Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / O objetivo desta Pesquisa de Mestrado foi propor uma metodologia de avaliação de reservas a descobrir (óleo iminente a descobrir - yet-to-find-oil), que utiliza métodos estocásticos e análises probabilísticas, aplicados às informações disponíveis sobre bacias com largo histórico exploratório, e que incorpora informações sobre a área exaurida por esforços exploratórios passados. As simulações estocásticas foram realizadas por uma ferramenta de modelagem do processo exploratório de ciclo completo, disponível comercialmente, e também no Laboratório de Correlação Geológica (LABCG) da Faculdade de Geologia da UERJ. Uma aplicação prática dessa metodologia composta, de modelagem estocástica e ajuste por área exaurida, foi realizada no play definido como a área de águas rasas da Bacia de Campos. Utilizando apenas dados parciais sobre as descobertas de campos de petróleo e gás, os resultados sugerem que essa área ainda não pode ser considerada exploratoriamente madura. Também foram apontadas interessantes perspectivas de descobertas adicionais de acumulações totais de óleo e gás, e de acumulações individuais de tamanhos significativos. A aplicação da metodologia proposta em bacias com largo histórico exploratório, como a Bacia de Campos em águas rasas, mostrou-se perfeitamente viável. Outro objetivo desta Pesquisa foi ajudar a desenvolver, dentro da Faculdade de Geologia, um pólo de conhecimento sobre os processos de avaliação de yet-to-find-oil, e sobre as ferramentas de modelagem do processo exploratório. / The objective of this Masters Project was to propose a methodology of evaluation of yet-to-find-oil, which utilizes stochastic methods and probabilistic analyses applied to the information available about basins with a long exploratory history, and which incorporates information about the area exhausted by previous exploratory efforts. The stochastic simulations were carried out by a full cycle, exploratory process modeling tool which is available commercially, and also at the Laboratory of Geological Correlation (LABCG) of the Geology Department at UERJ. A practical application of this composite methodology, using stochastic modeling and adjustment for area exhausted, was made in the play defined as the shallow waters of the Campos Basin. Utilizing only partial data about the discoveries of oil and gas fields, the results suggest that this area cannot yet be considered a mature exploratory play. Interesting perspectives for the discovery of additional total accumulations of oil and gas were also indicated, as well as individual accumulations of significant size. The application of the proposed methodology in basins with a reasonably extensive exploratory history, such as the Campos Basin in shallow waters, was shown to be perfectly viable. Another objective of this research was to help develop, within the Geology Department, a local knowledge center regarding the processes for evaluation of yet-to-find-oil, and about exploratory process modeling tools.

Este trabalho descreve a aplicação de redes neurais \"feed-forward\" com três camadas em diferentes áreas da Engenharia Química. O objetivo principal do projeto é a modelagem, simulação e posterior otimização do processo de produção de isopreno empregando técnicas de redes neurais em substituição as equações de modelagem fenomenológica. A planta industrial testada é a unidade de produção de isopreno da BRASKEM (antiga COPENE). O sistema consiste essencialmente de um reator de dimerização e uma série de colunas de destilação. Uma vez que redes neurais são capazes de aprender eficientemente o processo a partir de informações extraídas diretamente de dados da planta, para este trabalho o modelo de rede neural gerado foi construído a partir de dados históricos operacionais coletados a cada 15 minutos durante o período de 1 ano. Em uma primeira etapa é realizada a análise dos dados operacionais de modo a detectar e eliminar erros grosseiros e sistemáticos. Em seguida, a modelagem e simulação do processo são realizadas. O modelo de redes neurais gerado é, então, empregado na otimização qualitativa/quantitativa do processo, construindo um \"grid\" de busca detalhado da região de interesse, através um mapeamento completo da função objetivo no espaço das variáveis de decisão. A segunda etapa diz respeito à predição de azeótropos, visando um melhor entendimento do comportamento do sistema da seção de extração de isopreno. Nas duas etapas, a grande vantagem em utilizar modelos de redes neurais, além de ajustar dados, é a capacidade que estes apresentam em representar eficientemente sistemas multivariáveis, complexos e não lineares, aprendendo o sistema, sem o conhecimento das leis físicas e químicas que o regem. Comparações entre a predição dos modelos propostos e os dados experimentais foram executadas e resultados muito bons foram conseguidos do ponto de vista industrial. ) Esta metodologia fornece informações interessantes e de maior compreensão para a análise dos engenheiros de processo do que os procedimentos convencionais correspondentes. Além disso, este trabalho mostra que a metodologia de redes neurais é promissora para varias aplicações indústrias, tais como análise de dados, modelagem, simulação e otimização de processos, bem como predição de propriedades termodinâmicas. / This work describes the application of a three-layer feed-forward neural network (NN) in different areas of chemical engineering. The main objective of this study is to model, simulate and optimize a real industrial plant, using NN by replacing phenomenological models. The industrial process studied is the isoprene production unit from BRASKEM. The chemical process consists