Trabalho8 Mestrado Igor Oliveira 2020

UNIVERSIDADE FEDERAL DE ALAGOAS
CENTRO DE TECNOLOGIA
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL
IGOR DE MELO NERY OLIVEIRA
TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À

ANÁLISE DE INTEGRIDADE DE REVESTIMENTOS
Maceió-AL
Dezembro de 2020
TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À

ANÁLISE DE INTEGRIDADE DE REVESTIMENTOS
Dissertação apresentada como requisito parcial

para obtenção do grau de Mestre pelo Programa
de Pós-Graduação em Engenharia Civil do Cen-
tro de Tecnologia da Universidade Federal de
Alagoas.
Orientador: Prof. Dr. Eduardo Toledo de Lima

Junior
Maceió-AL
Dezembro de 2020
Catalogação na fonte
Universidade Federal de Alagoas
Biblioteca Central
Divisão de Tratamento Técnico
Bibliotecário: Marcelino de Carvalho Freitas Neto – CRB-4 – 1767
O48t Oliveira, Igor de Melo Nery.

Técnicas de inferência e previsão de dados como suporte à análise de
integridade de revestimentos / Igor de Melo Nery Oliveira. - 2020.
84 f. : il.
Orientador: Eduardo Toledo de Lima Junior.

Dissertação (Mestrado em Engenharia Civil) – Universidade Federal de
Alagoas. Centro de Tecnologia. Maceió, 2021.
Bibliografia: f. 83-84.
1. Inferência estatística. 2. Análise de séries temporais. 3. Modelos

Autorregressivos, Integrados e de Médias Móveis. 4. Monitoramento estrutural -
Transformação digital. I. Título.
CDU:624.04
Universidade Federal de Alagoas – UFAL
Unidade Acadêmica Centro de Tecnologia – CTEC
Programa de Pós-Graduação em Engenharia Civil – PPGEC
TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À ANÁLISE

DE INTEGRIDADE DE REVESTIMENTOS
Dissertação submetida à banca examinadora do Programa de Pós-Graduação em Engenharia

Civil da Universidade Federal de Alagoas e aprovada no dia 21 do mês de dezembro do ano de
2020.
Banca Examinadora:
_______________________________________________________
Prof. Dr. Eduardo Toledo de Lima Junior
(Orientador – PPGEC/UFAL)
_______________________________________________________
Prof. Dr. João Paulo Lima Santos
(Avaliador Interno- PPGEC/UFAL)
_______________________________________________________
Pesquisador Dr. Ricardo Emanuel Vaz Vargas
(Avaliador Externo – PETROBRAS)
Campus A. C. Simões, Av. Lourival de Melo Mota, S/N

Tabuleiro do Martins – CEP 57072-970 – Maceió – Alagoas
Tel/Fax: (82) 3214-1863
E-mail: [email protected]
Homepage: www.ctec.ufal.br/posgraduacao/ppgec
AGRADECIMENTOS
À minha esposa Camila Farias por me apoiar nos momentos difíceis, sempre me moti-
vando para a conclusão deste trabalho.
À minha mãe Maria Cícera, por sempre acreditar em mim e me dar todo o suporte para
concluir mais esta fase da minha vida.
Ao meu pai Esequiel Nery e minha vó Maria Vitória, que não estão mais aqui mas são
minha fonte de inspiração, por sempre terem se preocupado com minha educação e formação.
Ao professor Eduardo Toledo por sua imensa paciência, atenção, apoio, e orientação
incansável. Este trabalho não seria possível sem sua ajuda.
Ao professor William Lira por todas as oportunidades que me foram dadas, imprescindí-
veis para que eu trilhasse esta jornada.
Aos demais professores que contribuíram com minha formação acadêmica, em especial
os professores Eduardo Nobre, Flávio Lima, Márcio André e Adeildo Soares, por compartilharem
seus conhecimentos e serem fonte de inspiração e exemplo.
A todos os amigos que me apoiaram durante os contratempos, em especial Felipe Pedrosa,
Lucas Omena, Weverton Marques, Lucas Gouveia, Wellington Pedro, Thiago Barbosa, Tarciso,
Ricardo, Catarina, Tiago, Heleno e Emerson.
Ao Laboratório de Computação Científica e Visualização (LCCV), por sua infraestrutura
e ambiente propício para desenvolvimento do trabalho.
À PETROBRAS, pelo suporte financeiro concedido por meio do projeto de pesquisa,
desenvolvimento e inovação identificado pelo número ANP 20601-1.
RESUMO
O projeto de um poço de petróleo é uma atividade complexa e multidisciplinar, que tem como uma
de suas principais premissas a adequada previsão de integridade do poço ao longo de seu ciclo de
vida. Apesar de todos os cuidados no dimensionamento da sua estrutura, eventualmente o poço
pode ser exposto a condições de carregamento não previstas. No tocante ao monitoramento de
poços em serviço, a aquisição de dados referentes a variáveis como pressão e temperatura permite
identificar se o poço está operando dentro dos parâmetros previstos em projeto. Por meio de
técnicas de previsão de séries de dados temporais, as informações desses sensores têm potencial
de serem utilizadas não só para diagnosticar um problema já ocorrido, mas também para prevenir
a sua ocorrência, criando um sistema supervisório em tempo real que seja capaz de antecipar
estados futuros de carregamento. Em outra perspectiva, no contexto de projetos de poços, com
a evolução das normas de projeto de revestimento, sugere-se o uso de métodos probabilísticos
em seu dimensionamento, evidenciando a importância de um melhor conhecimento acerca das
variáveis de projeto. A inferência estatística sobre dados de fabricação é motivada pela demanda
por um melhor entendimento das incertezas sobre esses parâmetros, em termos das dimensões
do tubular e das propriedades da liga metálica que o constitui. Esta dissertação versa sobre um
conjunto de técnicas de inferência estatística e previsão de dados, como suporte a práticas de
projeto e de monitoramento de integridade estrutural de poços.
Palavras-chave: Transformação Digital; Inferência Estatística; Monitoramento Estrutural; Séries

Temporais; ARIMA.
ABSTRACT
The design of an oil well is a complex and multidisciplinary activity, which has as one of its
main premises the adequate prediction of the well’s integrity throughout its life cycle. Despite
all the effort taken in designing its structure, eventually, the well may be exposed to unpredicted
loading conditions. Regarding the well monitoring, the acquisition of data referring to variables
such as pressure and temperature allows identifying whether the well is operating within the
parameters predicted in the design. By using time series forecasting techniques, the information
gathered from the sensors can be used to diagnose an anomaly that has already occurred and
prevent its occurrence, creating a real-time supervisory system capable of anticipating future
loading states. Furthermore, in the context of well design, with the evolution of the rules for
casing design, it is suggested to use probabilistic methods, highlighting the importance of better
knowledge about the design variables. The statistical inference about manufacturing data is
motivated by the demand for a better understanding of these parameters’ uncertainties in terms
of the dimensions of the tubular and the properties of the metallic alloy that constitutes it. This
dissertation approaches a set of statistical inference and data prediction techniques, aiming to
support designing practices and monitor the structural integrity of wells.
Keywords: Digital Transformation; Statistical inference; Structural Monitoring; Time Series;

ARIMA .
LISTA DE FIGURAS
Figura 1 – Combinações de enviesamento e variância. . . . . . . . . . . . . . . . . . . 25

Figura 2 – Histograma de avgWT do tubo 2 e suas distribuições candidatas. . . . . . . 40
Figura 3 – Histograma de avgWT do tubo 18 e suas distribuições candidatas. . . . . . . 41
Figura 4 – Histograma de avgOD do tubo 29 e suas distribuições candidatas. . . . . . . 42
Figura 5 – Histograma de avgOD do tubo 46 e suas distribuições candidatas. . . . . . . 43
Figura 6 – Histograma dos dados de YS e suas distribuições candidatas. . . . . . . . . 47
Figura 7 – Histograma dos dados de UTS e suas distribuições candidatas. . . . . . . . 47
Figura 8 – Histograma de avgWT do conjunto global e suas distribuições candidatas. . 49
Figura 9 – Histograma de avgOD do conjunto global e suas distribuições candidatas. . 50
Figura 10 – Histograma de avgWT do conjunto global e todas as distribuições candidatas. 53
Figura 11 – Histograma de avgOD do conjunto global e as distribuições candidatas. . . . 53
Figura 12 – Gráfico de barras com a composição das distribuições agrupadas pela sua
quantidade de parâmetros segundo a ordem do BIC para o conjunto de dados
avgWT. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
avgOD. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Figura 14 – Histograma de YS do conjunto global e todas as distribuições candidatas. . . 56
Figura 15 – Histograma de UTS do conjunto global e as distribuições candidatas. . . . . 56
YS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
UTS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Figura 18 – Histograma de avgOD do conjunto global padronizado e suas distribuições
candidatas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Figura 19 – Histograma de avgWT do conjunto global padronizado e suas distribuições
candidatas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
global padronizado avgOD. . . . . . . . . . . . . . . . . . . . . . . . . . . 60
global padronizado avgWT. . . . . . . . . . . . . . . . . . . . . . . . . . . 60
Figura 22 – Pressão no PDG durante um evento de fechamento espúrio da DHSV. . . . . 64
Figura 23 – Pressão no PDG logo após um evento de fechamento espúrio da DHSV. . . 64
Figura 24 – Gráfico ACF para d = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Figura 25 – Gráfico PACF para d = 0. . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Figura 28 – Isocurvas do AIC segundo os hiperparâmetros do ARIMA. . . . . . . . . . 66
Figura 29 – Previsão da série temporal via modelo ARIMA(1,0,10). . . . . . . . . . . . 67
Figura 30 – Previsão da série temporal via modelo ARIMA(5,0,13). . . . . . . . . . . . 68
Figura 31 – Esquema simplificado de um poço típico offshore. . . . . . . . . . . . . . . 69
Figura 32 – Pressão no P-MON-CKP com amplitude do sinal. . . . . . . . . . . . . . . 69
Figura 33 – Janela utilizada para treinamento do modelo. . . . . . . . . . . . . . . . . . 70
Figura 37 – Previsão da série temporal via modelo ARIMA (11,0,19). . . . . . . . . . . 72
Figura 38 – Previsão da série temporal via modelo ARIMA (11,0,17). . . . . . . . . . . 72
Figura 39 – Janela utilizada para treinamento do modelo. . . . . . . . . . . . . . . . . . 74
Figura 43 – Previsão da série temporal via modelo ARIMA (2,0,0). . . . . . . . . . . . 76
Figura 44 – Dados do poço número 1 e previsões via ARIMA. . . . . . . . . . . . . . . 78
Figura 45 – MAE dos valores previstos via ARIMA para o poço número 1. . . . . . . . 78
Figura 46 – Janela de operação normal do poço número 2 e previsões via ARIMA. . . . 79
Figura 47 – MAE dos valores previstos via ARIMA para o poço número 2. . . . . . . . 80
Figura 48 – Dados do poço número 2 e previsões via ARIMA. . . . . . . . . . . . . . . 80
LISTA DE TABELAS
Tabela 1 – Funções de probabilidade de modelos usuais de distribuição. . . . . . . . . 20

Tabela 2 – Momentos dos modelos de distribuição candidatos. . . . . . . . . . . . . . 21
Tabela 3 – Dados de espessura média do tubo 2. . . . . . . . . . . . . . . . . . . . . . 37
Tabela 4 – Dados de espessura média do tubo 18. . . . . . . . . . . . . . . . . . . . . 37
Tabela 5 – Dados de diâmetro médio do tubo 29. . . . . . . . . . . . . . . . . . . . . . 38
Tabela 6 – Dados de diâmetro médio do tubo 46. . . . . . . . . . . . . . . . . . . . . . 38
Tabela 7 – Modelos candidatos ajustados sobre os dados de avgWT do tubo 2. . . . . . 38
Tabela 8 – Modelos candidatos ajustados sobre os dados de avgWT do tubo 18. . . . . 39
Tabela 9 – Modelos candidatos ajustados sobre os dados de avgOD do tubo 29. . . . . 39
Tabela 10 – Modelos candidatos ajustados sobre os dados de avgOD do tubo 46. . . . . 39
Tabela 11 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados
de avgWT do tubo 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
de avgWT do tubo 18. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
de avgOD do tubo 29. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
de avgOD do tubo 46. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
Tabela 15 – Resumo da inferência dos 50 conjuntos amostrais de seções de avgWT. . . . 44
Tabela 16 – Resumo da inferência dos 50 conjuntos amostrais de seções de avgOD. . . . 44
Tabela 17 – Modelos candidatos parametrizados sobre os dados de resistência YS. . . . 45
Tabela 18 – Modelos candidatos parametrizados sobre os dados de resistência UTS. . . . 45
de YS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
de UTS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
Tabela 21 – Modelos candidatos parametrizados sobre os dados de avgWT do conjunto
global. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
de avgWT do conjunto global. . . . . . . . . . . . . . . . . . . . . . . . . 48
Tabela 23 – Modelos candidatos parametrizados sobre os dados de avgOD do conjunto
global. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
de avgOD do conjunto global. . . . . . . . . . . . . . . . . . . . . . . . . . 50
Tabela 25 – Grau de incerteza na aferição dos dados do conjunto global de avgWT. . . . 51
Tabela 26 – Grau de incerteza na aferição dos dados do conjunto global de avgOD. . . . 51
Tabela 27 – Lista das 94 distribuições candidatas e seu correspondente número de parâ-
metros. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
de avgWT do conjunto global incluindo modelos de maior complexidade. . 54
de avgOD do conjunto global incluindo modelos de maior complexidade. . . 54
de YS para os modelos expandidos. . . . . . . . . . . . . . . . . . . . . . . 57
de UTS para os modelos expandidos. . . . . . . . . . . . . . . . . . . . . . 57
de avgOD do conjunto global padronizado. . . . . . . . . . . . . . . . . . . 61
de avgWT do conjunto global padronizado. . . . . . . . . . . . . . . . . . 62
Tabela 34 – Modelos indicados segundo seu AIC. . . . . . . . . . . . . . . . . . . . . . 67
Tabela 35 – Medidas de acurácia das estimativas dos valores para treino da Série de Dados 1. 68
Tabela 36 – Medidas de acurácia das previsões dos valores futuros da Série de Dados 1. 68
Tabela 38 – Medidas de acurácia das estimativas dos valores para treino da série de dados 2. 73
Tabela 39 – Medidas de acurácia das previsões dos valores futuros da série de dados 2. . 73
Tabela 41 – Medidas de acurácia das estimativas dos valores para treino da série de dados 3. 76
Tabela 42 – Medidas de acurácia das previsões dos valores futuros da série de dados 3. . 76
LISTA DE ABREVIATURAS E SIGLAS
ACF Função de Autocorrelação (Autocorrelation Function)
AIC Critério de Informação de Akaike (Akaike Information Criterion)
AR Modelos Autorregressivos (Auto Regressive Models)
ARIMA Modelos Autorregressivos, Integrados e de Médias Móveis (Auto Regressive

Integrated Moving Average Models)
ARMA Modelos Autorregressivos e de Médias Móveis (Auto Regressive Moving

Average Models)
avgOD Diâmetro Externo Médio (Average Outer Diameter)
avgWT Espessura de Parede Média (Average Wall Thickness)
BIC Critério de Informação Bayesiano (Bayesian Information Criterion)
CDF Função de Distribuição Acumulada (Cumulative Distribution Function)
Cov Covariância (Covariance)
CV Coeficiente de Variação (Coefficient of Variation)
CVRMSE Coeficiente de Variação da Raiz Quadrada do Erro Quadrático Médio (Coef-

ficient of Variation of the Root Mean Square Error)
DHSV Válvula de Segurança de Subsuperfície (Downhole safety valve)
I Modelos Integrados (Integrated Models)
IID Independente e Identicamente Distribuída (Independent and Identically

Distributed)
KS Teste Kolmogorov-Smirnov (Kolmogorov-Smirnov Test)
MA Modelos de Médias Móveis (Moving Average Models)
MAE Erro Absoluto Médio (Mean Absolute Error)
MAPE Erro Absoluto Médio Percentual (Mean Absolute Percentage Error)
PACF Função de Autocorrelação Parcial (Partial Autocorrelation Function)
PCK Válvula de Bloqueio de Produção (Production Choke)
PDF Função de Densidade de Probabilidade (Probability Density Function)

PDG Medidor de Pressão de Fundo (Pressure Downhole Gauge)
P-MON-CKP Pressão à Montante da PCK (Pressure Upstream of PCK)
RMSE Raiz Quadrada do Erro Quadrático Médio (Root Mean Square Error)
RNA Redes Neurais Artificiais (Artificial Neural Network)
UTS Resistência à Tração (Ultimate Tensile Strength)
YS Tensão de Escoamento (Yield strength)

SUMÁRIO
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2 Metodologia e Organização do Trabalho . . . . . . . . . . . . . . . . . . 16
1.3 Delimitação do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2 INFERÊNCIA ESTATÍSTICA DE DADOS . . . . . . . . . . . . . . . . 18

2.1 Seleção de um Modelo de Distribuição Estatística . . . . . . . . . . . . . 19
2.2 Parametrização dos Modelos Estatísticos Hipotéticos . . . . . . . . . . . 21
2.3 Testes de Aderência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Critérios de Informação . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.5 Quantificação de Incertezas no Processo de Aquisição de Dados . . . . . 26
2.6 Imposição de Limites num Modelo de Distribuição Teórico . . . . . . . . 27
3 PREVISÃO DE DADOS POR MODELOS ARIMA . . . . . . . . . . . . 29

3.1 Quantificação da Dependência dos Termos de uma Série Temporal . . . 29
3.2 Modelos Autorregressivos, Integrados e de Médias Móveis (ARIMA) . . 31
3.3 Medidas de Acurácia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4 ESTUDOS DE CASO DE INFERÊNCIA E PREVISÃO DE DADOS

