Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/334684
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: Monitoramento de falhas operacionais em bombas centrífugas multiestágios usando Árvores de Decisão
Title Alternative: Monitoring of operational failures in multistage centrífugal pumps
Author: Barrios Castellanos, Mauricio, 1989-
Advisor: Serpa, Alberto Luiz, 1967-
Abstract: Resumo: O monitoramento de bombas centrífugas é essencial para o adequado funcionamento de diversas aplicações industriais. A confiabilidade dos sistemas de elevação artificial de petróleo depende substancialmente do desempenho das bombas centrífugas submersíveis (BCS). Essas bombas podem operar sujeitas a condições severas, como escoamento viscoso e multifásico. Nos últimos anos, as tecnologias de monitoramento em tempo real baseadas em algoritmos de aprendizado automático ganharam força devido à capacidade de aproveitar os dados históricos do maquinário para previsões de eventos futuros. Muitos tipos de falhas incipientes estão relacionadas a mudanças no fluido ou maquinário externo associados ao processo. O presente trabalho propõe a utilização de Árvores de Decisão (AD) e uma estrutura particular de Árvores de Decisão nomeada aqui como Cadeia de Árvores de Decisão (CAD) para a detecção e classificação de falhas. A metodologia projetada na CAD pretende melhorar a distribuição na classificação mantendo relações simplificadas entre as variáveis monitoradas e as falhas. Falhas operacionais são simuladas, monitoradas e rotuladas em uma bomba centrífuga multiestágio em dois diferente cenários, apenas com óleo e com uma mistura de petróleo e nitrogênio, considerando os casos de fechamento abrupto da válvula choke (CV), diminuição da pressão de entrada (DIP), aumento da viscosidade do fluido (VI) para o caso monofásico, e no caso de escoamento bifásico incluindo o aumento da fração mássica de gás (GI). Experimentos foram realizados para rotular e selecionar as variáveis monitoradas que melhor representam as falhas. As variáveis e suas variações no tempo foram usados como entradas para os classificadores supervisionados. Os resultados obtidos usando AD e CAD são comparados em termos da exatidão e do erro na classificação, sendo a CAD aquela que obteve melhores resultados na determinação do tipo de falha. Os algoritmos implementados detectaram entre 80 e 90% das falhas corretamente. A classificação foi avaliada através da matriz de confusão, obtendo-se acertos entre 75 e 82%. As árvores de decisão testadas possuem potencial de aplicação na detecção de falhas em BCS devido a sua capacidade de detecção, classificação e interpretabilidade

Abstract: The monitoring of centrifugal pumps is essential for the suitable operation of several industrial applications. The reliability of the petroleum artificial lifting systems depends substantially on the performance of electrical submersible centrifugal pumps (ESP). These pumps can operate subjected to severe operating conditions like viscous and multi-phase flow. In recent years, real-time technologies based on machine learning algorithms have gained visibility due to the capability to take advantage of the machinery historical data for future event predictions. Many kinds of incipient faults are related to changes in the fluid or external machinery associated with the process. This document proposes the use of decision trees (AD) and a particular decision tree structure named here as a decision tree chain (CAD) for the detection and classification of failures. The methodology proposed in the CAD intends to improve the classification distribution maintaining simplified relationships between monitored variables and failures. Operational failures are simulated, monitored and labeled in a multistage centrifugal pump operating in two different scenarios, in one-phase petroleum regime and with a mixture of petroleum and nitrogen, considering as faults the abruptly close of choke valve (CV), the decreasing of input pressure (DIP), the increasing of fluid viscosity (VI) one-phase flow, and for two-phase case including the increasing of gas flow rate (GI). Experiments were performed to label and to select the features that strongly represent the faults. The features and its time variations were used as inputs to the supervised classifiers. The results obtained using AD and CAD are compared in terms of accuracy and misclassification error getting better results in determining the fault kind for the CAD structure. The implemented algorithms correctly detected 80 to 90% of the faults. The classification was measured using the confusion matrix metrics, obtaining an accuracy between 75 and 82%. The decision trees evaluated have potential to detect faults in the BCS applications due to its detection, classification and interpretability capability
Subject: Bomba centrífuga submersa
Aprendizado de máquina
Escoamento bifásico
Árvores de decisão
Language: Português
Editor: [s.n.]
Citation: BARRIOS CASTELLANOS, Mauricio. Monitoramento de falhas operacionais em bombas centrífugas multiestágios usando Árvores de Decisão. 2019. 1 recurso online (108 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP.
Date Issue: 2019
Appears in Collections:FEM - Tese e Dissertação

Files in This Item:
File SizeFormat 
Castellanos_MauricioBarrios_M.pdf10.46 MBAdobe PDFView/Open


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