Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção

Detalhes bibliográficos
Autor(a) principal: Chaile, V.
Data de Publicação: 2021
Outros Autores: Moro, S., Carneiro, A., Ramos, R. F.
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

Registros relacionados