UNIVERSIDADE DO ESTADO DE SANTA CATARINA - UDESC

CENTRO DE EDUCAÇÃO SUPERIOR DA FOZ DO ITAJAÍ – CESFI

ENGENHARIA DE PETRÓLEO

TRABALHO DE CONCLUSÃO DE CURSO

APLICABILIDADE DA INDÚSTRIA 4.0 NA

INDÚSTRIA DO PETRÓLEO

EDUARDO CANIGGIA LINHARES COELHO

BALNEÁRIO CAMBORIÚ, 2018

EDUARDO CANIGGIA LINHARES COELHO

APLICABILIDADE DA INDÚSTRIA 4.0 NA INDÚSTRIA DO PETRÓLEO

Trabalho de conclusão de curso apresentado ao curso de

Engenharia de Petróleo, da Universidade do Estado de

Santa Catarina, como requisito parcial para obtenção de

título de Bacharel em Engenharia do Petróleo.

Orientador: Prof. Me. Francisco Germano Martins.

Balneário Camboriú, SC

2018

EDUARDO CANIGGIA LINHARES COELHO

APLICABILIDADE DA INDÚSTRIA 4.0 NA INDÚSTRIA DO

PETRÓLEO

Trabalho de conclusão de curso apresentado ao curso de

Engenharia de Petróleo, da Universidade do Estado de

Santa Catarina, como requisito parcial para obtenção de

título de Bacharel em Engenharia do Petróleo.

Comissão Examinadora

_______________________________________________________

Francisco Germano Martins (Orientador)

Prof. Me. Universidade do Estado de Santa Catarina – UDESC

Centro de Educação Superior da Foz do Itajaí – CESFI

______________________________________________________

Luiz Antônio Alves.

Prof. Dr. Universidade do Estado de Santa Catarina – UDESC

Centro de Educação Superior da Foz do Itajaí – CESFI

______________________________________________________

Michele Schmitt

Prof. Me. Universidade do Estado de Santa Catarina – UDESC

Centro de Educação Superior da Foz do Itajaí – CESFI

Balneário Camboriú

2018

“O temor do Senhor é o princípio do saber”

Provérbio de Salomão

Agradecimento

Agradeço primeiramente a Deus acima de todas as coisas.

Aos meus pais, Eduardo e Alvina, pelo amor imensurável e incansável dedicação na

minha formação moral, espiritual e acadêmica.

Agradeço a minha querida esposa Débora, companheira, amiga, minha auxiliadora em

todos os momentos.

A minha irmã Priscila e seu esposo Rafael pelo apoio e pelo carinho de sempre.

Aos demais amigos e familiares que de alguma forma contribuíram para que pudesse

chegar até aqui.

Ao Prof. Me. Francisco Germano Martins, meu orientador pela confiança, experiência,

conhecimento que me foram passados e pela paciência com minhas falhas.

A equipe da Zen, pela oportunidade de estágio, em especial ao Alan e ao Gabriel, pelo

compartilhamento de conhecimento, experiências e a confiança em mim depositada.

A todos aqueles que de alguma forma contribuíram para realização deste trabalho.

LISTA DE FIGURAS

Figura 1 - Esboço da Arquitetura 5C. .................................................................. 19

Figura 2 – Esboço da curva teórica idealizada. ..................................................... 24

Figura 3 - ST-160 Iron Roughneck from National Oilwell Varco. .......................... 33

Figura 4 - Measurements-While-Drilling (ilustrativo). .......................................... 33

Figura 5 - Completação inteligente com múltiplas zonas produtoras (ilustrativo). .... 34

Figura 6 - Poço multilateral com completação inteligente (ilustrativo). ................... 35

LISTA DE TABELAS

Tabela 1 - Diferença percentual entre as sondas Automática e Convencional .......... 31

Tabela 2 - Vantagens e desvantagens de cada sonda. ............................................ 32

LISTA DE GRÁFICOS

Gráfico 1 - Produção e demanda mundial de petróleo. .............................................. 23

Gráfico 2 – Comparação de desempenho entre as sondas Automática e Convencional. . 30

Gráfico 3 - Comparação de desempenho entre as sondas Automática e Convencional. . 31

LISTA DE ABREVEATURAS E SIGLAS

AUVs Autonomous underwater vehicles (Veículos submarinos autônomos).

BCIP Boletim de Conjuntura da Indústria de Petróleo.

BOP Blowout Preventer (preventor de pressões extremas e fluxo descontrolado

provenientes de um reservatório durante a perfuração).

CAPEX CAPital EXpenditure (despesas de capital ou investimento em bens de capital).

CLP Controlador Lógico Programável.

CPS Cyber-Physical Systens (Sistemas Ciber-Físicos).

DTMs Desmontar, Transportar e Montar.

E&P Exploração e Produção.

FPSO Floating Production Storage and Offloading (unidades flutuantes de produção,

armazenamento e transferência).

IoT Internet of Things (Internet das coisas).

MWD Measurements-While-Drilling (Medidas durante a perfuração).

NFC Near Field Communication (Comunicação por Campo de Proximidade - CCP).

OPEX Operational EXpenditure (despesas operacionais).

RFID Radio Frequency IDentification (Identificação por radiofrequência).

UAVs Unmanned aerial vehicles, (Veículos aéreos não tripulados).

RESUMO

Esse trabalho teve como objetivo apresentar de que forma os avanços tecnológicos e a aplicação

de conceitos da “Indústria 4.0” na indústria do petróleo podem contribuir para uma maior

eficiência da indústria petrolífera. Através de uma pesquisa bibliográfica com uma análise

qualitativa dos dados, busca esclarecer conceitos modernos como “Internet of Things”, “Big

Data”, “Cyber-Physical Systems” e “Indústria 4.0”. Os resultados foram satisfatórios, trazendo

exemplos atuais da aplicação da quarta revolução industrial na indústria petrolífera e previsões

de avanços tecnológicos futuros, como perfuração autônoma, monitoramento e inspeção de

estruturas por veículos automáticos e a criação de bancos de dados inteligentes para auxiliar na

tomada de decisões tantos pelos sistemas de controle quanto por especialistas. Os principais

benefícios identificados foram a redução dos custos operacionais, melhores programações de

manutenção, redução do tempo não produtivo na perfuração, aumento da segurança ambiental

e dos trabalhadores, maior previsibilidade, integração e flexibilidade da indústria do petróleo.

Palavras-chave: Internet of Things, Big Data, Cyber-Physical Systems, Indústria 4.0, Petróleo.

ABSTRACT

This paper had the objective of presenting how technological advances and the application of

concepts of Industry 4.0 in the petroleum industry can contribute to a greater efficiency of the

petroleum industry. Through a bibliographic research with a qualitative analysis of the data, it

also sought to clarify modern concepts as the Internet of Things, Big Data, Cyber-Physical

Systems and Industry 4.0. The results were satisfactory, bringing current examples of

applications of the fourth industrial revolution in the oil industry and forecasts of future

technological advances, such as autonomous drilling, stand-alone monitoring and inspection of

structures by automated vehicles and the creation of smart database to help in decision-making,

be it made by a control system or by a human specialist. The main benefits identified were

operational costs reduction, drilling downtime reduction, environment and workers safety

improvement, better predictability, flexibility and integration in petroleum industry.

Keywords: Big Data, Internet of Things, Cyber-Physical Systems, Industry 4.0, Petroleum.

SUMÁRIO

1 INTRODUÇÃO ........................................................................................................... 13

2 INTRODUÇÃO TEÓRICA ....................................................................................... 15

2.1 INTERNET OF THINGS ............................................................................................. 15

2.2 BIG DATA ................................................................................................................... 16

2.3 CYBER-PHYSICAL SYSTEMS ................................................................................. 18

2.4 INDÚSTRIA 4.0 ........................................................................................................... 20

3 METODOLOGIA ....................................................................................................... 22

4 INDÚSTRIA DO PETRÓLEO .................................................................................. 23

5 INDÚSTRIA DO PETRÓLEO 4.0 ............................................................................ 25

5.1 PANORAMA ATUAL ................................................................................................. 25

5.1.1 O “Deepwater 4.0”, da Transocean ............................................................................. 26

5.1.2 Parceria entre SBM Offshore e Veolia .......................................................................... 27

5.1.3 Sistema Protean, da PETRONAS ................................................................................. 28

5.1.4 Integração Operacional ................................................................................................. 29

5.2 PANORAMA FUTURO .............................................................................................. 29

5.2.1 Perfuração ..................................................................................................................... 30

5.2.2 Gerenciamento de Reservatórios .................................................................................. 36

5.2.3 Engenharia Submarina .................................................................................................. 36

5.2.4 Monitoramento ............................................................................................................. 37

6 CONCLUSÃO ............................................................................................................. 39

7 BIBLIOGRAFIA ........................................................................................................ 41

1 INTRODUÇÃO

Com os avanços tecnológicos recentes, principalmente na área da computação e internet,

cada vez mais a conectividade tem se tornado um fator importante e fundamental no dia a dia

das pessoas. No setor industrial, uma grande variedade de sensores, máquinas, e os mais

diversos dispositivos têm acesso à internet, o que aumenta a possibilidade de interação entre

eles e também o volume bruto de dados gerados. Esses acontecimentos levaram a formalização

de conceitos como “Internet of Things” (IoT) (internet das coisas) e “Big Data”.

