Classificação de petróleos

• Ano de defesa: 2018
• Autor(a) principal: Ferreira, Fernando Guimarães
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio de Janeiro; Brasil; Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia; Programa de Pós-Graduação em Engenharia Elétrica; UFRJ
• Palavras-chave em Português: Engenharia elétrica; Mineração de dados; Classificação de petróleos; Reconhecimento de padrões; Clusterização não-supervisionada; CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://hdl.handle.net/11422/11354

The identification of patterns in the crude oil assay data provides useful information for crude oil properties estimation as well as for the refinery operation and logistics. The a priori information about the characteristics of a determined crude improves the logistic concerning which refineries should process it, together with pricing. This work explores data mining techniques over some characterization properties of crude oil assays, in order to group similar crude oils in an unsupervised way. The results show that the derived models are able to find patterns, clustering crudes according these properties. Afterwards, these are compared to a standard classification which is aware only about the oil crude density.