COMO SUPORTE À ANÁLISE DE INTEGRIDADE DE REVESTI-
MENTOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.1 Inferência Estatística de Dados de Produção de Tubulares . . . . . . . . 36
4.2 Previsão de Dados para Detecção de Anomalias . . . . . . . . . . . . . . 63
5 CONCLUSÃO E SUGESTÕES PARA TRABALHOS FUTUROS . . . . 81
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
14
1 INTRODUÇÃO
O projeto de um poço de petróleo é uma atividade complexa e envolve a análise de

diferentes aspectos, tais como a confiabilidade do revestimento, o comportamento do sal durante
a perfuração, dentre outros. Cada um desses aspectos é analisado por profissionais com especiali-
dades distintas, tornando, assim, o projeto de um poço uma tarefa multidisciplinar, composto de
vários subprojetos, que devem ser analisados de forma integrada.
O gerenciamento de um poço de petróleo é fundamentado em analisar, de forma eficiente,
uma grande massa de dados oriundos das diversas partes do sistema que compõem o poço de
petróleo. Partes estas relativas à sua composição - formação geológica, maquinário, fluidos,
componentes estruturais do poço, estado de pressão e temperatura atuantes - e à sua temporalidade
- etapa de exploração, projeto, perfuração, produção, intervenção e possível fechamento.
A integração dos diversos subprojetos, através de um sistema inteligente e automatizado,
capaz de tomar decisões e auxiliar o gerenciamento de um poço, de forma eficiente e segura,
está no ápice da inovação tecnológica em termos de transformação digital para o setor de óleo e
gás. Diversas são as referências à transformação digital e à indústria 4.0 no setor. No que diz
respeito a equipamentos e instalações offshore, existem iniciativas para monitoramento estrutural
e supervisão operacional em plataformas marítimas (GERKE, 2018 (acessado em 24/07/2018)).
Mayani et al. (2018) apresentam casos de utilização de modelos Digital Twin em operações de
perfuração nos últimos dez anos, em diferentes operadoras. Nadhan et al. (2018) mostram como
a aquisição de dados em tempo real e a análise preditiva em operações de perfuração podem
trazer benefícios no processo de tomada de decisão.
Em sua maioria, as metodologias referenciadas são baseadas no entendimento dos efeitos
das condições operacionais e anômalas sobre a integridade estrutural, segurança e desempenho
do sistema em estudo. Normalmente, esse entendimento se concretiza na forma de fatores de
segurança utilizados durante o projeto. Estes asseguram um determinado nível de segurança
para cenários de carregamento previamente experimentados e, portanto, já conhecidos pelos
projetistas, não contemplando situações extremas ainda não previstas.
Apesar de todos os cuidados no dimensionamento da estrutura de um poço (considerando
a pior situação possível com a máxima carga e a mínima resistência), eventualmente pode ocorrer
algo em sua operação que venha a submetê-lo a uma condição não prevista, como, por exemplo,
uma manobra de válvulas que pode pressurizar demasiadamente um revestimento. Essa situação
pode comprometer toda a estrutura do poço, podendo causar um prejuízo financeiro ou um dano
ambiental expressivo. Há casos registrados onde mais de 60% dos poços de um campo tiveram
falha no revestimento durante a sua produção (YUAN et al., 2013) .
Mesmo com todos esses impactos, o monitoramento estrutural de um poço apresenta
grandes dificuldades, a começar pelo número reduzido de sensores que podem ser instalados,
15
limitados ao interior da coluna de produção e ao anular adjacente. Cada sensor de monitoramento

tem objetivos diversos, podendo ainda ser aproveitados para monitoramento estrutural dos poços
de petróleo, atualizando continuamente os cenários de carregamento aos quais os revestimentos
estão submetidos, e verificando se algum elemento estrutural está próximo da falha.
Para garantir a integridade do poço e promoção da segurança operacional, propõe-se
uma estratégia de monitoramento do estado de carregamento do poço para identificar se ele está
operando dentro dos parâmetros previstos em projeto. Medições fora do esperado podem indicar
diversas situações, como falha de equipamento, previsões equivocadas de comportamento do
reservatório, erros humanos na operação do poço ou mesmo falhas no projeto.
Através de técnicas de previsão de séries de dados temporais, as informações desses
sensores têm potencial de serem utilizadas não só para diagnosticar um problema já ocorrido,
mas também para prevenir a sua ocorrência, criando um sistema preditivo em tempo real que
seja capaz de antecipar o estado de carregamento futuro.
Neste contexto, a demanda por técnicas que realizem a previsão de estados futuros de
carregamento em um poço é uma realidade corrente da Petrobras, sendo o tema explorado em
um projeto de pesquisa em execução pelo grupo em que o autor está inserido (LCCV, 2020).
Não obstante, no contexto de projetos de poços de petróleo, com o advento da API TR
5C3 (2008), que preconiza uso de modelos de resistência de tubulares em Estado de Limite
Último e sugere o uso de métodos probabilísticos para o projeto de revestimentos, evidencia-se a
importância de um melhor conhecimento acerca das variáveis de projeto, incluindo parâmetros
dos tubulares e carregamentos atuantes, possibilitando projetar poços que satisfaçam um nível de
confiança alvo.
Estudos referentes à comparação dos níveis de segurança embutidos nas formulações
de projeto sugeridas pela API TR 5C3 (2008) são apresentados em Gouveia (2014). Ainda, o
autor verifica a probabilidade de falha de tubos de revestimento em poços de petróleo com base
em dados estatísticos de tubos reais compilados pela API. Oliveira (2017) contribui ao tema
ao incorporar variáveis aleatórias de carregamento à análise. Já Silva (2018) utiliza a teoria de
confiabilidade de sistemas para analisar modos de falha associados em sistemas de revestimento.
A inferência estatística sobre dados de produção é motivada pela demanda por um melhor
entendimento das incertezas sobre os parâmetros de projeto de revestimento, em termos das
dimensões do tubular e das propriedades da liga metálica que o constitui.
Quantificar estas variabilidades decorrentes dos sistemas de produção, somadas à im-
precisões na aquisição de dados, permite avaliar a influência de cada variável aleatória sobre
o desempenho estrutural do tubo, bem como sua conformidade, levando a uma definição mais
robusta dos valores admissíveis de cada um desses parâmetros. Assim, contribui-se com o projeto
de sistemas de revestimento, de forma que estes satisfaçam níveis de segurança especificados,
sem abrir mão da economicidade.
16
Técnicas de inferência estatística sobre dados de fabricação de tubulares figuram como

um tema de interesse por parte da Petrobras, sendo objeto de estudo em um projeto de pesquisa
em andamento no grupo do autor (LCCV, 2019), de forma que tais técnicas auxiliem a análise
de confiabilidade estrutural de poços, assim como apontado por Silva (2018).
Em suma, esta dissertação versa sobre um conjunto de técnicas de inferência estatística
e previsão de dados. Entende-se que as duas frentes de trabalho, por mais que distintas, são
campos complementares de ciência de dados.
As aplicações apresentadas e discutidas nesta dissertação são concentradas em poços de
petróleo, devido aos projetos de pesquisa supracitados. No entanto, ressalta-se que tais técnicas
podem ser aplicadas em outros contextos com tratamento de séries de dados.
1.1 Objetivos
Estudar e aplicar técnicas de ciência dos dados no contexto do projeto e do monitoramento

de integridade estrutural de poços de petróleo.
1.1.1 Objetivos Específicos
• Estudar e codificar técnicas de inferência estatística, e posterior aplicação a dados de

manufatura de tubulares;
• Codificar e analisar técnicas de previsão de séries temporais, tendo em vista o monitora-

mento e antecipação do estado de carregamento de poços em produção;
• Criar uma rotina de monitoramento em tempo real para detecção e antecipação de anoma-
lias como apoio à análise de integridade do poço.
1.2 Metodologia e Organização do Trabalho
Esta dissertação foi desenvolvida em cinco capítulos. O primeiro capítulo consiste da

presente introdução sobre os temas abordados neste trabalho.
No Capítulo 2 expõe-se um conjunto de técnicas para inferência estatística de dados.
Uma revisão bibliográfica é realizada sobre conceitos de probabilidade e estatística e as principais
distribuições de probabilidade contínuas; seguida por métodos de parametrização de distribuições
de probabilidade hipotéticas, são eles: Método do Momentos (HANSEN, 1982) e Método da
Máxima Verossimilhança (SEVERINI, 2000); os testes de aderência Chi-Quadrado, Kolmogorov-
Smirnov e Anderson-Darling (GIBBONS; CHAKRABORTI, 2014) são apresentados; ao final do
capítulo, técnicas complementares para inferência estatística são expostas: seleção de modelos
por meio de critérios de informação, quantificação de incertezas no processo de aquisição de
dados e uma metodologia de imposição de limites numa distribuição hipotética.
17
No Capítulo 3 são abordadas técnicas para previsão de séries temporais de carregamento.

O método Autorregressivo Integrado de Médias Móveis (VU, 2007), do inglês Auto Regressive
Integrated Moving Average (ARIMA) é explorado.
O Capítulo 4 traz exemplos, analisa os resultados e discute o emprego das técnicas
expostas nos Capítulos 2 e 3, como também apresenta as rotinas de inferência estatística e de
monitoramento em tempo real para detecção de anomalias.
Por fim, o Capítulo 5 conclui o texto, sintetizando e sugerindo aplicações para trabalhos
futuros que utilizem os resultados concebidos e apresentados.
1.3 Delimitação do Trabalho
Este trabalho versa sobre um conjunto de técnicas de inferência estatística e previsão de

séries temporais. Por mais que estas técnicas sejam contemplados em ciência de dados, atenta-se
para a sutil diferença entre os dois termos.
Segundo James et al. (2013), existem duas abordagens para estimar um conjunto de
dados: um problema de inferência pretende estimar quanto cada variável precisamente influencia
o resultado da observação, isto é, a inferência almeja identificar a formulação que origina o
conjunto de dados; enquanto que uma abordagem de previsão de dados entende que existem
erros irredutíveis na formulação e não é possível identificar a formulação original do conjunto de
dados, seu objetivo é aproximar um modelo de forma a minimizar seu erro redutível.
No escopo deste trabalho, as técnicas de inferência apresentadas visam identificar o
comportamento de séries de dados de produção que, por sua natureza, são séries cujos elementos
não apresentam uma relação de dependência entre si. Tais técnicas empenham-se em detectar
qual distribuição de probabilidades hipotética melhor se adéqua a determinado conjunto de dados
de produção. Os modelos estatísticos testados são limitados à sua disponibilidade na biblioteca
Scipy Stats (Virtanen et al., 2020), observando-se a aplicabilidade ao conjunto de dados em
estudo.
As técnicas de previsão expostas são aplicadas em séries de dados temporais estáveis
com padrões visíveis, de forma que observações futuras possam ser estimadas a partir das
observações passadas, não sendo contemplados conjuntos de dados que apresentem, por exemplo,
sazonalidade pronunciada.
18
2 INFERÊNCIA ESTATÍSTICA DE DADOS
Em processos estocásticos, um evento aleatório é um experimento o qual pode gerar

resultados diferentes (diz-se aleatórios) mesmo que satisfeitas as mesmas condições iniciais,
isto é, não é possível garantir resultados idênticos ao se reproduzir com exatidão um mesmo
experimento.
Parte da aleatoriedade se dá pelo fato de não se conhecer (ou não ser possível controlar)
todos os fatores que determinam o resultado de um experimento. Erros de medida são os mais
comuns, especialmente quando determinada precisão é almejada.
Define-se variável aleatória como o resultado quantitativo de um evento aleatório, popula-
ção como o conjunto de todos os resultados de um determinado evento aleatório e amostra como
um subconjunto da população, geralmente criado a partir de uma investigação dos resultados do
evento aleatório.
Na indústria de óleo e gás, pode-se exemplificar tais conceitos no processo de fabricação
de um tubo de revestimento: por mais automatizado que seja o processo de fabricação do tubo,
de forma a garantir um padrão nas peças produzidas, há uma variação entre os diâmetros dos
tubos de um mesmo lote. De fato, há inclusive uma variação no diâmetro ao longo de um tubo,
quando este é aferido ao longo de diferentes seções transversais, como habitualmente utilizado
no sistema de controle de qualidade.
Pode-se, assim, considerar o processo de fabricação desse tubular como um evento aleató-
rio, suas variáveis geométricas e mecânicas (como espessura, diâmetro, tensão de escoamento do
aço, dentre outras) são variáveis aleatórias e o conjunto de resultados de um lote é uma amostra
da população total de todos os tubos que podem ser produzidos.
Para caracterizar uma variável aleatória a partir de uma amostra representativa da popula-
ção, é necessário encontrar um modelo de distribuição estatística que se adéque aos dados. Esta
busca envolve três etapas:
1. Seleção de um modelo de distribuição estatística candidato;
2. Determinação de parâmetros para o modelo candidato, de forma que este mimetize o

comportamento aleatório dos dados amostrais;
3. Testes para avaliar a fidelidade do ajuste realizado no modelo candidato parametrizado

(testes de aderência).
Estas etapas são exploradas nas seções seguintes. De forma geral, quanto maior o conjunto
de dados, mais ruído é adicionado à amostra, além disso os testes de aderência tornam-se mais
rigorosos. Um pré-tratamento dos dados pode ajudar na redução destes ruídos.
19
Após a exposição dos métodos para caracterização estatística dos dados, via testes de
aderência, alguns outros conceitos são apresentados, no que diz respeito a: seleção de modelos
por meio de critérios de informação; quantificação de incertezas no processo de aquisição de
dados, e; uma metodologia de imposição de limites numa distribuição hipotética.
2.1 Seleção de um Modelo de Distribuição Estatística
Diversos modelos teóricos de distribuição podem ser empregados na representação de

variáveis aleatórias, a depender da natureza e do comportamento destas. Alguns modelos usuais
de fenômenos em engenharia são descritos a seguir, sendo suas equações de densidade de
probabilidade (PDF) e de distribuição acumulada (CDF) listadas na Tabela 1.
2.1.1 Modelo de Distribuição Uniforme
É a mais simples das distribuições contínuas, e preconiza que a probabilidade de se gerar

qualquer ponto em um intervalo contido no espaço amostral é inversamente proporcional ao
tamanho do intervalo.
2.1.2 Modelo de Distribuição Normal (Gaussiano)
Modelo amplamente difundido, frequentemente utilizado para prever e modelar fenô-

menos da natureza graças ao Teorema do Limite Central. A partir deste, propõe-se que toda
soma de variáveis aleatórias independentes (de média finita e variância limitada) tem distribuição
aproximadamente Normal, desde que o número de termos da soma seja suficientemente grande.
Trata-se de um modelo simétrico em relação à média, com decaimento exponencial de
probabilidades nas caudas, amplamente utilizado na modelagem de dados de diversos setores do
conhecimento. Na escassez de dados amostrais, pode ser utilizado como uma primeira estimativa
e comportamento aleatório de variáveis em engenharia.
2.1.3 Modelo de Distribuição Log-Normal
O logaritmo de uma variável com distribuição Log-Normal é uma distribuição Normal.

O teorema do limite central prova que todo produto de variáveis aleatórias independentes e
positivas de média finita e variância limitada tem distribuição aproximadamente Log-Normal,
desde que o número de termos do produto seja suficientemente grande. Isto é, a distribuição
Log-Normal é o resultado estatístico do produto de várias distribuições independentes.
2.1.4 Modelo de distribuição Logístico
Modelo simétrico, semelhante à distribuição Normal, que se diferencia desta pelos

valores extremos mais pronunciados, o que resulta em caudas com valores de probabilidade mais
representativos. Utilizada em estudos demográficos e em diferentes problemas de engenharia.
20
2.1.5 Modelo de Distribuição Gamma
Muito utilizada na análise de tempo de vida de produtos e materiais, sendo uma das
distribuições mais gerais em sua definição. Muito utilizada como base geral para criação de
distribuições mais específicas, como casos particulares desta temos os modelos Exponencial e
Chi-Quadrado.
2.1.6 Modelo de Distribuição Weibull
Distribuição bastante utilizada devido à sua versatilidade, sendo capaz de reproduzir

comportamentos diversos. Mostra-se apropriada para a representação de valores de carrega-
mentos ambientais, de resistência de materiais e a vida útil de produtos industriais. Proposta
originalmente em estudos relacionados ao tempo de falha devido à fadiga de metais.
2.1.7 Modelo de Distribuição Gumbel
Modelo de distribuição de extremos, geralmente empregado para representar valores

extremos de eventos ambientais, na previsão de desastres naturais como enchentes, tornados
e terremotos, por exemplo. Porém, também é usada para modelar a distribuição de diversas
variáveis em engenharia, incluindo parâmetros geométricos, de material, além de solicitações.
A variável aleatória modelada costuma ser um valor de máximo ou mínimo. A distri-
buição Gumbel é também conhecida como Log-Weibull, uma outra relação entre a distribuição
Gumbel com outras distribuições é que a diferença entre duas distribuições Gumbel é uma
distribuição Logística.
Tabela 1 – Funções de probabilidade de modelos usuais de distribuição.
Distribuição PDF(x) CDF(x) Limites

1 x
Uniforme b−a b−a
[a, b]
2 R x h− 1 ( t−µ )2 i
h i
− 12 ( x−µ
σ )
Normal √1 e √1 e 2 σ dt [−∞, ∞]
σ· 2π h σ· 2π −∞
ln(x)−µ 2
i
− 21 ( )

ln(x)−µ
Log-Normal √1 e σ
Φ [0, ∞]
σx 2π σ
x−µ
e
−( s ) 1
Logístico !2 [−∞, ∞]
−
x−µ
(
s ) 1+e
−( x−µ
s )
s· 1+e
β α α−1 −βx 1
Gamma Γ(α)
x e Γ(α)
γ(α, βx) [0, ∞]
x k x k
k x k−1 −( λ ) 1 − e−( )

Weibull λ λ
e λ [0, ∞]
x−µ
−e ( β )
x−µ −
1 −( β +e−x )
Gumbel β
e e [−∞, ∞]
Fonte: próprio autor.
21
2.2 Parametrização dos Modelos Estatísticos Hipotéticos
Os modelos teóricos de distribuição de probabilidade são modelos genéricos para des-

crição de um comportamento estatístico, sua forma pode ser modificada de acordo com a
determinação de seus parâmetros. A seguir são dispostos métodos para determinação dos pa-
râmetros de um modelo de distribuição que represente o comportamento de uma população, a
partir de seus valores amostrais.
2.2.1 Método dos Momentos
Neste método os parâmetros são determinados de forma que os momentos do modelo

sejam iguais aos da amostra. Para um modelo de dois parâmetros, isto significa que a média e a
variância devem ser iguais às da amostra. Caso o modelo possua mais de dois parâmetros há a
necessidade de determinar momentos de graus superiores, skewness e kurtosis são os momentos
de terceira e quarta ordem de uma variável aleatória.
A Tabela 2 apresenta a relação entre os parâmetros e os momentos dos modelos usuais
de fenômenos em engenharia apresentados anteriormente.
Tabela 2 – Momentos dos modelos de distribuição candidatos.
Distribuição Média Desvio Padrão

1 1
Uniforme 2
(b
+ a) 12
(b − a)2
Normal µ σ
2

µ+ σ2
p 2
Log-Normal e (eσ − 1) · e2µ+σ2
s2 π 2
Logistico µ √3
α α
Gamma β β
q 2
1
λ · Γ 1 + k2 − Γ 1 + k1