Outro conceito tão atual quanto os anteriores e intimamente ligado a indústria,

principalmente de manufatura, é a “Indústria 4.0”, que busca alcançar máxima eficiência em

processos e serviços, aliando conceitos como melhoria contínua, desperdício zero e automação

com os avanços tecnológicos citados anteriormente.

Esses conceitos são bastante atuais e interligados. Internet of Things é uma rede de

comunicação e transmissão de informação, permite que instrumentos inteligentes se conectem,

possibilitando a coleta e criação de grandes volumes de informação. Big Data é um conjunto

de ferramentas para analisar e processar grandes volumes de dados de maneira eficiente. E a

Indústria 4.0 faz uso de informações precisas, análises complexas e automação para maximizar

a eficiência (CHEN et al. 2014).

A indústria 4.0, também conhecida como quarta revolução industrial, é o estado da arte

em automação e digitalização, e como tal, é alvo de muitas pesquisas, artigos, palestras e

treinamentos tanto da academia como das empresas.

Atualmente é muito escassa literatura formal que associe ou atribua os avanços

tecnológicos da indústria do petróleo com a Indústria 4.0, apesar de características marcantes

da quarta revolução industrial serem vistas em várias áreas da indústria de óleo e gás.

Assim, limitando-se à área de exploração e produção de petróleo, a presente pesquisa

busca responder a seguinte pergunta: de que maneira os avanços tecnológicos e a aplicação de

conceitos da indústria 4.0 podem contribuir para uma indústria do petróleo mais eficiente,

segura e integrada?

Devido à volatilidade do mercado, a característica finita das reservas de petróleo a longo

prazo e os aspectos ambientais, tem se tornado cada vez mais importante e indispensável a

eficiência e a segurança na exploração e produção de petróleo. Portanto essa pesquisa se

justifica através da análise das melhorias provenientes da incorporação de princípios da

Indústria 4.0 no dia a dia da indústria petrolífera, levando a menores custos operacionais, maior

segurança e conectividade, tendo como benefícios maior lucratividade, menor risco ambiental,

maior flexibilidade e robustez em diversas operações.

O presente trabalho tem como objetivo geral apresentar de que forma os avanços

tecnológicos e a aplicação de conceitos da Indústria 4.0 podem contribuir para uma indústria

do petróleo mais eficiente. Tem como objetivos específicos: conceituar o termo Internet of

Things; compreender a ideia de Big Data; definir os sistemas Ciber-Fisicos; definir o fenômeno

conhecido como Indústria 4.0; identificar os principais conceitos da Indústria 4.0 aplicáveis a

indústria do petróleo, avaliar de que forma esses conceitos podem influenciar a eficiência da

cadeia produtiva do petróleo.

A primeira parte do trabalho traz uma introdução teórica, explorando assuntos chave

para o desenvolvimento da pesquisa, como Internet of Things, Big Data e Indústria 4.0. Em

seguida traz uma breve explanação sobre o tipo de pesquisa empregada nesse trabalho e suas

classificações usuais no mundo acadêmico. A segunda parte, apresenta uma visão geral sobre

indústria do petróleo e vários exemplos de tecnologias e técnicas peculiares à Indústria 4.0 que

são, ou podem ser usadas no futuro na indústria petrolífera.

2 INTRODUÇÃO TEÓRICA

2.1 Internet of Things

Um conceito que vem ganhando força, especialmente no cenário da comunicação sem

fio e conectividade, é a Internet of Things. É mais do que o uso da internet por pessoas para

navegar na web, mandar e-mails e acessar redes sociais. Se trata do uso da internet como

plataforma global de comunicação entre máquinas e diversos objetos inteligentes, ela conecta

o mundo físico à internet, possibilitando o uso de dados de diversos dispositivos para aumentar

a eficiência e a produtividade em várias áreas.

Esse nível de conectividade tem sido viabilizado pelo aumento da qualidade, velocidade

e possibilidade de conexão, pelo crescimento do número de dispositivos capazes de coletar

dados do meio físico e também pela redução de custos da conexão e dos dispositivos.

Para Atzori et al. (2010), a maior força do paradigma da IoT é o grande impacto que ela

terá em vários aspectos na vida das pessoas. Alguns exemplos desses impactos são os avanços

na saúde, com o monitoramento de sinais vitais e histórico médico em tempo real, ambientes

inteligentes, como casas, escritórios, restaurantes e ainda no âmbito pessoal e social, com

aplicações de como saber, por exemplo, a localização de objetos e alarmes antifurto, e ainda

transformações na área de transporte e logística.

Nas empresas, especialmente nas fábricas, essa interação entre máquinas é

extremamente positiva. Com o uso de dispositivos como identificadores de rádio frequências

(RFID - Radio Frequency IDentification), tags, sensores e atuadores é possível monitorar o

ambiente, a demanda de matéria-prima, consumo de energia e tantas outras variáveis, o que

possibilita um alto grau de automação e eficiência em diversos processos e serviços. Qualquer

dispositivo capaz de se conectar à web pode fazer parte de uma aplicação de IoT.

Segundo Miorandi et al. (2012), IoT é uma tendência emergente, que está baseada em

três pilares relacionados as capacidades dos objetos smart, ser identificável, se comunicar e ter

capacidade de interagir. Pode ser enxergada como uma rede de sistemas altamente dinâmica e

distribuída, composta por um grande número de objetos inteligentes produzindo e consumindo

informação, com a capacidade de interagir com o mundo real através da presença de

dispositivos como sensores e atuadores.

Observando o mundo a nossa volta do ponto de vista tecnológico, fica fácil enxergar

que cada vez mais objetos de nosso dia a dia atendam as três capacidades básicas para integrar

a IoT, se identificar, se comunicar e interagir, alguns exemplos disso são os tags usados para

abrir portões em prédios e condomínios e os dispositivos com NFC (Near Field

Communication).

É importante notar que com tanta informação sendo criada e consumida por essa grande

rede de dispositivos interconectados, a segurança da informação, a organização e tratamento

desses dados brutos em informações úteis se tornam um problema com proporções ainda

maiores do que na internet apenas como ferramenta para conectar usuários finais, especialmente

devido ao volume maciço desses dados.

A respeito do volume de dispositivos capazes de se conectarem na IoT, Rozsa et al.

(2017, p. 256) afirma:

Atualmente no mundo há uma crescente quantidade de dispositivos

conectados que produzem e consomem informações. De acordo com dados da IDC

(2015), em 2015 havia no mundo por volta de 13 bilhões de dispositivos conectados

na Internet. Ainda segundo a mesma fonte, até 2020 projeta-se uma quantidade de 30

bilhões de dispositivos conectados.

Assim, fica claro a tendência de crescimento rápido do volume e da acessibilidade a

dispositivos conectáveis nessa rede global de comunicação dos objetos, com seu número quase

triplicando em cinco anos, o que qualifica a preocupação com o volume de dados gerados, pois

toda essa informação sem o devido tratamento, classificação e qualificação tem utilidade quase

nula, dados brutos são confusos e pouco eficientes na tarefa de agregar valor a processos

(GUTIERREZ, 2018).

Por fim, IoT pode ser definida como o uso da internet como base padrão global para a

comunicação de diversos objetos entre si e também com pessoas, produzindo e consumindo

informações a todo tempo, possibilitando o uso dessas informações para aumentar a qualidade

de vida dos usuários e a eficiência de processos e serviços no setor industrial.

2.2 Big Data

Com os avanços da sociedade, principalmente o advento da internet, o volume de

informações geradas diariamente tem crescido muito rápido, inclusive mais rápido do que as

tecnologias e métodos usados para armazenar, analisar e processar esse grande volume de dados

e transformá-los em conhecimento útil. Junto com esse salto na quantidade de dados, nasceu o

conceito de Big Data, que significa mais do que simplesmente muita informação.

O termo Big Data é definido por Hashem et al. (2015) como referente as informações

que são difíceis de processar, analisar e armazenar usando a tecnologia tradicional de banco de

dados e que essas informações são caracterizadas por três aspectos gerais: os dados são

numerosos, não podem ser categorizados nos bancos de dados relacionais padrões e são

gerados, capturados e processados rapidamente. Ainda, segundo o autor, o termo não se

restringe as informações e abrange também as tecnologias e técnicas que requerem novas

formas de integração para extrair valor desses dados.

Big data não se refere apenas a grandes dados, como a tradução literal indica. É um

conjunto dinâmico de dados, de onde, com o devido processamento e análise, pode ser retirado

informações valiosas. Esse conjunto geralmente tem fontes variadas, as informações que ele

contém podem ou não ser estruturadas, muitas vezes apresentam formatos e padrões de

segurança diferentes, o que torna muito custoso o seu processamento para as tecnologias e

técnicas tradicionais de tratamento de banco de dados.

