Modelo preditivo do teor de óleos e graxas em água produzida quantificado pelo método gravimétrico

• Ano de defesa: 2022
• Autor(a) principal: STREITENBERGER, Simone Carneiro
• Orientador(a): PAIVA, Anderson Paulo de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Doutorado - Engenharia de Produção
• Departamento: IEPG - Instituto de Engenharia de Produção e Gestão
• País: Brasil
• Palavras-chave em Português: Teor de óleos e graxas; Método de previsão; Métodos de classificação; Regressão linear múltipla
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/3319

A água produzida gerada pelo processamento primário de petróleo realizado por plataformas petrolíferas localizadas no oceano (offshore), que possui um total de óleo e graxas (TOG), geralmente é reinjetada ou descartada no mar. Este descarte é monitorado por órgãos reguladores ambientais que determinam valores máximos de TOG. No Brasil, o método homologado para a medição de TOG é o gravimétrico, que deve ser realizado em laboratórios em terra. Devido à logística de transferência das amostras da plataforma para o laboratório, o resultado da medição é disponibilizado aproximadamente 20 dias após o dia da coleta. Este trabalho propõe o desenvolvimento de um modelo preditivo de TOG gravimétrico (TOG-G) a partir de variáveis de processo, adicionadas de uma variável extraída da variável de resposta, que possa ser utilizado offshore e em tempo real, para orientar de maneira mais ágil possíveis ações preventivas ou corretivas a fim de evitar seu desenquadramento. Para isto, as observações foram agrupadas em classes associadas a faixas de TOG-G, por meio das quais foi realizado o balanceamento da base. Conjuntos de treinamento e teste foram gerados e construiu-se um classificador para o agrupamento em função das variáveis de processo mais significativas para a previsão de TOG-G, identificadas por meio de regressão linear. Na sequência, o TOG-G foi modelado a partir das variáveis de processo significativas e do agrupamento. Os resultados obtidos para o conjunto de teste foram avaliados por meio das métricas Erro Médio Absoluto (MAE), Erro Percentual Absoluto Médio (MAPE), coeficiente de determinação ( 2 ) e coeficiente de correlação de Pearson (), e se mostraram superiores tanto às previsões geradas pelo modelo de previsão desenvolvido a partir dos mesmos previsores, mas desconsiderando o agrupamento, quanto aos valores reais das medições de TOG espectrofotométrico (TOG-S), que constitui o método de tempo real atualmente utilizado como referência na plataforma. Para validação dos ganhos de acurácia com o método proposto, este foi também aplicado a um conjunto clássico de regressão linear de previsão do peso de peixes. Assim, a inclusão da informação do agrupamento ao modelo do TOG G mostrou-se uma abordagem inovadora e eficiente para aumentar a acurácia de sua previsão a partir de informações disponíveis na plataforma, o que pode beneficiar consideravelmente a indústria petrolífera em termos de controle do processo.