PREVISÃO DE SURGIMENTO DE SLUGS EM SISTEMAS DE BOMBEIO DE ÓLEO E GÁS DE UM CAMPO DE PRODUÇÃO SUBMARINO ATRAVÉS DE FERRAMENTAS DE INTELIGÊNCIA ARTIFICIAL

A indústria de Óleo & Gás é uma das maiores, mais complexas e mais importantes indústrias a nível global, influenciando a vida de todos as pessoas com diversos produtos como combustíveis, asfalto e outros diversos produtos de tapetes a óculos a roupas. Na economia o panorama não é diferente, em 2015, a indústria de óleo e gás gerou um valor de 1,3 trilhões de dólares nos Estados Unidos, o que representa mais de 7% do PIB deste mesmo ano do país. Nos campos offshore, diversos equipamentos críticos compõem o arranjo submarino, como Árvores de Natal Molhadas (ANMs) e bombas elétricas submersíveis (ESPs, em inglês). Neste contexto, saber dizer qual componente irá falhar e quando se torna fundamental para evitar intervenções desnecessárias. Visando melhorar a detecção e reconhecimento de padrões de falha, ferramentas de inteligência artificial (IA) tem sido aplicadas e estudadas tanto da comunidade científica quanto das indústrias. Este trabalho vem dar sua contribuição com o objetivo de aplicar a técnica de Support vector Machine (SVM) para a criação de um modelo a fim de predizer slugs em um sistema submarino através de dados de campo. Este trabalho está estruturado em três artigos sendo o primeiro focado em bibliometria (artigo A), o segundo focado em revisão sistemática (artigo B) e o terceiro um estudo de caso (artigo C). Como resultado, foi possível gerar modelos de predição com acurácia superior a 90%.
Palavras-chave: previsão de falhas, ESP, SVM.