Weibull λ·Γ 1+ k
β·π
Gumbel µ+β·γ 3
É importante mencionar que o modelo está sendo aproximado para a amostra, a qual
possui um erro intrínseco em relação a sua população total. Ainda assim, este é um método
bastante preciso e utilizado. A depender do modelo de distribuição, a obtenção analítica de seus
parâmetros em função dos momentos da amostra pode não ser direta e o uso de algum método
de otimização é necessário (WOOLDRIDGE, 2001).
2.2.2 Método da Máxima Verossimilhança
Diferente do método anterior onde os parâmetros do modelo são ajustados para se

adequarem à amostra de dados, neste método o modelo é ajustado de forma que uma amostragem
futura do modelo tenha uma chance ótima de coincidir com os valores amostrais já observados
(WALPOLE, 2011).
22
O método propõe adequar o modelo à população, diferente do método dos momentos que
visa a adequação aos valores amostrais. Ressalta-se que há um erro intrínseco entre a população
total e seus dados amostrais, qualquer que seja o seu tamanho.
Seja xi o i-ésimo de um total de n valores amostrais, e seja f (x|θ) a PDF do modelo,
de parâmetros θ, aplicada no ponto x. O funcional de verossimilhança L(θ) a ser maximizado
(Equação 2.1) é o produtório da PDF em todos os pontos amostrais, ou seja:
n
Y
L(θ) = f (xi |θ). (2.1)
i=1
Assim, o método da máxima verossimilhança busca o vetor θ que maximize o funcional

de verossimilhança, é comum aplicar o logaritmo natural sobre a função de maximização para
simplificar o termo produtório (Equação 2.2) (PAWITAN, 2001). O resultado apresenta benefícios
pois a maioria das PDF dos modelos teóricos de distribuição são funções exponenciais, para
muitas das quais é possível encontrar uma expressão analítica de seus parâmetros em função dos
valores amostrais.
Evidencia-se que o artifício de aplicar o logaritmo natural só é possível pois a função
logarítmica é estritamente crescente para bases superiores à unitária.
n
X
max L(θ) = max ln [f (xi |θ)]. (2.2)
θ θ
i=1
Em termos estatísticos, este método é um dos mais eficientes, por alcançar o limite
inferior da variância entre os estimadores não-viesados de um parâmetro determinístico. Ou
seja, qualquer estimador não-viesado terá um erro médio de estimação maior que o estimador de
máxima verossimilhança (ANG; TANG, 2007).
2.3 Testes de Aderência
O ajuste de um modelo estatístico não garante que ele é uma boa representação dos
valores observados, garante apenas que os melhores parâmetros foram determinados, dadas as
características do modelo. Após a parametrização, testes de aderência são usados para avaliar a
fidelidade do ajuste realizado no modelo de distribuição hipotético.
A qualidade do ajuste do modelo hipotético é estimada por um valor denominado valor
observado. Os testes de aderência realizam um teste de hipótese, onde avaliam se o valor
hipotético (valor observado) referente ao ajuste está abaixo do valor esperado. O valor esperado,
por sua vez, quantifica o valor máximo admissível que o modelo hipotético pode apresentar de
forma a ser fiel à amostra de dados.
Os testes são pautados num nível de significância α, que pode ser visto como a margem
de erro admissível do teste, usualmente adotado como 5% em problemas de engenharia. Esse
23
valor significa que existe não mais do que 5% de chances de que um bom modelo seja rejeitado
no teste, ou seja, a adoção de níveis de significância maiores indica a imposição de testes mais
rigorosos. Encontra-se na literatura valores usuais entre 1% e 10%, a depender do nível de
precisão requerida e da natureza dos dados da amostra. Dentre os testes de aderência amplamente
difundidos na literatura, destacam-se os três descritos a seguir.
2.3.1 Teste Chi-Quadrado
O Teste Chi-Quadrado avalia a qualidade do ajuste do modelo por meio da comparação

entre sua PDF e a frequência de ocorrências da amostra (histograma de densidade de probabi-
lidade), sendo portanto sensível ao número de intervalos em que o histograma é dividido. A
formulação de seu valor esperado é apresentada na Equação 2.3:
k
X (Oi − n · (CDF (xi+1 ) − CDF (xi )))2
χ2o = (2.3)
i=1
n · (CDF (xi+1 ) − CDF (xi ))
sendo k o número total de intervalos do histograma e Oi o total de observações no i-ésimo

intervalo do histograma de ocorrências. O termo no denominador fornece o total de indivíduos
observados, sendo então o produto do número de observações totais n com a probabilidade do
i-ésimo intervalo do histograma (este por sua vez é a diferença entre as funções de probabilidade
acumulada nos extremos do intervalo do histograma).
A distribuição da estatística χ2o se aproxima do modelo de distribuição Chi-Quadrado
conforme o tamanho da amostra cresce. O valor esperado do teste é determinado a partir da
distribuição Chi-Quadrado com p − 1 graus de liberdade, sendo p o número de parâmetros da
distribuição a ser testada.
2.3.2 Teste Kolmogorov-Smirnov
O teste de aderência Kolmogorov-Smirnov realiza uma comparação entre o modelo e

a amostra pelo cálculo da máxima distância entre a função de probabilidade acumulada e o
histograma cumulativo, fornecendo um resultado mais confiável por não depender do número
de intervalos do histograma, manipulando os dados de forma direta. A formulação de seu valor
observado é apresentada na Equação 2.4:
i
kso = max k n
− CDF (xi ) k (2.4)
1≤i≤n
sendo xi o i-ésimo termo da amostra ordenada e ni a função cumulativa da amostra, razão entre a
ordem da observação e o número total de amostras.
24
O valor esperado da estatística de teste Kolmogorov-Smirnov, para amostras com menos

de 50 indivíduos, costuma ser apresentado por meio de valores tabelados. Para amostras com
mais de 50 elementos, o valor esperado pode ser definido por uma função assintótica.
2.3.3 Teste Anderson-Darling
Semelhante ao teste Kolmogorov-Smirnov, o teste de aderência Anderson-Darling avalia

o modelo ajustado em termos de densidade acumulada, sua diferença está em realizar a quanti-
ficação a partir do somatório de distâncias quadradas ponderadas. Sua apresentação formal é
apresentada na Equação 2.5:
n
1X
A2o = −n − [(2i − 1) · ln (CDF (xi )) + (2 (n − i) + 1) · ln (1 − CDF (xi ))] (2.5)
n i−1
sendo xi o i-ésimo termo de um conjunto com n valores amostrais.

A estatística de teste Ao assume que a população possui distribuição normal e seus
parâmetros são conhecidos. Caso a média ou variância da população tenha sido obtida por
meio de observações amostrais, ou o modelo de distribuição a ser testado não seja normal, uma
modificação deve ser realizada na estatística de teste, a depender do modelo utilizado.
2.4 Critérios de Informação
Sempre que se discute inferência ou previsão de dados, deve ser dada atenção aos erros
inerentes a estes processos: erros de viés, erros de variância e erros irredutíveis (este último será
discutido posteriormente).
O viés é a diferença entre os valores gerados pelo modelo substituto e o valor real da
população ou que se tenta prever. Um modelo com alto viés absorve pouca informação dos dados
que ajustaram o modelo, resultando em modelos mais simples e com poucos parâmetros.
Variância é a variabilidade da previsão do modelo para um determinado ponto de dados
ou um valor que nos informa a distribuição de nossos dados. Um modelo com alta variância
absorve muita informação dos dados que ajustaram o modelo e não generaliza sobre os dados
que não viu antes.
A Figura 1 ilustra graficamente as combinações de enviesamento e variância. A compen-
sação entre viés e variância (Bias-Variance Tradeoff) se refere ao fato de que ao tentar fazer uma
previsão estatística, há uma compensação entre a exatidão da previsão e sua precisão, ou equi-
valentemente entre seu enviesamento e variância (DOROUDI, 2020). Obter uma compreensão
adequada desses erros ajuda não apenas a construir modelos precisos, mas também a evitar os
erros de sobreajuste (overfitting) e subajuste (underfitting).
25
Figura 1 – Combinações de enviesamento e variância.
Fonte: Doroudi (2020), editado.
Uma solução para avaliar a compensação entre viés e variância dos modelos estatísticos
ajustados, que se sobressai ao teste de aderência por não se basear em testes de hipótese, é o
Critério de Informação de Akaike (AIC).
Baseado no funcional de verossimilhança (Equação 2.1), este critério busca maximizar
o logaritmo da verossimilhança enquanto minimiza o número de parâmetros do modelo, sua
fórmula é exposta na Equação 2.6:
AIC = −2 · ln [L(θ)] + 2 · p (2.6)
sendo p o número de parâmetros do modelo e L o funcional de verossimilhança para parâmetros

θ.
Existem outros critérios de informação, semelhantes ao AIC. Destaca-se o Critério de
Informação Bayesiano (BIC), sua formulação é expressa na Equação 2.7:
BIC = −2 · ln [L(θ)] + ln(n) · p (2.7)

26
sendo p o número de parâmetros do modelo, n o número de dados amostrais e L o funcional de

verossimilhança para os parâmetros θ.
O BIC costuma penalizar distribuições com mais parâmetros de forma mais rígida, mas
depende do termo adicional do tamanho amostral e sua relação com o número de parâmetros da
distribuição.
Note-se que os critérios de informação servem apenas para realizar comparações entre
modelos, de forma que, quanto menor o seu valor, melhor o modelo deve se adequar aos dados.
Estas métricas fornecem uma análise qualitativa da aderência, sendo útil em uma pré-seleção
de modelos estatísticos mais adequados, por meio do ranqueamento de uma lista de modelos
candidatos.
2.5 Quantificação de Incertezas no Processo de Aquisição de Dados
A aquisição dos dados amostrais para posterior inferência estatística deve ser realizada
com cuidado quanto à sua precisão. O registro de dados imprecisos diminui a acurácia no cálculo
dos momentos da amostra, podendo originar uma análise estatística inconclusiva ou incorreta.
De forma geral, a margem de erro δf do valor de uma função f propagada a partir
das suas n variáveis xi é avaliada por meio da expressão da Equação 2.8, originada a partir da
expansão em série de Taylor de primeira ordem da função f :
n
X ∂f
δf = δxi (2.8)
i=1
∂x i
onde δxi corresponde à margem de erro da variável xi .

Desta forma, assumindo que todos os dados foram registrados com uma mesma precisão
δx, a margem de erro propagada para a média, variância e desvio padrão da amostra podem ser
avaliados, respectivamente, por meio das Equações 2.9, 2.10 e 2.11:
δµ = δx (2.9)
n
X 2 (xi − µ)
δν = · δx (2.10)
i=1
n−1
n
X xi − µ δx
δσ = · . (2.11)
i=1
n−1 σ
Observa-se pelas equações acima que a média amostral possui uma incerteza semelhante
à dos dados amostrais. A margem de erro da variância é amplificada de acordo com o número de
elementos da amostra e de sua variância em torno do seu valor médio, já a incerteza no desvio
padrão é semelhante à incerteza da variância mas atenuada pelo seu próprio valor.
27
2.6 Imposição de Limites num Modelo de Distribuição Teórico
Grande parte dos modelos contínuos de distribuição de probabilidades não possui valores
limites, ou seus limites não condizem com a natureza da variável estudada. Assim, por mais que
um determinado modelo emule o comportamento de uma variável aleatória, o comportamento de
suas caudas pode ser decisivo no estudo, sendo adequado impor limites nos valores da variável. A
título de ilustração, destaca-se a tolerância preconizada pela API TR 5C3 (2008) para o valor do
diâmetro externo de tubulares de revestimento. Segundo o documento, pode-se ter uma variação
de -0,5% a 1,0% em torno do valor nominal da variável.
Ao ser imposto um limite [a, b] para os valores de uma variável aleatória de distribuição
X, de CDF FX e PDF fX , temos que a probabilidade total dos eventos deixa de ser unitária
(Equação 2.12), o que não é possível para distribuição de probabilidades segundo os axiomas da
teoria da probabilidade:
Z b
fX dx = 1 − [FX (b) − FX (a)] (2.12)
a
Uma solução proposta por Du e Hu (2012), aplicada em rotinas de confiabilidade

estrutural, é utilizar uma constante multiplicadora que corrija a probabilidade total para seu valor
unitário. A Equação 2.13 apresenta a PDF f˜ do modelo corrigido proposto:



 0 se x < a

f˜(x) = 1
FX (b)−FX (a)
· fX (x) se a ≤ x ≤ b . (2.13)



0 se x > b
A CDF F̃ do modelo corrigido proposto pode ser avaliada por meio da Equação 2.14,
avaliada a partir da aplicação de integral sobre os termos da Equação 2.13:



 0 se x < a

FX (x)−FX (a)
F̃ (x) = FX (b)−FX (a)
se a ≤ x ≤ b . (2.14)



1 se x > b
Observa-se que a imposição de limites numa distribuição hipotética pode acarretar em

resultados indesejados, como a modificação dos momentos da distribuição. Sugere-se realizar
esta imposição em casos onde a região negligenciada tenha uma probabilidade de ocorrência
pouco relevante:
1 − [FX (b) − FX (a)] < 1%. (2.15)

28
Caso a variável possua valores limites com uma probabilidade de ocorrência superior à
condição imposta na Equação 2.15, é provável que os dados, em si, não respeitem estes limites.
Assim, as caudas pronunciadas não são um mero produto da distribuição teórica adotada, mas
um comportamento dos dados da amostra.
Para a utilização desta metodologia, é preferível realizar a parametrização dos modelos
estatísticos hipotéticos pelo Método da Máxima Verossimilhança pois, como demonstrado na
Equação 2.16, os parâmetros da distribuição com a imposição de limites são os mesmos da
distribuição sem a imposição de limites, desde que todos os dados amostrais pertençam ao limite
imposto.
n
X h i
max L̃(θ) = max ln f˜(xi |θ)
θ θ
i=1
n
X 1
= max ln · fX (xi |θ)
θ
i=1
FX (b) − FX (a)
Xn
= max [ln [f (xi |θ)] − ln [FX (b) − FX (a)]]
θ
"i=1 # (2.16)
n
X
= max −n · ln [FX (b) − FX (a)] + ln [f (xi |θ)]
θ
i=1
n
X
= max ln [f (xi |θ)]
θ
i=1
= max L(θ).
θ
Evidencia-se pelo resultado acima que o funcional de verossimilhança é maximizado

para os mesmos parâmetros, independentemente da imposição de limites para a variável, motivo
pelo qual foi sugerido esta forma de correção na Equação 2.13.
29
3 PREVISÃO DE DADOS POR MODELOS ARIMA
De forma geral, nem todas as séries de dados temporais são previsíveis. Se todos os dados
da série são independentes, então não existem modelos que garantam a previsão dos valores da
série temporal. Por outro lado, caso os dados da série sejam independentes, indica-se realizar
uma inferência estatística sobre os dados.
A área de previsão de dados assume que uma observação Xt , no tempo t, é passível
de ser estimada por um valor X bt , determinado por meio de um modelo matemático que utiliza
informações anteriores, isto é, as observações passadas Xk , com k < t.
Um modelo de previsão ideal deve reduzir o erro redutível (Equação 3.1) entre o valor
estimado e o dado real, normalmente determinando seus parâmetros de forma a minimizar este
valor segundo alguma métrica de erro (JAMES et al., 2013), sendo comum adotar a soma dos
quadrados das diferenças. Em um modelo ideal, esta diferença entre o valor real e o estimado é
uma série com média zero, independente e identicamente distribuída (IID), denominada ruído
branco.
εt = X t − X
bt . (3.1)
Para verificação das condições de IID do ruído branco, pode-se computar a autocorrelação
da série. Os gráficos de autocorrelação (ACF) e autocorrelação parcial (PACF) também são
utilizados no método de previsão ARIMA e, portanto, serão apresentados a seguir.
3.1 Quantificação da Dependência dos Termos de uma Série Temporal
A dependência regular entre termos de uma série temporal pode ser avaliada por dife-
rentes métricas, são elas a autocovariância, a autocorrelação e a autocorrelação parcial. Tais
métricas são expostas a seguir.
3.1.1 Autocovariância
A dependência entre um termo Xt da série e o termo Xt+h pode ser computada numeri-
camente através da covariância (Cov) entre eles. Como a covariância é avaliada entre termos da
mesma série, diz-se que foi realizada a autocovariância, sendo sua formulação apresentada na
Equação 3.2:
γX (h) = Cov(Xt , Xt+h ) = E[(Xt − µ) · (Xt+h − µ)] (3.2)
onde E[] é o valor médio ou esperança matemática.