Pensando nos desafios de se trabalhar com o Big Data, Carvalho e Bernadino (2017)

defendem a existência de 6V’s, que são os principais desafios e características desse tipo de

banco de dados, sendo eles:

Volume, a grande quantidade de informação, geralmente na casa de terabytes;

Velocidade, dados são gerados e processados rapidamente;

Variedade, várias fontes, formatos e estruturas;

Veracidade, é a confidencialidade, integridade e disponibilidade dos dados;

Valor, informações úteis e importantes podem ser adquiridas;

Variabilidade, que representa dados os quais não se tem certeza do significado.

Ambos os autores, Carvalho e Bernadino (2017) e Hashem et al. (2015), apontam um

grau de complexidade que vai além do tamanho. Também fica claro que não é informação por

si só que se busca quando se investe em avanços tecnológicos em direção a Big Data, mas sim

o grande potencial econômico que as informações “escondidas” nesse emaranhado de dados

tem.

Manyka et al. (2011) pesquisou e analisou a fundo o potencial das informações em Big

Data, e apontou alguns números bem expressivos que demonstram o valor dessas informações.

Alguns dos possíveis resultados apontados por eles foram: geração de valor de 300 bilhões de

dólares ao sistema de saúde Americano; aumento do lucro dos varejistas em até 60%; e gerar

uma economia anual de 250 bilhões de euros para os setores da administração pública na União

Europeia.

Big Data traz vários desafios para a área da ciência da informação e computação, e

apresenta inúmeras possibilidades de avanços em diversas áreas. A capacidade de extrair

conhecimento de um conjunto de dados que não seria possível tratar e processar com os

métodos tradicionais de banco de dados, em conjunto com a IoT, por exemplo, podem

transformar o setor industrial e até o modo de vida das pessoas em um futuro próximo.

2.3 Cyber-Physical Systems

A ideia de usar computadores e melhorar o desempenho de processos físicos não é

recente. Algumas aplicações comuns são o piloto automático de aviões, braços robóticos,

simulação de aerodinâmica e seu estado mais avançado e atual se chama Cyber-Physical

Systens (CPS) (Sistemas Ciber-Físicos).

Segundo Baheti e Gill (2011), CPS vão além de apenas realizar tarefas pré-programadas,

como os braços robóticos, ou só captar dados, como os sensores. São uma nova geração de

sistemas que integram capacidades físicas e computacionais, capazes de se comunicar com

humanos em diversas modalidades e têm a habilidade de expandir suas capacidades físicas.

Essa capacidade de se adaptar, analisar os dados de entrada, simular as possibilidades,

escolher a melhor resposta e atuar de maneira rápida e eficiente é o que diferencia os CPS dos

sistemas de controle anteriores. Os CPS têm um nível de integração multidisciplinar que não é

atingido pelas estruturas computacionais anteriores (BAHETI e GILL, 2011).

Assim como as outras tecnologias de ponta abordadas nesse trabalho, os CPS ainda não

estão plenamente desenvolvidos. Existem casos de aplicações mais simples em funcionamento,

mas para aplicações mais complexas a tecnologia necessária ainda não está disponível. Outro

desafio é falta de padronização do processo de criação desses sistemas.

Para atender a demanda por estruturas e metodologias que sirvam de guia para a

implementação dos CPS na indústria, Lee et al. (2015) propôs um framework de sistema

unificado de aplicação geral, o qual chamou de Arquitetura 5C.

Essa arquitetura é um guia passo a passo para o desenvolvimento e aplicação dos CPS,

dividida em cinco níveis, e define claramente, através de um fluxo de trabalho sequencial, como

construir esse tipo de sistema, desde a aquisição inicial de dados, passando pela análise até a

geração de valor. Os 5Cs significam Conexão, Conversão, Cyber, Cognição e Configuração. A

Figura 1 esboça um panorama geral sobre a Arquitetura 5C e algumas técnicas associadas a

cada nível (LEE et al, 2015).

Figura 1 - Esboço da Arquitetura 5C.

Fonte: Lee et al. 2015. (Adaptado pelo autor.)

A ordem de evolução do desenvolvimento dos CPS é de baixo para cima, ou seja,

começa na Conexão e termina na Configuração. Segundo Lee et al. (2015) os 5Cs, podem ser

resumidos como: Conexão é a aquisição precisa e confiável de dados, medidos diretamente por

sensores; Conversão é transformação dos dados brutos em informações relevantes; Cyber é o

concentrador e distribuidor principal de informações, o mundo virtual onde ocorrem as análises,

simulações e auto comparações; Cognição é gerado o conhecimento completo do sistema

monitorado, apresentando dados claros para usuários, geralmente, através de infográficos;

Configuração é a etapa final, um feedback do mundo virtual para o físico, que age como sistema

de controle supervisório tornando as máquinas auto configuráveis e adaptáveis.

A implantação de Cyber-Physical Systems confere alto grau de autonomia e

funcionalidade aos equipamentos, garantindo a usabilidade, confiança e ainda a segurança

virtual. Isso aumenta significativamente a eficiência da indústria, melhora a previsibilidade da

produção e diminui gastos com manutenção, passando de um modelo preventivo, baseado no

tempo, para um preditivo, baseado nas condições reais da máquina.

2.4 Indústria 4.0

A sociedade ao longo do tempo experimentou diversas mudanças e evoluções, a maioria

delas alavancadas pela descoberta de novas ferramentas, recursos, técnicas e tecnologias. Isso

é especialmente verdade do ponto de vista da criação de mercadorias. No início, tudo era

produzido manualmente, em processos artesanais, e os principais produtos manufaturados na

Inglaterra eram os tecidos. Com a invenção da máquina de fiar, seguida pelo tear mecânico, a

produção dos tecidos passou de manufatura para “maquinofatura”, e em conjunto com a

máquina a vapor, que revolucionou o transporte de pessoas e cargas, marcaram a primeira

revolução industrial.

O próximo grande passo da indústria foi a produção em massa, possível graças a um

conjunto de fatores, entre eles a comercialização da energia elétrica, invenção de meios de

comunicação, da lâmpada, dos automóveis, novos processos de fabricação do aço, novos usos

para o petróleo e o desenvolvimento de métodos de produção, como o taylorismo e o fordismo,

marcando assim uma nova era e a segunda revolução industrial.

A terceira revolução começou no século XX e dura até hoje. Assim como a segunda

revolução, a terceira é marcada por vários fatores que alteraram mais do que como as coisas são

fabricadas, revolucionaram o modo de vida das pessoas, a comunicação, o transporte, e a

agricultura. Um dos fatores de mais impacto foi o advento da eletrônica, que possibilitou a

robótica, internet, os CLP’s (Controlador Lógico Programável) e muito mais.

Atualmente é discutida a quarta revolução industrial, Kang et al. (2016) afirma que ela

é a convergência de tecnologias construídas sobre a infraestrutura proporcionada pela terceira

revolução. Entre elas destacam-se: realidade virtual, IoT, Big Data e computação em nuvem,

as quais foram desenvolvidas como tecnologias de informação e comunicação, mas são

aplicadas em vários campos.

Segundo Drath e Horch (2014) o termo Indústria 4.0 apareceu pela primeira vez em uma

feira alemã em Hannover em 2011. Os autores comparam o sentimento ligado ao estado atual

da Indústria 4.0 com o vivido com a internet no início dos anos 90, que caminhava para um

mundo desconhecido de vários serviços online como compras, aluguéis, leilões, transmissão de

vídeos e muito mais. Eles afirmam também que a quarta revolução industrial está no futuro e é

inevitável.

Assim, o termo Indústria 4.0 é muito usado para se referir a quarta revolução industrial,

sendo também o nome de um programa nacional alemão, que visa fomentar o desenvolvimento

industrial do país, através do avanço tecnológico e da busca por fábricas inteligentes, capazes

de conectar máquinas e sistemas, agendar manutenções, se adaptar a mudanças inesperadas que

podem ocorrer durante a produção, alcançando assim máxima eficiência, flexibilidade e

automação.

Segundo Lee et al. (2015), a junção das informações e da interconectividade geradas

pela IoT com a capacidade de processamento e análise alcançada pela Big Data e o uso de CPS

são o caminho para a criação de máquinas inteligentes, auto adaptáveis e robustas. Os autores

apontam também que, a integração de CPS com os sistemas atuais de produção e logística, é o

suficiente para transformar as fábricas atuais em Indústrias 4.0 com potencial econômico

significativo.

Por fim vale ressaltar que a Indústria 4.0 já começou, a tecnologia atual ainda não

possibilita seu pleno desenvolvimento, mas mesmo assim, a sua aplicação parcial tem muito

potencial financeiro no cenário atual e sem dúvidas ela irá revolucionar nossa sociedade.

