Notícias

Na área de prognóstico e gestão da saúde, as técnicas baseadas em machine learning e deep learning têm tido uma grande evolução dentro dos últimos dez anos, obtendo resultados promissores tanto para diagnostico como prognóstico de falhas. Apesar de serem promissoras, há uma resistência por parte da indústria para a implementação deste tipo de técnicas em grande escala. Parte dessa resistência tem relação com o fato de as redes neurais funcionarem como caixas pretas. Isso significa que, uma vez treinado, há grandes dificuldades para entender como é que o modelo chega aos resultados. Como as redes neurais estão compostas por várias camadas de operações não lineares, fazer uma interpretação dos resultados em função das variáveis de entrada é quase impossível na maioria dos casos. No contexto de prognóstico e gestão da saúde, é importante saber como as variáveis monitoradas se relacionam com o resultado, poder detectar vieses, para gerar confiança com o usuário, e inclusive para ajudar na definição de ações de prevenção e mitigação. Neste contexto, este artigo apresenta uma técnica de seleção de variáveis para redes neurais profundas, na qual cada variável de entrada é multiplicada por um valor de importância entre 0 e 1. Esses valores são ajustados em conjunto com o restante da rede durante a fase de treinamento. Após treinamento, o modelo é capaz de entregar não só os valores relacionados com o desempenho da rede, mas também o valor de importância de cada variável de entrada para a geração do resultado apresentado. A técnica é aplicada em um caso de uma planta de remoção de CO₂ do gás natural produzido em uma unidade de produção offshore. O objetivo é utilizar as variáveis monitoradas do processo para quantificar a quantidade de CO₂ após o processo de remoção. A técnica é comparada com outras duas técnicas presentes na literatura. Os resultados mostram que a utilização da técnica proposta não afeta o desempenho da rede, que é capaz de fazer um rankeamento das variáveis disponíveis de acordo com a sua importância, e que atinge níveis de desempenho maiores do que outras técnicas quando é utilizado o mesmo número de variáveis.

Na indústria de óleo e gás, a exploração e o desenvolvimento de novos campos de petróleo e a revitalização de campos maduros são atividades que tem na incerteza um dos seus fatores principais a serem considerados nas tomadas de decisão de investimento. Em adição a essa incerteza, tem-se a necessidade cada vez maior de se inovar por meio da implantação de novas tecnologias, com o propósito de manter a competitividade das empresas, em uma condição de mercado sempre incerta com relação ao valor do óleo a ser comercializado. Um caso particular interesse desse problema ocorre quando o decisor pode intervir ao longo do processo, mudando a linha de ação escolhida inicialmente, o que pode alterar de forma significativa o perfil de risco de cada alternativa. Essa possibildiade introduz uma dimensão dinâmica ao problema, que deve ser considerada em sua solução.

O uso da Análise de Decisão (AD) em Condição de Incerteza, como apresentada por vários pesquisadores há várias décadas, fica limitado devido a sua característica estática, em um problema eminentemente dinâmico. Nesse caso, uma proposta seria o uso da Tomada de Decisão Dinâmica, que combina os conceitos da AD tradicional com simulações dinâmicas, onde a estrutura do sistema pode ser alterada periodicamente por meio de decisões tomadas pelos responsáveis pelos projetos.

Esse trabalho apresenta a aplicação do uso da Tomada de Decisão Dinâmica a um problema de investimento, considerando o uso de novas tecnologias para o desenvolvimento de um campo de petróleo. Será feita uma análise ampla dos diversos elementos de incerteza existentes, desenvolvido um modelo matemático dinâmico simplificado, para representar a dinâmica do projeto e serão apresentadas as opções que melhor atendem aos objetivos dos tomadores de decisão.

Na indústria de óleo e gás, a exploração e o desenvolvimento de novos campos de petróleo e a revitalização de campos maduros são atividades que tem na incerteza um dos seus fatores principais a serem considerados nas tomadas de decisão de investimento. Em adição a essa incerteza, tem-se a necessidade cada vez maior de se inovar por meio da implantação de novas tecnologias, com o propósito de manter a competitividade das empresas, em uma condição de mercado sempre incerta com relação ao valor do óleo a ser comercializado.

Uma forma de se apoiar esse conjunto de decisões é o uso das técnicas prescritivas propostas pela Análise de Decisão (AD) em Condição de Incerteza, como apresentada por vários pesquisadores há várias décadas, com procedimentos que permitem explorar o valor esperado das alternativas, o valor da informação perfeita, o perfil de risco das alternativas propostas, o valor da informação imperfeita, o valor do controle perfeito, entre tantos outros aspectos.

Esse trabalho apresenta a aplicação da AD a um problema de investimento, considerando o uso de novas tecnologias para o desenvolvimento de um campo de petróleo. Será feita uma análise ampla dos diversos elementos de incerteza existentes, será feito um modelo matemático para representar essas incertezas, e serão apresentadas as opções que melhor atendem aos objetivos dos tomadores de decisão, considerando sua aversão ou disposição ao risco.

