Avaliação de métodos de monitoramento da integridade de válvula de bloqueio do tipo esfera para a indústria de petróleo e gás

• Ano de defesa: 2024
• Autor(a) principal: Gouveia, Sandro Marcos
• Orientador(a): Clarke, Thomas Gabriel Rosauro
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Válvulas (Engenharia); Análise de falhas; Algoritmos
• Palavras-chave em Inglês: Shutdown valves; Pressure signature; Monitoring algorithms; Damage classification; Remaining Useful Life
• Link de acesso: http://hdl.handle.net/10183/280485

As válvulas de bloqueio do tipo esfera, também chamadas de (Emergency Shutdown Valves, ou ESDV) são componentes essenciais na indústria do petróleo e gás, especialmente na exploração e produção submarina. O monitoramento da integridade destes ativos críticos situados em locais de difícil acesso é fundamental. Uma abordagem para monitorar a integridade da válvula de segurança envolve a análise dos sinais de pressão e torque gerados durante suas operações de abertura e fechamento. Porém, a metodologia atual é realizada através da análise manual de pontos notáveis (Key Points, ou KPs), que necessita de um operador especializado e altamente treinado para localizar e apontar tais pontos. Algoritmos de processamento de sinais podem ser utilizados para automatizar esta tarefa, além de permitir também a identificação de eventuais danos nas válvulas de bloqueio. No entanto, estes algoritmos necessitam de um amplo banco de dados para o seu treinamento, o que pode ser escasso. Neste sentido, surge a oportunidade de utilizar dados sintéticos para treinar os algoritmos a fim de expandir o banco de dados. Soma-se a isto, a possibilidade de usar os algoritmos para o cálculo de Vida Útil Remanescente (Remaining Useful Life - RUL), para aumentar a confiabilidade e garantir a integridade das válvulas de segurança. Esta tese se propõe a avaliar técnicas de monitoramento em danos ocorridos em uma válvula de segurança do tipo esfera, durantes testes de ciclagem. A avaliação será conduzida por 3 técnicas: i) KPs, ii) índices de dano (Damage Index, ou DIs) e iii) assinatura de pressão completa. Primeiramente, foi implementado a automatização de localização dos KPs através dos algoritmos de processamento por técnicas de regressão. Também foi analisada a classificação de dano usando os 3 conjuntos de dados por 3 algoritmos distintos. O método de Monte Carlo, foi aplicado para gerar os dados sintéticos para treinar os algoritmos e aumentar o banco de dados. Por fim, foi aplicado um algoritmo de redes neurais, para a previsão do RUL do equipamento durante sua falha. As análises mostraram notáveis resultados na automatização dos KPs, com o algoritmo Gradiente Boosting apresentando os menores erros. Para a classificação de dano, a assinatura de pressão se mostrou o melhor conjunto de dado. Para o cálculo do RUL, as redes neurais obtiveram excelentes resultados, frente aos algoritmos de processamento. Os dados sintéticos se mostraram ótimos conjunto de dados para se treinar um algoritmo, na falta de dados reais, usando-se principalmente o sinal por completo. Concluímos que os DIs possuem potencial para substituir o uso convencional dos KPs no monitoramento de válvula de segurança e que o cálculo de RUL pode ser aplicado para estimar a vida remanescente. Finalmente, a aplicação de algoritmos de processamento de sinais, apresentaram excelente potencial para a automatização dos KPs e a identificação de dano durante o monitoramento.