Técnicas de Deep Learning para detecção de novidades e anomalias na indústria de óleo e gás
Detecção de anomalias. Detecção de novidade. Aprendizado profundo. Codificadores automáticos.
Este trabalho apresenta estratégias para realizar a detecção de anomalias e a detecção de novidades na produção de petróleo. Os poços de petróleo são projetados com sensores de pressão e temperatura localizados em pontos estratégicos para supervisionar as operações. A detecção de eventos inesperados usando esses sensores é um campo de interesse nas empresas de petróleo e gás para melhorar a segurança operacional e reduzir os custos associados ao tempo não produtivo e ao reparo de falhas. Anomalias são descritas como uma combinação de dados dos sensores que escapam da faixa normal de valores. Há classes de anomalias conhecidas que são possíveis de detectar, e há anomalias com um padrão desconhecido, chamadas de novidades. O trabalho proposto aproveita as propriedades das arquiteturas Auto Encoder, permitindo-nos encontrar representações significativas dos dados. Conseguimos uma redução na dimensionalidade dos dados e na complexidade computacional dos algoritmos de classificação para determinar as anomalias e novidades. Como os estados normais mudam com o tempo em um poço de produção de petróleo, o que é conhecido como deriva de conceitos, a estratégia pretende superar esta questão sem novo treinamento. Neste contexto, as duas principais contribuições propostas para o presente trabalho são: I) estudar e superar a deriva conceitual na detecção de anomalias; e II) detectar e salvar novidades para realizar a classificação das anomalias na produção de petróleo. As soluções são avaliadas em poços de petróleo localizados no Brasil com dados reais, simulados e extrapolados. Neste conjunto de dados, temos dados de sensores de pressão e temperatura de poços de petróleo. O trabalho utilizará o conjunto de dados 3W existente, que está disponível para download na Internet, e também utiliza dados de produção não caracterizados da Petrobras. A estratégia pretende ser robusta e escalável o suficiente para processar dados em tempo real de vários poços de petróleo ao mesmo tempo.