UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE

CENTRO DE TECNOLOGIA
PROGRAMA DE ENGENHARIA DE PRODUO

MODELAGEM DE DADOS DE FALHAS DE EQUIPAMENTOS DE SUBSUPERIFICE EM POOS DE PETROLEO DA BACIA POTIGUAR

Por

MARIA ALDILENE DANTAS

BACHAREL EM ESTATSTICA, UFRN, 2004
TESE SUBMETIDA AO PROGRAMA DE ENGENHARIA DE PRODUO DA
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE COMO PARTE DOS
REQUISITOS NECESSRIOS PARA A OBTENO DO GRAU DE
MESTRE EM CINCIAS EM ENGENHARIA DE PRODUO
ABRIL, 2008
2008 MARIA ALDILENE DANTAS
TODOS DIREITOS RESERVADOS.
O autor aqui designado concede ao Programa de Engenharia de Produo da Universidade
Federal do Rio Grande do Norte permisso para reproduzir, distribuir, comunicar ao pblico,
em papel ou meio eletrnico, esta obra, no todo ou em parte, nos termos da Lei.
Assinatura do Autor:____________________________________________
APROVADO POR:
_____________________________________________________________
Profa. Dione Maria Valena, Dra. Orientador - UFRN, Presidente
_____________________________________________________________
Prof. Pledson Guedes de Medeiros, Dr UFRN, Membro Examinador
_____________________________________________________________
Dario Jos Aloise, Dr UFRN, Membro Examinador
____________________________________________________________
Profa. Silvia Maria de Freitas, Dra. - UFC, Membro Examinador Externo
____________________________________________________________
Benno Waldemar Assmann, Dr Engenheiro da PETROBRAS, Membro da
Sociedade

Catalogao da Publicao na Fonte. UFRN / SISBI / Biblioteca Setorial Especializada

Especializada do Centro de Cincias Exatas e da Terra CCET.

Dantas, Maria Aldilene Dantas.

Modelagem de dados de falhas de equipamentos de sub-superifice em poos de
petrleo da Bacia Potiguar / Maria Aldilene Dantas. -- Natal, 2008
117 f. : il.
Orientador: Profa. Dra. Dione Maria Valena.
Dissertao (Mestrado) Universidade Federal do Rio Grande do Norte. Centro de
Tecnologia. Programa de Ps-graduao em Engenharia de Produo.
1. Confiabilidade Dissertao. 2. Poo de petrleo Dissertao. 3. Modelo de
regresso Weibull Dissertao. I. Valena, Dione Maria. II. Ttulo.
CDU: 519.248

RN/UF/BSE-CCET

ii

CURRICULUM VITAE RESUMIDO

Maria Aldilene Dantas Estatstica graduada pela Universidade Federal do Rio
Grande do Norte em 2004. Durante a graduao foi bolsista de Iniciao Cientfica vinculada
a Base de Pesquisa: Grupo de Estudos Demogrficos GED DEST/CCET/UFRN.
Participou de vrios Congressos Nacionais e Regionais com artigos publicados, destacando os
certificados recebidos no 15 SINAPE Simpsio Nacional de Probabilidade e Estatstica, em
guas de Lindia/SP - 2002, pela publicao do trabalho Associao da Mortalidade Infantil
com Fatores Sociosanitrios nas Microrregies do Rio Grande do Norte. E pelo trabalho
Distribuio Espacial dos Fatores Socioambientais do Estado do Rio Grande do Norte.
Publicado no XIII Encontro Nacional de Estudos Populacionais, Ouro Preto/MG - 2002. Foi
professora Substituta do Departamento de Estatstica da UFRN no perodo de 04/2004 a
12/2005, em ANAIS e CD ROM.
Durante o mestrado foi bolsista do Projeto SAFES Sistema de Anlise de Falhas de
Equipamentos de Sub-superfcie em poos de petrleo da bacia potiguar. Projeto
desenvolvido atravs de uma parceria entre a Universidade Federal do Rio Grande do Norte
UFRN e a Petrobras. Participou do XXVII ENEGEP Encontro Nacional de Engenharia de
Produo, em Foz de Iguau 2007, com apresentao do trabalho Elaborao de um plano
amostral para medir tempos de falhas em poos de petrleo da PETROBRAS no Rio Grande
do Norte e Cear e publicao do artigo Utilizao do Controle Estatstico do Processo
(CEP) na comparao de velocidades de encapsulamento de medicamento para tuberculose,
Anais CD ROM. Teve trabalho aprovado e apresentado no 18 SINAPE Simpsio Nacional
de Probabilidade e Estatstica, com o ttulo O modelo de regresso weibull para estudar o
tempo at a primeira falha de equipamento de sub-superfcie de poos de petrleo, 2008, em
Estncia de So Pedro SP. Anais e CD ROM.
Submeteu o artigo DANTAS, M. A., FREIRE, M. P. S., VALENA, D. M.,
MEDEIROS, P. G., SILVA, D. N., ALOISE, D. J. Modelo de Regresso Weibull para
estudar dados de falha de equipamentos de sub-superfcie em poos petrolferos para revista
PRODUO. Aguardando avaliao.

