DESENVOLVIMENTO DE SISTEMA DE MONITORAMENTO PARA DETECÇÃO AUTOMÁTICA DE MUDANÇAS NO COMPORTAMENTO DE FLUIDOS DE PERFURAÇÃO.

Cynthia Dias De Oliveira; Melquisedeque Nonato de Oliveira; Marcus Felipe de Oliveira Quetez; Cláudia Miriam Scheid; Moacyr Nogueira Borges Filho; Luiz Augusto da Cruz Meleiro; Luis Americo Calçada

Título do Trabalho

Autores

Cynthia Dias De Oliveira
Melquisedeque Nonato de Oliveira
Marcus Felipe de Oliveira Quetez
Cláudia Miriam Scheid
Moacyr Nogueira Borges Filho
Luiz Augusto da Cruz Meleiro
Luis Americo Calçada

Modalidade

Resumo

Área temática

Engenharias - Engenharia Química

Data de Publicação

27/03/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1325853-desenvolvimento-de-sistema-de-monitoramento-para-deteccao-automatica-de-mudancas-no-comportamento-de-fluidos-de-

ISBN

978-65-272-2302-3

Palavras-Chave

técnicas de clusterização, tomada de decisão, propriedades de fluidos.

Resumo

A complexidade envolvida nos processos de perfuração de poços de petróleo vem impulsionando o estudo de técnicas de aprendizado de máquina aplicadas ao monitoramento em tempo real das propriedades físico-químicas do fluido de perfuração. Esses fluidos são responsáveis pela estabilização do poço, lubrificação e resfriamento das brocas, transporte de cascalhos, controle de pressão e, consequentemente, segurança das operações (Oliveira et al., 2024). Porém, de acordo com as condições operacionais, propriedades do fluido, como densidade e viscosidade aparente, podem sofrer variações indesejadas que comprometem a qualidade e eficiência do processo de perfuração. Uma forma de mitigar perdas operacionais é monitorando essas propriedades em tempo real onde, utilizando de técnicas de aprendizado de máquina, os dados são coletados ao longo da operação e utilizados para inferir pareceres sobre a condição do fluido (Borges Filho et al., 2023). Embora existam estudos na literatura voltados à detecção de anomalias e recuperação de processos, ainda há uma lacuna no que tange mudanças no comportamento das propriedades e nas características do fluido de perfuração. Portanto, este estudo avaliou o uso de algoritmos de clusterização, visando explorar a variabilidade das características dos fluidos de perfuração e, a partir dos padrões detectados, otimizar a recuperação do processo. Foram estudados quatro métodos de agrupamento encontrados na literatura, o k-Means, DBSCAN (Density-Based Spatial Clustering of Applications with Noise), HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise) e o Hierarchical clustering. De modo a minimizar a subjetividade na detecção dos diferentes tipos de fluidos, utilizou-se métodos adicionais para determinar os parâmetros e validar a consistência do agrupamento de dados. Foram utilizados os métodos (i) do gráfico da distância ao k-ésimo vizinho; (ii) determinação de patamares; e (iii) o Silhouette Score. Os dados utilizados para testes foram coletados em uma unidade experimental equipada com sensores industriais que mensuram as propriedades físico-químicas dos fluidos. Todos os métodos foram eficazes na caracterização dos diferentes fluidos e, consequentemente, a padronização das instâncias de processo com base em similaridades estruturais e comportamentais, alcançando um coeficiente de silhueta próximo a 0,75. Dentre os métodos avaliados, o k-Means apresentou alta subjetividade, uma vez que o algoritmo requer a especificação prévia do número de k requeridos (grupos ou clusters) e, consequentemente, sensibilidade à clusters altamente variáveis, além de não detectar ruídos; o agrupamento hierárquico, algoritmo com função objetivo similar à do k-Means, embora possua restrições de dimensionalidade e conectividade que podem ser favoráveis na qualidade dos clusters formados, se mostrou pouco promissor em sua individualidade, dentre os demais métodos propostos; o DBSCAN, apresentou destaque devido à sua eficiência ao formar os clusters com consistência e ao identificar os ruídos, o que comprova a qualidade da técnica e a coesão dos dados agrupados; e o HDBSCAN, um método que une as funções objetivo do agrupamento hierárquico e do DBSCAN, apresentou agrupamentos consistentes porém o algoritmo não lida bem com a alta variabilidade da densidade intra clusters, o que implica nos resultados e abre espaço para a busca de ajustes que otimizem o algoritmo e a sua precisão. O uso dos métodos adicionais como o gráfico da distância ao k-ésimo vizinho e o Silhouette Score, possibilitou a assertiva escolha dos hiperparâmetros das técnicas. Desta forma, o DBSCAN mostrou-se como sendo a alterativa mais eficaz na clusterização e caracterização de fluidos, podendo ser aplicado em processos para identificar a condição de operação auxiliando os operadores humanos na tomada de decisão. Ademais, novos trabalhos têm sido desenvolvidos para avaliar a estabilidade e consistência intra cluster e a eficiência ao aplicar técnicas de classificação em clusterização em tempo real.

Título do Evento: XII Reunião Anual de Iniciação Científica da UFRRJ (RAIC 2025) & VI Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação (RAIDTec 2025)
Cidade do Evento: Seropédica
Título dos Anais do Evento: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

OLIVEIRA, Cynthia Dias De et al.. DESENVOLVIMENTO DE SISTEMA DE MONITORAMENTO PARA DETECÇÃO AUTOMÁTICA DE MUDANÇAS NO COMPORTAMENTO DE FLUIDOS DE PERFURAÇÃO... In: Anais da Reunião Anual de Iniciação Científica e Reunião Anual de Iniciação em Desenvolvimento Tecnológico e Inovação da UFRRJ - Justiça climática: por um mundo mais sustentável, justo e igualitário. Anais...Seropédica(RJ) UFRRJ, 2025. Disponível em: https//www.even3.com.br/anais/xii-reuniao-anual-iniciacao-cientifica-da-ufrrj-raic/1325853-DESENVOLVIMENTO-DE-SISTEMA-DE-MONITORAMENTO-PARA-DETECCAO-AUTOMATICA-DE-MUDANCAS-NO-COMPORTAMENTO-DE-FLUIDOS-DE-. Acesso em: 30/05/2026