30
Para valores amostrais, como a aplicação em questão, temos a fórmula transformada para
Equação 3.3:
Pn−h
k=1 (Xk − µ) · (Xk+h − µ)
γ
bX (h) = . (3.3)
n−h−1
Uma propriedade da autocovariância é que ela não excede o valor da variância da série
temporal, desta forma, o valor da autocovariância pode ser normalizado.
3.1.2 Autocorrelação
A autocorrelação é estimada ao se reduzir a variância do valor da sua autocovariância,

como presente na Equação 3.4:
Cov(Xt , Xt+h ) E[(Xt − µ) · (Xt+h − µ)]

ρX (h) = = 2
. (3.4)
V AR[X] σX
Como a autocovariância é menor ou igual à variância de uma série, temos que a auto-
correlação é compreendida entre −1 e 1. Uma correlação positiva (ρX (h) > 0) indica que os
termos Xt e Xt+h estão crescendo ou decrescendo juntos, enquanto que uma correlação negativa
(ρX (h) < 0) indica que quando um dos termos está crescendo, o outro está decrescendo.
A norma da correlação |ρX (h)| indica quão forte a correlação entre os termos é. Quanto
mais próximo de 1, maior a correlação entre os termos. Uma correlação próxima de 0 significa
que não é possível associar uma tendência linear de crescimento (ou decrescimento) no termo
Xt+h graças ao crescimento (ou decrescimento) do termo Xt .
Para valores amostrais, temos a fórmula modificada da Equação 3.5:
Pn−h
k=1 (X − µ) · (Xk+h − µ) n−1
ρbX (h) = Pnk 2
· . (3.5)
k=1 (Xk − µ) n−h−1
Numa série de dados com valores significativos de autocorrelação para atrasos ρX (1),
ρX (2), ρX (3) até ρX (h), temos que um termo Xt+h é relacionado com cada um de seus termos
anteriores. Assim, é interessante avaliar a correlação entre o termo Xt+h e seu atraso h (elemento
Xt ) excluindo-se as relações indiretas com os demais termos intermediários. Temos assim a
autocorrelação parcial.
3.1.3 Autocorrelação Parcial
Autocorrelações parciais medem a dependência linear de duas variáveis após remover o

efeito de outras variáveis que afetam as duas variáveis iniciais. A formulação para o cálculo da
autocorrelação parcial não é direta e requer a solução de múltiplos sistemas de equações lineares.
31
De forma geral, a formulação da autocorrelação parcial pode ser apresentada pela

Equação 3.6:
Cov(Yt , Yt+h )
τX (h) = p (3.6)
V AR[Yt ] · V AR[Yt+h ]
onde Yt é o resíduo obtido ao ajustar um modelo linear multivariado na série [Xt+1 , Xt+2 , ...,
Xt+(h−1) ] de forma a prever o termo Xt , representando a variância residual em Xt após remover
a influência dos demais termos; Yt+h é obtido de forma análoga ao ajustar um modelo linear
multivariado na série [Xt+1 , Xt+2 , ..., Xt+(h−1) ] de forma a prever o termo Xt+h .
3.2 Modelos Autorregressivos, Integrados e de Médias Móveis (ARIMA)
Modelos do tipo ARIMA agrupam uma série de estruturas lineares com forte autocorre-
lação de dados, encontradas em séries temporais estáveis com padrões previsíveis.
Este conjunto de modelos é formado pela combinação independente de modelos Autorre-
gressivos (AR), Integrados (I) e de Médias Móveis (MA). A seguir é apresentada a formulação
dos modelos.
3.2.1 Modelos Autorregressivos (AR)
Estes modelos são fundamentados na relação linear direta entre uma certa quantidade de
observações passadas e a observação futura. O hiperparâmetro p do modelo identifica quantas
observações passadas interferem no valor da observação seguinte.
Seja Xt a observação no instante t, seu valor pode ser estimado segundo a Equação 3.7:
p
X
(Xt − µ) = φk · (Xt−k − µ) + εt (3.7)
k=1
onde µ é o valor médio da série temporal, os termos φk são as constantes da combinação linear e
os termos εk representam o ruído branco do modelo.
Uma propriedade importante dos modelos autorregressivos é que a autocorrelação parcial
é nula para atrasos superiores à p + 1, onde p é o hiperparâmetro do modelo. A Equação 3.8
resume o resultado:

= 0 se h > p
τX (h) . (3.8)
6= 0 se h ≤ p
Séries autorregressivas têm, em geral, coeficientes de autocorrelação que decaem con-

forme o atraso entre os termos aumenta, mas nunca chega a zero. Um termo Xt+h está sempre
relacionado ao termo atrasado Xt , mesmo para um atraso h longo.
32
Assim, uma série autorregressiva possui uma memória relativamente longa, pois o valor
atual de uma série está correlacionado com todos os anteriores, embora que com coeficientes
decrescentes.
Essa propriedade significa que é possível escrever uma série AR como uma função linear
de todos os termos anteriores, com pesos que tendem a zero com o atraso. Logo, uma série AR
não pode representar muito bem séries curtas, onde o valor atual da série é correlacionado apenas
com um pequeno conjunto de valores anteriores.
Um modelo de previsão semelhante ao AR, mas que possui a propriedade de memória
curta é o Modelo de Médias Móveis, do inglês Moving Average Model (MA). Uma série MA
pode ser vista como uma combinação linear de um número finito, e geralmente pequeno, de seus
elementos anteriores, isto é, um elemento Xt só é influenciado por q elementos anteriores, os
termos xt−k , onde k > q, não influenciam os termos atuais da série.
3.2.2 Modelos de Médias Móveis (MA)
Diferente dos modelos AR onde as observações futuras são estimadas com uma função
direta das observações anteriores, modelos MA estimam observações futuras por meio dos termos
da série de ruído branco das observações anteriores. A Equação 3.9 apresenta a formulação do
modelo:
q
X
Xt = µ + θk · εt−k + εt (3.9)
k=1
onde µ é o valor médio da série temporal, os termos θk são as constantes da combinação linear e
os termos εk representam o ruído branco do modelo.
O principal ganho do modelo MA, em relação ao modelo AR, é que a autocorrelação de
seus elementos é nula para atrasos superiores à q + 1, onde q é o hiperparâmetro do modelo que
identifica quantos termos passados influenciam a observação seguinte. A Equação 3.10 remete
ao resultado:

= 0 se h > q
ρX (h) . (3.10)
6= 0 se h ≤ q
3.2.3 Modelos Autorregressivos de Médias Móveis (ARMA)
Um modelo mais genérico, criado a partir da combinação dos dois modelos anteriores,
forma o Modelo Autorregressivo de Médias Móveis (ARMA), capaz de prever observações futu-
ras a partir de sua relação com observações e ruídos anteriores, sua formulação é a combinação
33
das Equações 3.7 e 3.9, como presente na Equação 3.11, pois admite-se que os modelos AR e
MA são independentes:
q p
X X
(Xt − µ) = θj · εt−j + φk · (Xt−k − µ) + εt . (3.11)
j=1 k=1
Uma condição necessária para que uma série temporal seja bem modelada pelo modelo
ARMA é que essa seja estacionária, isto é, que a média e a variância da série se mantenham
constantes, independentemente do intervalo de tempo a ser analisado. Muitas vezes, as séries
temporais podem apresentar uma tendência de crescimento ou decrescimento, impedindo a
aplicação direta do modelo ARMA.
3.2.4 Modelos Autorregressivos, Integrados de Médias Móveis (ARIMA)
O Modelo Integrado (I) soluciona a tendência de séries temporais de crescimento ou

decrescimento monótono, ampliando a quantidade de séries que podem ser modeladas pelo
modelo ARMA.
Séries temporais criadas por meio da diferença entre os termos vizinhos de uma série
são estacionárias, caso a série temporal original seja monótona. O parâmetro d do Modelo
Integrado remete ao número de diferenciações realizadas sobre os dados originais, até que se
torne estacionário.
Desta forma, a generalização dos modelos para identificação de padrões de resposta de
séries temporais é denominado ARIMA, por ser a combinação dos modelos Autorregressivo,
Integrado e de Médias Móveis. Este modelo possui os hiperparâmetros p, d e q relativos aos
seus modelos originais e independentes AR, I e MA. A determinação de seus hiperparâmetros
caracteriza o modelo utilizado para previsão dos dados.
A escolha dos hiperparâmetros é realizada mediante os indicadores de autocorrelação
da série de dados. Os gráficos de autocorrelação (ACF) e de autocorrelação parcial (PACF)
determinam o valor do hiperparâmetro d que garanta que os dados sejam estacionários, como
também estimam os valores de p e q.
Uma vez determinado o hiperparâmetro d, a escolha dos hiperparâmetros p e q pode
ser estabelecida por meio de uma otimização de inteiros. Os gráficos de ACF e PACF indicam
valores de p e q, enquanto que uma busca de grade sobre os valores indicados otimiza seus
valores.
O método de busca de grade é um método exaustivo de busca por um ponto ótimo. A
métrica utilizada para avaliar o ajuste do modelo é a minimização do Critério de Informação de
Akaike (AIC).
Assim, como apresentado no capítulo sobre inferência de dados, o AIC se baseia na
função de verossimilhança, maximizando o logaritmo da verossimilhança enquanto minimiza
34
o número de parâmetros do modelo. A fórmula do AIC como métrica de ajuste de modelos

ARIMA é exposta na Equação 3.12:
AIC = −2 · log(L) + 2 · (p + q + k + 1) (3.12)
onde L é a função de verossimilhança, p e q são os hiperparâmetros do modelo e k = 0 se a

média da série amostral for nula, k = 1 caso contrário.
Após a parametrização adequada do modelo ARIMA e sua consequente previsão de
dados, métricas que avaliam a precisão dos dados previstos são usadas para quantificar a ca-
pacidade do modelo em prever séries de dados. Algumas destas métricas são apresentadas a
seguir.
3.3 Medidas de Acurácia
De forma geral, as métricas para previsão de séries temporais comparam um conjunto de

observações reais (Xt ) com seus valores estimados (X bt ), normalmente por meio da diferença
entre os dois conjuntos ou por uma análise de correlação entre eles.
3.3.1 Erro Absoluto Médio (MAE)
Uma métrica simples, da qual se derivam diversas outras técnicas, é o cálculo do valor
médio entre as diferenças absolutas das observações reais e seus valores estimados, como
presente na Equação 3.13:
Pn
t=1 |Xt − X
bt |
M AE = . (3.13)
n
Desta, derivam-se as métricas RMSE e MAPE, apresentadas a seguir.
3.3.2 Erro Absoluto Médio Percentual (MAPE)
A métrica MAPE é uma medida popular de acurácia de previsão de dados e é definida

como a média percentual das diferenças absolutas normalizadas por seus valores reais, conforme
apresentado na Equação 3.14:
n
100 X Xt − X
bt
M AP E = · . (3.14)
n t=1 Xt
A principal vantagem desta métrica é estar em sua forma percentual, de forma que esta
pode ser comparada entre diferentes séries de dados. Esta medida possibilita a análise mesmo
quando o tamanho da série amostral prevista é desconhecido, ao contrário de medidas em valores
absolutos.
35
3.3.3 Raiz Quadrada do Erro Quadrático Médio (RMSE)
A raiz quadrada do erro quadrático médio (RMSE) é uma maneira padrão de medir o erro
de um modelo na previsão de dados quantitativos. Formalmente, é definido segundo a Equação
3.15:
v
u n
u1 X 2
RM SE = t · Xt − Xt .
b (3.15)
n t=1
Diferente do MAPE, que é uma métrica linear, a RMSE absorve a variância do erro de
previsão. A desvantagem da métrica é seu valor absoluto ser proporcional à ordem de grandeza
das séries de dados.
3.3.4 Coeficiente de Variação da Raiz Quadrada do Erro Quadrático Médio (CVRMSE)
Embora não haja meios consistentes de normalização da RMSE na literatura, indica-se a

normalização por meio da média das observações reais, surgindo assim o coeficiente de variação
da RMSE, descrito formalmente segundo a Equação 3.16:
r 2
Pn
n· t=1 Xt − X
bt
CV RM SE = Pn . (3.16)
t=1 (Xt )
Uma análise conjunta das métricas CVRMSE e MAPE deve garantir uma boa avaliação
da previsão. Para mais observações e comparações sobre medidas de acurácia, cita-se Armstrong
e Collopy (1992).
36
4 ESTUDOS DE CASO DE INFERÊNCIA E PREVISÃO DE DADOS COMO SU-

PORTE À ANÁLISE DE INTEGRIDADE DE REVESTIMENTOS
São apresentados neste capítulo os resultados compilados de inferência estatística e de

previsão de dados, utilizando as técnicas apresentadas nos capítulos anteriores em séries de
dados reais.
4.1 Inferência Estatística de Dados de Produção de Tubulares
No Anexo F da norma API TR 5C3 (2008) apresenta-se um vasto estudo estatístico

para calibração de parâmetros e validação de um modelo de colapso em Estado Limite Último,
proposto por Klever e Tamano (2006). As séries de dados utilizadas incluem dados de tubos de
revestimento fabricados entre 1977 e 2004, por diversos fabricantes.
A fim de auxiliar a análise de confiabilidade estrutural e conhecer mais especificamente
dados de produção de um material específico, permitindo projetos mais robustos e confiáveis,
aplicam-se as técnicas de inferência estatística estudadas em séries históricas de dados de
produção de tubos de revestimento de poços.
Por questões de proteção dos dados, estes foram modificados por um fator multiplicativo
constante e uma variação aleatória foi somada ao valor dos dados, de forma que continuem
confidenciais, preservando a fonte, mas sua caracterização se aproxime o máximo possível dos
dados reais.
4.1.1 Dados de Produção Analisados
Os dados amostrais utilizados são o registro de 50 tubos de revestimento, aleatoriamente

escolhidos pelo fabricante no período de referência. No processo de controle de qualidade, são
realizadas várias medições em cada tubo, em diversos trechos ao longo deste.
Desta forma, constam medições em seções a cada 15 cm de comprimento do tubo,
resultando em, aproximadamente, 73 seções por tubo, com pequenas variações. Em cada seção
medem-se vários valores de espessura e diâmetro, os valores mínimo, médio e máximo destas
variáveis em cada seção são registrados.
Assume-se que os resultados obtidos para séries amostrais referentes aos 50 tubos sejam
representativos do comportamento das variáveis no período de produção analisado.
Ainda, foram registrados duas séries de dados de características mecânicas dos tubos de
revestimento. Como os ensaios para obtenção destes parâmetros são destrutivos, o tamanho da
amostragem foi reduzido para 81 dados sobre resistência em cada série. Duas séries de dados
foram geradas, uma com os registros de tensão de escoamento (YS) e outra com os registros de
resistência à tração (UTS), aferidos em ensaios de espécimes de aço extraídos dos tubulares no
mesmo período.
37
4.1.2 Análise de Dados de Caracterísiticas Geométricas: Amostragem Tubo a Tubo
Como cada tubo possui um registro de cerca de 73 valores amostrais de suas variáveis
geométricas, realizou-se inicialmente uma inferência estatística individual sobre cada conjunto
de dados.
Para ilustração dos resultados, foram expostos nas Tabelas 3 e 4 os dados de espessura
de parede média (avgWT) dos tubos 2 e 18, e de diâmetro médio (avgOD) dos tubos 29 e 46 nas
Tabelas 5 e 6, respectivamente.
Tabela 3 – Dados de espessura média do tubo 2.
32,19 32,07 32,42 32,24 32,14 31,90 31,88 31,84

31,81 31,97 31,75 31,68 31,95 31,73 32,01 31,99
32,03 31,90 31,91 32,01 31,90 31,91 31,80 31,92
31,82 32,00 31,81 32,00 31,91 31,93 31,96 31,97
31,79 31,89 32,01 31,88 31,80 31,86 31,98 31,75
31,98 31,70 31,85 31,74 31,70 31,94 31,95 31,76
31,82 31,77 31,93 32,00 31,97 31,77 31,79 31,87
31,99 31,78 31,95 31,83 31,81 31,88 31,77 31,88
31,78 31,78 31,74 31,92 31,89 32,00 31,96 32,08
Tabela 4 – Dados de espessura média do tubo 18.
31,63 31,54 31,92 31,44 31,68 31,49 31,31 31,29

31,42 31,41 31,45 31,15 31,25 31,24 31,25 31,38
31,36 31,40 31,22 31,28 31,15 31,31 31,19 31,19
31,11 31,39 31,31 31,23 31,32 31,26 31,40 31,48
31,41 31,32 31,33 31,28 31,28 31,45 31,28 31,44
31,39 31,44 31,51 31,27 31,28 31,37 31,55 31,50
31,47 31,35 31,31 31,40 31,31 31,56 31,54 31,43
31,64 31,49 31,40 31,48 31,35 31,42 31,65 31,44
31,39 31,37 - - - - - -
Desta forma, seguindo a metodologia apresentada para inferência estatística sobre os

dados, foram selecionadas as distribuições Uniforme, Normal, Log Normal, Logística, Gamma,
Gumbel e Weibull como candidatas, abrangendo as distribuições bastante difundidas em proble-
mas de engenharia, todas elas possuindo dois parâmetros.
Optou-se por utilizar o Método da Máxima Verossimilhança para o ajuste das distribui-
ções, sendo os parâmetros obtidos por meio da aplicação do método sobre os dados de espessura
média do tubo 2 listados na Tabela 7, como também os momentos das distribuições candidatas
parametrizadas.
38
Tabela 5 – Dados de diâmetro médio do tubo 29.
536,26 535,55 536,36 536,81 535,64 535,73 536,24 536,09

536,13 537,01 535,97 536,25 536,06 536,58 536,42 536,52
536,76 536,76 537,44 536,66 537,42 537,74 536,43 537,30
537,49 537,47 536,90 536,76 536,53 536,72 536,49 537,29
536,91 537,16 536,78 537,27 536,77 536,45 537,27 536,67
536,53 536,32 537,51 536,36 536,89 536,36 536,12 537,46
536,91 536,68 536,28 536,78 536,83 537,36 536,66 536,99
537,10 536,89 - - - - - -
Tabela 6 – Dados de diâmetro médio do tubo 46.
537,46 536,64 537,27 537,93 537,14 537,32 537,22 537,51

537,82 537,42 537,54 538,47 537,50 537,91 538,45 537,92
537,14 537,53 537,36 537,65 537,55 537,89 538,26 538,23
537,72 537,89 537,63 537,85 537,41 537,92 537,88 537,27
537,30 537,25 537,30 538,04 538,11 537,87 538,10 538,69
538,24 537,83 538,45 538,53 537,47 538,32 537,55 538,33
537,39 538,24 537,59 537,08 537,06 538,19 537,79 536,89
537,06 538,00 537,65 537,83 536,77 536,38 536,52 536,97
537,00 537,39 536,84 536,88 537,22 537,45 537,57 537,28
536,60 537,68 537,67 536,56 - - - -
Tabela 7 – Modelos candidatos ajustados sobre os dados de avgWT do tubo 2.
Distribuição Parâmetro 1 Parâmetro 2 Média Desvio Padrão

Uniforme 31,680 0,740 32,050 0,214
Normal 31,901 0,130 31,901 0,130
Log Normal 0,004 31,901 31,901 0,129
Logístico 31,894 0,070 31,894 0,127
Gamma 60802,946 0,001 31,901 0,129
Gumbel 31,842 0,104 31,902 0,134
Weibull 189,677 31,971 31,875 0,215
Evidencia-se na Tabela 7 que as distribuições parametrizadas nem sempre possuem

momentos idênticos ao da amostra de dados utilizada, de média 31,90 e desvio padrão 0,13, uma
vez que o Método da Máxima Verossimilhança não impõe esta restrição.
As Tabelas 8, 9 e 10 resumem os resultados da parametrização dos modelos sobre os
dados avgWT 18, avgOD 29 e avgOD 46, respectivamente.
Com os modelos candidatos ajustados, o teste de aderência Kolmogorov-Smirnov foi
39
Tabela 8 – Modelos candidatos ajustados sobre os dados de avgWT do tubo 18.

Uniforme 31,110 0,810 31,515 0,234
Normal 31,387 0,140 31,387 0,140
Log Normal 0,004 31,387 31,387 0,139
Logístico 31,380 0,076 31,380 0,138
Gamma 50745,907 0,001 31,387 0,139
Gumbel 31,322 0,119 31,391 0,153
Weibull 179,593 31,462 31,361 0,223
Tabela 9 – Modelos candidatos ajustados sobre os dados de avgOD do tubo 29.

Uniforme 535,550 2,190 536,645 0,632
Normal 536,708 0,495 536,708 0,495
Log Normal 0,001 536,708 536,708 0,495
Logístico 536,709 0,287 536,709 0,520
Gamma 1176249,903 0,000 536,708 0,495
Gumbel 536,459 0,491 536,742 0,629
Weibull 1164,070 536,954 536,688 0,591
Tabela 10 – Modelos candidatos ajustados sobre os dados de avgOD do tubo 46.