3 METODOLOGIA

O presente estudo faz uso de uma abordagem qualitativa, para compreender melhor a

relação entre os temas estudados e seus frutos. É uma pesquisa aplicada, que busca gerar

conhecimento especificamente na indústria do petróleo, para tanto, relaciona diversos conceitos

dos mais recentes avanços tecnológicos com a indústria do petróleo e propõem possíveis

aplicações práticas.

Com objetivo exploratório, tem em vista a busca pela familiarização do leitor com o

tema abordado e faz uso de uma pesquisa bibliográfica para construir um referencial teórico

sólido, coletando as informações e conhecimentos necessários, para, em conjunto com

conhecimentos prévios do autor sobre o setor petrolífero, adquiridos ao longo da graduação,

criar hipóteses das possíveis aplicações da Indústria 4.0 na indústria do petróleo.

O material usado na pesquisa, foi encontrado em banco de dados de universidades,

dados remotos de centros tecnológicos, livros, artigos científicos e apresentações, alguns com

o auxílio do banco de dados Scopus, que é especializado em literaturas revisadas como revistas

cientificas, livros e congressos.

4 INDÚSTRIA DO PETRÓLEO

A indústria do petróleo passou por inúmeros avanços tecnológicos nos seus mais de 150

anos de história, ao longo de toda sua cadeia produtiva. Alguns dos avanços mais notáveis são

os sistemas giratórios na perfuração, o cavalo de pau no bombeio e o uso de oleodutos no

transporte.

Essa indústria gira em torno da produção de uma commodity não renovável. Atualmente

envolve projetos com grandes custos, riscos e alto grau de complexidade técnica, e um mercado

com grande concentração da produção e do comércio internacional em países com frequentes

instabilidades geopolíticas, o que agrega certa instabilidade ao mercado.

Assim como qualquer outro setor econômico, as principais forças que regulam os preços

são a oferta e demanda. O principal fator que influencia a oferta é a política produtiva das

grandes empresas (nacionais e internacionais) e a demanda em geral é determinada pelo

crescimento das economias. O Gráfico 1 mostra um histórico desses fatores entre 1975 e 2015.

Gráfico 1 - Produção e demanda mundial de petróleo.

Fonte: EPE – Empresa de Pesquisa Energética (2016).

Há uma alternância entre períodos onde a oferta supera a demanda, por isso é estocado

petróleo, e períodos onde a demanda é maior e esses estoques são gastos. Essa natureza cíclica

pode ser atribuída, entre outras coisas, ao grande investimento financeiro e ao longo prazo

requerido para projetos significativos alcançarem maturidade.

Segundo o Boletim de Conjuntura da Indústria de Petróleo (BCIP), publicado pela

Empresa de Pesquisa Energética (EPE) em 2016, a produção mundial de petróleo quase dobrou

ao longo de 40 anos, passando de 56 para 90,5 milhões de barris por dia e apresentou apenas

quedas pontuais nas crises de 1979 e 2008, o que corresponde a uma taxa de crescimento média

de aproximadamente 1,21% ao ano.

Outro fator importante para compreender os desafios da indústria é a curva característica

da produção de um campo de petróleo no tempo. Para tanto, é ilustrada na Figura 2 um esboço

genérico teórico do comportamento dessa curva.

Figura 2 – Esboço da curva teórica idealizada.

Fonte: ROSA, et al (2006) (Adaptado pelo Autor).

A Figura 2 evidencia que o começo da vida de um campo conta com um período

considerável de gastos, sem nenhum retorno (sem produção). Em seguida passa por um período

de crescimento da produção, onde começa a dar lucro. A próxima etapa é caracterizada por uma

estabilidade na produção e por fim uma redução gradual da produção, até o ponto de abandono

onde o campo deixa de ser economicamente viável.

Manter o volume de produção global mantendo o número de campos (e poços)

explorados é impossível. É fácil perceber que o período de crescimento da produção é bem mais

curto do que o de declínio, por isso, para manter o nível da produção é necessário aumentar

constantemente o número de novos campos e poços para compensar o declínio dos campos

maduros. Essa expansão deve ser ainda mais intensa para fazer com que a produção global

aumente.

5 INDÚSTRIA DO PETRÓLEO 4.0

A implementação de novas tecnologias, a busca por maior integração da indústria, maior

eficiência, segurança, confiabilidade e automação são alguns dos aspectos da indústria 4.0

aplicáveis a indústria do petróleo, com potencial para revolucionar o setor. Com a simplificação

de processos e tecnologias de automação será possível reduzir custos, aumentar a produção e

melhorar o aproveitamento dos recursos, sejam eles maquinários, pessoas ou informações, sem

prejudicar a segurança ambiental ou dos trabalhadores. Isso trará novos horizontes para a área

de simulação e gerenciamento de reservatórios, bem como para os processos de perfuração,

tanto onshore quanto offshore, o que transformará o modelo de interação entre prestadoras de

serviços e contratantes.

Assim como a quarta revolução industrial, esses avanços já começaram, mas ainda não

estão plenamente desenvolvidos. Como exemplo, a implantação da completação inteligente por

algumas prestadoras de serviços de grande porte, que proporciona avanços significativos em

termos de controle de produção de óleo e gás, mas ainda tem potencial de crescimento, e outros

avanços que ainda são apenas previsões do curso que a indústria tomará.

5.1 Panorama atual

Como visto anteriormente, mesmo que não estejam plenamente desenvolvidas, algumas

mudanças associadas à Indústria 4.0 podem ser observadas nos mais diversos setores da

indústria, inclusive no petrolífero e sua cadeia produtiva.

Segundo o jornal britânico “The Economist”, de abril de 2017, a indústria de óleo e gás

ainda está acordando para o fato de que a digitalização e automação transformaram outros

setores, como comércio e manufatura. A indústria petrolífera foi deixada para trás.

Algumas das evidências desse despertar são o número crescente de sensores usados na

exploração, perfuração, produção e tratamento de óleo, ampliação da conectividade entre esses

dispositivos e sistemas de controle autônomos ou remotos.

Uma consequência direta da digitalização e do uso de tantos sensores é o grande volume

de informações geradas, as quais quando devidamente tratadas e processadas são de grande

valor para as empresas, que é a essência da IoT e Big Data, e requer sistemas avançados de

análise e estruturação de dados.

A OSIsoft é uma empresa de software que nasceu em 1980 como uma startup de

softwares de histórico de dados e hoje é líder mundial em softwares de aquisição, estruturação,

tratamento e visualização de dados (séries cronológicas) baseados em sensores.

Em 2018 a OSIsoft publicou um artigo chamado “The Great Data Transformation: How

the Industry Is Capitalising on Digitalisation”, onde apresenta como algumas das maiores

empresas do ramo petrolífero têm usado a digitalização e grandes conjuntos de dados para

aumentar a eficiência de seus processos. Baseando-se principalmente nesse artigo, os tópicos a

seguir trazem 4 exemplos de estratégias e tecnologias comuns à indústria 4.0 aplicadas

atualmente por empresas do setor de óleo e gás.

5.1.1 O “Deepwater 4.0”, da Transocean

A Transocean é a maior empresa prestadora de serviços de perfuração offshore do

mundo. Tem atualmente aproximadamente 100 sondas de perfuração de águas profundas e

trabalha com aproximadamente 250 pessoas por sonda. No começo de 2017, aderiu uma

estratégia para toda a companhia, que eles chamaram de “Performance Through Data”

(performace através da informação) com o objetivo de alcançar a máxima eficiência na

perfuração de poços, o que a empresa chamou de “Deepwater 4.0”.

Segundo o diretor de tecnologia e inovação Jose Gutierrez (2018), em sua apresentação

no “PI World São Francisco 2018”, a Transocean conta com mais 14.000 dispositivo que

geram informação, as tags, mas, por enquanto, eles só trabalham com um pouco menos de 100

dessas fontes, e mesmo assim, atingiram bons resultados como redução de 40% do tempo não

produtivo durante a perfuração.

Gutierrez (2018) destaca, que a informação por si só não tem valor e que se ela não

agregar valor tangível as operações, seja redução de CAPEX, redução de OPEX ou melhorias

na manutenção o trabalho para processá-las não se justifica. Ele afirma ainda que não se deve

procurar os valores que determinado grupo de informações podem agregar, e sim quais

informações são necessárias para gerar um valor previamente identificado.

A informação em si não é uma solução. A estratégia de ação e saber o que fazer com

essa informação é o que importa. Nem sempre essa estratégia gira em torno de um algoritmo

muito complexo e sofisticado, ou de uma mudança radical na maneira de fazer algo.

Um exemplo de melhoria de performance na perfuração através de um uso incrivelmente

simples da informação, é que a Transocean atingiu uma melhora de 20% nas operações de

manobra, apenas exibindo para os operadores, de maneira clara e intuitiva, a velocidade de

manobra em tempo real e uma comparação com os números alcançados pelas outras equipes de

turnos diferentes (GUTIERREZ, 2018).

