???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufrrj.br/jspui/handle/jspui/2902
???metadata.dc.type???: Dissertação
Title: Desenvolvimento de um sensor virtual para estimativa da viscosidade aparente de fluidos de perfuração à base de água
Other Titles: Development of a soft sensor to estimate the apparent viscosity of water based drilling fluids
???metadata.dc.creator???: Bispo, Vitor Diego da Silva 
???metadata.dc.contributor.advisor1???: Meleiro, Luiz Augusto da Cruz
First advisor-co: Calçada, Luís Américo
???metadata.dc.contributor.referee1???: Souza Jr., Maurício Bezerra de
???metadata.dc.contributor.referee2???: Henriques, Anderson Wilson da Silva
???metadata.dc.contributor.referee3???: Scheid, Cláudia Miriam
???metadata.dc.description.resumo???: A exploração de petróleo em campos marítimos localizados em águas profundas e ultraprofundas vem sendo um dos desafios na produção de petróleo. Para viabilizar a exploração, inúmeras pesquisas estão agregando tecnologia aos fluidos de perfuração de modo que atendam às necessidades exigidas em campo. Dessa forma, a compreensão e o monitoramento das propriedades do fluido são de vital importância para a exploração e produção de petróleo. O objetivo deste trabalho foi desenvolver um sensor virtual para estimar uma das propriedades reológicas de fluidos de perfuração à base de água, a viscosidade aparente. Este sensor foi baseado no modelo de redes neuronais artificiais com estrutura do tipo perceptron multi-camadas (Multi-Layer Perceptron – MLP). A etapa inicial do trabalho consistiu em averiguar a influência dos aditivos na viscosidade aparente do fluido de perfuração. Para isso, foi realizado um planejamento fatorial completo a três níveis e com três réplicas no ponto central, onde os aditivos empregados foram goma xantana, bentonita e barita. Uma vez que a temperatura do fluido de perfuração que retorna do poço para a superfície é diferente daquela injetada na coluna de perfuração, esta variável também foi considerada no planejamento a fim de avaliar sua influência na viscosidade do fluido de perfuração. A partir deste planejamento, foram formulados 84 fluidos de perfuração à base água, nos quais a viscosidade aparente foi determinada em um viscosímetro (Fann 35A) a 300 rpm e em diferentes temperaturas. A partir da análise estatística dos resultados, verificou-se que todas as variáveis consideradas influenciavam a viscosidade aparente e, através do teste de análise de variância (ANOVA), foi possível obter um modelo de regressão que leva em consideração os efeitos cruzados de cada componente sobre a variável de resposta. A rede neuronal utilizada neste trabalho é do tipo MLP, contendo funções de ativação hiperbólica nos neurônios da camada intermediária e linear no neurônio da camada de saída. Para o treinamento e validação da rede neuronal foram utilizados 750 e 267 dados experimentais, respectivamente, que foram obtidos variando-se a temperatura entre 20oC e 60oC em cada um dos 84 fluidos formulados na etapa de planejamento de experimentos. Foram realizadas diversas simulações durante a etapa de aprendizagem da rede neuronal variando-se o número de neurônios da camada intermediária com objetivo de obter a melhor a arquitetura. Verificou-se que a rede com 6 neurônios na camada escondida apresentou a melhor capacidade de generalização e, portanto, as melhores predições. A capacidade de predição da rede neuronal selecionada foi comparada com a do modelo de regressão estatístico através do erro quadrático médio e do teste de inspeção visual. Verificou-se que o desempenho do modelo neuronal foi superior, tendo apresentado erros de predição significativamente menores.
Abstract: Oil exploration in offshore fields located in deep and ultra deep waters have been one of the challenges in oil production. To facilitate the operation, numerous studies are adding technology to the drilling fluid in order to meet the needs required during drilling of the geological formation. Thus, understanding and monitoring of the fluid properties are of vital importance for the exploration and production of oil. The objective of this work was to develop a soft sensor to estimate a rheological property of water based drilling fluids: the apparent viscosity. This sensor was based on the artificial neural network model with structure of multi-layer perceptron type. The initial stage of this work consisted in investigating the influence the additives in apparent viscosity in drilling fluid. For this purpose, full factorial design at three levels and with three replicates at the center point was carried, where the additives used were xantan gum, bentonite and barite. Once the temperature of the drilling fluid returning from the well to the surface is different from that injected into the drill string this variable was also considered in the planning in order to assess their influence on viscosity. Through this planning 84 water based drilling fluids were formulated; in which the apparent viscosity was determined in a viscometer (Fann 35A) at 300 RPM speed and at different temperatures. From the statistical analysis of results, it was found that all the variables considered had influence on apparent viscosity, and through the ANOVA test, analysis of variance, it was possible to obtain a regression model that takes into account the cross effects of each component in the response variable. The neural network used in this work is the type MLP, containing hyperbolic activation functions in neurons in the hidden layer and a linear output neuron. A total of it 750 and 267 experimental data were used for training and validating the neural network respectively, which were obtained by varying the temperature between 20oC and 60oC in each of the formulated 84 fluids in the planning stage of experiments. Several simulations were performed during the learning stage of the neural network by varying the number of neurons in the hidden layer in order to obtain the best architecture. It was found that the network with 6 neurons in the hidden layer had the best generalization ability and, therefore, the best predictions. The predictive ability of the selected neural network was compared to the statistical regression model using the mean square error and visual inspection test. It was found that the performance of the neural model was higher, presenting significantly lower prediction errors.
Keywords: redes neuronais
temperatura
viscosidade aparente
neural networks
temperature
apparent viscosity
???metadata.dc.subject.cnpq???: Engenharia química
Language: por
???metadata.dc.publisher.country???: Brasil
Publisher: Universidade Federal Rural do Rio de Janeiro
???metadata.dc.publisher.initials???: UFRRJ
???metadata.dc.publisher.department???: Instituto de Tecnologia
???metadata.dc.publisher.program???: Programa de Pós-Graduação em Engenharia Química
Citation: Bispo, Vitor Diego da Silva. Desenvolvimento de um sensor virtual para estimativa da viscosidade aparente de fluidos de perfuração à base de água. 2014. [58 f.]. Dissertação( Programa de Pós-Graduação em Engenharia Química) - Universidade Federal Rural do Rio de Janeiro, [Seropédica-RJ] .
???metadata.dc.rights???: Acesso Aberto
URI: https://tede.ufrrj.br/jspui/handle/jspui/2902
Issue Date: 20-Feb-2014
Appears in Collections:MESTRADO EM ENGENHARIA QUÍMICA

Files in This Item:
File Description SizeFormat 
2014 - Vitor Diego da Silva Bispo.pdfVitor Diego da Silva Bispo1.97 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.