Banca de DEFESA: LUCAS GOUVEIA OMENA LOPES
Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.DISCENTE : LUCAS GOUVEIA OMENA LOPES
DATA : 31/01/2025
HORA: 09:00
LOCAL: LCCV/UFAL e Online
TÍTULO:
Open-World Learning Aplicado a Poços de Petróleo Utilizando Clusterização Baseada em Autoencoder
PALAVRAS-CHAVES:
Detecção de anomalias em poços de petróleo, Open-World Learning, Detecção de novidades, Representação latente, Monitoramento industrial dinâmico
PÁGINAS: 96
RESUMO:
Esse trabalho foca na aplicação dos pricípios de Open-World Learning para o monitoramento de anomalias em poços de petróleo. A detecção e classificação de anomalias são essenciais para garantir a segurança operacional e a eficiência na produção de petróleo e gás. Embora métodos tradicionais de IA tenham avançado significativamente na identificação de anomalias conhecidas, a detecção e classificação de anomalias desconhecidas em ambientes operacionais dinâmicos e em evolução permanecem desafios importantes. Esta tese apresenta uma nova estratégia de Aprendizado de Mundo Aberto voltada para a indústria de petróleo e gás, permitindo a detecção, classificação e integração de anomalias desconhecidas em dados de poços de petróleo. A estratégia proposta utiliza redução de dimensionalidade baseada em autoencoders, classificadores binários e uma metodologia híbrida de agrupamento para identificar padrões em representações latentes de anomalias até então não detectadas. As anomalias desconhecidas detectadas são organizadas em clusters significativos, validadas por meio de um processo humano interativo e integradas ao pipeline de aprendizado por meio da atualização e reentreinamento dos classificadores. Experimentos de validação utilizando o conjunto de dados 3W e dados reais de poços de petróleo demonstram a capacidade do sistema de detectar anomalias conhecidas com mais de 99% de acurácia e classificar eventos desconhecidos com uma acurácia geral de agrupamento de 80,8%, superando 95% para tipos específicos de anomalias. Os resultados destacam o potencial de estratégias adaptativas de IA para aprimorar a segurança, a eficiência e a tomada de decisão em aplicações de monitoramento industrial.
MEMBROS DA BANCA:
Presidente - 1514539 - WILLIAM WAGNER MATOS LIRA
Interno(a) - 1846598 - EDUARDO TOLEDO DE LIMA JUNIOR
Interno(a) - 1742402 - JOAO PAULO LIMA SANTOS
Externo(a) ao Programa - 1766576 - THALES MIRANDA DE ALMEIDA VIEIRA - UFALExterno(a) à Instituição - SERGIO LIMA NETTO - UFRJ
Externo(a) à Instituição - RICARDO EMANUEL VAZ VARGAS - PETROBRAS