Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/11354| Tipo: | Tese |
| Título: | Classificação de petróleos |
| Autor(es)/Inventor(es): | Ferreira, Fernando Guimarães |
| Orientador: | Seixas, José Manoel de |
| Resumo: | 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. |
| Resumo: | 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. |
| Palavras-chave: | Engenharia elétrica Mineração de dados Classificação de petróleos Reconhecimento de padrões Clusterização não-supervisionada |
| Assunto CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
| Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
| Unidade produtora: | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | Mar-2018 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 887615.pdf | 2.08 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.