5.1.2 Parceria entre SBM Offshore e Veolia

Outras empresas que acordaram para a digitalização no ramo do petróleo foi a SBM

Offshore, líder mundial em arrendamento de sistemas de produção flutuantes, em conjunto com

a Veolia Water Technologies, referência mundial em tratamento de água e de água residual,

atuando tanto em cidades como na indústria (SBM, c2018; VEOLIA, c2018).

A SBM Offshore oferece soluções flutuantes para a produção offshore desde o início dos

anos 60, quando realizou os primeiros projetos em parceria com a Shell. Hoje ela é especializada

em projetar, suprir, instalar, operar e estender a vida de Unidades flutuantes de produção,

armazenamento e transferência (Floating Production Storage and Offloading, FPSO) e opera

uma frota composta por 14 FPSO’s, espalhados pelo globo. Em busca de otimização

operacional, a SBM em conjunto com a Veolia, encontrou nas estruturas de tratamento e injeção

de água uma oportunidade de melhoria (HERBERT, 2018).

Segundo Herbert (2018), a SBM passou por algumas situações prejudiciais devido a

problemas no tratamento de água em sua frota, inclusive sistemas caros de membranas de nano-

filtragem, tendo sua performance prejudicada devido à falta de informações sobre a real

condição de operação desses sistemas. Essa falta de informações precisas estava associada ao

sistema de transmissão de dados adotado pela empresa.

Veolia e SBM Offshore vinham transmitindo os dados e parâmetros de operação, obtidos

em campo, offshore, através de “data packets” (pacotes de informação), os quais devido a sua

natureza de histórico de valores, tem pouco valor na plataforma em sua forma bruta. Devido à

complexidade dos dados, os processos usados para deixar as informações prontas para o uso e

o sistema de transmissão usado, demorava até oito semanas para ter as informações sobre as

condições dos equipamentos de volta no FPSO.

Identificado esse ponto franco, as empresas buscaram uma solução em conjunto com a

OSIsoft. O resultado foi a integração dos sistemas de banco de dados das duas empresas usando

conexão em nuvem, permitindo compartilhamento simples e seguro de dados em tempo real

entre as companhias.

Com a informação fluindo entre as unidades de produção no mar e os escritórios em

terra, tornou-se possível o tratamento preditivo das informações, ao invés da tradicional

abordagem reativa. O próximo passo tomado pelas empresas, com base nessas informações, foi

a criação de um sistema condicional de manutenção.

Com a nova abordagem analítica, a disponibilidade dos dados tanto on como offshore,

e as mudanças no gerenciamento de injeção de água, foi possível melhorar a disponibilidade

dos sistemas de tratamento e injeção de água e ao mesmo tempo diminuir o custo operacional.

Por fim, podemos notar que com uma melhor integração entre as equipes e sistemas,

foram alcançados ganhos comerciais, maior segurança e confiabilidade dos equipamentos, bem

como, um conhecimento mais profundo dos processos e comportamento dos componentes, que

irão, sem dúvidas, colaborar para avanços ainda mais significativos na área.

5.1.3 Sistema Protean, da PETRONAS

A Petroliam Nacional Berhad, PETRONAS, empresa estatal da Malásia, fundada em

1974, é detentora de toda a reserva de óleo e gás do país e atua de forma integrada em várias

áreas da cadeia produtiva do petróleo em mais de trinta países. Foi classificada pela revista

Fortune, em 2008, como a 95ª maior empresa do mundo e a oitava mais rentável, sendo ainda

a mais rentável do continente asiático.

Segundo Herbert (2017), em 2015 a PETRONAS identificou uma possibilidade de

melhoria em seu departamento de manutenção, especialmente em 130 equipamentos movidos

por turbinas a gás. Gavin Warren Halls, funcionário da PETRONAS, classificou 30 desses

equipamentos como “Super Crítico”, ou seja, trabalham sem redundâncias e são indispensáveis

para os processos onde são usados.

Nessa época a empresa usava um sistema de manutenção baseado em tempo. Os valores

relacionados a parâmetros de operação como vibração, lubrificação, entre outros aspectos, eram

registrados manualmente e esses dados eram compilados em relatórios mensais, o que é um

sistema muito lento de análise de dados.

A solução escolhida pela PETRONAS foi o desenvolvimento de um sistema automático

de aquisição e monitoramento de dados em tempo real, o Protean. Esse sistema é visualmente

simples, intuitivo e muito informativo, contando inclusive com função de alerta por e-mail,

trazendo todas as informações pertinentes do equipamento e indicações de possíveis problemas

para os engenheiros.

Assim, com todas essas informações devidamente processadas, com algoritmos de

análise em conjunto com os parâmetros e especificações dos fabricantes, o Protean possibilitou

a criação de um esquema de manutenção preditiva condicional, melhorando a eficiência e a

confiabilidade do maquinário.

Segundo Khairil Khabri (2017), em sua apresentação na “Users Conference - London -

Oil & Gas and PetroChem 2017, o Protean começou a ser usado em 2 unidades em dezembro

de 2016. Já em abril de 2017 passou a ser aplicado em 4 unidades e até o fim do ano atingiu a

marca de 32, com planejamento de alcançar 100 unidades em 2019.

É interessante acrescentar que, mesmo com poucas unidades gerenciadas com o auxílio

do Protean e o curto período de uso do software, a PETRONAS atingiu resultados

consideráveis em pouco mais de 7 meses, sendo metade desse tempo com apenas duas unidades

supervisionadas pelo Protean, a empresa asiática economizou mais de um milhão de dólares

através da manutenção preditiva (HERBERT, 2017).

5.1.4 Integração Operacional

Uma característica que pode ser encontrada nos três exemplos anteriores, além do uso

inteligente de dados operacionais, é a busca por maior integração operacional. Captar os dados

de maneira automatizada offshore e trazer as informações de campo para os escritórios em terra,

diminui o número de pessoas expostas aos riscos associados as atividades de E&P offshore.

Além das tomadas de decisões, outros procedimentos também podem ser feitos onshore

através do acionamento remoto de dispositivos ou o uso de sistemas automáticos, o que, não só

diminui o número de pessoa nas plataformas, como também possibilita um melhor

aproveitamento dos profissionais, pois um único especialista em terra pode atender várias

unidades, independente de quão longe elas estejam umas das outras.

5.2 PANORAMA FUTURO

A DNV GL, certificadora conceituada com base na Noruega e que atua em mais de 100

países, publica, a cada cinco anos, um panorama com previsões e expectativas dos avanços

tecnológicos e mudanças que eles trarão para os próximos dez anos. No começo de 2016 ela

publicou o Technology Outlook 2025, onde fala do futuro de diversas áreas, inclusive do

petróleo (DNV GL, 2016).

Com base nesse panorama e em alguns outros autores, são apresentadas algumas possíveis

aplicações de novas tecnologias, bem como a evolução de tecnologias existentes nas operações

e processos mais comuns da indústria do petróleo, abrangendo principalmente os setores de

E&P.

Algumas das aplicações citadas a seguir estão em funcionamento e passam por constantes

avanços e evoluções, mas seu estado final será revolucionário se comparado aos padrões atuais.

5.2.1 Perfuração

Quando se fala em indústria 4.0 os aspectos mais enfatizados são eficiência e

automação. Na indústria do petróleo não seria diferente. A automação pode aumentar

consideravelmente sua eficiência, com a implantação da Perfuração Autônoma.

Existem sondas de perfuração bastante automatizadas, inclusive o Brasil foi pioneiro no

seu uso. Em um estudo de Bandeira e Gê (2011), realizado na bacia Potiguar, foram comparados

os desempenhos das sondas automáticas e convencionais em 4 pares de poços semelhantes,

comparando 7 parâmetros: DTM, BOP, Tempo de Poço, Disponibilidade, Revestimento, Taxa

de Penetração e Manobra. Os valores médios desses parâmetros foram organizados nos

Gráficos 2 e 3 a seguir.

Gráfico 2 – Comparação de desempenho entre as sondas Automática e Convencional.

Fonte: Bandeira e Gê, 2011 (Adaptado pelo autor).

10,7513,5

35,75

15,5 13,25

38,25

0

10

20

30

40

50

DTM (dias) BOP (horas) Tempo de Poço (dias)

Automática Convencional

Melhor

Gráfico 3 - Comparação de desempenho entre as sondas Automática e Convencional.

Fonte: Bandeira e Gê, 2011 (Adaptado pelo autor).

Dividindo a diferença entre os valores do desempenho de cada sonda em um parâmetro

pelo valor médio desse parâmetro, como exemplificado na equação a seguir, temos os valores

da diferença percentual entre o desempenho das sondas, apresentados na Tabela 1.

∆𝑋% = (𝑋1 − 𝑋2) ÷(𝑋1+𝑋2)

2

Tabela 1 - Diferença percentual entre as sondas Automática e Convencional

Parâmetro Automática Convencional

Tempo de Poço -6,76% 6,76%

DTM -36,19% 36,19%

Penetração -9,03% 9,03%

Disponibilidade 0,52% -0,52%

Manobra -42,53% 42,53%

Revestimento 48,15% -48,15%

BOP 1,87% -1,87%

Fonte: Bandeira e Gê, 2011 (Adaptado pelo autor).

