Análise de confiabilidade de dutos submarinos corroídos utilizando redes neurais

Abstract

O transporte de óleo e gás através de dutos, principalmente para dutos submarinos, é amplamente utilizado devido a sua eficiência e eficácia operacional. Nesse contexto, a análise de confiabilidade de dutos submarinos se apresenta essencial para garantir o funcionamento contínuo deste sistema e evitar falhas e acidentes. Os métodos experimentais e numéricos frequentemente utilizados apresentam resultados conservadores, além de demandarem alto tempo e complexidade na análise. No estudo de (FERREIRA et al., 2021), foi proposto o uso de Redes Neurais Artificias (RNA) na previsão da pressão de falha de dutos enterrados corroídos. Brandão (BRANDÃO, 2023) e Silva (SILVA, 2024) avançam nessa pesquisa, investigando, respectivamente, a capacidade das meta-heurísticas Particle Swarm Optimization (PSO) e Greedy Randomized Adaptive Search Procedure (GRASP) na otimização dos parâmetros das RNAs. Este trabalho tem como objetivo desenvolver uma RNA capaz de prever a pressão de falha em dutos submarinos corroídos, avaliando sua capacidade de substituir a equação proposta por (NETTO, 2009) e oferecendo uma alternativa precisa e rápida na análise de confiabilidade. Foram implementadas quatro RNAs: uma sem otimização e outras três utilizando os métodos PSO, GRASP e Optuna, com o intuito de identificar qual RNA se adequa melhor ao objetivo proposto. Todas as análises foram realizadas em Python (PYTHON SOFTWARE FOUNDATION, 2024). Os resultados indicaram que as RNAs otimizadas apresentaram melhor desempenho em termos de precisão, com destaque para a otimização via Optuna, que se mostrou eficiente em termos de tempo computacional e qualidade das predições. A análise sugere que as RNAs otimizadas são uma alternativa viável para a análise de dutos submarinos corroídos, apresentando vantagens em precisão, velocidade e complexidade das previsões.