Caracterização do comportamento de confiabilidade das barreiras de segurança de poços de petróleo em diferentes condições de operação utilizando aprendizado de máquina

Abstract

Barreiras de segurança são elementos fundamentais em poços de petróleo para garantir a integridade e segurança das operações. Estas barreiras podem possuir características distintas e serem submetidas a diferentes condições operacionais e ambientais, especialmente em cenários desafiadores como o pré-sal brasileiro. A caracterização da performance de confiabilidade destas barreiras de segurança é fundamental para a gestão da integridade dos poços e a tomada de decisão mais assertiva. A análise de confiabilidade pode ser utilizada para melhorar a especificação técnica dos equipamentos, para o planejamento de testes laboratoriais, para avaliar riscos, otimizar programas de manutenção e fazer a gestão do estoque necessário de peças de reposição. Esta tese traz uma proposta de uma nova abordagem para a análise de confiabilidade de tais elementos, através da utilização de combinação de técnicas de aprendizado de máquina e análise de sobrevivência. A abordagem objetiva caracterizar o comportamento de confiabilidade considerando as covariáveis que impactam na falha destes elementos. As vantagens do modelo proposto são sua capacidade de capturar relações complexas entre a confiabilidade e as covariáveis, considerar a presença de censuras e poder ser aplicado a dados de campo, ou seja, não planejados e em volume limitado. A abordagem metodológica proposta foi aplicada e avaliada, em um caso de uso, com dados históricos da válvula de segurança de subsuperfície considerando diferentes fabricantes e profundidades de instalação. Os resultados preliminares indicam que a estrutura metodológica proposta agrega benefícios para a análise e previsão de confiabilidade, superando os métodos clássicos, e permite avaliar o impacto das condições e características da válvula no risco de falha.