iii

AGRADECIMENTOS
por dever de justia que devo expressar profunda gratido aos coordenadores e
colaboradores do projeto Sistema de Anlise de Falha de Equipamentos de Sub-superfcie
SAFES, do qual este estudo etapa inicial, atravs dos professores Dione Maria Valena,
Pledson Guedes de Medeiros e Damio Nbrega da Silva, que durante este perodo, me
orientaram, ensinando a investigar e entender a complexidade de uma pesquisa.
A PETROBRAS pelo fornecimento das informaes relevantes para compor este estudo
e pelo apoio financeiro.
Ao Programa de Ps-Graduao de Engenharia de Produo da UFRNPEP, pela
oportunidade. Ao coordenador Dario Jos Aloise pela ajuda e colaborao. A secretria
Cleide Batista por sempre est disposta a ajudar.
Aos meus pais, Z Dantas e Maria Ambrsio, pelo amor e exemplo de vida. A meus
irmos que sempre me apoiaram e colaboraram na minha formao. E a toda a minha famlia.
A minha orientadora professora Dione Maria Valena e ao meu co-orientador Pledson
Guedes de Medeiros pela orientao, pacincia e ajuda no desenvolvimento deste trabalho.
Aos colegas do mestrado, pela convivncia agradvel e a troca de conhecimentos que
ajudou na minha formao profissional e pessoal.
A Michel e a Hermes pela grandiosa e fundamental ajuda na anlise dos dados e
ensinamentos no software R.
E a todos meus amigos presentes e ausentes que contriburam com energia positiva para
a finalizao dessa etapa.

iv

Resumo da Tese apresentada a UFRN/PEP como parte dos requisitos necessrios para a
obteno do grau de Mestra em Cincias em Engenharia de Produo.

MODELAGEM DE DADOS DE FALHAS DE EQUIPAMENTOS DE SUBSUPERFCIE EM POOS DE PETRLEO DA BACIA POTIGUAR.

MARIA ALDILENE DANTAS

Abril/2008

Orientador: Profa. Dr. Dione Maria Valena

Co-Orientadora: Prof. Dr. Pledson Guedes de Medeiros
Curso: Mestrado em Cincias em Engenharia de Produo

RESUMO: Esta dissertao apresenta uma aplicao do estudo da confiabilidade em dados

de tempo de vida de poos petrolferos terrestres produtores de leo da Bacia Potiguar
(RN/CE). A varivel resposta do nosso estudo o tempo de funcionamento do poo dentro de
sua normalidade at apresentar a primeira falha relacionada a equipamentos de subsuperficie,
que cause uma parada total no funcionamento do poo. O principal objetivo do estudo foi,
com base em um conjunto de dados reais fornecidos pela PETROBRAS, verificar a existncia
do relacionamento do tempo de vida com diversas caractersticas dos poos como, mtodo de
elevao utilizado, quantidade de gua produzida (BSW Basic Sediments and Water), Razo
Gs leo (RGO), profundidade de instalao da bomba, unidade operacional de origem, entre
outras. Neste trabalho foi feito um estudo retrospectivo com uma amostra composta por 603
poos-colunas que estavam em funcionamento no perodo de 2000 a 2006. A modelagem
probabilstica dos dados foi feita atravs do ajuste do modelo de regresso Weibull. O ajuste
deste modelo se mostrou apropriado aos dados e permitiu avaliar, atravs de testes estatsticos
de hipteses, os fatores significativamente relacionados com o tempo at a falha dos poos.
Palavras-chave: Confiabilidade, poo de petrleo, Modelo regresso Weibull

Abstract of Master Thesis presented to UFRN/PEP as fullfilment of requirements to the

degree of Master of Science in Production Engineering

MODELLING OF DATA OF FLAWS OF EQUIPMENTS OF SUB-SURFACE IN OIL

WELLS OF THE BACIA POTIGUAR.

