Caracterização do comportamento de confiabilidade das barreiras de segurança de poços de petróleo em diferentes condições de operação utilizando aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLima, Gilson Brito Alves-
Autor(es): dc.contributorPapa, João Paulo-
Autor(es): dc.contributorSant'Anna, Annibal Parracho-
Autor(es): dc.contributorPassos Júnior , Leandro Aparecido-
Autor(es): dc.contributorMartins, Marcelo Ramos-
Autor(es): dc.contributorSantana, Marcos Cleison Silva-
Autor(es): dc.creatorColombo, Danilo-
Data de aceite: dc.date.accessioned2024-07-11T18:48:31Z-
Data de disponibilização: dc.date.available2024-07-11T18:48:31Z-
Data de envio: dc.date.issued2023-08-04-
Data de envio: dc.date.issued2023-08-04-
Fonte completa do material: dc.identifierhttp://app.uff.br/riuff/handle/1/29783-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/778024-
Descrição: dc.descriptionBarreiras de segurança são elementos fundamentais em poços de petróleo para garantir a integridade e segurança das operações. Estas barreiras podem possuir características distintas e serem submetidas a diferentes condições operacionais e ambientais, especialmente em cenários desafiadores como o pré-sal brasileiro. A caracterização da performance de confiabilidade destas barreiras de segurança é fundamental para a gestão da integridade dos poços e a tomada de decisão mais assertiva. A análise de confiabilidade pode ser utilizada para melhorar a especificação técnica dos equipamentos, para o planejamento de testes laboratoriais, para avaliar riscos, otimizar programas de manutenção e fazer a gestão do estoque necessário de peças de reposição. Esta tese traz uma proposta de uma nova abordagem para a análise de confiabilidade de tais elementos, através da utilização de combinação de técnicas de aprendizado de máquina e análise de sobrevivência. A abordagem objetiva caracterizar o comportamento de confiabilidade considerando as covariáveis que impactam na falha destes elementos. As vantagens do modelo proposto são sua capacidade de capturar relações complexas entre a confiabilidade e as covariáveis, considerar a presença de censuras e poder ser aplicado a dados de campo, ou seja, não planejados e em volume limitado. A abordagem metodológica proposta foi aplicada e avaliada, em um caso de uso, com dados históricos da válvula de segurança de subsuperfície considerando diferentes fabricantes e profundidades de instalação. Os resultados preliminares indicam que a estrutura metodológica proposta agrega benefícios para a análise e previsão de confiabilidade, superando os métodos clássicos, e permite avaliar o impacto das condições e características da válvula no risco de falha.-
Descrição: dc.descriptionSafety barriers are fundamental to ensure the well integrity and the safety during the operation. Well barriers can be subjected to different operational conditions, especially in challenging environments like the Brazilian Pre-Salt fields. The ability to characterize the reliability performance of these barriers is important to make better decisions. The reliability estimations can be used to improve the technical specification of equipment, design laboratory experiments, quantitatively evaluate the risks, optimize the maintenance, and manage spare parts. This preliminary document of the thesis proposes a new approach to performing the reliability analysis of such barriers through a combination of machine learning techniques and survival analysis. The objective is to be able to characterize the reliability considering the covariables, such as the different operational conditions, environments, models, manufacturers, etc. The advantages of the model are the capacity of capturing complex relations between covariables, the presence of censored data, and handling field data, that is, nonplanned and with a limited amount. The proposed methodology was evaluated with simulated data and with historical data on downhole safety valves. The preliminary results indicate that the framework being proposed can benefit the reliability analysis and forecasting, and the understanding of the impact of the conditions and characteristics of the valve on the risk of having a failure.-
Descrição: dc.description224 p.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectConfiabilidade-
Palavras-chave: dc.subjectAnálise de Sobrevivência-
Palavras-chave: dc.subjectAprendizado de Máquina-
Palavras-chave: dc.subjectBarreiras de Segurança-
Palavras-chave: dc.subjectTempos de Falha Acelerados-
Palavras-chave: dc.subjectConfiabilidade (Engenharia)-
Palavras-chave: dc.subjectAnálise de sobrevida-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectReliability-
Palavras-chave: dc.subjectSurvival Analysis-
Palavras-chave: dc.subjectMachine Learning-
Palavras-chave: dc.subjectSafety Barriers-
Palavras-chave: dc.subjectAccelerated Failure Times-
Título: dc.titleCaracterização do comportamento de confiabilidade das barreiras de segurança de poços de petróleo em diferentes condições de operação utilizando aprendizado de máquina-
Título: dc.titleCharacterization of the reliability behavior of oil well safety barriers under different operating conditions using machine learning-
Tipo de arquivo: dc.typeTese-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.