$$\newcommand{\bra}[1]{\left<#1\right|}\newcommand{\ket}[1]{\left|#1\right>}\newcommand{\bk}[2]{\left<#1\middle|#2\right>}\newcommand{\bke}[3]{\left<#1\middle|#2\middle|#3\right>}$$
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: APLICAÇÃO DE TÉCNICAS DE CIÊNCIA DE DADOS NO PROBLEMA DE FURTO DE COMBUSTÍVEL EM DUTOS
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Autor(es): RACHEL MARTINS VENTRIGLIA

Colaborador(es):  SILVIO HAMACHER - Orientador
LEILA FIGUEIREDO DANTAS - Coorientador
Número do Conteúdo: 57397
Catalogação:  14/02/2022 Idioma(s):  INGLÊS - ESTADOS UNIDOS

Tipo:  TEXTO Subtipo:  TRABALHO DE FIM DE CURSO
Natureza:  PUBLICAÇÃO ACADÊMICA
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@1
Referência [en]:  https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=57397@2
Referência DOI:  https://doi.org/10.17771/PUCRio.acad.57397

Resumo:
Furto de combustíveis é uma preocupação enfrentada por vários países e companhias da indústria de óleo e gás, devido aos seus impactos no meio ambiente e na segurança das comunidades próximas aos oleodutos. Por isso, o monitoramento e inspeção dos locais onde estão localizadas as faixas de duto por meio de alertas é fundamental para evitar suspeitas de furto de combustível e mitigar riscos. Os alertas são acionados por sistemas de monitoramento e patrulhas são enviadas para verificar a localização e confirmar ou não a ocorrência de furto de combustível, também conhecido como derivação clandestina. No entanto, vários sinais podem ser alarmados em um curto período, e sua correta priorização é essencial para identificar estas derivações clandestinas, o mais rápido possível. Este trabalho tem como objetivo utilizar técnicas de ciência de dados e aprendizado de máquina para realizar um modelo preditivo capaz de prever a probabilidade de um evento resultar em uma derivação clandestina e compreender os fatores que influenciam na sua ocorrência. Dados de um sistema de monitoramento de janeiro de 2019 a agosto de 2021 foram fornecidos por uma empresa brasileira de transporte de combustível. Usamos quatro algoritmos de aprendizado de máquina: Regressão Logística, Random Forest, XGBoost e Catboost. O Random Forest obteve os melhores resultados na classificação dos alertas associados (ou não) a uma derivação clandestina, apresentando acurácia e especificidade de 78,6% e 68,3%, respectivamente. Nesse problema, a especificidade significa que é possível reduzir o envio de rondas em campo em 68,3% dos casos. Quanto à validação externa, o modelo também apresentou bom desempenho, com acurácia e especificidade de 61%. A longa duração dos alertas, o elevado histórico de derivações clandestinas e a ocorrência dos alertas durante a noite são os fatores que mais influenciam na ocorrência de derivações clandestinas.

Descrição Arquivo
NA ÍNTEGRA  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