Nota: o destaque azul indica a sonda que teve vantagem em cada parâmetro e o vermelho

indica desvantagem.

96,5

167,5 185217,5

96 102,5

202,5

335

050

100150200250300350400

Disponibilidade(%)

Revestimento(m/h)

Taxa dePenetração (m/d)

Manobra (m/h)

Automática Convencional

Melhor

Os resultados de Disponibilidade e BOP nas duas sondas são bem semelhantes,

apresentando diferença inferior a 2%. Os resultados que apresentaram maior discrepância

foram: Revestimento, 48,15% a favor da sonda automática; Manobra, 42,53% a favor da

convencional; DTM, 36,19% a favor da automática.

Com isso, as sondas automáticas de perfuração, que em suas primeiras aplicações foram

associadas à baixa eficiência, alta indisponibilidade e dificuldade de manutenção, demostraram

desempenho competitivo quando comparadas a sondas convencionais operando nas mesmas

condições. A Tabela 2 apresenta uma síntese dessa comparação de desempenho das sondas

(BANDEIRA e GE, 2011).

Tabela 2 - Vantagens e desvantagens de cada sonda.

Sondas Automáticas Sondas Convencionais

Melhor desempenho em DTMs Melhor taxa de penetração

Melhor Desempenho em descida de revestimento Melhor manobra de coluna

Melhor confiabilidade das operações Manutenção facilitada

Melhor prevenção a acidentes de trabalho Mão de obra pouco especializada

Melhor qualidade de vida Baixo custo de aquisição

Fonte: Bandeira e Gê, 2011.

Com os avanços tecnológicos e mais investimento na área não há dúvida que no futuro

as sondas automáticas irão superar as convencionais em todos os parâmetros de desempenho,

melhorar as condições de trabalho dos operadores e diminuir acidentes e riscos ambientais.

O primeiro passo para atingir o pleno potencial das sondas automatizadas é a evolução

dos sistemas de manuseio e conexão automáticos de tubos de perfuração, os Iron Roughneck,

(Figura 3), para ganhar agilidade na perfuração e principalmente nas operações de manobras.

Figura 3 - ST-160 Iron Roughneck from National Oilwell Varco.

Fonte: NOV, c2018.

Além dos sistemas automáticos de manuseio, outras tecnologias atuais que terão espaço

em uma futura indústria do petróleo 4.0 são: medição enquanto perfura, completação inteligente

e poços multilaterais.

Sistemas de medição enquanto perfura, Measurements-While-Drilling (MWD), (Figura

4), são amplamente utilizados na indústria atualmente e, segundo o glossário de campo

petrolífero (Oilfield Glossary) (SCHUMBERGER, c2018), MWD é a medição de propriedades

físicas, incluindo pressão, temperatura, trajetória e também características da formação

enquanto se perfura.

Figura 4 - Measurements-While-Drilling (ilustrativo).

Fonte: Huanding, c2013.

Essas medidas são feitas no fundo do poço por um conjunto de ferramentas e

transmitidas para a superfície, geralmente por pulsos de pressão na lama de perfuração. Assim,

conecta o fundo do poço à superfície, possibilitando o uso dessas informações em sistemas de

análise de dados. Devido à natureza dos dados, sua complexidade, variabilidade, volume e

variedade, esses sistemas podem alcançar novos patamares de importância com os avanços da

Big Data.

O monitoramento e diagnóstico de processos de perfuração é o próximo passo para

sistemas de MWD, fazendo uso de grande volume de dados, devidamente tratados e

processados, possibilitando que sistemas automáticos tomem decisões acertadas, especialmente

em eventos dinâmicos, apresentando dados relevantes para o operador, sem sobrecarregá-lo

com informações confusas e desnecessárias em situações críticas.

Segundo Glandt et al. (2005) um poço equipado com componentes tecnológicos só é

“inteligente” quando maximiza o valor durante a vida do projeto. As Figuras 5 e 6 a seguir,

trazem exemplos de completação inteligente e poços multilaterais, respectivamente.

Figura 5 - Completação inteligente com múltiplas zonas produtoras (ilustrativo).

Fonte: Adaptado de KONOPCZYNSKI, (2005), apud VOLCKER, et al (2011).

Completação inteligente conforme a Figura 5, conta com vários equipamentos de

completação, os quais monitoram as condições de operação do poço, como pressão,

temperatura, composição e pH da água, medem também característica do reservatório nas

proximidades do poço e ainda controlam a entrada e saída de fluidos em diferentes partes do

poço.

Figura 6 - Poço multilateral com completação inteligente (ilustrativo).

Fonte: Petroleum Production Optimization [s.d.].

Poços multilaterais são uma evolução dos poços horizontais, consistem de poços

secundários que se ramificam a partir de um poço principal, como pode ser observado na Figura

6, geralmente usados para drenar diferentes zonas produtoras. Esse tipo de poço normalmente

enfrenta baixa eficiência na produção dos poços secundários, especialmente quando o principal

é um bom produtor, mas isso pode ser mitigado com o controle da pressão de produção de cada

zona, através da completação inteligente, evitando o fluxo entre zonas produtoras.

Com o avanço tecnológico, o preço de instalação dessas tecnologias diminuirá e será

possível ainda a criação de sistemas que podem ser reconfigurados sem o uso de uma sonda, o

que tem o potencial de melhorar significativamente a produção de reservatórios complexos. A

redução da produção em zonas que produzem muito gás ou água (breakthrough) libera

capacidade de processamento na unidade para outros poços (DNV GL, 2016).

Esse controle preciso da produção em cada zona, em conjunto com os vários dados

captados pelos sistemas de completação inteligente permite uma melhor caracterização do

reservatório, possibilitando simulações mais precisas, melhor previsão da produção e um

melhor gerenciamento do campo, levando a ganhos financeiros.

Segundo a DNV GL (2016) tecnologias avançadas de automação podem mudar

fundamentalmente como um poço é perfurado, mas para tanto também é necessário mudar a

essência de vários processos ligados a perfuração para alcançar perfuração autônoma e

contínua. Algumas das novas tecnologias necessárias para atingir esse objetivo são Pressão de

Perfuração Gerenciada e Completação Enquanto Perfura.

Pressão de perfuração Gerenciada, consiste de um sistema pressurizado fechado que

continuamente controla de maneira automática a pressão de fundo, melhorando a detecção de

anomalias e as respostas a elas, diminuindo assim o downtime na perfuração (DNV GL, 2016).

Com um sistema fechado de controle de pressão e alto grau de automação, será possível

desenvolver sistemas de completação enquanto perfura. Isso diminuirá significativamente o

número de operações de manobra, diminuindo o tempo de perfuração, e melhorará a segurança,

especialmente em áreas onde controle de pressão de perfuração e estabilidade do poço são mais

desafiadores (DNV GL, 2016).

Todas essas características da perfuração automática possibilitará uma perfuração ainda

mais precisa e uniforme, o alcance de alvos menores, poços mais próximos uns dos outros no

mesmo reservatório (infill drilling) e ainda a redução do CAPEX. A perfuração automática

trará, sem dúvidas, uma revolução nas relações entre as empresas envolvidas.

5.2.2 Gerenciamento de Reservatórios

Os avanços do poder computacional, computação em nuvem, criação de sistemas Ciber-

Físicos e simulação em tempo real, podem levar a simulação computacional de reservatórios

para novos patamares. Com a junção de tecnologias como IoT, Big Data e estratégias

inteligentes de gerenciamento de reservatório será possível uma taxa de recuperação maior e

uma curva de produção mais longa.

Com o uso de CPS é possível melhorar o aproveitamento dos reservatórios, estendendo

a vida dos mesmos e tornando viável a produção de reservatórios menores, que atualmente não

são economicamente atrativos. Mesmo que individualmente a produção possa ser pequena, em

conjunto, a produção desses reservatórios menores se torna significativa.

5.2.3 Engenharia Submarina

Segundo a DNV GL (2016), o desenvolvimento da capacidade de fluxo multifásico

possibilitou a produção submarina através de um transporte simples, eficiente e seguro da

produção, do poço até a unidade processadora. Esse transporte é simples do ponto de vista de

controle e monitoramento, mas é bastante complexo do ponto de vista físico, pois requer

modelagem avançada de fluxo multifásico.

Para o futuro, espera-se interligações (tie-in) ainda mais longas com um monitoramento

e controle ativo, 24 horas por dia. O controle preciso de parâmetros de fluxo e integridade,

possibilita que as estruturas trabalhem mais próximas dos limites estruturais, garantindo fluxo

estável, contínuo e maximizando a produção sem abrir mão da segurança.

Esse nível de monitoramento se estenderá também aos arredores das estruturas,

propiciando melhores estratégias de inspeção, manutenção, reparo e identificação de

vazamentos, aumentando assim a confiabilidade dos sistemas e equipamentos.

