Sistema de Detecção de Anomalias em Leituras Cromatográficas para Aprimoramento da Precisão Analítica no Contexto do Mud Logging
Cromatografia, Mud Logging, Machine Learning.
A detecção de anomalias em leituras cromatográficas melhora a precisão na identificação dos picos cromatográficos de componentes químicos relevantes em amostras de lama, auxiliando na tomada de decisões e aprimorando o processo de exploração do petróleo. A proposta apresentada aqui visa trabalhar no desenvolvimento e validação de um algoritmo eficiente para a detecção de picos cromatográficos no contexto do mud logging, bem como no desenvolvimento de uma metodologia capaz de extrair uma representação numérica padrão que possa ser submetida a aplicação de modelos de Machine Learning. Essa metodologia representa uma etapa de Feature Engineering e tem como objetivo final permitir a detecção de anomalias nas amostras analisadas. Partindo dos resultados obtidos com o módulo de detecção de picos espera-se que a extração da representação numérica padrão forneça informações relevantes acerca da qualidade do dado obtido. Os primeiros resultados do algoritmo de detecção de picos implementado em Python demonstrou eficiência acima de 90% na detecção de picos, mesmo em situações com ruído e variações de amplitude.