de anormalidades que orientem ações com a finalidade de reduzir custos e riscos, que contribuiriam para a confiabilidade e eficiência do sistema. Principalmente nas fases que demandam o comando de ativação dos componentes de selagem de poço em caso de emergência, sendo necessário a implantação de ferramentas que permitam analisar, prever e gerenciar falhas nesse tipo de sistema baseado em dados. Nesse contexto, o projeto busca desenvolver um Modelo Digital (MD) da dinâmica do sistema eletro-hidráulico BOP integrado a técnica de Machine Learning (ML) para diagnóstico de falhas operacionais do sistema de ativação de vedação da região anular do poço, usando para isso respectivamente, o Matlab Simulink/Simscape e programação em Linguagem Python. A pesquisa adota uma abordagem quantitativa estruturada em 13 etapas a partir de uma revisão da literatura para fundamentar o estudo das funções operacionais, conceitos da estrutura de sistemas para modelagem, seguida da análise operacional e histórico de falhas do BOP. Dados coletados do ativo físico, obtidos das condições operacionais em estados normais e de anomalias, serviram para a construção e validação do Modelo Digital a fim de gerar conjunto de dados rotulados de informação para caracterização de falhas. Essas informações, após a validação numérica por métricas estatísticas geraram dados que foram normalizados para processamento e treinamento do algoritmo de ML construído para previsão e categorização de falhas conforme os cenários de simulação. Os resultados comparativos de desempenho do MD com dados reais, ajustado ao modelo, demonstraram significativa precisão. As simulações oriundas do algoritmo ML ainda identificam padrões de falha e diagnósticos de classificação componentes com indicação de desvios e níveis de criticidade. A integração com aprendizado de máquina demonstrou um modelo com capacidade preditiva de falha do componente de ativação do BOP. Com isso, a pesquisa demonstrou que o uso do Modelo Digital integrado ao aprendizado de máquina é uma abordagem para prever e gerenciar falhas em sistemas críticos. O procedimento adotado contribui para gerar dados e subsidiar a análise da segurança no processo de acionamento elétrico-hidráulico de componentes do BOP, reduzir riscos na fase de perfuração de poços de petróleo e ao mesmo tempo oportuniza futuros estudos de para diagnóstico de não conformidade em tempo real, permitindo que engenheiros e operadores tomem decisões informadas para melhorar a segurança, eficiência e confiabilidade do sistema BOP | - |
| Descrição: dc.description | Preventer (BOP) equipment plays important safety roles in oil well drilling operations, as it prevents catastrophic events related to fluid pressure and flow control. Despite the strategic importance of the equipment, traditional maintenance approaches and classic fault diagnosis do not provide information for detecting abnormalities that guide actions aimed at reducing costs and risks, which would contribute to the reliability and efficiency of the system. Especially in the phases that require the activation command of well sealing components in case of emergency, it is necessary to implement tools that allow the analysis, prediction and management of failures in this type of system based on data. In this context, the project seeks to develop a Digital Model (MD) of the dynamics BOP electro-hydraulic system integrated with the Machine Learning (ML) technique for diagnosing operational failures of the sealing activation system of the annular region of the well, using for this purpose, respectively, Matlab Simulink/Simscape and programming in Python Language. The research adopts a quantitative approach structured in 13 steps based on a literature review to support the study of operational functions, concepts of the system structure for modeling, followed by operational analysis and history of BOP failures. Data collected from the physical asset, obtained from operational conditions in normal and anomaly states, were used to build and validate the Digital Model in order to generate a set of labeled data with information for characterizing failures. This information, after numerical validation by statistical metrics, generated data that were normalized for processing and training the ML algorithm built to predict and categorize failures according to the simulation scenarios. The comparative results of the MD performance with real data, adjusted to the model, demonstrated significant accuracy. The simulations originating from the ML algorithm also identify failure patterns and component classification diagnoses with indication of deviations and criticality levels. The integration with machine learning demonstrated a model with predictive capacity for failure of the BOP activation component. Thus, the research demonstrated that the use of the Digital Model integrated with machine learning is an approach to predict and manage failures in critical systems. The procedure adopted contributes to generating data and supporting the safety analysis in the process of electric-hydraulic actuation of BOP components, reducing risks in the oil well drilling phase and at the same time providing opportunities for future studies to diagnose non-compliance in real time, allowing engineers and operators to make informed decisions to improve the safety, efficiency and reliability of the BOP system | - |
| Descrição: dc.description | 88 p. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Open Access | - |
| Direitos: dc.rights | CC-BY-SA | - |
| Palavras-chave: dc.subject | BOP | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Manutenção | - |
| Palavras-chave: dc.subject | Confiabilidade | - |
| Palavras-chave: dc.subject | BOP | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Maintenance | - |
| Palavras-chave: dc.subject | Reliability | - |
| Título: dc.title | Aplicação de machine learning com modelagem digital para análise de falhas em blowout preventer | - |
| Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF | |
Não existem arquivos associados a este item.
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo