Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/11354| Especie: | Tese |
| Título : | Classificação de petróleos |
| Autor(es)/Inventor(es): | Ferreira, Fernando Guimarães |
| Tutor: | Seixas, José Manoel de |
| Resumen: | A identificação de padrões em dados de ensaios de óleo bruto fornece informações importantes sobre a estimação das propriedades do petróleo, assim como para a operação e cadeia logística das refinarias. A informação a priori sobre as características de determinada amostra de óleo melhora a logística em relação a maneira que as refinarias devem processá-lo, assim como a sua precificação. Essa tese explora técnicas de mineração de dados usando algumas propriedades relevantes para a caracterização dos ensaios, de maneira a agrupar amostras de óleos brutos similares de maneira não-supervisionada. Os resultados mostram que os modelos obtidos são capazes de encontrar padrões ao agrupar as amostras de acordo com essas propriedades. Estes são então comparados à uma classificação comumente usada na indústria, baseada apenas na mensuração da densidade do petróleo. |
| Resumen: | The identification of patterns in the crude oil assay data provides useful information for crude oil properties estimation as well as for the refinery operation and logistics. The a priori information about the characteristics of a determined crude improves the logistic concerning which refineries should process it, together with pricing. This work explores data mining techniques over some characterization properties of crude oil assays, in order to group similar crude oils in an unsupervised way. The results show that the derived models are able to find patterns, clustering crudes according these properties. Afterwards, these are compared to a standard classification which is aware only about the oil crude density. |
| Materia: | Engenharia elétrica Mineração de dados Classificação de petróleos Reconhecimento de padrões Clusterização não-supervisionada |
| Materia CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
| Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
| Unidade de producción: | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | mar-2018 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Aparece en las colecciones: | Engenharia Elétrica |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 887615.pdf | 2.08 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.