Sistemas de detecção de falhas em sistemas de amarração de plataformas FPSOs
Plataformas flutuantes são utilizadas para exploração de recursos em alto mar. A estabilidade dessas plataformas offshores é mantida por seus sistemas de amarração, cuja integridade é muito importante para a operação segura da unidade. O monitoramento constante da integridade das linhas de amarração é de suma importância, dado que a estrutura flutuante está sempre exposta às condições ambientais do mar (ondas, ventos e correntes).
Esquema de uma produção offshore.
O projeto tem o objetivo de desenvolver um método de monitoramento das linhas de amarração utilizando algoritmos recentes e no estado da arte de Aprendizado Profundo (ou Deep Learning (DL), em inglês), a partir dos dados de movimento da plataforma. O sistema é composto por
(1) módulo DL de previsão de movimentos futuros da plataforma.
(2) cálculo do erro entre o movimento previsto e o medido e
(3) módulo de classificação do estado das linhas de amarração em função dos erros, indicando se houve ou não rompimento em alguma linha.
Foco: desenvolver um modelo de previsão de movimentos de alta precisão.
Modelo: optou-se pelo modelo DL recente Temporal Fusion Transformer (TFT).
Projeto: adota uma arquitetura e ferramentas que facilitam a execução e acompanhamento de experimentos.
A previsão dos movimentos com o Temporal Fusion Transformer resultou em desempenho bastante promissor, permitindo clara distinção no erro quando ocorre rompimento em uma linha.
A partir dos erros entre os movimentos previstos pelo modelo de regressão e os movimentos reais, O classificador utilizado, CatBoost, obteve uma taxa de acerto de 99,9% em conjuntos de teste.