Predição do teor de óleos e graxas em água produzida em uma plataforma de petróleo, utilizando redes neurais artificiais

• Ano de defesa: 2024
• Autor(a) principal: SANTOS, Deyvid Martins
• Orientador(a): BALESTRASSI, Pedro Paulo
• 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; Redes neurais; Variáveis de processo
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4198

A utilização de análises físico-químicas em processos industriais é uma realidade dissociável para a indústria contemporânea. Determinações dessa natureza são eficientes e necessárias para verificação da qualidade de produção, na criação de padrões consistentes e na promoção da segurança. Além disso, as empresas comprometidas com a sustentabilidade procuram minimizar ao máximo seu impacto no meio ambiente, no que diz respeito a emissão de agentes poluentes e alterações que possam alterar a dinâmica do local na qual estão inseridas. É responsabilidade das autoridades governamentais regulamentar as ações relacionadas à preservação do meio ambiente, com o intuito de harmonizar práticas e garantir a minimização do impacto ambiental mencionado. Em 8 de agosto de 2007, foi regulamentada a resolução CONAMA n° 393. Que dispõe sobre o descarte contínuo de água de processo ou de produção em plataformas marítimas de petróleo e gás natural. O artigo 5° resolve: O descarte de água produzida deverá obedecer à concentração média aritmética simples mensal de óleos e graxas (TOG) de até 29 mg/L, com valor máximo diário de 42 mg/L. (CONAMA, 2007). Este trabalho teve como objetivo central desenvolver um método preditivo para estimar os valores de TOG, utilizando variáveis de processo de uma planta de tratamento de petróleo e medições online de TOG. O estudo foi dividido em etapas que contemplaram a obtenção e seleção de variáveis, análise e validação da base de dados, definição de limites para classificação de TOG, balanceamento dos dados e modelagem preditiva. Inicialmente, foi realizada a seleção das variáveis mais relevantes com o apoio de especialistas, garantindo que o modelo considerasse parâmetros pertinentes ao processo. A base de dados passou por uma análise exploratória detalhada para tratamento de inconsistências e validação do comportamento das variáveis em relação ao TOG gravimétrico. Na sequência, limites foram definidos para criação de classes binárias (enquadrado/desenquadrado), e técnicas de balanceamento foram aplicadas para assegurar um conjunto de dados consistente. A modelagem preditiva utilizou redes neurais artificiais, resultando em um modelo robusto, com precisão de 97,3%, validado por métricas estatísticas e testes de generalização. Como principais contribuições deste presente trabalho, destaca-se a identificação das variáveis de maior impacto no processo e a proposta de uma estratégia alternativa baseada em ciência de dados para monitoramento do TOG. Além disso, o trabalho reforça a importância da transformação digital na otimização de processos produtivos e na promoção de práticas sustentáveis.