Uniforme 536,380 2,310 537,535 0,667
Normal 537,574 0,518 537,574 0,518
Log Normal 0,001 537,574 537,574 0,518
Logístico 537,578 0,300 537,578 0,545
Gamma 1076078,928 0,000 537,574 0,518
Gumbel 537,313 0,509 537,607 0,653
Weibull 1109,453 537,831 537,551 0,621
aplicado para avaliar se as distribuições candidatas se adéquam aos dados amostrais. A Tabela 11
apresenta o resultado do teste de aderência, assim como os critérios de informação AIC e BIC.
Para um nível de significância de 5%, o valor observado do teste Kolmogorov-Smirnov
deve ser inferior à 0,16 para que uma distribuição candidata com dois parâmetros seja considerada
como população original da amostra utilizada com 72 elementos. Segundo a Tabela 11, as
distribuições Gumbel, Logística, Log Normal, Gamma e Normal passaram no teste, enquanto
que as distribuições Weibull e Uniforme falharam, isto é, não há informações suficientes para
afirmar que estas distribuições são capazes de originar a amostra.
40
Tabela 11 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de avgWT

do tubo 2.
Distribuição KS obs. Aprovada AIC BIC

Gumbel 0,084 Sim -96,05 -91,49
Logístico 0,074 Sim -90,54 -85,98
Log Normal 0,103 Sim -86,26 -81,71
Gamma 0,103 Sim -86,16 -81,61
Normal 0,103 Sim -85,95 -81,40
Weibull 0,187 Não -48,46 -43,90
Uniforme 0,457 Não -39,36 -34,81
Quanto à escolha da melhor distribuição dentre as que passaram no teste, o teste

Kolmogorov-Smirnov não é uma métrica ideal. Considera-se neste caso os critérios de in-
formação AIC e BIC. Como todas as distribuições candidatas possuem o mesmo número de
parâmetros, os dois critérios darão o mesmo resultado quanto à ordenação das distribuições.
Deste modo, a distribuição Gumbel é a melhor escolha para distribuição geradora dos
dados de avgWT do tubo 2, seguida pela distribuição Logística, Log Normal, Gamma e Nor-
mal, nesta ordem. Ressalta-se que os critérios de informação não são capazes de avaliar se a
distribuição é um bom ajuste, deve-se então utilizá-los em conjunto com os testes de aderência.
A Figura 2 corrobora os resultados do teste de aderência e critérios de informação,
exibindo o histograma de densidade da amostra de avgWT do tubo 2 e a função de densidade
de probabilidade das distribuições candidatas. As distribuições parametrizadas Log Normal,
Gamma e Normal foram equivalentes.
Figura 2 – Histograma de avgWT do tubo 2 e suas distribuições candidatas.
Para os dados de avgWT do tubo 18, conforme resultados apresentados numericamente

41
na Tabela 12 e visualmente na Figura 3, todas as distribuições candidatas passaram no teste de

aderência, com exceção da distribuição Uniforme. O valor máximo para o teste Kolmogorov-
Smirnov para essa amostra de dados é de 0,167, seu valor difere do máximo da amostra do tubo
2 por ser uma amostra menor, com 66 observações. Outra vez, as distribuições parametrizadas
Log Normal, Gamma e Normal se comportaram de forma equivalente.

do tubo 18.

Gumbel 0,051 Sim -73,03 -68,65
Logístico 0,065 Sim -72,13 -67,75
Log Normal 0,083 Sim -68,94 -64,48
Gamma 0,083 Sim -68,86 -64,48
Normal 0,084 Sim -68,69 -64,31
Weibull 0,150 Sim -37,86 -33,48
Gumbel 0,151 Sim -37,18 -32,80
Uniforme 0,370 Não -23,82 -19,44
Figura 3 – Histograma de avgWT do tubo 18 e suas distribuições candidatas.
Um resultado interessante é que a ordem das distribuições é idêntica para o tubo 2 e tubo
18, segundo os critérios de informação AIC e BIC. Este resultado apoia a hipótese de que os
diferentes conjuntos de dados de uma mesma variável podem ser inferidos por uma distribuição
comum, uma vez que estes dados referem-se à produção de peças metálicas numa indústria
automatizada e de alta precisão.
Para os dados de avgOD, o teste de aderência e os critérios de informação do tubo
29 indicam que a distribuição Normal é a que melhor se adéqua aos dados, seguida pelas
42
distribuições Gamma, Log Normal, Logística, Weibull, Uniforme e Gumbel, nesta ordem, como
apresentado na Tabela 13 e exposto na Figura 4.
Tabela 13 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de avgOD

do tubo 29.

Normal 0,066 Sim 86,99 91,11
Gamma 0,066 Sim 86,99 91,12
Log Normal 0,066 Sim 87,00 91,12
Logístico 0,055 Sim 89,14 93,26
Weibull 0,127 Sim 91,92 96,04
Uniforme 0,103 Sim 94,93 99,05
Gumbel 0,094 Sim 96,36 100,48
Figura 4 – Histograma de avgOD do tubo 29 e suas distribuições candidatas.
Desta vez, as distribuições parametrizadas Normal, Gamma e Log Normal foram numeri-
camente equivalentes. Todas as distribuições candidatas passaram no teste de aderência, o valor
limite para o teste numa amostra de 58 observações é de 0,18.
De forma geral, uma razão para todas as distribuições candidatas passarem no teste de
aderência se dá pelo número reduzido de observações na amostra analisada, de modo que o
teste de aderência tem poucas informações e se torna menos restrito. Uma outra característica,
específica para o teste Kolmogorov-Smirnov, é que o mesmo perde sua eficácia nas caudas, sendo
mais competente em verificar a aderência na região em torno do centro da amostra.
A inferência sobre os dados avgOD do tubo 46 não foi diferente, a Tabela 14 mostra os
resultados do teste de aderência e os critérios de informação, ao passo que a Figura 5 exibe o
resultado de maneira gráfica.
43
Assim como os resultados dos dados de avgOD do tubo 29, o tubo 46 aprovou todos os
testes de aderência, como também a distribuição Normal é a que melhor se adéqua aos dados,
seguida pelas distribuições Gamma, Log Normal, Logística, Weibull, Uniforme e Gumbel, nesta
ordem.

do tubo 46.

Normal 0,036 Sim 119,76 124,42
Gamma 0,036 Sim 119,76 124,42
Log Normal 0,035 Sim 119,76 124,43
Logístico 0,036 Sim 122,66 127,32
Weibull 0,086 Sim 126,39 131,05
Uniforme 0,118 Sim 131,26 135,92
Gumbel 0,074 Sim 131,41 136,08
Figura 5 – Histograma de avgOD do tubo 46 e suas distribuições candidatas.
A inferência estatística sobre os dados expostos nas Tabelas 3, 4, 5 e 6 foi igualmente

realizada para os demais tubos. A Tabela 15 resume os resultados dos critérios de informação e
teste de aderência referentes à espessura média de parede (avgWT) dos tubos, nesta são contadas
quantas vezes cada distribuição é a melhor das opções dentre as disponíveis segundo os critérios
de informação, como também quantas vezes cada uma delas está entre as três e cinco melhores
para cada amostra de dados, sendo contabilizadas apenas as distribuições que foram aprovadas
no teste.
Constata-se pela Tabela 15 que a distribuição Gumbel é a melhor distribuição a ser
escolhida em 29 dos 50 conjuntos de dados de avgWT, segundo os critérios de informação, e está
44
Tabela 15 – Resumo da inferência dos 50 conjuntos amostrais de seções de avgWT.
Distribuição Melhor 3 Melhores 5 Melhores Passaram no KS

Gumbel 29 32 39 50
Logístico 2 19 44 50
Log Normal 6 43 49 49
Gamma 0 29 49 49
Normal 5 16 48 49
Weibull 1 1 7 39
Uniforme 5 5 7 11
entre as três melhores opções de distribuições candidatas em 39 destes 50 conjuntos. Logo, a

distribuição Gumbel é indicada como geradora dos conjuntos amostrais, seguida pela distribuição
Logística que apresentou um resultado semelhante, mas inferior ao da primeira.
As distribuições Log Normal, Gamma e Normal foram satisfatórias mas um dos conjuntos
amostrais não foi aprovado no teste de aderência para as distribuições, as distribuições Weibull
e Uniforme tiveram um desempenho ruim quanto à sua capacidade de inferir sobre os dados
amostrais.
De forma semelhante, a Tabela 16 resume os resultados dos critério de informação e
teste de aderência para o diâmetro externo médio de cada seção (avgOD) nos mesmos 50 tubos.
Tabela 16 – Resumo da inferência dos 50 conjuntos amostrais de seções de avgOD.
Distribuição Melhor 3 Melhores 5 Melhores Passaram no KS

Normal 10 43 50 50
Gamma 0 38 50 50
Log Normal 4 21 50 50
Logístico 2 9 33 50
Weibull 17 21 37 50
Uniforme 17 18 23 47
Gumbel 0 0 7 44
Visto que a distribuição Normal está entre as três melhores distribuições em 43 de 50

conjuntos amostrais inferidos, e que está entre as cinco melhores distribuições em todos os
conjuntos amostrais, a distribuição Normal é a indicada.
Diferentemente dos resultados da inferência dos dados de avgWT, os resultados do
teste de aderência dos dados de avgOD foram mais irrestritos, todas as distribuições Normal,
Gamma, Log Normal, Logística e Weibull foram aprovadas nos 50 casos analisados, apenas as
distribuições Uniforme e Gumbel tiveram um resultado insatisfatório quanto à sua capacidade de
inferir sobre os dados das amostras.
45
Ainda que que todas as distribuições que passaram nos testes de aderência sejam capazes
de inferir sobre os dados, os resultados dos critérios de informação sofreram uma grande variância
quanto à sua ordem, não sendo claro qual a melhor escolha outra que a distribuição Normal.
Observa-se então um padrão nos resultados de cada tubo, seja na análise dos valores
de avgWT quanto para os valores de avgOD, o que condiz com a ideia de que todos os tubos
possuem o mesmo padrão de comportamento aleatório.
Assim, realizou-se uma nova inferência estatística sobre o conjunto de dados, desta vez
unindo todos os tubos em um único conjunto global. Antes da análise global, explora-se a seguir
a análise da resistência dos tubos, para comparar os resultados da inferência entre características
geométricas e mecânicas.
4.1.3 Análise de Dados Mecânicos
De forma semelhante à análise anterior sobre as características geométricas dos tu-

bos, utilizou-se o Método da Máxima Verossimilhança na parametrização das distribuições
selecionadas, as quais foram as mesmas da inferência anterior.
As Tabelas 17 e 18 resumem os resultados da parametrização dos modelos sobre as séries
de dados de resistência YS e UTS, respectivamente.
Tabela 17 – Modelos candidatos parametrizados sobre os dados de resistência YS.

Uniforme 87,77 6,81 91,175 1,966
Normal 91,414 1,563 91,414 1,563
Log Normal 0,017 91,401 91,414 1,562
Logístico 91,386 0,900 91,386 1,632
Gamma 3424,966 0,027 91,414 1,562
Gumbel 90,642 1,475 91,494 1,892
Weibull 59,869 92,192 91,328 1,933
Tabela 18 – Modelos candidatos parametrizados sobre os dados de resistência UTS.

Uniforme 94,380 7,070 97,915 2,041
Normal 97,752 1,485 97,752 1,485
Log Normal 0,015 97,741 97,752 1,484
Logístico 97,720 0,852 97,720 1,545
Gamma 4339,109 0,023 97,752 1,484
Gumbel 97,022 1,389 97,823 1,781
Weibull 65,526 98,496 97,650 1,891
46
Com os modelos candidatos parametrizados, o teste de aderência Kolmogorov-Smirnov

foi efetuado e computado, junto dos critérios de informação AIC e BIC. As Tabelas 19 e 20
apresentam os resultados para as duas séries de dados, o valor limite para o teste de aderência é
de 0,151.
Tabela 19 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de YS.

Log Normal 0,054 Sim 306,06 310,85
Gamma 0,054 Sim 306,1 310,89
Normal 0,055 Sim 306,21 310,99
Logístico 0,041 Sim 308,73 313,51
Gumbel 0,067 Sim 313,72 318,51
Uniforme 0,121 Sim 314,78 319,57
Weibull 0,104 Sim 318,13 322,92
Tabela 20 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de UTS.

Log Normal 0,060 Sim 297,74 302,53
Gamma 0,061 Sim 297,8 302,59
Normal 0,063 Sim 297,94 302,73
Logístico 0,062 Sim 299,96 304,75
Gumbel 0,062 Sim 304,43 309,22
Weibull 0,104 Sim 312,42 317,21
Uniforme 0,179 Não 320,85 325,64
Observa-se um resultado positivo para quase todos os testes de aderência, com exceção da
distribuição uniforme sobre os dados de UTS. A ordem das distribuições segundos os critérios de
informação para os dois conjuntos de dados também é semelhante, indicando que as distribuições
Log Normal, Gamma, Normal, Logístico e Gumbel se adéquam aos dados, nesta ordem. O
resultado visual da análise pode ser visto pelas Figuras 6 e 7.
De forma diferente dos conjuntos de dados das características geométricas dos tubos, os
dois conjuntos de dados de resistência contêm apenas 81 elementos, cada. Desta forma, a análise
acima já é uma análise global dos tubos, tendo sido concluída de forma positiva. No entanto,
estes dados serão explorados adiante para comparar seus resultados com as demais técnicas
utilizadas.
4.1.4 Análise de Dados Geométricos: Amostragem Global
A união dos conjuntos de dados de 50 tubos resulta em dois conjuntos globais com 3669
valores amostrais cada, representando os valores aferidos de espessura de parede média (avgWT)
47
Figura 6 – Histograma dos dados de YS e suas distribuições candidatas.
Figura 7 – Histograma dos dados de UTS e suas distribuições candidatas.
e diâmetro externo médio (avgOD) de uma seção.

Para inferência estatística foram utilizadas as mesmas distribuições da análise tubo a
tubo. A Tabela 21 apresenta o resultado da parametrização dos modelos candidatos sobre o
conjunto de dados global para avgWT.
Os resultados do teste de aderência e dos critérios de informação das distribuições
parametrizadas foram compilados na Tabela 22. Nesta análise, nenhuma das distribuições
parametrizadas foi aprovada no teste de aderência e, portanto, não se obteve um modelo para
representar os dados de produção de avgWT do conjunto global.
Mais uma vez, as distribuições Log Normal, Gamma e Normal foram equivalentes. Os
critérios de informação, no entanto, foram diferentes em relação à ordem dos mesmos na análise
48
Tabela 21 – Modelos candidatos parametrizados sobre os dados de avgWT do conjunto global.

Uniforme 30,140 2,840 31,560 0,820
Normal 31,334 0,506 31,334 0,506
Log Normal 0,016 31,330 31,334 0,506
Logístico 31,321 0,303 31,321 0,550
Gamma 3838,687 0,008 31,334 0,506
Gumbel 31,088 0,443 31,343 0,568
Weibull 62,717 31,588 31,305 0,633
tubo-a-tubo, a distribuição Log Normal e suas equivalentes apresentaram o melhor desempenho,

seguidas pelas distribuições Gumbel e Logística, que foram as melhores distribuições na análise
tubo-a-tubo.

do conjunto global.

Log Normal 0,090 Não 5408,80 5421,22
Gamma 0,090 Não 5413,01 5425,42
Normal 0,091 Não 5422,09 5434,51
Gumbel 0,047 Não 5448,89 5461,30
Logístico 0,088 Não 5684,05 5696,46
Weibull 0,091 Não 6014,58 6026,99
Uniforme 0,255 Não 7663,43 7675,85
Contudo, os resultados dos critérios de informação não são suficientes para garantir que
os dados são capazes de representar os dados de produção e a falha no teste de aderência indica,
por ora, a desqualificação das distribuições.
A Figura 8 expõe a diferença entre o histograma de densidade de probabilidades do
conjunto global dos dados de produção e a função equivalente das distribuições parametrizadas.
Observa-se que o conjunto global de dados de produção possui uma característica de modelo de
mistura, isto é, há mais de um pico no gráfico de densidade de probabilidades da distribuição.
Ainda que não haja registro de eventos ocorridos no processo de amostragem entende-se
que este comportamento pode refletir uma mudança importante no processo de manufatura,
como, por exemplo, uma recalibração ou adequação de equipamentos na linha de produção ao
longo do período amostrado, caracterizando dois regimes distintos de fabricação.
Modelos de mistura derivam da união de conjuntos de observações de distribuições
distintas, as quais possuem momentos diferentes. Ou seja, modelos de mistura representam a
49
Figura 8 – Histograma de avgWT do conjunto global e suas distribuições candidatas.
presença de duas ou mais sub-populações distintas em uma população geral (MCLACHLAN;

PEEL, 2004).
Como todas as distribuições candidatas possuem dois parâmetros, elas não são capazes
de inferir sobre dados com esta característica, exigindo distribuições candidatas com mais
parâmetros. Por consequência, o teste de aderência não aprovou nenhuma das distribuições.
Um outro fator que interferiu sobre o resultado do teste de aderência foi o número de
observações do conjunto global, pois, quanto mais informações (observações) existem, mais
rigoroso se torna o teste de aderência. A estatística de teste de Kolmogorov-Smirnov sobre
3669 observações, para um nível de significância de 5%, deve ser inferior à 0,022 para que uma
distribuição candidata com dois parâmetros seja aprovada.
Lin et al. (2013) e Baird e Harlow (2016) discutem esse aumento na potência dos testes
de aderência não paramétricos para grandes amostras, o que leva a uma forte tendência de
resultados negativos, rejeitando a hipótese nula.
A Tabela 23 exibe os parâmetros dos modelos candidatos sobre os dados de avgOD do
conjunto global. O teste de aderência dos modelos parametrizados e seus critérios de informação
estão presentes na Tabela 24.
Desta vez, a distribuição Weibull se destacou nos critérios de informação, acompanhada
das distribuições Normal, Gamma e Log Normal, as quais foram numericamente equivalentes,
seguidas pelas distribuições Logística e Gumbel.
A Figura 9 evidencia o histograma do conjunto global e suas distribuições candidatas.
Nota-se que, diferente da Figura 8 sobre avgWT, a Figura 9 sobre as medidas de avgOD não
possui um comportamento multimodal aparente, que é caracterizada por mais de um pico
(máximo local). Ainda assim, o teste de aderência não aprovou nenhuma das distribuições
50
Tabela 23 – Modelos candidatos parametrizados sobre os dados de avgOD do conjunto global.

Uniforme 534,59 4,730 536,955 1,365
Normal 537,595 0,761 537,595 0,761
Log Normal 0,001 537,595 537,595 0,761
Logístico 537,635 0,431 537,635 0,782
Gamma 499.389,493 0,001 537,595 0,761
Gumbel 537,197 0,853 537,69 1,094
Weibull 821,752 537,956 537,579 0,838

do conjunto global.

