OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: NICHOLAS DE ARAUJO GONZALEZ CASAPRIMA
Orientador(a): IVAN FABIO MOTA DE MENEZES lattes
Banca de defesa: IVAN FABIO MOTA DE MENEZES, JOSE HUGO CAPELLA GASPAR ELSAS, ANDERSON PEREIRA
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
Programa de Pós-Graduação: PPG EM ENGENHARIA MECÂNICA
Departamento: Não Informado pela instituição
País: BR
Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@2
Resumo: Os risers são importantes componentes na produção e exploração de petróleo e derivados. São responsáveis pelo transporte do óleo e gás encontrados no reservatório até a Unidade Estacionária de Produção (UEP) ou pela injeção de gás ou água no reservatório. A crescente demanda por esse produto faz com que a exploração seja feita em regiões com condições cada vez mais adversas. Tipicamente, um projeto deste porte exige um número muito grande de análises numéricas de elementos finitos e exigem uma experiência grande por parte do projetista a fim de obter uma solução viável. Esse desafio leva engenheiros a buscarem ferramentas consistentes e seguras que auxiliem nas etapas iniciais do projeto das configurações de risers e que sejam capazes de diminuir o número de análises totais exigidas. Uma dessas ferramentas é a utilização de métodos de otimização para obter de maneira consistente e segura os parâmetros que definem uma configuração. Este trabalho apresenta o método de Otimização Bayesiana, um método baseado em técnicas de aprendizado de máquina capaz de resolver problemas de otimização do tipo caixa-preta de maneira eficiente explorando o uso de aproximações analíticas da função objetivo, que se quer otimizar. O método é aplicado em diferentes estudos de casos visando validálo como capaz de resolver problemas de configuração de riser de maneira eficiente e consistente. Dentre os problemas aplicados estão diferentes tipos de configurações, diferentes casos realistas, mono-objetivo e multi-objetivo.
id PUC_RIO-1_5c1504626f28f8a12a1f582096a1464f
oai_identifier_str oai:MAXWELL.puc-rio.br:54976
network_acronym_str PUC_RIO-1
network_name_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository_id_str
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisOPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD OTIMIZAÇÃO DA CONFIGURAÇÃO GEOMÉTRICA DE RISERS USANDO O MÉTODO DE OTIMIZAÇÃO BAYESIANA 2021-05-07IVAN FABIO MOTA DE MENEZES 43980953491lattes.cnpq.br/2591330923317017IVAN FABIO MOTA DE MENEZES 43980953491lattes.cnpq.br/2591330923317017JOSE HUGO CAPELLA GASPAR ELSAS10159049717IVAN FABIO MOTA DE MENEZES JOSE HUGO CAPELLA GASPAR ELSASANDERSON PEREIRAANDERSON PEREIRAANDERSON PEREIRA15961747735NICHOLAS DE ARAUJO GONZALEZ CASAPRIMAPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROPPG EM ENGENHARIA MECÂNICAPUC-RioBROs risers são importantes componentes na produção e exploração de petróleo e derivados. São responsáveis pelo transporte do óleo e gás encontrados no reservatório até a Unidade Estacionária de Produção (UEP) ou pela injeção de gás ou água no reservatório. A crescente demanda por esse produto faz com que a exploração seja feita em regiões com condições cada vez mais adversas. Tipicamente, um projeto deste porte exige um número muito grande de análises numéricas de elementos finitos e exigem uma experiência grande por parte do projetista a fim de obter uma solução viável. Esse desafio leva engenheiros a buscarem ferramentas consistentes e seguras que auxiliem nas etapas iniciais do projeto das configurações de risers e que sejam capazes de diminuir o número de análises totais exigidas. Uma dessas ferramentas é a utilização de métodos de otimização para obter de maneira consistente e segura os parâmetros que definem uma configuração. Este trabalho apresenta o método de Otimização Bayesiana, um método baseado em técnicas de aprendizado de máquina capaz de resolver problemas de otimização do tipo caixa-preta de maneira eficiente explorando o uso de aproximações analíticas da função objetivo, que se quer otimizar. O método é aplicado em diferentes estudos de casos visando validálo como capaz de resolver problemas de configuração de riser de maneira eficiente e consistente. Dentre os problemas aplicados estão diferentes tipos de configurações, diferentes casos realistas, mono-objetivo e multi-objetivo.Risers are an important component in the oil s production and exploration field. They are responsible for the oil and gas transportation from the reservoir to the floating unit or injection of gas or water into the reservoir. The increasing the demand for this product has lead projects to explore to areas in which conditions are harsher. Typically, such a large project demands a large number of numerical finite element analyses and a great expertise from the engineer in charge in order to obtain a viable solution. This challenge leads engineers in search of consistent and reliable tools that assist in the early stages of the riser configuration design and are capable of reducing the number of total analyses required. One of these tools is application of optimization methods to obtain in a consistent and reliable manner the parameters which define a configuration. This work presents the Bayesian Optimization method, a method based on machine learning techniques