Exportar Publicação

A publicação pode ser exportada nos seguintes formatos: referência da APA (American Psychological Association), referência do IEEE (Institute of Electrical and Electronics Engineers), BibTeX e RIS.

Exportar Referência (APA) 
Chaile, V., Moro, S., Carneiro, A. & Ramos, R. F. (2021). Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação/Iberian Journal of Information Systems and Technologies (RISTI). 43, 5-20
Exportar Referência (IEEE) 
V. Chaile et al.,  "Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção", in RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação/Iberian Journal of Information Systems and Technologies (RISTI), no. 43, pp. 5-20, 2021
Exportar BibTeX 
@article{chaile2021_1732418171092,
	author = "Chaile, V. and Moro, S. and Carneiro, A. and Ramos, R. F.",
	title = "Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção",
	journal = "RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação/Iberian Journal of Information Systems and Technologies (RISTI)",
	year = "2021",
	volume = "",
	number = "43",
	doi = "10.17013/risti.43.5-20",
	pages = "5-20",
	url = "http://scielo.pt/scielo.php?script=sci_serial&pid=1646-9895&lng=pt&nrm=iso"
}
Exportar RIS 
TY  - JOUR
TI  - Aplicação das redes neuronais artificiais para classificação das operações de perfuração: O caso de poços deepwater de exploração e produção
T2  - RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação/Iberian Journal of Information Systems and Technologies (RISTI)
IS  - 43
AU  - Chaile, V.
AU  - Moro, S.
AU  - Carneiro, A.
AU  - Ramos, R. F.
PY  - 2021
SP  - 5-20
SN  - 1646-9895
DO  - 10.17013/risti.43.5-20
UR  - http://scielo.pt/scielo.php?script=sci_serial&pid=1646-9895&lng=pt&nrm=iso
AB  - A aplicação de métodos automáticos para classificação de texto não
estruturadas são extremamente valiosas para a indústria de Oil&Gas. A perfuração
é uma operação que acarreta custos elevados que são proporcionais à duração das
atividades. A classificação das diversas operações durante a perfuração é muito
importante para gerar premissas de duração para o projeto de novos poços. Para
este artigo, dois procedimentos independentes foram realizados para identificar
o melhor modelo de NPT (Non-Productive Time) e PT (Productive Time ). As
conclusões apontam o modelo Multi-layer Perceptron (MLP) como o melhor
modelo. O sistema de classificação pode ser utilizado para produzir um relatório
preciso e detalhado sobre as atividades realizadas durante a perfuração de um poço.
Através desse trabalho é possível concluir que os relatórios diários de perfuração
atualmente disponíveis representam uma fonte rica de informação e podem ser
utilizados para melhorar o processo de construção de poços de petróleo.
ER  -