Outras áreas com potencial de evolução são as de descomissionamento, plug e

abandono, especialmente as duas últimas, que hoje exigem uma sonda de perfuração para serem

realizadas. Os custos operacionais de uma sonda se tornam ainda mais severos nessa fase final

da vida do poço, já que isso ocorre quando o poço não é mais economicamente viável.

A DNV GL (2016) acredita que até 2025 a tecnologia para realizar operação de plug e

abandono sem o uso de sondas estará disponível, reduzindo custos e podendo até estender a

vida do poço, pois os custos de abandono são considerados na hora de se determinar o ponto

em que um poço deixa de dar lucro. Atualmente não é possível atender os requisitos legais de

segurança para operações de plug e abandono sem o uso de uma sonda de perfuração.

Todo poço tem que ser devidamente tampado (pluged) antes do abandono, para garantir

que não haverá vazamentos no futuro. Segundo a certificadora norueguesa, em 2016, só no Mar

do Norte, existiam 8.000 poços que não foram devidamente tampados e que operações sem

sonda não dependem apenas da tecnologia, mas também do estabelecimento de novas normas

regulamentadoras.

5.2.4 Monitoramento

Mesmo sendo citados em várias das outra previsões e possibilidades de novas

tecnologias, os métodos e processos de monitoramento, apresentados anteriormente, merecem

um pouco mais de atenção, dado que informação é um dos pilares da quarta revolução industrial.

Além dos vários usos já apresentados de sensores, como monitoramento de parâmetros

operacionais de máquinas, valores de variáveis de fluxo e características da formação, outra

aplicação de sensores, em conjunto com automação e análise é o uso de veículos autônomos no

monitoramento de pipelines.

Os tipos de veículos e sensores usados dependem da aplicação se é on ou offshore. Em

terra a tendência é o uso de veículos aéreos não tripulados (Unmanned aerial vehicles, UAVs)

e para a aplicação marinha, veículos submarinos autônomos (Autonomous underwater vehicles,

AUVs), ambos equipados com os sensores apropriados para identificar vazamentos e analisar a

integridade dos componentes.

Segundo a DNV GL (2016) a necessidade desse monitoramento rotineiro crescerá

devido a constante demanda por energia (óleo e gás) associada a desafios como atividades

criminosas, roubo de óleo, ataques terroristas, efeitos de mudanças climáticas, e deslizamentos

que também têm crescido.

O uso de veículos autônomos, ao invés de veículos controlados remotamente, traz maior

eficiência para a operação, pois diminui o tráfico de informação necessário para a navegação,

tem maior flexibilidade de horário, podendo trabalhar de dia ou de noite. Veículos autônomos

não possuem os pontos negativos associados a um operador humano, como sono, intervalos,

capacidade técnica e nível de atenção.

Segundo Whitcomb (2000), esse tipo de equipamento é alvo de pesquisa no meio militar

há muito tempo. Os AUVs tiveram suas primeiras aplicações comercias civis no fim da década

de 90. O principal desafio para a sua aplicação é a capacidade finita de armazenamento de

energia, a qual é consumida pelos equipamentos de propulsão e de monitoramento, limitando o

tempo de operação.

Os veículos aéreos podem ser usados de maneira similar aos AUVs, monitorando

regularmente pipelines, com voos autônomos. Também podem ser aplicados em operações mais

específicas, onde são controlados por especialistas e inspecionam estruturas de difícil acesso,

como por exemplo, os flares, guindastes, estrutura de sustentação de plataformas entre outros.

Além de serem mais rápidos do que os métodos convencionais de inspeção nesses

lugares de difícil acesso, os drones eliminam o risco de acidentes associados ao trabalho em

altura, são mais baratos e geralmente não requerem nenhum tipo de parada na produção.

No monitoramento aéreo autônomo, existem projetos e até resultados bastante sólidos,

como drones sobrevoando caminhos da ordem de 20 a 40 quilômetros coletando imagens

georeferenciadas, mas segundo Zaréa (2013), ainda dependem de muita intervenção humana

para alcançar resultados satisfatórios na identificação de ameaças.

6 CONCLUSÃO

O presente trabalho se propôs a relacionar o tema mais discutido da atualidade na área

de engenharia de manufatura, Indústria 4.0 e a indústria do petróleo, através de uma pesquisa

exploratória da interação desses temas.

Isso é justificado pela atual conjuntura do mercado de óleo e gás, que tem exigido que

as empresas se adaptem e evoluam em busca de maior eficiência e segurança em suas operações

para continuarem competitivas.

O objetivo principal foi fazer uma análise qualitativa de como, e quais aplicações de

conceitos associados a Indústria 4.0 podem beneficiar a indústria petrolífera. Mesmo que essas

aplicações tenham acontecido de forma espontânea e não projetadas com base na Indústria 4.0,

servem para reforçar que a quarta revolução industrial está acontecendo e não é apenas um

conceito “fabricado”.

Esse objetivo bem como os específicos foram alcançados. Termos importantes como

“Internet of Things” e “Big Data” que são muito atuais, mas não tão presentes na indústria do

petróleo tradicional, foram explorados. Foi também apresentado um histórico da evolução da

indústria e exemplos de aplicações, atuais e futuras, de automação, levantamento e análise de

dados, manutenção condicional, integração e flexibilidade na indústria do petróleo, que são

características básicas da Indústria 4.0, em busca de maximizar a eficiência.

Os avanços tecnológicos e a aplicação de conceitos da Indústria 4.0 podem colaborar

para a eficiência da indústria do petróleo através da perfuração autônoma, manutenção preditiva

e condicional, realidade virtual, controle automático de válvulas baseado em análise de dados

de diversas fontes. Essas e outras das aplicações citadas, têm potencial para diminuir tempo não

produtivo, evitar paradas desnecessárias, aumentar a uniformidade das operações, aumentar a

confiabilidade dos dados, agilizar a tomada de decisão, e até reduzir o número de pessoas nas

plataformas.

A implementação da Indústria 4.0 na indústria do petróleo, do ponto de vista teórico,

não é algo tão trivial. Literaturas que associem diretamente as duas áreas de conhecimento são

bastante escassas, o que era de se esperar, visto que a quarta revolução industrial é algo tão

recente e ainda não atingiu sua plenitude. É necessário buscar na indústria do petróleo áreas em

que sejam aplicáveis ferramentas intrínsecas da Indústria 4.0.

Do ponto de vista prático é algo ainda mais complicado, tendo em vista que a indústria

do petróleo é historicamente resistente a mudanças e muitas dessas ferramentas ainda estão em

fase de desenvolvimento, o que requer grandes investimentos, tanto de dinheiro como de tempo

de serviço, e é difícil estimar o tamanho dos ganhos com sua implantação, devido ao

pioneirismo.

A aplicação de sistemas de gerenciamento e controle da Indústria 4.0 fornece uma

diretriz viável e prática para a indústria petrolífera. A implementação de CPS melhora a

qualidade e a eficiência dos processos de perfuração, completação, explotação e manutenção,

levando a equipamentos mais inteligente, confiáveis e operações mais uniformes e seguras.

Nem sempre o que é mais moderno e automático é melhor. Os parâmetros que devem

servir de guia para a indústria são eficiência, qualidade e segurança, e não o número de robôs

usados nas operações. A indústria 4.0 não se trata de uma busca cega por tecnologia, mas sim

da busca por eficiência e qualidade em seu estado mais avançado, essa eficiência também é alvo

da indústria do petróleo.

7 BIBLIOGRAFIA

ATZORI, Luigi; IERA, Antonio; MORABITO, Giacomo. The internet of things: A survey.

Computer networks, v. 54, n. 15, p. 2787-2805, out. 2010. Disponível em:

<http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.719.9916&rep=rep1&type=pdf>

Acesso em: 04 out. 2018.

BAHETI, Radhakisan; GILL, Helen. Cyber-physical systems. The impact of control

technology, v. 12, n. 1, p. 161-166, 2011. Disponível em:

<http://www.ieeecss.org/sites/ieeecss.org/files/documents/IoCT-Part3-

02CyberphysicalSystems.pdf> Acesso em: 06 out 2018.

CARVALHO, Gonçalo; BERNARDINO, Jorge. A Internet das Coisas e Big Data:

Tendências futuras. In: Proceedings of the 12th Iberian Conference on Information Systems

and Technologies. ISEC – Instituto Superior de Engenharia de Coimbra, Coimbra, PT, p.

1421-1424. Disponível em:

<https://www.researchgate.net/profile/Goncalo_Carvalho10/publication/318417540_The_Inte

rnet_of_Things_and_big_data_Future_trends/links/59f79ee0aca272607e2d8953/The-Internet-

of-Things-and-big-data-Future-trends.pdf> Acesso em: 04 out 2018.