Weibull 0,034 Não 8.276,90 8.289,31
Normal 0,026 Não 8.407,55 8.419,96
Gamma 0,026 Não 8.409,48 8.421,9
Log Normal 0,026 Não 8.410,45 8.422,87
Logístico 0,033 Não 8.435,02 8.447,43
Gumbel 0,111 Não 9.599,67 9.612,08
Uniforme 0,080 Não 11.406,70 11.419,12
candidatas.
Figura 9 – Histograma de avgOD do conjunto global e suas distribuições candidatas.
Três fatores, não excludentes entre si, são apontados como promotores deste resultado
inconclusivo sobre o conjunto de dados global:
51
1. O grau de incerteza dos dados aferidos sobrepõe seu próprio comportamento, poluindo o
conjunto de dados a ser aferido;
2. O cardápio de distribuições é insuficiente. O comportamento é melhor representado por

uma distribuição que não fez parte da análise;
3. Regimes distintos de fabricação forjaram um modelo de mistura, dificultando a caracteri-

zação dos dados;
Para avaliar o quanto a incerteza na aferição dos dados afeta a análise, utilizou-se da
formulação apresentada nas Equações 2.9, 2.10 e 2.11.
Os valores de avgWT e avgOD registrados possuem duas casas decimais, o que remete
a uma incerteza de ±0, 005 no valor de cada aferição. As Tabelas 25 e 26 exibem o grau de
incerteza para os momentos dos conjuntos globais, comparando-os com os valores reais dos
momentos das amostras.
Tabela 25 – Grau de incerteza na aferição dos dados do conjunto global de avgWT.
Momento Valor real Incerteza absoluta (±) Incerteza relativa (± %)

Média 31,334 0,0050 0,016
Desvio Padrão 0,5064 0,0043 0,852
Variância 0,2564 0,0044 1,704
Tabela 26 – Grau de incerteza na aferição dos dados do conjunto global de avgOD.
Momento Valor real Incerteza absoluta (±) Incerteza relativa (± %)

Média 537,595 0,0050 0,001
Desvio Padrão 0,761 0,0040 0,522
Variância 0,579 0,0060 1,043
Observa-se que a média e o desvio padrão das amostras possuem um grau de incerteza
inferior à 1 % de seus valores reais, a variância não difere muito mais que 1 % também. Logo,
descarta-se esta opção dentre os fatores que contribuem com a falha do teste de aderência na
análise global.
O segundo fator apontado como causador do resultado inconclusivo foi o cardápio de
distribuições candidatas utilizado. Desta forma, realizou-se uma nova inferência estatística sobre
os conjuntos globais de avgWT e avgOD, desta vez expandindo o cardápio de distribuições para
todas as distribuições disponíveis na biblioteca estatística scipy stats (Virtanen et al., 2020) que
puderam ser aplicáveis, listadas na Tabela 27 com seu correspondente número de parâmetros.
52
Tabela 27 – Lista das 94 distribuições candidatas e seu correspondente número de parâmetros.
alpha (3) anglit (2) arcsine (2) argus (3)

beta (4) betaprime (4) bradford (3) burr (4)
burr12 (4) cauchy (2) chi (3) chi2 (3)
cosine (2) crystalball (4) dgamma (3) dweibull (3)
erlang (3) expon (2) exponnorm (3) exponpow (3)
exponweib (4) f (4) fatiguelife (3) fisk (3)
foldcauchy (3) foldnorm (3) frechet l (3) frechet r (3)
gamma (3) gausshyper (6) genexpon (5) genextreme (3)
gengamma (4) genhalflogistic (3) geninvgauss (4) genlogistic (3)
gennorm (3) genpareto (3) gilbrat (2) gompertz (3)
gumbel l (2) gumbel r (2) halfcauchy (2) halfgennorm (3)
halflogistic (2) halfnorm (2) hypsecant (2) invgamma (3)
invgauss (3) invweibull (3) johnsonsb (4) johnsonsu (4)
kappa3 (3) kappa4 (4) kstwobign (2) laplace (2)
levy (2) levy l (2) loggamma (3) logistic (2)
loglaplace (3) lognorm (3) loguniform (4) lomax (3)
maxwell (2) mielke (4) moyal (2) nakagami (3)
ncf (5) nct (4) ncx2 (4) norm (2)
norminvgauss (4) pareto (3) pearson3 (3) powerlaw (3)
powerlognorm (4) powernorm (3) rayleigh (2) rdist (3)
recipinvgauss (3) rice (3) semicircular (2) skewnorm (3)
t (3) trapz (4) triang (3) truncexpon (3)
tukeylambda (3) uniform (2) vonmises line (3) wald (2)
weibull max (3) weibull min (3) - -
As Figuras 10 e 11 apresentam o histograma de avgWT e avgOD dos respectivos

conjuntos globais e as correspondentes distribuições candidatas que melhor se adéquam a cada
um dos modelos.
Os resultados do teste de aderência e critérios de informação dos 15 modelos parame-
trizados com melhores resultados, dos dois conjuntos globais, estão presentes nas Tabelas 28 e
29.
Observa-se pelos resultados, ordenados a partir do BIC, que a expansão do cardápio
de modelos contribuiu para uma melhor inferência sobre os conjuntos de dados. Algumas
distribuições do conjunto de global dados avgOD foram aprovadas no teste de aderência, enquanto
que nenhuma foi aprovada no conjunto global de dados avgWT, o qual possui a característica
multimodal já comentada.
As distribuições candidatas com mais parâmetros apresentaram resultados melhores que
as distribuições de dois parâmetros, mesmo utilizando critérios como o BIC, o qual se torna mais
criterioso de acordo com o número de parâmetros das distribuições.
53
Figura 10 – Histograma de avgWT do conjunto global e todas as distribuições candidatas.
Figura 11 – Histograma de avgOD do conjunto global e as distribuições candidatas.
Para fins de comparação de desempenho entre o número de parâmetros das distribuições

candidatas, avaliando a ordenação do BIC mas sem considerar os resultados do teste de aderência,
as Figuras 12 e 13 destacam o desempenho das distribuições candidatas agrupadas pela sua
quantidade de parâmetros.
Verifica-se um ganho de desempenho das distribuições com mais de dois parâmetros
para as primeiras posições, segundo o BIC. Atenta-se que os últimos valores do gráfico de barras
não são muito relevantes, uma boa quantidade das distribuições candidatas não é adequada para
os conjuntos de dados utilizados, estando portanto nas últimas colocações da ordenação.
Uma metodologia semelhante foi realizada sobre os dados de resistência para comparação.
As Figuras 14 e 15 apresentam o resultado visual da parametrização das distribuições candidatas,
acompanhados das Tabelas 30 e 31. As Figuras 16 e 17 mostram a composição das distribuições
54

do conjunto global incluindo modelos de maior complexidade.
Distribuição Parâmetros KS obs. Aprovada AIC BIC

johnsonsb 4 0,06 Não 5150,43 5175,26
gennorm 3 0,083 Não 5160,15 5178,77
dweibull 3 0,042 Não 5174,42 5193,04
beta 4 0,067 Não 5177,21 5202,04
gausshyper 6 0,068 Não 5181,58 5218,82
weibull min 3 0,074 Não 5232,94 5251,57
frechet r 3 0,074 Não 5232,94 5251,57
powernorm 3 0,059 Não 5233,33 5251,95
exponweib 4 0,076 Não 5231,26 5256,09
gengamma 4 0,076 Não 5233,24 5258,07
maxwell 2 0,064 Não 5249,03 5261,44
chi 3 0,066 Não 5250,71 5269,33
nakagami 3 0,066 Não 5250,71 5269,33
rice 3 0,071 Não 5284,16 5302,78
skewnorm 3 0,031 Não 5293,58 5312,2

do conjunto global incluindo modelos de maior complexidade.

pearson3 3 0,013 Sim 8191,37 8210,0
weibull min 3 0,014 Sim 8193,99 8212,62
frechet r 3 0,014 Sim 8193,99 8212,62
beta 4 0,01 Sim 8189,22 8214,05
skewnorm 3 0,017 Sim 8201,34 8219,96
powernorm 3 0,016 Sim 8202,0 8220,62
loggamma 3 0,014 Sim 8202,8 8221,42
johnsonsu 4 0,014 Sim 8200,31 8225,15
genextreme 3 0,015 Sim 8217,5 8236,13
powerlognorm 4 0,014 Sim 8230,86 8255,69
burr12 4 0,036 Não 8252,31 8277,14
gumbel l 2 0,034 Não 8278,57 8290,99
gengamma 4 0,016 Sim 8273,52 8298,35
genlogistic 3 0,028 Não 8326,02 8344,65
exponweib 4 0,025 Não 8343,88 8368,71
agrupadas pela sua quantidade de parâmetros e ordenadas segundo o seu BIC.

Observa-se que, por mais que distribuições candidatas com 3 parâmetros sejam bem
qualificadas de acordo com os critérios de informação e os testes de aderência, há uma grande
55
Figura 12 – Gráfico de barras com a composição das distribuições agrupadas pela sua quantidade
de parâmetros segundo a ordem do BIC para o conjunto de dados avgWT.
de parâmetros segundo a ordem do BIC para o conjunto de dados avgOD.
incidência de distribuições de dois parâmetros na inferência sobre ambos os dados de resistência.

Ainda, evidenciou-se que todas as distribuições candidatas com 4 ou mais parâmetros não são
aderentes aos dados mecânicos de resistência.
Conclui-se, portanto, que um cardápio de distribuições mais rico contribui com o re-
sultado da inferência estatística dos dados geométricos mas não acrescentam muito para os
dados mecânicos. O conjunto de dados avgOD foi aprovado no teste de aderência para algumas
distribuições com mais parâmetros, enquanto que o conjunto de dados avgWT não obteve sucesso
no teste de aderência de nenhuma das distribuições.
O terceiro fator apontado foi o modelo de mistura criado ao unir conjuntos com regimes
56
Figura 14 – Histograma de YS do conjunto global e todas as distribuições candidatas.
Figura 15 – Histograma de UTS do conjunto global e as distribuições candidatas.
distintos de fabricação. Para redução do comportamento multimodal dos dados, realizou-se uma
padronização dos conjuntos de dados individuais.
A padronização dos dados retira a média amostral do conjunto de dados de cada valor
aferido. Este valor é então dividido pelo desvio padrão amostral, alcançando assim conjuntos
padronizados de média nula e desvio padrão unitário para cada um dos conjuntos de tubos
individuais.
Um conjunto de dados padronizado global foi então criado pela união dos conjuntos
padronizados individuais, espera-se que a padronização reduza o ruído gerado por diferentes
padrões de fabricação. Para que os resultados sejam comparados com os resultados anteriores,
optou-se por despadronizar os dados, isto é, multiplicou-se os dados do conjunto padronizado
global pelo desvio padrão do conjunto global, depois foi somada a média do conjunto padronizado
57
Tabela 30 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de YS

para os modelos expandidos.

vonmises line 3 0,013 Sim 298,12 305,3
cosine 2 0,076 Sim 304,54 309,33
anglit 2 0,084 Sim 305,13 309,92
norm 2 0,055 Sim 306,21 310,99
maxwell 2 0,055 Sim 308,09 312,88
foldnorm 3 0,057 Sim 305,95 313,14
logistic 2 0,041 Sim 308,73 313,51
semicircular 2 0,094 Sim 308,74 313,53
dweibull 3 0,066 Sim 306,84 314,02
genextreme 3 0,058 Sim 306,93 314,11
rice 3 0,055 Sim 307,22 314,4
dgamma 3 0,065 Sim 307,32 314,5
powernorm 3 0,052 Sim 307,78 314,97
chi 3 0,052 Sim 307,79 314,98
pearson3 3 0,974 Sim 307,91 315,09
Tabela 31 – Resultados Kolmogorov-Smirnov e critérios de informação sobre os dados de UTS

para os modelos expandidos.

norm 2 0,063 Sim 297,94 302,73
cosine 2 0,074 Sim 297,96 302,75
vonmises line 3 0,108 Sim 295,79 302,98
maxwell 2 0,04 Sim 298,79 303,58
foldnorm 3 0,058 Sim 297,47 304,65
logistic 2 0,062 Sim 299,96 304,75
triang 3 0,056 Sim 297,7 304,88
anglit 2 0,093 Sim 300,52 305,31
rice 3 0,05 Sim 298,6 305,78
genextreme 3 0,048 Sim 298,93 306,12
chi 3 0,045 Sim 299,24 306,42
hypsecant 2 0,061 Sim 301,66 306,45
powernorm 3 0,047 Sim 299,29 306,48
gamma 3 0,049 Sim 299,38 306,56
global a estes valores.

A inferência estatística utilizada foi similar à anterior, com o cardápio de distribuições
expandido. As Figuras 18 e 19 apresentam o histograma de avgWT e avgOD dos respectivos
conjuntos globais padronizados e as correspondentes distribuições candidatas que melhor se
58
de parâmetros segundo a ordem do BIC para o conjunto de dados YS.
de parâmetros segundo a ordem do BIC para o conjunto de dados UTS.
adéquam a cada um dos modelos.

Evidencia-se pelas figuras que houve uma redução significativa do efeito multimodal
ao se adotar a estratégia de padronização dos dados, as Figuras 9 e 8 apresentam os conjuntos
globais sem padronização, para comparação.
Os resultados do teste de aderência e critérios de informação dos 45 modelos parame-
trizados com melhores resultados, dos dois conjuntos globais padronizados, estão postos nas
tabelas 32 e 33, as quais foram expandidas para exibir todos os resultados relevantes obtidos via
teste de aderência. Para comparação do desempenho das distribuições em termos da quantidade
de parâmetros, as Figuras 20 e 21 foram criadas.
59
Figura 18 – Histograma de avgOD do conjunto global padronizado e suas distribuições candida-

tas.
Figura 19 – Histograma de avgWT do conjunto global padronizado e suas distribuições candida-

tas.
Verifica-se pelos resultados acima que a padronização dos dados reduziu perceptivel-
mente a multimodalidade dos dados, contribuindo para uma inferência estatística mais assertiva.
Várias distribuições foram aprovadas no testes de aderência Kolmogorov-Smirnov para
um nível de significância de 5%, para os dois conjuntos de dados. 29 das 94 distribuições foram
aprovadas para o conjunto global padronizado avgOD e 28 para o correspondente conjunto
avgWT.
Assim, conclui-se que um cardápio de distribuições robusto e a redução do compor-
tamento multimodal, possivelmente criado por regimes distintos do processo de manufatura,
permitiram gerar resultados conclusivos. O conjunto amostral adquirido e utilizado é evidência
60
de parâmetros segundo a ordem do BIC para o conjunto de dados global padronizado
avgOD.
de parâmetros segundo a ordem do BIC para o conjunto de dados global padronizado
avgWT.
suficiente para aceitar a hipótese de que este foi originado por qualquer uma das distribuições
teóricas aprovadas, segundo o nível de significância utilizado.
61

do conjunto global padronizado.
# Distribuição Parâmetros KS obs. Aprovada AIC BIC

1 johnsonsb 4 0,013 Sim 8312,557 8337,388
2 beta 4 0,013 Sim 8313,313 8338,144
3 weibull min 3 0,018 Sim 8321,454 8340,077
4 frechet r 3 0,018 Sim 8321,454 8340,077
5 pearson3 3 0,019 Sim 8322,422 8341,045
6 exponweib 4 0,018 Sim 8323,41 8348,241
7 loggamma 3 0,019 Sim 8330,368 8348,991
8 powernorm 3 0,02 Sim 8335,288 8353,911
9 johnsonsu 4 0,019 Sim 8329,985 8354,816
10 skewnorm 3 0,021 Sim 8336,516 8355,139
11 gengamma 4 0,018 Sim 8331,152 8355,983
12 powerlognorm 4 0,02 Sim 8336,791 8361,621
13 weibull max 3 0,019 Sim 8366,771 8385,395
14 frechet l 3 0,019 Sim 8366,771 8385,395
15 genextreme 3 0,019 Sim 8366,771 8385,395
16 norm 2 0,02 Sim 8407,549 8419,964
17 gennorm 3 0,018 Sim 8402,597 8421,22
18 foldnorm 3 0,02 Sim 8408,596 8427,219
19 rice 3 0,0 Sim 8409,549 8428,172
20 exponnorm 3 0,02 Sim 8409,571 8428,194
21 t 3 0,02 Sim 8409,672 8428,295
22 vonmises line 3 0,02 Sim 8409,739 8428,362
23 lognorm 3 0,021 Sim 8414,037 8432,66
24 fatiguelife 3 0,02 Sim 8414,768 8433,391
25 tukeylambda 3 0,021 Sim 8418,889 8437,512
26 burr12 4 0,032 Não 8415,902 8440,733
27 chi 3 0,022 Sim 8427,945 8446,568
28 gamma 3 0,026 Não 8459,746 8478,369
29 erlang 3 0,025 Não 8463,913 8482,536
30 gompertz 3 0,041 Não 8477,479 8496,103
31 genlogistic 3 0,03 Não 8489,523 8508,146
32 logistic 2 0,028 Não 8508,67 8521,085
33 gumbel l 2 0,044 Não 8509,228 8521,643
34 dweibull 3 0,022 Sim 8504,537 8523,16
35 recipinvgauss 3 0,028 Não 8508,509 8527,132
36 fisk 3 0,028 Não 8511,617 8530,24
37 chi2 3 0,03 Não 8513,786 8532,409
38 gausshyper 6 0,027 Não 8568,162 8605,408
39 invgamma 3 0,032 Não 8590,89 8609,513
40 invgauss 3 0,035 Não 8606,382 8625,005
41 dgamma 3 0,025 Não 8607,269 8625,892
42 hypsecant 2 0,034 Não 8614,489 8626,904
43 burr 4 0,05 Não 8651,942 8676,773
44 laplace 2 0,053 Não 8848,26 8860,676
45 loglaplace 3 0,053 Não 8850,833 8869,456
62

do conjunto global padronizado.
# Distribuição Parâmetros KS obs. Aprovada AIC BIC