capable of efficiently solving so called black box problems by exploring analytical approximations of the objective function, the function to be minimized. The method is applied to different case studies aiming to validate it as capable of solving a wide variety of riser configuration problems in an efficient and consistent way. Among the problems applied are different types of configurations, different realistic cases, mono-objective and multi-objective.PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIROhttps://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@1https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@2porreponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)instacron:PUC_RIOinfo:eu-repo/semantics/openAccess2023-06-26T10:14:21ZRepositório InstitucionalPRI
dc.title.en.fl_str_mv OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
dc.title.alternative.pt.fl_str_mv OTIMIZAÇÃO DA CONFIGURAÇÃO GEOMÉTRICA DE RISERS USANDO O MÉTODO DE OTIMIZAÇÃO BAYESIANA
title OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
spellingShingle OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
NICHOLAS DE ARAUJO GONZALEZ CASAPRIMA
title_short OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
title_full OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
title_fullStr OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
title_full_unstemmed OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
title_sort OPTIMIZATION OF GEOMETRIC RISER CONFIGURATIONS USING THE BAYESIAN OPTIMIZATION METHOD
dc.creator.Lattes.none.fl_str_mv
author NICHOLAS DE ARAUJO GONZALEZ CASAPRIMA
author_facet NICHOLAS DE ARAUJO GONZALEZ CASAPRIMA
author_role author
dc.contributor.advisor2ID.none.fl_str_mv 43980953491
dc.contributor.advisor-co1Lattes.none.fl_str_mv
dc.contributor.advisor1.fl_str_mv IVAN FABIO MOTA DE MENEZES
dc.contributor.advisor1ID.fl_str_mv 43980953491
dc.contributor.advisor1Lattes.fl_str_mv lattes.cnpq.br/2591330923317017
dc.contributor.advisor2.fl_str_mv IVAN FABIO MOTA DE MENEZES
dc.contributor.advisor2Lattes.fl_str_mv lattes.cnpq.br/2591330923317017
dc.contributor.advisor-co1.fl_str_mv JOSE HUGO CAPELLA GASPAR ELSAS
dc.contributor.advisor-co1ID.fl_str_mv 10159049717
dc.contributor.referee1.fl_str_mv IVAN FABIO MOTA DE MENEZES
dc.contributor.referee2.fl_str_mv JOSE HUGO CAPELLA GASPAR ELSAS
dc.contributor.referee3.fl_str_mv ANDERSON PEREIRA
dc.contributor.referee4.fl_str_mv ANDERSON PEREIRA
dc.contributor.referee5.fl_str_mv ANDERSON PEREIRA
dc.contributor.authorID.fl_str_mv 15961747735
dc.contributor.author.fl_str_mv NICHOLAS DE ARAUJO GONZALEZ CASAPRIMA
contributor_str_mv IVAN FABIO MOTA DE MENEZES
IVAN FABIO MOTA DE MENEZES
JOSE HUGO CAPELLA GASPAR ELSAS
IVAN FABIO MOTA DE MENEZES
JOSE HUGO CAPELLA GASPAR ELSAS
ANDERSON PEREIRA
ANDERSON PEREIRA
ANDERSON PEREIRA
description Os risers são importantes componentes na produção e exploração de petróleo e derivados. São responsáveis pelo transporte do óleo e gás encontrados no reservatório até a Unidade Estacionária de Produção (UEP) ou pela injeção de gás ou água no reservatório. A crescente demanda por esse produto faz com que a exploração seja feita em regiões com condições cada vez mais adversas. Tipicamente, um projeto deste porte exige um número muito grande de análises numéricas de elementos finitos e exigem uma experiência grande por parte do projetista a fim de obter uma solução viável. Esse desafio leva engenheiros a buscarem ferramentas consistentes e seguras que auxiliem nas etapas iniciais do projeto das configurações de risers e que sejam capazes de diminuir o número de análises totais exigidas. Uma dessas ferramentas é a utilização de métodos de otimização para obter de maneira consistente e segura os parâmetros que definem uma configuração. Este trabalho apresenta o método de Otimização Bayesiana, um método baseado em técnicas de aprendizado de máquina capaz de resolver problemas de otimização do tipo caixa-preta de maneira eficiente explorando o uso de aproximações analíticas da função objetivo, que se quer otimizar. O método é aplicado em diferentes estudos de casos visando validálo como capaz de resolver problemas de configuração de riser de maneira eficiente e consistente. Dentre os problemas aplicados estão diferentes tipos de configurações, diferentes casos realistas, mono-objetivo e multi-objetivo.
publishDate 2021
dc.date.issued.fl_str_mv 2021-05-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@2
url https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@1
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=54976@2
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.publisher.program.fl_str_mv PPG EM ENGENHARIA MECÂNICA
dc.publisher.initials.fl_str_mv PUC-Rio
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO
dc.source.none.fl_str_mv reponame:Repositório Institucional da PUC-RIO (Projeto Maxwell)
instname:Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron:PUC_RIO
instname_str Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO)
instacron_str PUC_RIO
institution PUC_RIO
reponame_str Repositório Institucional da PUC-RIO (Projeto Maxwell)
collection Repositório Institucional da PUC-RIO (Projeto Maxwell)
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1776626357083570176

Registros relacionados