O Programa de Formação de Recursos Humanos PRH-38.1–ANP–FINEP–UFPE divulga a defesa da dissertação e parabeniza a titulação de mestra da bolsista e aluna do programa de Pós Graduação do curso de Eng de Produção (PPGEP) – Lavínia Maria Mendes Araújo, que aconteceu na ultima quarta-feira dia 15 de fevereiro do ano de 2023, às 14hs, presencial, no auditório do CEERMA.

O trabalho teve orientação da Professora Isis Didier Lins do Departamento de Engenharia de Produção/CTG e membro gestora do PRH 38.1, que presidiru a banca examinadora, sendo a mesma, composta pelos Prof. Márcio José das Chagas Moura (Doutor, PPGEP/UFPE) – examinador(a) interno(a) e Prof. Askery Alexandre Canabarro Barbosa da Silva (Doutor, Departamento de Física/UFAL)  – examinador externo.

TÍTULO: PROGNOSTICS AND HEALTH MANAGEMENT VIA QUANTUM MACHINE LEARNING IN THE OIL & GAS INDUSTRY

Resumo:

Na indústria de Óleo e Gás (O&G), o conceito de Níveis de Prontidão Tecnológica (TRLs) tem sido usado para lidar com novas tecnologias. Em um desses níveis está o chamado Prognostic and Health Monitoring (PHM), que tem como um de seus objetivos diagnosticar os modos de falha do equipamento. Neste sentido, uma nova técnica que já foi aplicada em diferentes cenários é a aprendizagem quântica de máquinas (QML) que visa trazer melhorias aos métodos convencionais de aprendizagem de máquina em termos de desempenho e resultados. Esta dissertação de mestrado visa aplicar modelos de aprendizagem quântica de máquinas para a PHM de equipamentos que podem ser utilizados na indústria de O&G e energia. Com relação aos aspectos metodológicos, os modelos QML serão baseados na extração de características dos dados de sinal originais. Em seguida, os dados serão codificados usando a técnica de codificação angular. Em seguida, as informações codificadas serão passadas por circuitos quânticos parametrizados (PQC), cujos ângulos serão treinados e otimizados por uma rede neural clássica. Uma contribuição desta dissertação é o uso de diferentes PQCs com diferentes camadas. Os dados da literatura serão usados para demonstrar a aplicabilidade do modelo. Os resultados obtidos neste estudo indicam a eficácia deste modelo. Assim, mostrando a possibilidade de sua aplicação no contexto O&G.