RESUMO
Se presenta una metodología que integra diversas técnicas de inteligencia artificial para construir un sistema de pronóstico que determina la conveniencia de aplicar una solución con propiedades tenso-activas a un pozo de petróleo, con el objetivo de aumentar la producción de este hidrocarburo. La metodología comienza con el procesamiento de los datos obtenidos de un experimento consistente en la inyección de tenso-activos a un conjunto de pozos en un yacimiento. Se utilizaron diversas técnicas exploratorias de datos, como lo son reconocimiento de patrones, selección de variables y métodos para la generación automatizada de hipótesis. La información derivada de este procesamiento fue modelada en una base de conocimiento, que junto con las máquinas de inferencia de un lenguaje, denominado HAries, permitieron la construcción de un sistema capaz de tomar decisiones en relación a la inyección de tenso-activos y sugerir la tecnología más apropiada a usar en cada contexto. El sistema se aplicó a diversos pozos, obteniendo, en todos los casos, resultados satisfactorios.
A methodology is presented that integrates diverse artificial intelligence techniques in order to build a forecast system that determines the convenience of applying a solution with tensoactive properties to an oil well, so as to increase oil production. The methodology begins by processing the data obtained from an experiment consisting in the injection of tensoactive products into a group of wells in an oil field. Different exploratory techniques were used, such as pattern recognition, selection of variables, and methods for the automatic generation of hypotheses. The information obtained through such processing was modeled in a knowledgebase which, together with the inference machinery of a language named HAries, permitted the construction of a system capable of decision-making in relation to the injection of tensoactive substances and of suggesting the most appropriate technology to be used in each instance. The system was applied to different wells, obtaining in satisfactory results in every case.
Apresenta-se uma metodologia que integra diversas técnicas de inteligência artificial para construir um sistema de prognóstico que determine a conveniência de aplicar uma solução com propriedades tensoativas em um poço de petróleo, com o objetivo de aumentar a produção deste hidrocarboneto. A metodologia começa com o processamento dos dados obtidos de um experimento consistente na injeção de tensoativos a um conjunto de poços em uma jazida. Utilizaram-se diversas técnicas exploratorias de dados, como o reconhecimento de padrões, a seleção de variáveis e os métodos para geração automatizada de hipóteses. A informação derivada deste processamento foi modelada em uma base de conhecimento que, junto com as máquinas de inferência de uma linguagem denominado HAries, permitiram a construção de um sistema capaz de tomar decisões em relação à injeção de tensoativos e sugerir a tecnologia mais apropriada a usar em cada contexto. O sistema foi aplicado em diversos poços, obtendo, em todos os casos, resultados satisfatórios.