MARIA ALDILENE DANTAS

April/2008

Thesis Supervisor: Dione Maria Valena

Thesis Supervisor: Pledson Guedes de Medeiros
Program: Master of Science in Production Engineering

ABSTRACT: This masters thesis presents a reliability study conducted among onshore oil
fields in the Potiguar Basin (RN/CE) of Petrobras company, Brazil.

The main study

objective was to build a regression model to predict the risk of failures that impede production
wells to function properly using the information of explanatory variables related to wells such
as the elevation method, the amount of water produced in the well (BSW), the ratio gas--oil
(RGO), the depth of the production bomb, the operational unit of the oil field, among others.
The study was based on a retrospective sample of 603 oil columns from all that were
functioning between 2000 and 2006. Statistical hypothesis tests under a Weibull regression
model fitted to the failure data allowed the selection of some significant predictors in the set
considered to explain the first failure time in the wells.
Key words: reliability, Weibull regresssion model, onshore oil fields

vi

LISTA DE FIGURAS
FIGURA 1.1 - BOMBEAMENTO ATRAVS DE CAVALO DE PAU, NO CAMPO DE SERRA-MACAU, ............................ 2
FOTOS:MIRIAM DO NASCIMENTO, JUNHO DE 2002 ............................................................................................ 2
FIGURA 1.2 - BOMBEAMENTO POR CAVIDADES PROGRESSIVAS (BCP). .............................................................. 2
FIGURA 1.3 - SONDA DE PRODUO TERRESTRE MONTADA................................................................................ 3
FIGURA 2.1 - (A) TODOS OS PACIENTES EXPERIMENTARAM O EVENTO ANTES DO FINAL DO ESTUDO. (B) NO FINAL
DO ESTUDO ALGUNS PACIENTES AINDA NO HAVIAM EXPERIMENTADO O EVENTO DE INTERESSE. ........... 9
FIGURA 2.2 - FUNES DE TAXA DE FALHA - - CRESCENTE, CONSTANTE E -.-. DECRESCENTE...................... 11
FIGURA 3.1 - COLUNA CONVENCIONAL DE PRODUO EQUIPADA COM GS-LIFT............................................. 26
FIGURA 3.2 - TIPOS DE COMPLETAO: (A) SIMPLES, (B) SELETIVA E (C) DUPLA .............................................. 27
FIGURA 3.3 - SISTEMA DE BOMBEIO MECNICO .............................................................................................. 29
FIGURA 3.4 - SISTEMA DE BOMBEIO POR CAVIDADE PROGRESSIVA-BCP ........................................................ 30
FIGURA 4.1 - DISTRIBUIO DAS MEDIDAS DE PROFUNDIDADE DA BOMBA SEGUNDO A UNIDADE ADMINISTRATIVA E
O MTODO DE ELEVAO........................................................................................................................ 41
FIGURA 5.1 - NMERO DE POOS-COLUNA AMOSTRADOS POR ESTADO DE LOCALIZAO................................ 49
FIGURA 5.2 - NMERO DE POOS-COLUNA AMOSTRADOS POR MTODOS DE ELEVAO, NO PERODO DE 2000 A
2006 ....................................................................................................................................................... 49
FIGURA 5.3 - NMERO DE POOS-COLUNA AMOSTRADOS POR ATIVO DE PRODUO ....................................... 50
FIGURA 5.4 - PRODUO BASE POR MTODO DE ELEVAO ............................................................................. 52
FIGURA 5.5 - PRODUO BASE POR UNIDADE OPERACIONAL .......................................................................... 53
FIGURA 5.6 - BSW POR MTODO DE ELEVAO ............................................................................................... 54
FIGURA 5.7 - BSW POR UNIDADE OPERACIONAL .............................................................................................. 55
