Como a inteligência artificial e conhecimentos de processo ajudaram a desenvolver um sistema competitivo e eficiente para monitorar tubulações de pequeno porte
Dados do Projeto
COBERTURA
8 km
de tubulação monitorada
Monitoramento e detecção por cada trecho existente
PRAZO
4 meses
do projeto à entrega
Setup, calibração dos modelos e comissionamento
SEGURANÇA
95%
de assertividade
Sistema testado e validado com vazamentos reais
Contexto e Desafios
Uma grande mineradora possuía a necessidade de monitorar toda a tubulação que transportava o rejeito de minério, desde as linhas do underflow dos espessadores até a barragem, totalizando aproximadamente 8 km de duto.
Foi montada uma equipe composta por cientistas de dados, engenheiro de dados e software, especialistas em processo e tubulação, que teve que lidar com os seguintes desafios:
- Encontrar um meio de monitorar e detectar vazamento em todos os 6 trechos existentes na tubulação
- Evitar a instalação de sensores de alto custo ou outros recursos que demandassem grande investimento
- Obter um número baixo de falso positivos, para não prejudicar a produtividade
Soluções Utilizadas e Equipamentos Fornecidos
Foi desenvolvido um sistema que, usando dados em tempo real dos sensores existentes ao longo do duto, faz uso de técnicas de machine learning para modelar e prever vazamentos.
As técnicas utilizadas são conhecidas como anolamy detection e, por meio de equações de balanço de energia e modelos regressores, permitiram que o sistema aprendesse o comportamento normal das tubulações e qualquer comportamento anômalo fosse tratado como um possível vazamento.
O sistema foi testado e validado com vazamentos reais, detectando vazamentos da ordem de 70 m³/h em uma tubulação que tinha uma vazão nominal de 1500 m³/h com uma assertividade de 95%.
O índice de falsos positivos foi de cerca de até um por semana, ou quatro por mês.
ENGENHEIRO DE CONTROLE DE PROCESSOS: Arthur Parreira
FULL STACK DATA SCIENTIST: Pablo Drumond
HEAD OF DATA SCIENCE & AI: Eduardo Magalhães