A segurança operacional das operações de perfuração offshore dependem de uma série de elementos de barreira de poço (WBE). Dentre eles, destaca-se a coluna de fluido de perfuração, presente em praticamente todas as etapas ligadas a essas atividades. Além da função de barreira, a coluna de fluido também responde pelo transporte dos cascalhos do poço. Para poder ser reutilizado, o fluido deve ser limpo dos cascalhos transportados. Esta operação é feita nos Sistemas de Secagem de Cascalho (SSC). Em caso de falha desses sistemas, a unidade de perfuração é obrigada a parar suas operações, incorrendo em downtime. O presente artigo apresenta uma análise de confiabilidade, disponibilidade e manutenção (RAM) associada a uma análise multicritério de Medidas de Importância (Birnbaum, Criticality, Risk Reduction Worth, Risk Achievement Worth e Fussell-Vesely) de uma configuração real de SSC de navio sonda (NS). Será explorado o aspecto conceitual das metodologias utilizadas: análise funcional, modelagem do sistema por meio de Diagrama de Blocos de Confiabilidade (RBD) e simulação de Monte Carlo (SMC). A análise mostra que o limpador de fluido, a centrífuga e o tanque de coleta são os componentes mais críticos do sistema. Também indica que uma manutenção preventiva mensal deve ser realizada a fim de se garantir a disponibilidade desejada para o sistema.

A inspeção baseada em risco, ou RBI do inglês Risk Based Inspection, é utilizado na indústria do petróleo para auxiliar na identificação do equipamento de maior risco (trabalhando com os respectivos modos de falha) e para recomendar um programa de inspeção que considere tanto a chance de ocorrência dos modos de falha mais relevantes como também o risco associado à sua ocorrência. O presente trabalho apresenta o uso de algoritmos genéticos, que empregam técnicas inspiradas nos conceitos de hereditariedade, mutação, seleção natural e recombinação (ou crossing over) da genética evolutiva, na otimização de planos de inspeção de equipamentos subsea. A função objetivo é multicritério e considera as grandezas custo e índice de risco. As variáveis que definem o gene de cada indivíduo consistem no tipo de inspeção e em qual período ela ocorre, tendo em consideração uma janela finita de oportunidades de ocorrências de inspeção. Neste artigo serão discutidos a metodologia desenvolvida para a definição dos critérios de aceitação de risco, as premissas consideradas para a elaboração do algoritmo genético e os planos de inspeção obtidos. 

A estimulação de poços offshore objetiva incrementar a produtividade de reservatórios em suas fases finais de ciclo de vida, consistindo, dessa forma, em uma atividade fundamental na consecução de metas estratégicas. Dentre as opções de processos de estimulação, encontra-se o emprego de embarcações de estimulação, com elevadas exigências de confiabilidade operacional. Nesse sentido, destaca-se a participação do sistema de posicionamento dinâmico (DP), cuja indisponibilidade afeta diretamente a confiabilidade geral da embarcação. O presente artigo aborda a análise de confiabilidade de um sistema DP de uma embarcação em operação no Pré-Sal. Serão detalhados os três principais subsistemas que compõem o sistema DP, energia, propulsão e controle, e os sistemas auxiliares que os suportam. Em seguida, serão apresentados os resultados obtidos de através de análise RAM (confiabilidade, disponibilidade e mantenabilidade) e de Medidas de Importância Multicritério (determinação de componentes críticos) realizadas para o sistema DP em questão. Adicionalmente, os aspectos mais relevantes para a condução das análises, como o uso da Simulação de Monte Carlo (MCS) para a avaliação da disponibilidade e da mantenabilidade, serão pontuados. Por fim, serão apresentadas as conclusões obtidas, com indicação dos componentes mais críticos para a confiabilidade do sistema e estratégias de manutenção preventiva.

O Sistema de Suporte à Tomada de Decisão em Projetos de Inovação (STDI/LabRisco) é apresentado neste trabalho. A iniciativa se originou da demanda por um modelo decisório baseado em riscos aplicável a projetos de inovação no setor offshore. Metodologicamente, a abordagem sugerida combina a avaliação de valor agregado em projetos, ou Earned Value Project Management (EVM), com algoritmos de tomada de decisão para a continuação ou abandono das inovações, sensíveis a três perfis base de tomadores de decisão: conservador, moderado e arrojado. Os projetos são concebidos como combinações de atividades ocorrendo em série e em paralelo. Cada atividade representa o aporte ao projeto de entregáveis relacionados ou a tecnologias consagradas, ou a inovações. Assim, o STDI simula o desenvolvimento do projeto utilizando uma Simulação de Monte Carlo (SMC). As durações das atividades relacionadas às tecnologias consagradas são definidas em termos de uma distribuição triangular, definida a partir de opiniões de especialistas, agregadas através da metodologia SAM (Similarity Aggregation Method). Nas inovações, as durações são caracterizadas em termos do TRL (Technology Readiness Level) de cada atividade e da função densidade de probabilidade aplicada ao índice de desempenho de prazo do EVM, avaliado em pontos de verificação pré-definidos. A cada ponto de decisão, ocorre uma tomada de decisão considerando-se o status particular de cada atividade de inovação, ou seja, sua variação de prazo esperado para conclusão e custo, e o status do projeto como um todo em vista das variações de custo e prazo de todas as atividades do projeto. Dessa forma, o processo de monitoramento de uma inovação é simulado de forma realista. Como saída, o sistema entrega ao usuário final uma lista de possíveis trilhas de execução do projeto, cada qual caracterizada por sua probabilidade de ocorrência, distribuição de custo e prazo, obtidas a partir de um número predeterminado de simulações.