basically of a dimerization reactor and a separation column train. Since NNs are able to extract information from plant data in an efficient manner, for this work, the neural network model was built directly from historical plant data, which were collected every 15 minutes during a period of one year. These data were carefully analyzed in order to identify and eliminate gross error data and non-steady state operation data. The modeling using NN was carried out by parts in order to get information on intermediate streams. Then, the global model was built, by interconnecting each individual model, and used to simulate and optimize the process. The optimization procedure carries on a detailed grid search of the region of interest, by a full mapping of the objective function on the space of decision variables. The second stage of this work deals with the azeotropic prediction using also the neural network approach. The objective of this step was to obtain a better understanding of the system behavior in the isoprene extraction section. Since all the cases studied are non-linear, complex andmultivariable systems, NN approach appears as a technique of interest due to its capability of learning the system without knowledge of the physical and chemical laws that govern it. Comparisons between the model\'s prediction and the experimental data were performed and reasonable results were achieved from an industrial point of view. ) Using neural network approach provides more comprehensive information for an engineer\'s analysis than the conventional procedure. This work shows that the use of NN methodology is promising for several industrial applications, such as data analysis, modeling, simulation and optimization process, as well as thermodynamics properties prediction. However, success in obtaining a reliable and robust NN depends strongly on the choice of the variables involved, as well as the quality of available data set and the domain used for training purposes.

Business process models are an important source of information for the development of information systems. However, changes in the environment can a ect the way business processes are performed. In order to obtain models that re ect the changes it is necessary to continuously check between model and reality. Good business processes need to be up-to-date and automated to represent the organizational environment. Thus, it is of paramount importance to represent adequately variability in Business Process Models. Representing and con guring business processes variability for a speci c organization allows the proper execution of processes. In addition, dynamic environment calls for exible con guration processes that can meet stakeholders' goals. However, selecting a con guration for business process is a challenging activity. Even though current approaches allow the representation of variability of business process models, the selection of business variants in a given context remains a challenging issue. In this proposal, we advocate the use of Non-Functional Requirements (NFR) and context-awareness information to drive the con guration of process models at run-time. We propose a model-driven business process con- guration approach called Business process Variability Con guration with Contexts and NFRs (BVCCoN), approach that keeps the variability representation, con guration knowledge and contextual information separated from the business process models. We illustrate the BVCCoN model and process through examples. The evaluation of our proposal is based on a simulation assessment. / Submitted by João Arthur Martins (joao.arthur@ufpe.br) on 2015-03-12T18:46:21Z No. of bitstreams: 2 Tese Emanuel Santos.pdf: 4118681 bytes, checksum: f565640ea4362fd5c2f2c8f9197b9e47 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T18:46:21Z (GMT). No. of bitstreams: 2 Tese Emanuel Santos.pdf: 4118681 bytes, checksum: f565640ea4362fd5c2f2c8f9197b9e47 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013-05-10 / Modelos de processos de neg ocios s~ao uma importante fonte de informa c~ao para o desenvolvimento de sistemas de informa c~ao. No entanto, as mudan cas no ambiente podem afetar a forma como os processos de neg ocios s~ao realizados. A m de obter modelos que re etem as mudan cas e necess ario o alinhamento entre o modelo e a realidade. Processos de neg ocios bons precisam ser atualizados e automatizados para representar o ambiente organizacional. Assim, e de suma import^ancia representar adequadamente a variabilidade em Modelos de Processo de Neg ocio. Representar e con gurar a variabilidade em processos de neg ocio de uma organiza c~ao espec ca permite a execu c~ao adequada dos processos. Al em disso, o ambiente din^amico exige processos de con gura c~ao ex veis que possam atender os objetivos das partes interessadas. No entanto, selecionando uma con gura c~ao para o processo de neg ocio e uma atividade desa adora. Mesmo que as abordagens atuais permitam a representa c~ao da variabilidade dos modelos de processos de neg ocios, a sele c~ao de variantes de neg ocios em um determinado contexto continua a ser uma quest~ao a ser explorada. Nesta proposta, defendemos o uso de Requisitos N~ao Funcionais (RNF) e informa c~oes de contexto para conduzir a con gura c~ao de modelos de processos em tempo de execu c~ao. Propomos uma abordagem orientada a modelos para a con gura c~ao de processos de neg ocios chamada BVCCoN, a abordagem mant em a representa c~ao variabilidade, conhecimentos de con gura c~ao e informa c~ao contextual separados dos modelos de processos de neg ocios. A avalia c~ao da proposta baseia-se numa an alise de simula c~ao, assim como uma compara c~ao com algumas outras obras relevantes.