$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
X
INFORMAÇÕES SOBRE DIREITOS AUTORAIS


As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.

A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.

A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.

A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital

Avançada


Formato DC |



Título: APPLYING DATA SCIENCE TO THE FUEL THEFT PROBLEM ON PIPELINES
Autor: RACHEL MARTINS VENTRIGLIA
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):  SILVIO HAMACHER - ADVISOR
LEILA FIGUEIREDO DANTAS - CO-ADVISOR

Nº do Conteudo: 57397
Catalogação:  14/02/2022 Idioma(s):  ENGLISH - UNITED STATES
Tipo:  TEXT Subtipo:  SENIOR PROJECT
Natureza:  SCHOLARLY PUBLICATION
Nota:  Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=57397&idi=1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=57397&idi=2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.57397

Resumo:
Fuel theft is a concern faced by various countries and oil and gas companies due to its impact on the environment and the safety of communities near oil pipelines. Thus, monitoring and inspecting the location of the oil pipelines through alerts is essential to prevent suspected fuel theft events and mitigate risks. Alerts are triggered by monitoring systems, and patrols are sent to verify the location and confirm the occurrence of illegal tapping. However, various signals can be activated in a short period, and their correct prioritization is essential to identify illegal tapping as quickly as possible. This work aims to use data science and machine learning techniques to perform a predictive model capable of forecasting the probability of an event resulting in an illegal tapping and understanding the factors that influence the occurrence. A Brazilian oil and gas transportation company provided data from a monitoring system supervised from January 2019 to August 2021. We used Four machine learning algorithms: Logistic Regression, Random Forest, XGBoost, and Catboost. The Random Forest obtained the best results in classifying alerts associated (or not) with an illegal tapping., showing accuracy and specificity of 78.6% and 68.3%, respectively. In this problem, specificity means that it is possible to reduce the sending of patrols on the field in 68.3% of cases. As for the external validation, the model also showed a good performance, with an accuracy and specificity of 61%. The high duration of the alert, the high history of illegal tapping, and the occurrence during the night are the ones that most influence illegal tapping occurrence.

Descrição Arquivo
COMPLETE  PDF  
Logo maxwell Agora você pode usar seu login do SAU no Maxwell!!
Fechar Janela



* Esqueceu a senha:
Senha SAU, clique aqui
Senha Maxwell, clique aqui