1 weibull max 3 0,013 Sim 5280,235 5298,858
2 frechet l 3 0,013 Sim 5280,235 5298,858
3 genextreme 3 0,013 Sim 5280,235 5298,858
4 powernorm 3 0,013 Sim 5280,242 5298,865
5 gamma 3 0,014 Sim 5283,359 5301,982
6 erlang 3 0,014 Sim 5283,359 5301,982
7 pearson3 3 0,014 Sim 5283,359 5301,982
8 recipinvgauss 3 0,015 Sim 5284,843 5303,466
9 fatiguelife 3 0,015 Sim 5284,865 5303,488
10 invgauss 3 0,012 Sim 5285,411 5304,034
11 lognorm 3 0,016 Sim 5286,372 5304,995
12 skewnorm 3 0,013 Sim 5286,6 5305,223
13 johnsonsb 4 0,013 Sim 5282,313 5307,144
14 nakagami 3 0,017 Sim 5288,614 5307,237
15 beta 4 0,014 Sim 5283,468 5308,299
16 gengamma 4 0,013 Sim 5284,391 5309,222
17 powerlognorm 4 0,014 Sim 5284,697 5309,528
18 geninvgauss 4 0,015 Sim 5285,492 5310,323
19 johnsonsu 4 0,016 Sim 5288,774 5313,604
20 f 4 0,016 Sim 5289,814 5314,644
21 invgamma 3 0,021 Sim 5298,843 5317,466
22 gausshyper 6 0,016 Sim 5291,126 5328,372
23 exponnorm 3 0,025 Não 5326,212 5344,835
24 genlogistic 3 0,017 Sim 5336,728 5355,351
25 weibull min 3 0,021 Sim 5349,257 5367,88
26 frechet r 3 0,021 Sim 5349,257 5367,88
27 mielke 4 0,017 Sim 5344,146 5368,977
28 rice 3 0,028 Não 5364,357 5382,98
29 alpha 3 0,034 Não 5385,54 5404,163
30 maxwell 2 0,019 Sim 5410,169 5422,585
31 foldnorm 3 0,036 Não 5413,397 5432,02
32 norm 2 0,037 Não 5422,092 5434,507
33 gumbel r 2 0,026 Não 5423,208 5435,624
34 vonmises line 3 0,037 Não 5422,479 5441,102
35 gennorm 3 0,037 Não 5423,891 5442,514
36 t 3 0,037 Não 5424,078 5442,701
37 rdist 3 0,037 Não 5424,198 5442,821
38 burr12 4 0,027 Não 5423,066 5447,897
39 crystalball 4 0,037 Não 5426,092 5450,923
40 burr 4 0,026 Não 5429,965 5454,796
41 loggamma 3 0,039 Não 5439,216 5457,839
42 invweibull 3 0,029 Não 5451,947 5470,57
43 kstwobign 2 0,029 Não 5459,982 5472,397
44 fisk 3 0,035 Não 5472,375 5490,998
45 logistic 2 0,035 Não 5485,13 5497,545
63
4.2 Previsão de Dados para Detecção de Anomalias
A fim de apresentar a aplicação da metodologia exposta de previsão de dados, foram

selecionadas séries históricas reais de pressão medidas em poços de petróleo em produção. Após
a análise dos resultados do emprego de técnicas de previsão de dados, discutida neste capítulo,
sugere-se uma rotina de monitoramento em tempo real para detecção antecipada de anomalias.
4.2.1 Previsão de Dados Futuros
As séries de dados foram retiradas do acervo disponibilizado em Vargas et al. (2019),

tornados públicos com o objetivo de servir de referência para o uso de técnicas associadas à
detecção e diagnóstico de eventos anômalos em poços marítimos de petróleo e gás.
Três séries foram selecionadas, referentes à dados de pressão em eventos de fechamento
espúrio da válvula de segurança de subsuperfície (DHSV), instalada na coluna de produção com
o objetivo de garantir a interrupção de fluxo em casos de desconexão da coluna.
No fechamento espúrio a válvula interrompe a produção, sendo um caso de detecção
falso positiva de vazamento, o que provoca uma parada inoportuna na produção e consequente
prejuízo econômico.
Numa primeira abordagem de previsão de dados, testa-se o poder do modelo ARIMA
para prever dados futuros após um evento que provoque uma oscilação dos dados, durante uma
mudança para um novo estado estacionário. Isto é, testa-se a aptidão do modelo em prever dados
futuros logo após a ocorrência de um evento.
Trata-se de uma estratégia desafiadora, que exige muito do modelo, visto que os modelos
são recomendados para séries estacionárias. Entende-se que após um evento, os dados oscilam
em torno de um valor médio e este tende a reduzir sua variância de modo a retornar a um valor
de média constante e variância reduzida, podendo assim ser aplicado a um modelo ARIMA.
4.2.1.1 Série de Dados 1
A primeira série selecionada refere-se ao registro do poço identificado como 12, com
dados coletados em 20 de março de 2017 às 03:30:22, com valores aferidos a cada segundo por
uma duração de 28 minutos e 22 segundos, gerando um total de 1702 valores registrados no
Medidor de Pressão de Fundo (PDG - Pressure Downhole Gauge). A Figura 22 ilustra a série de
dados completa.
Os dados selecionados para análise e ajuste do modelo ARIMA constituem uma janela
de observação de 2 minutos, nos quais verifica-se uma maior oscilação do valor da pressão logo
após o fechamento espúrio da válvula, vide Figura 23.
O primeiro passo para escolha dos hiperparâmetros do modelo é avaliar qual o valor de d
para o qual os dados se mantêm estacionários. As Figuras 24 e 25 apresentam, respectivamente,
64
Figura 22 – Pressão no PDG durante um evento de fechamento espúrio da DHSV.
Figura 23 – Pressão no PDG logo após um evento de fechamento espúrio da DHSV.
o ACF da série original (com d igual a 0) e o PACF da mesma série. A região em azul representa
o intervalo de confiança para um nível de significância de 5%.
Pelos gráficos, observa-se que o ACF se aproxima de zero rapidamente. Assim, o
hiperparâmetro d foi escolhido como nulo, pois os dados originais são estacionários. Como os
valores dos gráficos em grande parte são nulos, as figuras apresentam apenas os seus primeiros
valores.
Para comparação, as Figuras 26 e 27 apresentam o ACF da série diferenciada (com d
igual a 1) e o PACF da série.
A série diferenciada não apresenta muitas diferenças em relação à série original em
ambos ACF e PACF, pois ela é estacionária.
65
Figura 24 – Gráfico ACF para d = 0.
Figura 25 – Gráfico PACF para d = 0.

66
Em modelos estritamente Autorregressivos o gráfico PACF é nulo a partir do ponto p+1,

o que indica que p deve ser próximo de 2 para essa série temporal. Uma análise semelhante pode
ser realizada no gráfico ACF para estimar o hiperparâmetro q, o qual deve ser próximo de 6.
Para escolha aperfeiçoada dos hiperparâmetros p e q foi realizada uma otimização de
inteiros por busca de grade, garantindo a escolha ótima dos hiperparâmetros de forma a minimizar
o valor do AIC.
A Figura 28 ilustra o resultado da busca de grade. O modelo ARIMA(p=1, d=0, q=10)
foi o que apresentou o melhor resultado para o AIC, a Tabela 34 lista os modelos com melhores
indicadores.
Figura 28 – Isocurvas do AIC segundo os hiperparâmetros do ARIMA.
Com os hiperparâmetros do modelo escolhidos, basta determinar as suas constantes

através de mínimos quadrados, concluindo o ajuste do modelo ARIMA aos dados.
67
Tabela 34 – Modelos indicados segundo seu AIC.
Modelo AIC
ARIMA(p=1, d=0, q=10) 2.359,65
ARIMA(p=2, d=0, q=10) 2.360,78
ARIMA(p=1, d=0, q=11) 2.361,54
ARIMA(p=1, d=0, q=12) 2.363,42
ARIMA(p=5, d=0, q=13) 2.363,62
As Figuras 29 e 30 apresentam os resultados para os modelos ARIMA(p=1, d=0, q=10)

e ARIMA(p=5, d=0, q=13) respectivamente. Os demais modelos da Tabela 34 foram omitidos
por serem semelhantes ao primeiro.
Realizou-se por meio dos modelos a estimativa em vermelho dos valores utilizados para
treino, como também a previsão dos valores futuros, comparando-os com os dados reais em
azul. A região em cinza representa o intervalo de confiança para um nível de significância de 5%.
Nota-se o aumento da largura das bandas de confiança, à medida que se infere sobre instantes de
tempo mais distantes.
Figura 29 – Previsão da série temporal via modelo ARIMA(1,0,10).
Para quantificação da qualidade das estimativas dos valores utilizados em treino e das
previsões dos valores futuros pelos modelos ARIMA, medidas de acurácia foram utilizadas. As
Tabelas 35 e 36 listam os resultados.
A análise de erro via MAPE leva a um resultado equivalente ao já apresentado pelo MAE,
o mesmo pode ser dito para uma análise por meio do RMSE em relação ao CVRMSE.
Quanto aos resultados, observa-se que os quatro primeiros modelos são semelhantes,
resultado esperado por possuírem hiperparâmetros próximos. Já a diferença entre o quinto
68
Figura 30 – Previsão da série temporal via modelo ARIMA(5,0,13).
Tabela 35 – Medidas de acurácia das estimativas dos valores para treino da Série de Dados 1.
Modelo MAE MAPE (%) RMSE CVRMSE (%)

ARIMA(p=1, d=0, q=10) 4.731,40 0,0134 35.467,32 0,0997
ARIMA(p=2, d=0, q=10) 4.649,08 0,0132 35.459,67 0,0996
ARIMA(p=1, d=0, q=11) 4.719,86 0,0134 35.466,15 0,0997
ARIMA(p=1, d=0, q=12) 4.709,08 0,0133 35.464,93 0,0997
ARIMA(p=5, d=0, q=13) 5.127,39 0,0145 35.439,38 0,0996
Tabela 36 – Medidas de acurácia das previsões dos valores futuros da Série de Dados 1.

ARIMA(p=1, d=0, q=10) 9.215,06 0,0259 11.135,83 0,0313
ARIMA(p=2, d=0, q=10) 10.504.81 0,0295 13.405,02 0,0376
ARIMA(p=1, d=0, q=11) 9.708,03 0,0273 12.114,69 0,0340
ARIMA(p=1, d=0, q=12) 10.479,64 0,0294 13.362,63 0,0375
ARIMA(p=5, d=0, q=13) 21.344,12 0,0599 23.138,89 0,0650
modelo (Figura 30) aos demais, perceptível na Tabela 36 que trata das medidas de acurácia das
previsões futuras, foi captada no crescimento do MAPE e CVRMSE em relação aos demais
modelos.
De forma geral, todos os modelos, inclusive o quinto, apresentam medidas de acurácia
semelhantes. Estes valores serão utilizadas como parâmetros para os demais estudos de caso.
69
A segunda série de dados contém os valores de pressão do poço 12 registrados à montante

da válvula de bloqueio de produção (PCK - Production Choke). Um esquema da posição do PCK
pode ser visualizado na Figura 31.
Figura 31 – Esquema simplificado de um poço típico offshore.
CKP
PLATAFORMA
LINHA DE
PRODUÇÃO
TPT
UMBILICAL
ELETRO-
HIDRÁULICO
DHSV
ÁRVORE
DE NATAL PDG
MOLHADA
COLUNA DE
PRODUÇÃO
Fonte: Adaptado de Vargas et al. (2019).
Os dados foram coletados durante um momento de maior variação (amplitude) do sinal

registrado às 14:31:44 do mesmo dia do evento da Série de Dados 1. A Figura 32 apresenta a
série de dados completa.
Figura 32 – Pressão no P-MON-CKP com amplitude do sinal.
Uma janela de 340 segundos (5 minutos e 40 segundos) de operação (Figura 33) foi
70
escolhida para treinamento do modelo ARIMA. Como a série de dados possui uma grande
variação e o modelo ARIMA é baseado em modelos lineares, espera-se que o modelo seja capaz
de acompanhar o valor médio das previsões posteriores à janela de treinamento.
Figura 33 – Janela utilizada para treinamento do modelo.
Seguindo a metodologia para determinação dos hiperparâmetros do modelo ARIMA,

as Figuras 34 e 35 apresentam um recorte dos primeiros valores do gráfico de ACF e PACF da
janela de treino.
Observa-se pelos gráficos que não há necessidade de diferenciação da série, o hiperparâ-

metro d foi escolhido como nulo. Ainda, os gráficos revelam uma estimativa para os hiperparâ-
metros p e q de 2 e 10, respectivamente.
Para uma escolha otimizada dos valores dos hiperparâmetros do modelo, uma busca de
grade é realizada tendo como ponto de partida a estimativa dos hiperparâmetros. A Figura 36
apresenta as isocurvas da função objetivo AIC para os hiperparâmetros do ARIMA. A Tabela 37
lista os modelos com melhores resultados.
71
Modelo AIC
ARIMA(p=11, d=0, q=19) 5.151,03
ARIMA(p=11, d=0, q=17) 5.162,84
ARIMA(p= 9, d=0, q=19) 5.163,25
ARIMA(p= 9, d=0, q=18) 5.167,53
ARIMA(p= 8, d=0, q=18) 5.170,33
Como esperado, devido à grande variação do sinal de pressão, os hiperparâmetros ótimos

do modelo ARIMA são elevados, o que indica uma dependência de termos com um maior atraso.
A previsão de valores futuros, presente nas Figuras 37 e 38 mostra uma limitação do
72
modelo ARIMA. O método não é capaz de prever com precisão dados muito erráticos. Ainda
assim, o método foi capaz de manter uma média móvel capaz de acompanhar o comportamento
geral dos dados.
Figura 37 – Previsão da série temporal via modelo ARIMA (11,0,19).
Para comparação da capacidade de previsão do modelo nesta série de dados, compara-se

as medidas de acurácia, listadas nas Tabelas 38 e 39, com os valores aferidos dos modelos de
previsão aplicados na série de dados 1.
Atenta-se que, quando comparando séries de dados de tamanho e naturezas distintas, as
medidas MAPE e CVRMSE são mais indicadas para análise do que as medidas MAE e RMSE.
Observa-se pelas medidas de acurácia que as estimativas dos valores de treino da série
de dados 2 (Tabela 38) foram mais eficientes do que as estimativas da série de dados 1 (Tabela
73
Tabela 38 – Medidas de acurácia das estimativas dos valores para treino da série de dados 2.

ARIMA(p=11, d=0, q=19) 220,11 0,0027 491,16 0,0060
ARIMA(p=11, d=0, q=17) 229,91 0,0028 497,04 0,0061
ARIMA(p=9, d=0, q=19) 222,68 0,0027 496,89 0,0061
Tabela 39 – Medidas de acurácia das previsões dos valores futuros da série de dados 2.

ARIMA(p=11, d=0, q=19) 8.140,23 0,0997 9.571,50 0,1172
ARIMA(p=11, d=0, q=17) 7.962,77 0,0975 9.501,25 0,1164
ARIMA(p=9, d=0, q=19) 8.205,80 0,1005 9.586,71 0,1174
35), por derivar medidas de acurácia inferiores. Contudo, as previsões para valores futuros da
série de dados 2 (Tabela 39) possui medidas de acurácia muito mais elevadas que as avaliadas
sobre a série de dados 1 (Tabela 36).
O primeiro resultado sobre a comparação das medidas de acurácia para os dois exemplos
pode ser explicado pelo uso de uma janela de dados maior para a segunda série de dados, além
do fato de que o modelo que o modelo ARIMA da segunda série de dados possui mais elementos
dependentes (hiperparâmetros com valores mais altos). Além disso, pressões em PDG são mais
elevadas, o que pode resultar em erros absolutos maiores.
Já o segundo resultado sobre a comparação é simples e visível pelas figuras de previsão
de série temporal. Isto é, os valores previstos para a segunda série de dados possuem um erro
considerável, mesmo que o modelo seja capaz de prever a média móvel do sinal.
Uma terceira série de dados, contendo os valores de pressão do poço 11 registrados no

PDG logo após um fechamento espúrio da válvula, foi utilizada para teste da capacidade de
previsão do modelo ARIMA. Desta vez, uma série mais curta com 80 dados (Figura 39) foi
selecionada para treinamento do modelo.
Mais uma vez, como o ARIMA é baseado em modelos lineares, espera-se que ele seja
capaz de acompanhar o valor médio das previsões posteriores à janela de treinamento. Seguindo
a metodologia para determinação dos hiperparâmetros do modelo ARIMA, as Figuras 40 e 41
apresentam um recorte dos primeiros valores do gráfico de ACF e PACF da janela de treino.
A partir dos gráficos, verifica-se que a diferenciação relativa ao hiperparâmetro d não
precisa ser realizada. Ainda, os gráficos revelam uma estimativa para os hiperparâmetros p e q
de 2 e 3, respectivamente.
74
Figura 39 – Janela utilizada para treinamento do modelo.

75
Para otimização dos hiperparâmetros do modelo, a busca de grade ilustrada na Figura

42 com as isocurvas da função objetivo AIC foi efetuada. A Tabela 40 lista os modelos com
melhores resultados.
Modelo AIC
ARIMA(p=2, d=0, q=0) 1.649,43
ARIMA(p=2, d=0, q=1) 1.651,13
ARIMA(p=3, d=0, q=0) 1.651,37
ARIMA(p=2, d=0, q=2) 1.652,08
ARIMA(p=4, d=0, q=0) 1.652,37
ARIMA(p=3, d=0, q=1) 1.653,18
ARIMA(p=2, d=0, q=3) 1.653,40
Por ser utilizada uma série mais curta e bem comportada para treinamento, os hiperparâ-
metros ótimos do modelo ARIMA são baixos, o que indica uma dependência de termos com um
atraso menor.
A previsão de valores futuros ilustrada na Figura 43 mostra como o modelo, por possuir
hiperparâmetros baixos, mantém uma média móvel capaz de acompanhar o comportamento geral
dos dados.
Para avaliação da capacidade de previsão do modelo nesta série de dados, compara-se
as medidas de acurácia, listadas nas Tabelas 41 e 42, com os valores aferidos dos modelos de
previsão aplicados na série de dados 1.
Observa-se pelas medidas de acurácia que as estimativas dos valores de treino da série de
dados 3 (Tabela 41) foram próximas das estimativas da série de dados 1 (Tabela 35) e inferiores
76
Tabela 41 – Medidas de acurácia das estimativas dos valores para treino da série de dados 3.

ARIMA(p=2, d=0, q=0) 4.601,91 0,0123 16.279,26 0,0433
ARIMA(p=2, d=0, q=1) 4.624,59 0,0123 16.107,29 0,0429
ARIMA(p=3, d=0, q=0) 4.616,93 0,0123 16.267,99 0,0433
ARIMA(p=2, d=0, q=2) 4.785,98 0,0128 16.149,04 0,0430
ARIMA(p=4, d=0, q=0) 4.778,22 0,0127 16.184,69 0,0431
ARIMA(p=3, d=0, q=1) 4.665,73 0,0124 16.246,94 0,0433
ARIMA(p=2, d=0, q=3) 4.941,18 0,0132 16.269,53 0,0433
Tabela 42 – Medidas de acurácia das previsões dos valores futuros da série de dados 3.

