Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/36975
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorMorais, Igor Almeida-
dc.date.accessioned2023-02-03T22:25:17Z-
dc.date.available2023-02-03T22:25:17Z-
dc.date.issued2023-01-27-
dc.identifier.citationMORAIS, Igor Almeida de. Detecção de vazamento de fluidos em tubulações: métodos externos, internos e aplicação de aprendizado de máquina. 2023. 39 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Universidade Federal de Uberlândia, Uberlândia, 2023.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/36975-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectVazamentopt_BR
dc.subjectTubulaçãopt_BR
dc.subjectDetecçãopt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectLeakpt_BR
dc.subjectPipelinespt_BR
dc.subjectDetectionpt_BR
dc.subjectMachine learningpt_BR
dc.titleDetecção de vazamento de fluidos em tubulações: métodos externos, internos e aplicação de aprendizado de máquinapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Coutinho Filho, Ubirajara-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/6765133716503854pt_BR
dc.contributor.referee1Gedraite, Rubens-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9579409657715325pt_BR
dc.contributor.referee2Altino, Heitor Otacílio Nogueira-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4386564501984948pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoVazamentos em tubulações responsáveis pelo transporte de fluidos como petróleo ou derivados podem causar grandes danos a natureza e impactos econômicos a empresas do ramo. O uso de variáveis da operação atreladas a equipamentos possibilitou o desenvolvimento de métodos internos e externos para a detecção e localização dos vazamentos e têm sido aperfeiçoados com o intuito de atenuar esses impactos e promover maior segurança às operações. O aprimoramento das tecnologias para armazenamento de dados culminou no surgimento de big data e no desenvolvimento de algoritmos para aprendizado de máquina, capazes de compreender padrões e possibilitou a criação de novos métodos para a detecção dessas falhas operacionais que podem ser mais econômicas e eficazes. O objetivo deste trabalho foi realizar uma revisão bibliográfica dos métodos já existentes e em seguida implementar um algoritmo capaz de identificar possíveis vazamentos. Foi realizada uma revisão a respeito dos métodos externos e internos, tradicionais para a detecção de vazamentos, além de uma abordagem sobre a Indústria 4.0 e os impactos dessa revolução na identificação de falhas em tubulações. No estudo de caso foram utilizados dados presentes no artigo de Eastevedt (2022) e um algoritmo de classificação para a predição de vazamentos, onde foram alcançados resultados com coeficiente de correlação superiores a 90%.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEngenharia Químicapt_BR
dc.sizeorduration39pt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA QUIMICApt_BR
Aparece en las colecciones:TCC - Engenharia Química

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
DetecçãoVazamentoFluidos.pdfTCC853.83 kBAdobe PDFVista previa
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.