FIGURA 5.8 - RGO POR MTODO DE ELEVAO ............................................................................................... 56
FIGURA 5.9 - RGO POR UNIDADE ADMINISTRATIVA ......................................................................................... 57
FIGURA 5.10 - PROFUNDIDADE DO POO POR MTODO DE ELEVAO .............................................................. 57
FIGURA 5.11 - PROFUNDIDADE DO POO POR UNIDADE ADMINISTRATIVA........................................................ 58
FIGURA 5.12 - PROFUNDIDADE DA BOMBA POR MTODO DE ELEVAO ........................................................... 59
FIGURA 5.13 - PROFUNDIDADE DA BOMBA POR UNIDADE ADMINISTRATIVA .................................................... 60
60
FIGURA 5.14 - HISTOGRAMA DO TEMPO AT A PRIMEIRA FALHA DO POO ....................................................... 62
FIGURA 5.15 - CURVA DE SOBREVIVNCIA ESTIMADA A PARTIR DO ESTIMADOR DE KAPLAN-MEIER............... 63
63
FIGURA 5.18 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO KAPLAN-MEIER, POR FAIXA DE IDADE DO
POO (POO NOVO < 6.72 ANOS, POO VELHO 6.72 ANOS).................................................................. 65
FIGURA 5.19 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO KAPLAN-MEIER, POR NVEL DE RGO (BAIXO
< 4 M3, ALTO 4 M3).............................................................................................................................. 66
FIGURA 5.20 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO KAPLAN-MEIER, POR MTODO DE ELEVAO
(BM E BCP) ........................................................................................................................................... 66
FIGURA 5.21 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO KAPLAN-MEIER, POR UNIDADE OPERACIONAL
............................................................................................................................................................... 67
FIGURA 5.22 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER, POR NVEL DE
PROFUNDIDADE DA BOMBA (BAIXA < 490M, ALTA >= 490M)................................................................. 68
FIGURA 5.23 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER, POR NVEL DE
PROFUNDIDADE DO POO (BAIXA < 675M, ALTA >= 675M)..................................................................... 69
FIGURA 5.24 - CURVA DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER, PARA CADA UNIDADE
OPERACIONAL , POR NVEL PRODUO DE LEO (BAIXA < 2.20M3/DIA, ALTA >= 2.20M3/DIA). .............. 69
FIGURA 5.25 - CURVAS DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER PARA CADA UNIDADE
OPERACIONAL, POR NVEL DE BSW (BAIXO < 79,40%, ALTO 79,40%) ............................................... 70
FIGURA 5.26 - CURVAS DE SOBREVIVNCIAS ESTIMADA PELO MTODO DE KAPLAN-MEIER PARA CADA UNIDADE
OPERACIONAL, POR MTODO DE ELEVAO. .......................................................................................... 71
FIGURA 5.27 - CURVAS DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER PARA CADA UNIDADE
OPERACIONAL, EM DIFERENTES NVEIS POR NVEL DE RGO (BAIXO < 4 M3 DIA ALTO 4 M3 DIA) ......... 71
FIGURA 5.28 - CURVAS DE SOBREVIVNCIA ESTIMADA PELO MTODO DE KAPLAN-MEIER PARA CADA MTODO DE
3
3
ELEVAO, POR NVEL DE RGO (BAIXO < 4 M DIA ALTO 4 M DIA).................................................... 72
FIGURA 5.29 - CURVAS DE SOBREVIVNCIAS ESTIMADA PELO MTODO DE KAPLAN-MEIER PARA CADA MTODO DE
ELEVAO, POR NVEL DE PROFUNDIDADE DO POO (BAIXO < 675 M, ALTO >= 675 M)......................... 73
FIGURA 5.30 - GRFICO DE ADEQUAO DO MODELO WEIBULL PARA OS DADOS DE TEMPO AT A PRIMEIRA FALHA
DOS POOS-COLUNAS DA BACIA POTIGUAR, NO PERODO DE 2000 A 2006.............................................. 74