ARIMA(p=2, d=0, q=0) 5.752,12 0,0153 6.357,24 0,0169
ARIMA(p=2, d=0, q=1) 7.454,66 0,0198 8.200,34 0,0218
ARIMA(p=3, d=0, q=0) 5.433,02 0,0145 6.016,93 0,0160
ARIMA(p=2, d=0, q=2) 3.329,73 0,0089 4.244,24 0,0113
ARIMA(p=4, d=0, q=0) 3.596,79 0,0096 4.405,09 0,0117
ARIMA(p=3, d=0, q=1) 4.697,88 0,0125 5.265,54 0,0140
ARIMA(p=2, d=0, q=3) 9.493,73 0,0253 10.355,71 0,0276
às estimativas da série de dados 2 (Tabela 38). Contudo, as previsões para valores futuros da
série de dados 3 (Tabela 42) indicam uma previsão mais precisa que os indicativos dos dois testes
anteriores (Tabelas 36 e 39). Ainda, há um ganho em precisão da previsão ao utilizar o modelo
ARIMA(p=2, d=0, q=2), o quarto melhor indicado pela otimização dos hiperparâmetros via AIC.
77
Com base nos resultados dos modelos ARIMA sobre os dados de pressão dos poços,
uma metodologia de detecção de anomalias em tempo real por meio de modelos ARIMA foi
criada, sendo descrita e aplicada, conforme apresentado a seguir.
4.2.2 Metodologia de Detecção de Anomalias com modelos ARIMA
De acordo com os exemplos anteriores, observa-se que os modelos ARIMA são capazes
de identificar mudanças pontuais no comportamento dos dados, a partir da detecção de mudanças
nos valores da média móvel da série.
Logo, os modelos ARIMA podem auxiliar na identificação de mudanças iminentes
de tendência, antecipando eventos indesejáveis e dando suporte aos modelos de detecção de
anomalias.
A metodologia de aplicação do modelo para detecção de anomalias é realizada da
seguinte forma:
• Os hiperparâmetros para determinação do modelo ARIMA (e seus parâmetros) foram

avaliados por meio dos primeiros dados de pressão do poço;
• Observações futuras foram previstas pelo modelo e comparadas pelo cálculo do Erro
Médio Absoluto (MAE) com os dados reais adquiridos após previsão;
• Caso o MAE esteja dentro da tolerância, os parâmetros do modelo ARIMA são atualizados
com os novos dados, caso contrário uma anomalia é identificada;
• Para que o algoritmo continue sua verificação de anomalias, em um caso anômalo os novos
hiperparâmetros são avaliados com os dados futuros, de forma a criar um novo modelo
ARIMA que absorva a nova tendência dos dados;
• Assim, o algoritmo continua sua previsão de dados e verificação de anomalias.
A seguir, apresentam-se aplicações dos modelos ARIMA para identificação de mudanças

pontuais no comportamento dos dados.
4.2.2.1 Estudo de Caso 1
Aplica-se a metodologia de identificação de anomalias por meio de modelos ARIMA

sobre a pressão (PT) de um poço em produção.
A Figura 44 apresenta os dados aferidos, as primeiras três horas e trinta minutos da janela
apresentada representam um poço em estado normal de produção. Este segmento de estado
normal possui aproximadamente 800 dados.
Após este momento, o poço começa a apresentar um comportamento anormal, onde o
algoritmo teve que determinar novos hiperparâmetros para o modelo ARIMA, alguns outros
78
pontos subsequentes são identificados pelo algoritmo como anômalos, representados por uma
nova mudança em seu comportamento.
A linha contínua em azul representa os primeiros 100 dados de pressão do poço, o
pontilhado em azul representa os dados reais futuros, enquanto que a linha pontilhada em
vermelho representa os valores previstos. Trechos de descontinuidade na linha vermelha indicam
os pontos onde os hiperparâmetros do modelo ARIMA foram modificados.
Figura 44 – Dados do poço número 1 e previsões via ARIMA.
A Fig. 45 apresenta o MAE dos valores previstos, as anomalias são identificadas pelo
MAE exceder a tolerância adotada e representados por pontos vermelhos no gráfico.
Figura 45 – MAE dos valores previstos via ARIMA para o poço número 1.

79
4.2.2.2 Estudo de Caso 2
Um caso de estudo para aplicação direta da metodologia é o poço número 2, apresentado

como um dos motivadores da verificação de integridade em tempo real. Este poço será aplicado
também com a próxima metodologia, para comparação.
Como no caso anterior, a metodologia utiliza modelos ARIMA que são atualizados
conforme novos dados são adquiridos, estes dados são comparados com seus valores previstos
de forma a detectar variações de tendências.
A Figura 46 apresenta o comportamento da pressão PT do poço ainda em seu estado
normal, observa-se uma diferença entre os valores previstos e adquiridos do poço, diferente do
caso anterior, mas o Erro Médio Absoluto se mantém dentro da tolerância, o que indica um
estado normal da pressão do poço.
Figura 46 – Janela de operação normal do poço número 2 e previsões via ARIMA.
Com o decorrer do tempo, o MAE ultrapassa a tolerância adotada, indicando uma

variação errática do comportamento da pressão. A Figura 47 ilustra a variação do parâmetro,
enquanto que a Figura 48 expõe os dados de pressão durante sua transição para o estado anômalo,
conforme verificado pela variação do MAE.
O pico do MAE na Figura 47 em torno das 06:00 horas identificou uma anomalia
no sistema, novamente detectada próximo de 06:40 horas. Estas anomalias correspondem a
anomalias reais visualmente perceptíveis na Figura 48, demonstrando a eficácia da metodologia
em tempo real.
80
Figura 47 – MAE dos valores previstos via ARIMA para o poço número 2.
Figura 48 – Dados do poço número 2 e previsões via ARIMA.

81
5 CONCLUSÃO E SUGESTÕES PARA TRABALHOS FUTUROS
O presente texto aborda técnicas de ciência dos dados no contexto do projeto e do

monitoramento de integridade estrutural de poços, no tocante à inferência estatística à previsão
de séries temporais, inseridas no cenário de transformação digital do setor.
No âmbito de inferência estatística, os métodos de parametrização de distribuições de
probabilidade hipotéticas e os testes de aderência são discutidos, indicando quais as vantagens
da aplicação de cada um dos métodos expostos. Ainda, técnicas complementares de seleção
de modelos por meio de critérios de informação, quantificação de incertezas no processo de
aquisição de dados e uma metodologia de imposição de limites numa distribuição hipotética são
sugeridos.
Uma extensa aplicação dos métodos indicados é realizada sobre dados de manufatura de
tubulares, com vistas à quantificação de incertezas dos parâmetros de projeto de revestimento.
A inferência sobre os dados mecânicos, aferidos em ensaios destrutivos, portanto, em
amostra única de tamanho regular, foi conclusiva, com resultados positivos para quase todos os
testes de aderência realizados.
Já a inferência sobre os dados de características geométricas foi mais extensa, devido
à amostragem dos dados e ao período de produção contemplado. Os dados se portaram de
forma multimodal, demandando a aplicação de técnicas auxiliares de pré-tratamento antes de
sua inferência estatística a qual, por fim, foi conclusiva em caracterizar as séries de dados.
Entende-se que a inferência é parte fundamental do projeto de revestimentos por métodos
probabilísticos, os quais são recomendados em normas recentes de projetos de poços de petróleo,
a exemplo da API TR 5C3 (2008). A metodologia explorada no presente texto pode ser aplicada
em dados reais, os quais não puderam ser apresentados por questões de proteção de dados, para
a caracterização de variáveis e posterior análise confiabilística, como apresentado em Gouveia
(2014), Oliveira (2017) e Silva (2018).
No que tange às técnicas de previsão de dados, modelos do tipo ARIMA foram aplicados
em séries históricas reais de pressões medidas em poços de petróleo em produção, com a
finalidade de estimar os valores de pressões futuras. Após uma análise dos resultados de previsão,
avaliados por meio de medidas de desempenho, uma metodologia de detecção de anomalias
com modelos ARIMA é sugerida e aplicada, de forma a auxiliar na identificação de mudanças
iminentes de tendência, antecipando eventos indesejáveis.
A metodologia de detecção de anomalias pode ser utilizada como suporte à técnicas mais
robustas de previsão, como é o caso de previsões por meio de redes neurais artificiais (RNA).
Técnicas mistas de detecção via RNA com modelos ARIMA são utilizadas em outras áreas do
conhecimento, sugere-se como uma extensão deste trabalho uma investigação da qualidade de
82
técnicas RNA, comparadas com a precisão e velocidade de captação de anomalias por meio
de modelos ARIMA, como também uma combinação das duas técnicas como alternativa, com
possíveis ganhos em precisão e robustez das previsões.
Diante do exposto, reafirma-se que as técnicas de ciência dos dados são de grande valia
para o cenário de transformação digital no contexto do projeto e do monitoramento de integridade
estrutural de poços. Temas como os abordados aqui são uma demanda premente da indústria, e
entende-se que os pontos explorados podem contribuir nesse contexto.
83
REFERÊNCIAS
ANG, A.; TANG, W. Probability concepts in engineering : emphasis on applications in civil &
environmental engineering. New York: Wiley, 2007. ISBN 9780471720645. Citado na página
22.
API TR 5C3. Technical Report on Equations and Calculations for Casing, Tubing, and Line
Pipe Used as Casing or Tubing; and Performance Properties Tables for Casing and Tubing. 1st.
ed. Washington, D.C., 2008. Citado 4 vezes nas páginas 15, 27, 36 e 81.
ARMSTRONG, J. S.; COLLOPY, F. Error measures for generalizing about forecasting methods:
Empirical comparisons. International journal of forecasting, Elsevier, v. 8, n. 1, p. 69–80, 1992.
Citado na página 35.
BAIRD, G. L.; HARLOW, L. L. Does one size fit all? a case for context-driven null hypothesis
statistical testing. Journal of Modern Applied Statistical Methods, v. 15, n. 1, p. 7, 2016. Citado
na página 49.
DOROUDI, S. The bias-variance tradeoff: How data science can inform educational debates.
AERA Open, SAGE Publications Sage CA: Los Angeles, CA, v. 6, n. 4, p. 2332858420977208,
2020. Citado 2 vezes nas páginas 24 e 25.
DU, X.; HU, Z. First order reliability method with truncated random variables. Journal of
Mechanical Design, American Society of Mechanical Engineers Digital Collection, v. 134, n. 9,
2012. Citado na página 27.
GERKE, G. GE Digital Twin Technology Revamps Offshore Oil Operations. [S.l.], 2018
(acessado em 24/07/2018). Disponível em: <https://www.efficientplantmag.com/2018/03/
ge-digital-twin-technology-revamps-offshore-oil-operations/>. Citado na página 14.
GIBBONS, J. D.; CHAKRABORTI, S. Nonparametric Statistical Inference: Revised and

Expanded. [S.l.]: CRC press, 2014. Citado na página 16.
GOUVEIA, L. P. d. Avaliação da confiabilidade em tubos de revestimento de poços de petróleo.

Universidade Federal de Alagoas, 2014. Citado 2 vezes nas páginas 15 e 81.
HANSEN, L. P. Large sample properties of generalized method of moments estimators.

Econometrica: Journal of the Econometric Society, JSTOR, p. 1029–1054, 1982. Citado na
página 16.
JAMES, G. et al. An introduction to statistical learning. [S.l.]: Springer, 2013. v. 112. Citado 2
vezes nas páginas 17 e 29.
KLEVER, F.; TAMANO, T. A new octg strength equation for collapse under combined loads.
SPE Drilling & Completion, Society of Petroleum Engineers, v. 21, n. 3, Sep 2006. Citado na
página 36.
LCCV. Modelos e Ferramentas Computacionais para Apoio ao Dimensionamento de

Revestimentos de Poços. 2019. Relatório Técnico Parcial 02. Citado na página 16.
LCCV. Desenvolvimento de Ferramentas Computacionais para Modelagem em Tempo Real da

Integridade de Estrutura de Poço. 2020. Relatório Parcial 1. Citado na página 15.
84
MAYANI, M. G. et al. Drilling digital twin success stories the last 10 years. In: SOCIETY OF
PETROLEUM ENGINEERS. SPE Norway One Day Seminar. [S.l.], 2018. Citado na página
14.
MCLACHLAN, G. J.; PEEL, D. Finite mixture models. [S.l.]: John Wiley & Sons, 2004. Citado
na página 49.
NADHAN, D. et al. Drilling with digital twins. In: SOCIETY OF PETROLEUM ENGINEERS.
IADC/SPE Asia pacific drilling technology conference and exhibition. [S.l.], 2018. Citado na
página 14.
OLIVEIRA, F. L. Carregamentos aleatórios no dimensionamento probabilístico de revestimentos

de poços de petróleo. Universidade Federal do Rio de Janeiro, 2017. Citado 2 vezes nas páginas
15 e 81.
PAWITAN, Y. In all likelihood: statistical modelling and inference using likelihood. [S.l.]:
Oxford University Press, 2001. Citado na página 22.
SEVERINI, T. A. Likelihood methods in statistics. [S.l.]: Oxford University Press, 2000. Citado
na página 16.
SILVA, T. B. d. Contribuição à análise de integridade em sistemas de revestimento via

confiabilidade estrutural. Universidade Federal de Alagoas, 2018. Citado 3 vezes nas páginas
15, 16 e 81.
VARGAS, R. E. V. et al. A realistic and public dataset with rare undesirable real events in oil
wells. Journal of Petroleum Science and Engineering, Elsevier, v. 181, p. 106223, 2019. Citado
2 vezes nas páginas 63 e 69.
Virtanen, P. et al. SciPy 1.0: Fundamental Algorithms for Scientific Computing in Python.
Nature Methods, v. 17, p. 261–272, 2020. Citado 2 vezes nas páginas 17 e 51.
VU, K. M. The ARIMA and VARIMA time series: their modelings, Analyses and Applications.
[S.l.]: AuLac Technologies Inc., 2007. Citado na página 17.
WALPOLE, R. E. e. a. Probability and Statistics for Engineers and Scientists. [S.l.]: Pearson
Education Limited, 2011. Citado na página 21.
WOOLDRIDGE, J. M. Applications of generalized method of moments estimation. Journal of

Economic perspectives, American Society of Mechanical Engineers Digital Collection, v. 15,
n. 4, p. 87–100, 2001. Citado na página 21.
YUAN, Z. et al. Casing failure mechanism and characterization under hpht conditions in south
texas. In: EUROPEAN ASSOCIATION OF GEOSCIENTISTS & ENGINEERS. IPTC 2013:
International Petroleum Technology Conference. [S.l.], 2013. p. cp–350. Citado na página 14.

Trabalho8 Mestrado Igor Oliveira 2020

Enviado por

Direitos autorais:

Formatos disponíveis

Trabalho8 Mestrado Igor Oliveira 2020

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Trabalho8 Mestrado Igor Oliveira 2020

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE FEDERAL DE ALAGOAS

IGOR DE MELO NERY OLIVEIRA

TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À

TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À

Dissertação apresentada como requisito parcial

Orientador: Prof. Dr. Eduardo Toledo de Lima

O48t Oliveira, Igor de Melo Nery.

Orientador: Eduardo Toledo de Lima Junior.

1. Inferência estatística. 2. Análise de séries temporais. 3. Modelos

TÉCNICAS DE INFERÊNCIA E PREVISÃO DE DADOS COMO SUPORTE À ANÁLISE

IGOR DE MELO NERY OLIVEIRA

Dissertação submetida à banca examinadora do Programa de Pós-Graduação em Engenharia

Campus A. C. Simões, Av. Lourival de Melo Mota, S/N

Palavras-chave: Transformação Digital; Inferência Estatística; Monitoramento Estrutural; Séries

Keywords: Digital Transformation; Statistical inference; Structural Monitoring; Time Series;

Figura 1 – Combinações de enviesamento e variância. . . . . . . . . . . . . . . . . . . 25

Tabela 1 – Funções de probabilidade de modelos usuais de distribuição. . . . . . . . . 20

ACF Função de Autocorrelação (Autocorrelation Function)

AIC Critério de Informação de Akaike (Akaike Information Criterion)

AR Modelos Autorregressivos (Auto Regressive Models)

ARIMA Modelos Autorregressivos, Integrados e de Médias Móveis (Auto Regressive

ARMA Modelos Autorregressivos e de Médias Móveis (Auto Regressive Moving

avgOD Diâmetro Externo Médio (Average Outer Diameter)

avgWT Espessura de Parede Média (Average Wall Thickness)

BIC Critério de Informação Bayesiano (Bayesian Information Criterion)

CDF Função de Distribuição Acumulada (Cumulative Distribution Function)

Cov Covariância (Covariance)

CV Coeficiente de Variação (Coefficient of Variation)

CVRMSE Coeficiente de Variação da Raiz Quadrada do Erro Quadrático Médio (Coef-

DHSV Válvula de Segurança de Subsuperfície (Downhole safety valve)

I Modelos Integrados (Integrated Models)

IID Independente e Identicamente Distribuída (Independent and Identically

KS Teste Kolmogorov-Smirnov (Kolmogorov-Smirnov Test)

MA Modelos de Médias Móveis (Moving Average Models)

MAE Erro Absoluto Médio (Mean Absolute Error)

MAPE Erro Absoluto Médio Percentual (Mean Absolute Percentage Error)

PACF Função de Autocorrelação Parcial (Partial Autocorrelation Function)

PCK Válvula de Bloqueio de Produção (Production Choke)

PDF Função de Densidade de Probabilidade (Probability Density Function)

P-MON-CKP Pressão à Montante da PCK (Pressure Upstream of PCK)

RNA Redes Neurais Artificiais (Artificial Neural Network)

UTS Resistência à Tração (Ultimate Tensile Strength)

YS Tensão de Escoamento (Yield strength)

2 INFERÊNCIA ESTATÍSTICA DE DADOS . . . . . . . . . . . . . . . . 18

3 PREVISÃO DE DADOS POR MODELOS ARIMA . . . . . . . . . . . . 29

4 ESTUDOS DE CASO DE INFERÊNCIA E PREVISÃO DE DADOS

5 CONCLUSÃO E SUGESTÕES PARA TRABALHOS FUTUROS . . . . 81

O projeto de um poço de petróleo é uma atividade complexa e envolve a análise de

limitados ao interior da coluna de produção e ao anular adjacente. Cada sensor de monitoramento

Técnicas de inferência estatística sobre dados de fabricação de tubulares figuram como

Estudar e aplicar técnicas de ciência dos dados no contexto do projeto e do monitoramento

1.1.1 Objetivos Específicos

• Estudar e codificar técnicas de inferência estatística, e posterior aplicação a dados de

• Codificar e analisar técnicas de previsão de séries temporais, tendo em vista o monitora-

1.2 Metodologia e Organização do Trabalho

Esta dissertação foi desenvolvida em cinco capítulos. O primeiro capítulo consiste da

No Capítulo 3 são abordadas técnicas para previsão de séries temporais de carregamento.

1.3 Delimitação do Trabalho

Este trabalho versa sobre um conjunto de técnicas de inferência estatística e previsão de