Please use this identifier to cite or link to this item:
http://repositorio.ufc.br/handle/riufc/49254| Type: | TCC |
| Title: | Uso de técnicas e ferramentas de ciência de dados para realização de análises preditivas sobre medições de vazão, temperatura e pressão de eteno na indústria de óleo e gás. |
| Title in English: | Use of data science techniques and tools to perform predictive analysis of ethylene flow, temperature and pressure measurements in the oil and gas industry. |
| Authors: | Façanha, Sarah Santiago |
| Advisor: | Silva, Marcelo José Gomes da |
| Co-advisor: | Forte, Marcus Davi do Nascimento |
| Keywords: | Ciência de dados;Análise preditiva;Visualização de dados;Indústria de óleo de gás |
| Issue Date: | 2019 |
| Citation: | FAÇANHA, Sarah Santiago. Uso de técnicas e ferramentas de ciência de dados para realização de análises preditivas sobre medições de vazão, temperatura e pressão de eteno na indústria de óleo e gás. 2019. 45 f. Monografia (Graduação em Engenharia Metalúrgica) - Universidade Federal do Ceará, Fortaleza, 2019. |
| Abstract in Brazilian Portuguese: | Este trabalho apresenta um estudo baseado na teoria de ciência de dados para elaboração de análise preditiva sobre medições de vazão, temperatura e pressão de tubulações de gás eteno sobre um conjunto massivo de dados obtidos de uma planta petroquímica. Este conjunto possui 11 Tags com aproximadamente 2 milhões de dados por Tag, totalizando cerca de 24 milhões de dados a serem processados. Esses dados possuem medições de diversos sensores presentes nos gasodutos cujas medidas são utilizadas para elaboração de uma análise sobre o comportamento dinâmico do sistema. As consultas obtidas são então utilizadas para verificação de falhas ou medições errôneas nos sensores; estimação do volume total a ser transportado na planta química em até um ano; verificação da correlação entre as medidas das Tags e validação das técnicas e ferramentas de ciência de dados utilizadas para realização das análises. |
| Abstract: | This paper presents a study based on Data Science theory to elaborate analyzes on a massive set of data obtained from a petrochemical plant. The set has 12 tags with approximately 5.3 million data per Tag. The dataset has measurements of several sensors present in the petrochemical plant, measurements used to analyze a predictive analysis of the system’s dynamic behavior. Statistics are used for fault checking or incorrect sensor measurements; taxation of the total volume of being transported in the chemical plant within one year; verification of the correlation between the measures tags and validation of the techniques and tools Data Science used to perform the analyzes. |
| URI: | http://www.repositorio.ufc.br/handle/riufc/49254 |
| Appears in Collections: | ENGENHARIA METALÚRGICA - Monografias |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| 2019_tcc_ssfaçanha.pdf | 2,76 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.