vii

FIGURA 5.31 - CURVA DE SOBREVIVNCIA ESTIMADA BASEADA NO MODELO WEIBULL .................................. 75

FIGURA 5.32 - CURVA DE SOBREVIVNCIA ESTIMADA BASEADA NO KM E NO MODELO WEIBULL .................. 76
FIGURA 5.33 - CURVA DE SOBREVIVNCIA DOS RESDUOS OBTIDA POR KAPLAN-MEIER E PELO MTODO
EXPONENCIAL ......................................................................................................................................... 78
FIGURA 5.34 - GRFICO DE PARES DE PONTOS DOS RESDUOS OBTIDOS POR KAPLAN-MEIER E PELO MTODO
EXPONENCIAL ......................................................................................................................................... 78
FIGURA 5.35 - CURVAS DE SOBREVIVNCIA ESTIMADA ATRAVS DO MODELO DE REGRESSO WEIBULL POR
UNIDADE OPERACIONAL EM DIFERENTES NVEIS DE BSW ( BSW =50 E BSW = 80).............................. 79
FIGURA 5.36 - CURVAS DE SOBREVIVNCIA ESTIMADA ATRAVS DO MODELO DE REGRESSO WEIBULL PARA POO
COM MTODO DE ELEVAO BM E BCP POR UNIDADE OPERACIONAL .................................................. 80

viii

LISTA DE TABELAS

TABELA 2.1 - ILUSTRAO DOS PROCEDIMENTOS CITADOS .......................................................................24

TABELA 4.1 - DEFINIO E TAMANHO DOS ESTRATOS PARA A POPULAO DE 4.358 COLUNAS DE PRODUO.
..................................................................................................................................................................41
TABELA 4.2 - ALOCAO DA AMOSTRA E PESOS AMOSTRAIS ....................................................................42
TABELA 4.3 - NMERO DE COLUNAS AMOSTRADAS, POR UNIDADE ADMINISTRATIVA. ..............................42
TABELA 4.4 - NMERO DE COLUNAS AMOSTRADAS, POR MTODO DE ELEVAO .....................................43
TABELA 4.5 - NMERO DE COLUNAS AMOSTRADAS, POR UNIDADE ADMINISTRATIVA E MTODO DE ELEVAO
..................................................................................................................................................................43
TABELA 5.17 - NMERO DE FALHAS E CENSURAS POR MTODO DE ELEVAO E UNIDADE OPERACIONAL
OCORRIDAS NOS POOS-COLUNAS AMOSTRADOS, NO PERODO DE 2000 A 2006 ........................................60
TABELA 5.18 - MEDIDAS DESCRITIVAS PARA O TEMPO AT A FALHA DO POO-COLUNA CORRESPONDENTE A
AMOSTRA ANALISADA NO PERODO DE 2000 A 2006..................................................................................61
TABELA 5.19 - ESTIMATIVA DAS MEDIDAS DESCRITIVAS PARA O TEMPO AT A FALHA DO POO-COLUNA, POR
COVARIVEL, NO PERODO DE 2000 A 2006...............................................................................................61

ix

SUMRIO
1.

INTRODUO....................................................................................................................................1
1.1 - RELEVNCIA DO ESTUDO............................................................................................................5
1.2 - TIPO DE PESQUISA .........................................................................................................................5
1.3 - ESTRUTURA DO TRABALHO........................................................................................................6

2.

ANLISE DE DADOS DE TEMPO DE VIDA.................................................................................7

2.1 - CONCEITOS BSICOS DE ANLISE DE SOBREVIVNCIA......................................................7
2.2 - CARACTERSTICAS DAS DISTRIBUIES DOS DADOS .........................................................9
2.3 - ESTIMAO NO-PARAMTRICA DA FUNO DE SOBREVIVNCIA .............................11
2.3.1 - FUNO DE SOBREVIVNCIA EMPRICA ......................................................................12
2.3.2 - ESTIMADOR KAPLAN-MEIER ............................................................................................12
2.4 - MODELOS PARAMTRICOS........................................................................................................13
2.4.1 - DISTRIBUIO EXPONENCIAL .........................................................................................13
2.4.2 - DISTRIBUIO DE WEIBULL.............................................................................................14
2.5 INFERNCIA EM MODELOS PARAMTRICOS........................................................................16
2.5.1 - O MTODO DE MXIMA VEROSSIMILHANA ..............................................................16
2.6 - AJUSTE DOS DADOS A UMA DISTRIBUIO EXPONENCIAL E WEIBULL ......................19
2.6.2 - DISTRIBUIO WEIBULL ...................................................................................................20
2.7 - MODELO DE REGRESSO WEIBULL ........................................................................................21
2.8 - ESTRATGIA PARA A SELEO DE COVARIVEIS NO MODELO ......................................23

3.

