Notícias Notícias

Voltar

Pesquisadores do CEERMA e PRH-38.1 participam do ESREL 2023 e contribuem para avanços em diversas áreas

Um grupo de nove pesquisadores, incluindo dois alunos de doutorado e dois membros da comissão gestora do Programa de Recursos Humanos da ANP (PRH) 38.1 - Análise de Riscos e Modelagem Ambiental na Exploração, Desenvolvimento e Produção de Petróleo e Gás, representando o Centro de Estudos e Ensaios em Riscos e Modelagem Ambiental (CEERMA-UFPE), participaram da 33ª Conferência Europeia de Segurança e Confiabilidade (European Safety and Reliability Conference - ESREL), que ocorreu na cidade de Southampton, Reino Unido.

O ESREL2023, realizado na University of Southampton, de 3 a 7 de setembro de 2023, é um evento anual de destaque na área de análise de confiabilidade, avaliação de riscos, gerenciamento de riscos e otimização do desempenho de segurança de sistemas socio-tecnológicos. O evento é organizado pela European Safety and Reliability Association (ESRA) e reúne especialistas em segurança e confiabilidade de todo o mundo.

Os pesquisadores do PRH-38.1 juntamente com outros pesquisadores do CEERMA apresentaram um total de 19 artigos subdividos em três grandes categorias principais: Avanços em Aprendizado de Máquina e Otimização Quânticas, Inferência Bayesiana e nas sessões de Avanços na Engenharia de Confiabilidade e Gestão de Riscos nas Indústrias de Petróleo e Gás. Além disso, outros trabalhos contemplaram o tema Confiabilidade Humana. As apresentações demonstraram o comprometimento do grupo em contribuir significativamente para o avanço do conhecimento em suas áreas de pesquisa.

Esses estudos abordam uma ampla gama de tópicos, desde otimização quântica até análise de risco na indústria de petróleo e gás, além de demonstrar a diversidade e a profundidade das pesquisas realizadas no Ceerma-UFPE. A participação nesse tipo de evento internacional desempenha um papel fundamental na formação de seus pesquisadores, na condução de pesquisa científica aplicada e em ações como extensão universitária voltadas para a indústria de petróleo, gás natural, biocombustíveis e energias renováveis. A participação ativa do PRH-38.1 no ESREL2023 reforça seu compromisso com a pesquisa de ponta e a contribuição para a melhoria da segurança e confiabilidade em uma variedade de setores industriais críticos.

Seguem abaixo os títulos e links para os abstracts dos trabalhos apresentados: 

1.           Quantum Optimization for Redundancy Allocation Problem Considering Various Subsystems

2.           Rotating Machinery Health State Diagnosis through Quantum Machine Learning

3.           Quantum Machine Learning for Drowsiness Detection with EEG Signals

4.           NLP Advances in Risk Analysis Context: Application of Quantum Computing

5.           Experimental Set-Up for Evaluating Operator Performance through Operations Control Room Simulation in the Oil and Gas Industry

6.           Deep Learning Models Applied to Intelligent Diagnosis of Rotating Machines

7.           A Bayesian Inference and Metaheuristics Model for Estimating the Frequency of Maritime Accidents: The Case of Fernando de Noronha

8.           A Bayesian Population Variability-based Methodology for Reliability Assessment in the Oil and Gas Industry

9.           Human Factor Detection in Aviation Accidents Using NLP

10.         PetroBayes’ Modules for Reliability Assessment in the Oil and Gas Industry

11.         Reliability Criteria Estimation of O&G Industry Equipment in the Concept Selection Process

12.         Methodology for Extracting Reliability Parameters from the Qualification Standard Tests ISO-23936

13.         Proposal of a Test Protocol for Reliability Assessment of the New All-Electric Intelligent Completion Interface

14.         Software Reliability Analysis in the O&G Industry: A Review with Applications

15.         Development of a Software Tool to Implement Reliability Assessment of Developing Technologies

16.         Thermal Influence on Plastic Optical Fiber: A Reliability Diagnosis

17.         Influence of Transformation Capacity Expansion of a Substation on the Distribution Network Resilience: A Study of a Substation in the Metropolitan Region of Recife-Brazil

18.         Design and Validation of a Digital Twin for Intelligent Well Completion

19.         Wind Turbine Bearing Prognostics Using Deep Learning Approaches

Data da última modificação: 12/09/2023, 14:10