Avaliação de desempenho e diagnóstico de erros na automação do ajuste de profundidade de amostras laterais

Magaldi, Julia Machado

Please use this identifier to cite or link to this item:


			http://hdl.handle.net/11422/29418

Type:	Trabalho de conclusão de graduação
Title:	Avaliação de desempenho e diagnóstico de erros na automação do ajuste de profundidade de amostras laterais
Author(s)/Inventor(s):	Magaldi, Julia Machado
Advisor:	Tognoli, Francisco Manoel Wohnrath
Abstract:	No contexto de expansão das tecnologias de inteligência artificial, a integração entre Geociências e Ciência de Dados revela-se uma estratégia robusta para otimizar processos tradicionalmente manuais na indústria de óleo e gás. No âmbito da avaliação de reservatórios, destaca-se a necessidade do ajuste de profundidade de amostras laterais, inerente ao processo de amostragem em subsuperfície. Atualmente, essa tarefa é realizada de forma manual, podendo consumir horas ou dias para a conclusão de um único poço. Diante desse desafio operacional, o presente trabalho tem como objetivo avaliar o desempenho de um algoritmo desenvolvido pela empresa LTrace, para automatizar esse processo, com ênfase à análise dos erros e sua associação com as características litológicas. Utilizando dados de seis poços do Campo de Sapinhoá, na Bacia de Santos, o fluxo de trabalho compreendeu: o ajuste manual para estabelecimento de uma base de referência (ground truth); a execução do ajuste automatizado via modelos R-CNN (Region-based Convolutional Neural Network); e a posterior comparação de desempenho por meio de métricas de classificação e regressão. A análise dos resultados foi integrada às características geológicas das formações, revelando que a eficácia do algoritmo é sensível às variações litológicas. Por fim, a realização deste trabalho demonstra que a inteligência artificial se consolida como uma aliada às atividades humanas especializadas, além de provar que a integração de profissionais das Geociências e Ciência de Dados, tem forte potencial para o desenvolvimento e evolução de soluções que compatibilizem a automação de processos e análises a partir do conhecimento do intérprete em geologia.
Keywords:	Geologia Inteligência artificial Redes neurais convolucionais Perfis de imagem acústica Caracterização de reservatórios
Subject CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA::GEOCIENCIAS::GEOLOGIA
Production unit:	Instituto de Geociências
Publisher:	Universidade Federal do Rio de Janeiro
Issue Date:	2026
Publisher country:	Brasil
Language:	por
Right access:	Acesso Aberto
Appears in Collections:	Geologia

Files in This Item:

File	Description	Size	Format
JMMagaldi.pdf		1.18 MB	Adobe PDF	View/Open

Show full item record Recommend this item View Statistics

Pantheon Institutional repository