CONCEITOS FUNDAMENTAIS DE POOS DE PETRLEO .................................................25

3.1 - CONCEITOS PRELIMINARES ......................................................................................................25
3.2 - BOMBEIO MECNICO (BM) ........................................................................................................28
3.3 - BOMBEIO POR CAVIDADE PROGRESSIVA (BCP) ...................................................................29
3.4 - ACOMPANHAMENTO DA PRODUO .....................................................................................30
3.5 - OPERAES DE MANUTENO EM POOS............................................................................32
3.6 - DEFINIO DO ESTADO DOS POOS .......................................................................................33
3.7 CLASSIFICAO DOS POOS ....................................................................................................35
3.8 - SISTEMAS DE INFORMAES DA PETROBRAS .....................................................................36

4.

PLANO AMOSTRAL PARA SELEO DOS POOS................................................................38

4.1 - COLETA DE DADOS ......................................................................................................................38
4.2 - POPULAO CONSIDERADA NO ESTUDO .............................................................................39
4.3 - AMOSTRA.......................................................................................................................................39
4.3.1 - TAMANHO E ALOCAO DA AMOSTRA ........................................................................42
4.4 - SELEO DA AMOSTRA..............................................................................................................43

5.

RESULTADOS ..................................................................................................................................44
5.1 - ANLISE EXPLORATRIA DOS DADOS...................................................................................44
5.2 - ANLISE NO-PARAMTRICA ..................................................................................................62
5.2.1 - ESTIMADOR KAPLAN-MEIER ............................................................................................63
5.2.2 - COMPARAO ENTRE AS CURVAS DE SOBREVIVNCIA..........................................63
5.3 - AJUSTE DO MODELO WEIBULL E DETERMINAO DOS PARMETROS .........................73
5.3.1 - AJUSTE DO MODELO DE REGRESSO WEIBULL..........................................................76

6.

CONCLUSO E RECOMENDAES ..........................................................................................82

6.1 - PESQUISA BIBLIOGRFICA........................................................................................................82
6.2 - METODOLOGIA DA PESQUISA...................................................................................................83
6.3 - RESULTADO DA PESQUISA ........................................................................................................84
6.4 - LIMITAES DO TRABALHO .....................................................................................................85
6.5 - DIREES DA PESQUISA ............................................................................................................85
6.6 - CONCLUSO..................................................................................................................................85

REFERNCIAS BIBLIOGRFICAS.......................................................................................................88

1. INTRODUO

Petrleo na Bacia Potiguar - Breve Histrico

Aps a criao da Petrobras, em 1953, deu-se incio s pesquisas de petrleo no
Brasil. Embora no Rio Grande do Norte j houvesse registros informando possvel
existncia de petrleo no territrio, as primeiras perfuraes s ocorreram em 1956 e as
expectativas com relao produo dos poos no foram satisfatrias. Somente em 1956,
aps um estudo mais aprofundado, a Petrobras informou que a Bacia Potiguar tinha
condies de produzir petrleo. A primeira perfurao com produo lucrativa ocorreu
somente em 1977. Em seguida ocorreram vrias descobertas de poos e assim, em 1981, a
Bacia estava formada com quatro grandes campos produzindo diariamente 157 barris de
petrleo (Revista Petrobras, 2005)
Em 1985, a Petrobras descobriu na regio entre Mossor e Areia Branca um novo
campo de petrleo, entrando em produo em de janeiro de 1986. Era o campo de Canto do
Amaro, atualmente o maior campo terrestre produtor do Brasil. Com a nova descoberta a
produo saltou dos 59.000 barris/dia, em 1985, para 71.200 barris/dia, ao final de 1986.
Ultimamente, a Bacia Potiguar produz aproximadamente 78.000 barris/dia,
provenientes de 60 campos petrolferos com nmero de poos varivel, situados no RN e
seis campos produtores no CE, abrangendo aproximadamente 4.200 poos nos dois
Estados e correspondendo a 4 % da produo nacional. Estes nmeros colocam a Bacia
Potiguar no somente em primeiro lugar no Brasil em termos de produo terrestre, mas
tambm na segunda colocao na produo de petrleo.
A elevao dos fluidos na maioria desses poos feita de forma artificial, pois cerca
de 98% dos poos petrolferos so no surgentes, ou seja, no possuem presso suficiente
para que os fluidos atinjam a superfcie. A elevao pode ser realizada atravs de diversas
tcnicas. Na Bacia Potiguar terrestre as tcnicas mais usadas so o bombeio mecnico
(BM) ou Cavalo de Pau (Figura 1.1) e o bombeio por cavidades progressivas (BCP)
(Figura 1.2). Essas tcnicas exigem a instalao de equipamentos que trabalharo por um

