Garavito Hernández, Edwin Javier
Uso de inteligencia artificial y/o redes neuronales para automatizar el proceso de detección de pulsos en señales MLWD/ Edwin Javier Garavito Hernández; Director de Tesis José Miguel Galindo , Datos electrónicos (1 archivos:5806 MG) - 1 CD-ROM (57 páginas); ilustraciones, tablas o cuadros; 12 cm
Tesis
Introducción -- Objetivos, objetivo general, objetivos específicos -- Justificación -- Marco de referencia, marco teórico, marco conceptual, marco legal -- Desarrollo de la propuesta, muestreo y obtención de señales LWD, Desarrollo de solución mediante Wavelets, cuantificación SNR de las señales -- Conclusiones
" Telemetría más utilizada en perforación es “Mud Pulse Telemetry ” para transmisión de datos en tiempo real. Se basa en la transmisión de fluctuaciones de presión a través de la columna de lodo de perforación, este tiene como problema fundamental las diversas componentes de ruido que se suman a la señal transmitida. Esto afecta el proceso de detección de los pulsos en superficie. Actualmente se realiza visualmente por el ingeniero de campo quien depende de su experiencia para lograr un trabajo satisfactorio durante toda la perforación del pozo. La idea fundamental es automatizar dicho proceso mediante el uso de herramientas modernas como Aprendizaje Profundo, Aprendizaje Automático, Reconocimiento de patrones y/o Redes Neuronales para caracterizar y mejorar el proceso de detección de los pulsos, minimizando el error humano durante la ejecución del trabajo. Se plantea una solución a través del uso de MATLAB® y las múltiples funciones desarrolladas como wavelets y filtros digitales que permiten eliminar el ruido de las señales y de esta manera facilitar la detección de los “picos” de la señal digital de Presión previamente adquirida a través del sistema DSP. Se logra gracias a la similitud entre las señales MLWD y las señales ECG comúnmente adquiridas por el área médica en la parte del análisis cardiaco. A partir de aquí, se hacen las adecuaciones de señal como filtrados digitales para eliminación de ruido y se evalúan y observan los resultados de forma satisfactoria. Se plantean posibles mejoras como la implementación en plataformas diferentes como Python y un posible incremento del SNR para facilitar aún más la detección "
Ingeniería de Petróleos--Inteligencia Artificial
Redes Neuronales--Pulsos en Señales MLWD
Th MIP 01
Uso de inteligencia artificial y/o redes neuronales para automatizar el proceso de detección de pulsos en señales MLWD/ Edwin Javier Garavito Hernández; Director de Tesis José Miguel Galindo , Datos electrónicos (1 archivos:5806 MG) - 1 CD-ROM (57 páginas); ilustraciones, tablas o cuadros; 12 cm
Tesis
Introducción -- Objetivos, objetivo general, objetivos específicos -- Justificación -- Marco de referencia, marco teórico, marco conceptual, marco legal -- Desarrollo de la propuesta, muestreo y obtención de señales LWD, Desarrollo de solución mediante Wavelets, cuantificación SNR de las señales -- Conclusiones
" Telemetría más utilizada en perforación es “Mud Pulse Telemetry ” para transmisión de datos en tiempo real. Se basa en la transmisión de fluctuaciones de presión a través de la columna de lodo de perforación, este tiene como problema fundamental las diversas componentes de ruido que se suman a la señal transmitida. Esto afecta el proceso de detección de los pulsos en superficie. Actualmente se realiza visualmente por el ingeniero de campo quien depende de su experiencia para lograr un trabajo satisfactorio durante toda la perforación del pozo. La idea fundamental es automatizar dicho proceso mediante el uso de herramientas modernas como Aprendizaje Profundo, Aprendizaje Automático, Reconocimiento de patrones y/o Redes Neuronales para caracterizar y mejorar el proceso de detección de los pulsos, minimizando el error humano durante la ejecución del trabajo. Se plantea una solución a través del uso de MATLAB® y las múltiples funciones desarrolladas como wavelets y filtros digitales que permiten eliminar el ruido de las señales y de esta manera facilitar la detección de los “picos” de la señal digital de Presión previamente adquirida a través del sistema DSP. Se logra gracias a la similitud entre las señales MLWD y las señales ECG comúnmente adquiridas por el área médica en la parte del análisis cardiaco. A partir de aquí, se hacen las adecuaciones de señal como filtrados digitales para eliminación de ruido y se evalúan y observan los resultados de forma satisfactoria. Se plantean posibles mejoras como la implementación en plataformas diferentes como Python y un posible incremento del SNR para facilitar aún más la detección "
Ingeniería de Petróleos--Inteligencia Artificial
Redes Neuronales--Pulsos en Señales MLWD
Th MIP 01