000			nam a22 7a 4500
999			_c49078 _d49078
005			20240308062734.0
008			240305e2023 ck a|||fsm||| 00| 0 spa d
040			_aCO-NeUS _bspa _erda
041			_aspa
100	1		_aGaravito Hernández, Edwin Javier _9156910
245	1		_aUso de inteligencia artificial y/o redes neuronales para automatizar el proceso de detección de pulsos en señales MLWD/ _cEdwin Javier Garavito Hernández; Director de Tesis José Miguel Galindo
256			_aDatos electrónicos (1 archivos:5806 MG)
264	1		_aNeiva: _bUniversidad Surcolombiana, _c2023
300			_a1 CD-ROM (57 páginas); _bilustraciones, tablas o cuadros; _c12 cm
336			_2rdacontent _atxt _btxt
337			_2rdamedia _ac _bcd
338			_2rdacarrier _acd _bcd
347			_2rda _atexto _bpdf
502			_aTesis _bIngeniero de Petróleos _cUniversidad Surcolombiana.Facultad de Ingeniería. Maestría en Ingeniería de Petróleos. _d2023
505			_aIntroducción -- 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
520			_a" 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 "
700	1		_944181 _aGalindo Sánchez, José Miguel _edrt
082	0	4	_221 _aTh MIP 01
650		0	_9156918 _aIngeniería de Petróleos _xInteligencia Artificial
650		0	_9156919 _aRedes Neuronales _xPulsos en Señales MLWD
942			_2Local _cCD _hTh MIP 01 _kTh