longo perodo junto ao poo, realizando o bombeamento dos fluidos, podendo atingir uma
idade produtiva de 15 anos ou mais. Ao longo do tempo, poos vo falhando e, como
conseqncia, surge a necessidade de servios de manuteno (limpeza, restaurao,
estimulao, avaliao) e completao (trmino para explotao). Estes servios so
realizados por Sondas de Produo Terrestres (SPT) mveis, as quais so terceirizadas a
um custo muito elevado, por esta razo, h um nmero muito pequeno de sondas atuando
em toda a rea (Figura 1.3).

Figura 1.1 - Bombeamento atravs de cavalo de pau, no campo de Serra-Macau,

Fotos:Miriam do Nascimento, Junho de 2002.

Figura 1.2 - Bombeamento por cavidades progressivas (BCP).

Fotos: Miriam do Nascimento, julho de 2002.

Figura 1.3 - Sonda de produo terrestre montada

Fonte: Thomas, 2001

As caractersticas dos poos sero chamadas de variveis, ou mais especificamente,

covariveis, e avaliamos a associao de diversas caractersticas (covariveis) em relao
ao tempo at a primeira falha do poo.

Reviso Bibliogrfica
O presente estudo est contextualizado na rea de confiabilidade, especificamente na
anlise de dados de equipamentos de sub-superfcie de poos de petrleo da Petrobras, nos
estados do Rio Grande do Norte e Cear (UN-RNCE - Unidade de Negcio de Explorao
e Produo do Rio Grande do Norte e Cear).
A anlise de tempo de falha um procedimento estatstico utilizado para analisar
dados que correspondem ao tempo de ocorrncia de um evento de interesse, tal como o
tempo at a falha de um equipamento (Kleibaum, 1996). E, segundo Allisson (1995), um
evento conceituado como sendo uma mudana qualitativa situada no tempo. Neste
estudo, o evento de interesse corresponde ao tempo at a primeira falha do poo.
Na rea mdica, esta tcnica conhecida como Anlise de Sobrevivncia. Segundo
Colosimo e Giolo (2006) uma tcnica de ampla utilizao e uma das reas da estatstica
que mais cresceu nos ltimos anos. Na literatura existem muitas tcnicas apropriadas para
anlise de tempo de falha (ver por exemplo, Lawles, 1982; Nelson, 1990).
Segundo Lawless (1982) a maioria dos trabalhos estatsticos na rea de
confiabilidade foi aplicado ao tempo de vida de equipamentos e sistemas.

Lindqvist et al (1988) aplicou o modelo de riscos proporcionais de Cox (1972) a

dados de falhas das principais vlvulas de segurana de sub-superfcie utilizadas em 26
campos de leo e gs no Mar do Norte.
Accioly e Martins (1999) realizaram anlises das intervenes no campo de Marlim e
Albacora, na Bacia de Campos, Brasil. Eles aplicaram a distribuio Weibull aos dados de
tempo entre as intervenes e ao tempo de produo dos poos que no sofreram
interveno.
Esta mesma distribuio foi utilizada por Bardy (2000) em uma anlise estatstica dos
dados de tempos de vida (tempos de operao) de um conjunto de bombeio centrfugo
submerso (BCS), instalados nos poos do Plo Nordeste da Bacia de Campos.
Csar (2001) aplicou modelo de regresso de Cox (1992) e os modelos paramtricos
Weibull e exponencial para analisar dados de tempo de falhas dos poos da regio do Alto
Rodrigues pertencentes Bacia Potiguar Terrestre.
Frota (2003) utilizou tcnicas de confiabilidade para analisar dados de um perodo de
12 anos de intervenes em poos martimos, da Bacia de Campos, Brasil, com a
finalidade de identificar as causas das intervenes, modelar falhas e analisar o tempo de
falha. A distribuio de probabilidade utilizada na anlise estatstica dos dados foi a
distribuio Weibull.
A reviso bibliogrfica mostrou poucas publicaes relacionadas anlise de tempo
de falha de poos, considerando-o como um sistema. No entanto, h vrias pesquisas
referentes a anlise de falha de equipamento especfico do poo utilizando-se de tcnicas
de anlise de sobrevivncia. Exemplo de equipamentos comuns a este tipo de estudo: falha
em bombeio mecnico, falha em bomba Centrifugo, vlvulas de segurana de subsuperfcie, entre outros.

