Diagnóstico de falhas em turbogerador de plataforma de produção de óleo e gás tipo FPSO

• Ano de defesa: 2024
• Autor(a) principal: CASTRO, Patrício Fernandes de.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande; Brasil; Centro de Engenharia Elétrica e Informática - CEEI; PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA; UFCG
• Palavras-chave em Português: Modos e Efeitos de Falhas (FMECA); Análise de Criticidade; FPSO; Turbogerador; Diagnóstico de Falha; Sistema de Inferência Fuzzy; and Criticality Analysis (FMECA); Effect; Failure Mode; Turbogenerator; Failure Diagnosis; Fuzzy Inference System; Engenharia Elétrica
• Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/40087

O presente trabalho propõe uma análise diagnóstica dos dados operacionais de um sistema de óleo lubrificante mineral de turbogeradores, utilizando um sistema de inferência fuzzy (SIF). O estudo utiliza dados operacionais reais coletados de sensores de monitoramento supervisório em quatro turbogeradores instalados em uma unidades flutuantes de produção, armazenamento e transferência de petróleo e gás (FPSO, do inglês: Floating Production Storage and Offloading), ao longo de um período operacional de três anos, resultando em um conjunto de dados composto por 40.456.663 padrões de entrada. Os modos de falha foram estabelecidos por meio do conhecimento especializado, utilizando a análise de criticidade, modos e efeitos de falhas (FMECA, do inglês: Failure Mode, Effect, and Criticality Analysis) como base. Inicialmente, as variáveis universo do modelo foram construídas utilizando a faixa de calibração dos sensores, e em seguida, funções de pertinência trapezoidais fuzzy foram formuladas com base nos limites operacionais de cada parâmetro medido. O modelo de diagnóstico de falhas é fundamentado em um sistema de inferência fuzzy que emprega regras predefinidas, provenientes do conhecimento especializado, que encapsula tipologias de falhas específicas do sistema de óleo lubrificante mineral dos turbogeradores, utilizando a FMECA como base para definição dos modos de falhas e partes afetadas desse sistema. O SIF empregado como ferramenta de inteligência artificial (IA) demonstra eficácia no diagnóstico de falhas, com uma avaliação geral do desempenho do sistema que produz resultados satisfatórios, apresentando uma taxa de verdadeiro positivo de 98,35% para a classificação de falhas, juntamente com uma taxa de 99,99% de verdadeiro negativo para a classificação da condição de operação normal do sistema. Esses resultados destacam a viabilidade do modelo SIF para o diagnóstico de falhas do sistema de óleo lubrificante mineral dos turbogeradores, mostrando assim seu potencial para a melhoria da confiabilidade operacional e a eficiência da manutenção desses equipamentos. O modelo pode automatizar o processo de registro de falhas, fornecendo informações sobre as ocorrências de falhas e contribuindo para o seu registro e diagnóstico.