CHEN, Min; MAO, Shiwen; LIU, Yunhao. Big data: A survey. Mobile networks and

applications, v. 19, n. 2, p. 171-209, 2014. Disponível em: <http://www2.egr.uh.edu/~

zhan2/ECE6111/class/BigDataSurvey2014.pdf> Acesso em: 16 set 2018.

DNV GL Group. Technolgy Outlook 2025. Disponível em:<https://to2025.dnvgl.com/>

Acesso em: 23 out 2018.

DRATH, Rainer; HORCH, Alexander. Industrie 4.0: Hit or hype? [industry forum]. IEEE

industrial electronics magazine, v. 8, n. 2, p. 56-58, 2014. Disponível em:

<http://www.control.lth.se/media/education/engineeringprogram/frtn20/2016/docslide.us_ind

ustrie-40-hit-or-hype-2.pdf> Acesso em: 12 out 2018.

EPE, Empresa de Pesquisa Energética. Boletim de Conjuntura da Indústria do Petróleo.

Rio de Janeiro, RJ, Edição 1, Número 01, 2º Semestre 2016. Disponível em:

<http://epe.gov.br/sites-pt/publicacoes-dados-abertos/publicacoes/PublicacoesArquivos/public

acao-226/topico-

338/Boletim%20de%20Conjuntura%20da%20Ind%C3%BAstria%20do%20Petr%C3%B3leo

%20-%20n%C2%BA%201. pdf> Acesso em: 18 set 2018.

GE, K. D. F.; BANDEIRA, F. M. G.; NETO, A. P. F.; MELO, P. A. S. 31º Encontro nacional

de engenharia de produção. Inovação Tecnológica e Propriedade Intelectual: Desafios da

Engenharia de Produção na Consolidação do Brasil no Cenário Econômico Mundial.

Perfuração de poços: uma análise comparativa do desempenho entre sondas automáticas e

convencionais na bacia Potiguar. Belo Horizonte, MG. 04 a 07 de outubro de 2011.

Disponível em:

<http://www.abepro.org.br/biblioteca/enegep2011_tn_sto_135_861_19113.pdf> Acesso em:

25 out 2018

GLANDT, Carlos A. et al. Reservoir management employing smart wells: a review. SPE

Drilling & Completion, v. 20, n. 04, p. 281-288, 2005. Disponível em: <

https://www.onepetro.org/journal-paper/SPE-81107-PA> Acesso em: 30 out 2018.

GUTIERREZ, Jose. Deepwater 4.0 - Digital Transformation for O&G Drilling. PI World -

San Francisco - Enterprise Infrastructure. 2018. 27 min. Disponível em:

<https://www.osisoft.com /Presentations/Deepwater-4-0---Digital-Transformation-for-

OandG-Drilling/> Acesso em: 05 out 2018.

HASHEM, Ibrahim Abaker Targio et al. The rise of “big data” on cloud computing: Review

and open research issues. Information systems, v. 47, p. 98-115, 2015. Disponível em: <

https://www.researchgate.net/publication/264624667_The_ri se_of_Big_Data_on_cloud_co

mputing_Review_and_open_research_issues> Acesso em: 27 set 2018.

HERBERT, Russell. The great data transformation: how the industry is capitalizing on

digitalization Part 1: Real-Life Examples From TransCanada, Petronas, and ADNOC Onshore

OSIfoft. 2017. Disponível em: <https://www.osisoft.com/White-Papers/The-Great-Data-

Transformation/> Acesso em: 28 out 2018.

HERBERT, Russell. The great data transformation: how the industry is capitalizing on

digitalization Part 2: Real-Life Examples from Shell, Transocean, and SBM Offshore.

OSIfoft. 2018. Disponível em: <https://www.osisoft.com/White-Papers/The-Great-Data-

Transformation/> Acesso em: 28 out 2018.

HUANDING Energy Services. HZMWD-G wireless measurement while drilling. c2018.

Disponível em: <https://www.arab-oil-naturalgas.com/measurement-drilling-mwd/> Acesso

em: 04 set 2018.

KANG, Hyoung Seok; et al. Smart manufacturing: Past research, present findings, and future

directions. International Journal of Precision Engineering and Manufacturing-Green

Technology, v. 3, n. 1, p. 111-128, 2016. Disponível em:

<https://link.springer.com/article/10.1007/s40684-016-0015-5> Acesso em: 18 set 2018.

KONOPCZYNSKI, M. “Design and modelling of intelligent well downhole

valves for adjustable How control of smart wells, “ presented at the SPE

ATW Modeling and Optimization of Smart Wells, 2005. Apud VÖLCKER, Carsten;

JØRGENSEN, John Bagterp; THOMSEN, Per Grove. Production optimization of oil

reservoirs. 2011. Disponível em:

<http://orbit.dtu.dk/files/51294001/phd265_Carsten_Volcker.pdf. > Acesso em: 08 out 2018

LEE, Jay; BAGHERI, Behrad; KAO, Hung-An. A cyber-physical systems architecture for

industry 4.0-based manufacturing systems. Manufacturing Letters, v. 3, p. 18-23, 2015.

Disponível em: <https://www.researchgate.net/profile/Jay_Lee10/publication/269709304_A

_Cyber-Physical_Systems_architecture_for_Industry_40-

based_manufacturing_systems/links/59e4f5670f7e9b0e1aa8805f/A-Cyber-Physical-Systems-

architecture-for-Indus try-40-based-manufacturing-systems.pdf > Acesso em: 14 out 2018.

MANYIKA, J., CHUI, M., BROWN, B., BUGHIN, J., DOBBS, R., ROXBURGH, C., &

BYERS, A. H. Big data: The next frontier for innovation, competition, and productivity. May

2011. Mckinsey Global Institute. Disponível em:

https://www.mckinsey.com/~/media/McKinsey/Business%20Functions/McKinsey%20Digital

/Our%20Insights/Big%20data%20The%20next%20frontier%20for%20innovation/MGI_big_

data_exec_summary.ashx> Acesso em: 27 set 2018.

MIORANDI, Daniele et al. Internet of things: Vision, applications and research

challenges. Ad hoc networks, v. 10, n. 7, p. 1497-1516, 2012. Disponível em:

<http://www.dicom.uninsubria.it/~sabrina.sicari/public/documents/journal/2012_IoT_vision.p

df> Acesso em> 02 out. 2018.

NOV. ST-160 Iron Roughneck, 2018. Disponível em:

<https://www.nov.com/Segments/Rig_Technologies/Rig_Equipment/Offshore/Iron_Roughne

cks/ST_160_Iron_Roughneck/ST-160_Iron_Roughneck.aspx> Acesso em: 28 out 2018.

PETROLEUM Production Optimization, Fundamentals. [s.d.] Disponível em: http://www.oil-

gasportal.com/petroleum-production-optimization/?print=print. Acesso em: 29 out 2018.

PROTEAN - Rotating Equipment Analytics in PI AF at Petronas. Petronas. OSIsoft. Users

Conference - London - Oil & Gas and PetroChem. 2017. 36min. Disponível em:

<https://www.osisoft.com/Presentations/PROTEAN---Rotating-Equipment-Analytics-in-PI-

AF-at-Petronas/> Acesso em: 05 out 2018.

ROZSA, Vitor et al. O paradigma tecnológico da Internet das coisas e sua relação com a

Ciência da Informação. Informação & Sociedade: Estudos, João Pessoa, v. 27, n. 3, p. 255-

266, set./dez. 2017. Disponível em:

<http://www.periodicos.ufpb.br/index.php/ies/article/viewFile/36975/pdf> Acesso em: 29 set

2018.

ROSA, Adalberto José; DE SOUZA CARVALHO, Renato; XAVIER, José Augusto Daniel.

Engenharia de reservatórios de petróleo. Interciência, 2006.

SCHUMBERGER, 2018. Oilfield Glossary. Disponível em: <

https://www.glossary.oilfield.slb.com/Terms/m/measurements-while-drilling.aspx. > Acesso

em: 27 out 2018.

SBM Offshore. c2018. Disponível em: <https://www.sbmoffshore.com/> Acesso em: 18 out

2018.

THE ECONOMIST. Oil struggles to enter the digital age. Londres. Apr 6th 2017.

Disponível em: <https://www.economist.com/business/2017/04/06/oil-struggles-to-enter-the-

digital-age> Acesso em: 29 set 2018.

VEOLIA Water Technologies. c2018. Disponível em:

<https://www.veoliawatertechnologies.com/en> Acesso em: 16 out 2018.

ZARÉA, Murès, et al. First steps in developing an automated aerial surveillance

approach. Journal of Risk Research, 2013, 16.3-4: 407-420. Disponível em:

<https://doi.org/10.1080/13669877.2012.729520> Acesso em: 30 out 2018.

WHITCOMB, Louis L. Underwater robotics: Out of the research laboratory and into the

field. In: Robotics and Automation, 2000. Proceedings. ICRA'00. IEEE International

Conference on. IEEE, 2000. p. 709-716. Disponível em:

<http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.31.5434&rep=rep1&type=pdf>

Acesso em: 29 out 2018.