Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10071/25280 |
Resumo: | A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo. |
id |
RCAP_fb8520325ff0e4e83622f95227935d81 |
---|---|
oai_identifier_str |
oai:repositorio.iscte-iul.pt:10071/25280 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produçãoRedes neuronais artificiaisInteligência artificialClassificaçãoAprendizagem de máquinaPerfuraçãoCompletaçãoA aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo.Associação Ibérica de Sistemas e Tecnologias de Informação2022-05-06T14:14:02Z2021-01-01T00:00:00Z20212022-05-06T15:13:14Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleapplication/pdfhttp://hdl.handle.net/10071/25280por1646-989510.17013/risti.43.5-20Chaile, V.Moro, S.Carneiro, A.Ramos, R. F.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-09T17:50:10Zoai:repositorio.iscte-iul.pt:10071/25280Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T22:24:44.114363Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
title |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
spellingShingle |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção Chaile, V. Redes neuronais artificiais Inteligência artificial Classificação Aprendizagem de máquina Perfuração Completação |
title_short |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
title_full |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
title_fullStr |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
title_full_unstemmed |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
title_sort |
Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção |
author |
Chaile, V. |
author_facet |
Chaile, V. Moro, S. Carneiro, A. Ramos, R. F. |
author_role |
author |
author2 |
Moro, S. Carneiro, A. Ramos, R. F. |
author2_role |
author author author |
dc.contributor.author.fl_str_mv |
Chaile, V. Moro, S. Carneiro, A. Ramos, R. F. |
dc.subject.por.fl_str_mv |
Redes neuronais artificiais Inteligência artificial Classificação Aprendizagem de máquina Perfuração Completação |
topic |
Redes neuronais artificiais Inteligência artificial Classificação Aprendizagem de máquina Perfuração Completação |
description |
A aplicação de métodos automáticos para classificação de texto não estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração é uma operação que acarreta custos elevados que são proporcionais à duração das atividades. A classificação das diversas operações durante a perfuração é muito importante para gerar premissas de duração para o projeto de novos poços. Para este artigo, dois procedimentos independentes foram realizados para identificar o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor modelo. O sistema de classificação pode ser utilizado para produzir um relatório preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço. Através desse trabalho é possível concluir que os relatórios diários de perfuração atualmente disponíveis representam uma fonte rica de informação e podem ser utilizados para melhorar o processo de construção de poços de petróleo. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-01-01T00:00:00Z 2021 2022-05-06T14:14:02Z 2022-05-06T15:13:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10071/25280 |
url |
http://hdl.handle.net/10071/25280 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
1646-9895 10.17013/risti.43.5-20 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Associação Ibérica de Sistemas e Tecnologias de Informação |
publisher.none.fl_str_mv |
Associação Ibérica de Sistemas e Tecnologias de Informação |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799134809627295745 |