Banca de QUALIFICAÇÃO: THIAGO MEDEIROS DE FARIAS

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : THIAGO MEDEIROS DE FARIAS
DATA : 02/06/2026
HORA: 14:00
LOCAL: Videoconferência
TÍTULO:

USO DE INTELIGÊNCIA COMPUTACIONAL PARA PREDIÇÃO DE FALHAS EM COMPRESSORES DE GÁS LIFT UTILIZANDO DADOS INDUSTRIAIS HISTORIADOS E DADOS EM TEMPO REAL

 

PALAVRAS-CHAVES:

inteligência computacional; predição de falhas; compressor de gás lift;
dados industriais historiados; manutenção preditiva; PIMS.

 

PÁGINAS: 52
RESUMO:

O setor de óleo e gás tem papel importante no fornecimento de energia, na geração de
empregos e na sustentação de diversas cadeias produtivas. Nesse contexto, a continuidade
da produção depende da operação segura de equipamentos de grande porte, sujeitos a
custos elevados de manutenção, à reposição de componentes muitas vezes importados e
a uma logística complexa para intervenção em ativos críticos. Entre esses equipamentos,
destaca-se o compressor de gás lift. O gás lift é um método de elevação artificial em que
gás sob pressão é injetado no poço para reduzir o peso da coluna de fluido e facilitar a
subida do petróleo até a superfície. Nesse processo, o compressor é responsável por fornecer
o gás nas condições necessárias para a injeção. A falha desse equipamento pode reduzir a
produção, provocar paradas não planejadas e aumentar o risco operacional. Ao mesmo
tempo, os sistemas PIMS, utilizados para armazenar e organizar dados industriais de
processo ao longo do tempo, reúnem informações de variáveis como pressão, temperatura,
vazão e vibração. Esses dados historiados podem apoiar análises mais completas sobre o
comportamento dos equipamentos e servir de base para modelos de predição de falhas.
A pesquisa tem como objetivo avaliar técnicas de inteligência computacional capazes
de identificar, com antecedência, sinais associados a falhas em compressores de gás lift,
utilizando dados industriais historiados como fonte principal de análise. O estudo envolve
levantamento bibliográfico, definição das variáveis mais relevantes, organização dos dados
para análise, comparação entre modelos desenvolvidos a partir dos dados e abordagens
construídas com base no conhecimento técnico de especialistas sobre a operação e as falhas
do equipamento, além de validação com esses profissionais. Como resultados parciais, foram
consolidados o problema de pesquisa, o levantamento teórico sobre manutenção preditiva e
inteligência computacional, a caracterização do equipamento estudado e a definição inicial
das variáveis industriais que poderão compor a base de modelagem. Com isso, espera-se
ampliar a antecedência dos alertas, reduzir paradas não planejadas e apoiar decisões de
manutenção mais seguras e mais bem fundamentadas, contribuindo para a confiabilidade
dos ativos.

 

MEMBROS DA BANCA:
Presidente - 2180207 - ITAMIR DE MORAIS BARROCA FILHO
Interno - 2668551 - ANDRE MORAIS GURGEL
Interno - 3374361 - JEAN MARIO MOREIRA DE LIMA