A realistic and public dataset with rare undesirable real events in oil wells

Detecção de anomalias em poços produtores de petróleo usando aprendizado de máquina

“…Este trabalho se propõe a aplicar e comparar técnicas de aprendizado de máquina na detecção de anomalias em poços produtores de petróleo, utilizando a base de dados 3W (Vargas et al, 2019), composta por séries temporais multivariadas. As técnicas de classificadores de classeúnica comparadas são: Floresta de Isolamento Isolation Forest, One-class Support Vector Machine (OCSVM), Local Outlier Factor (LOF) e Envelope Elíptico.…”

“…A base de dados 3W (Vargas et al, 2019)é pública e contém 1.984 instâncias de séries temporais da produção de poços de petróleo. Essas instâncias foram separadas em: operação em condições normais e anomalias.…”

“…Os trabalhos de Vargas et al (2019) e Vargas (2019) são a base deste trabalho. Eles elaboraram e tornaram público a base 3W e usaram as técnicas de Floresta de Isolamento e OCSVM para detecção de anomalias.…”

“…Foi utilizado como referência o benchmark proposto por Vargas et al (2019) no qual demonstrou-se ser possível detectar anomalias em poços com aprendizado de máquina. Os resultados obtidos apresentaram melhoria em relação ao benchmark e estimulam a continuação do trabalho com a experimentação de outras técnicas -tanto para extração de características quanto para utilização de outras famílias de algoritmos para detecção de anomalias, tais como os baseados em redes neurais.…”

Detecção de falhas com Stacked Autoencoders e técnicas de reconhecimento de padrões em poços de petróleo operados por gas lift

“…A ocorrência de falhas em poços de produção de petróleo com gas lift pode gerar prejuízos em milhares de dólares para as empresas produtoras, além de complexa operação que se sucede após tal ocorrência, para que se reestabeleça a normalidade na operação. A indústria petroleira considera que o prognóstico de anomalias em poços produtores de petróleo pode ajudar a reduzir os custos de manutenção, bem como evitar perdas de produção e acidentes ambientais e de vidas humanas (Vargas et al, 2019).…”