Objetivo
O objetivo deste trabalho fazer um estudo retrospectivo sobre informaes relativas
a poos terrestres produtores de leo da Bacia potiguar, no perodo de 2000 a 2006, cujo
mtodo de elevao BM e BCP, para ajustar um modelo que indique o risco de falha, de
acordo com as caractersticas dos poos. Nesta anlise sero consideradas as variveis
relevantes para falhas e algumas caractersticas das falhas. Este trabalho est associado ao

projeto SAFES (Sistema de Anlise de Falhas de Equipamentos de Sub-superfcie) que

desenvolvido atravs de uma parceria entre a Universidade Federal do Rio Grande do
Norte UFRN e a Petrobras.

1.1 - RELEVNCIA DO ESTUDO

1.1.1 Relevncia Terica
Cientfica: Este estudo visa dar subsdios para a soluo de problemas de manuteno de
poos de petrleo, atravs da construo de um modelo que permita a modelagem do
tempo de falha e determinao das variveis influentes.
1.1.2 Relevncia Prtica
Devido a grande quantidade de poos existentes na Bacia Potiguar de grande
relevncia conhecer o risco de falha para definir quais poos deve ter uma anlise
detalhada de falha. Uma anlise preventiva das ocorrncias de falhas dos poos
possibilitar um acompanhamento melhor dos poos que apresentam maiores risco de falha
e tambm garantir que materiais requeridos para o restabelecimento da produo estejam
disponveis no momento da falha do poo, reduzindo assim o tempo de manuteno do
poo.
O estudo aborda uma amostra de poos, escolhido de forma a representar todos os
poos da bacia RN/CE, possibilitando, desta forma, que o resultado seja utilizado para os
demais poos desta bacia.

1.2 - TIPO DE PESQUISA

Neste estudo ser tratada a pesquisa exploratria e a explicativa. Segundo Gil (1999)
a pesquisa exploratria tem como principal finalidade proporcionar uma viso geral, de
tipo aproximativo, acerca de determinado fato. usada quando se tem o primeiro contato
com os dados, a finalidade obter uma nova percepo do tema em estudo. Ainda segundo
o autor, a pesquisa se caracteriza como explicativa por ter como preocupao central,
5

identificar os fatores que determinam ou que contribuem para a ocorrncia dos fenmenos.
O modelo desenvolvido neste estudo ser utilizado para auxiliar na determinao dos
fatores que influenciam o tempo at a ocorrncia da primeira falha a um poo-coluna
produtor de leo da bacia potiguar.
O mtodo utilizado ser do tipo quantitativo. Segundo Richardson et. al (1985 p. 29),
no estudo quantitativo h uma preocupao com a medio objetiva e a quantificao dos
resultados, evitando distores na etapa de anlise e interpretao dos dados, garantindo
margem de segurana em relao s inferncias obtidas.

1.3 - ESTRUTURA DO TRABALHO

Esta dissertao est estruturada em seis captulos. O primeiro, j descrito acima,
fornece uma viso geral do contexto em que o trabalho est inserido, apresentando os
objetivos e a contribuio do estudo.
O Captulo 2 apresenta a fundamentao terica preliminar ao estudo de
confiabilidade (anlise de sobrevivncia). As distribuies de probabilidades na anlise
estatstica de dados de sobrevivncia e o modelo de regresso paramtrico considerado
para ajustar o conjunto de dados em questo.
O Captulo 3 apresenta alguns conceitos, tais como: definio do petrleo, os
equipamentos que compem o poo, o mtodo de elevao de interesse nesse estudo, os
estados o qual um poo pode se encontrar durante o perodo de produo, as intervenes
realizadas nos poos, a classificao dos poos e as variveis envolvidas no estudo.
No Captulo 4 tem-se, a forma de coleta e a metodologia do plano amostral utilizado
para selecionar os poos-coluna deste estudo.
O Captulo 5 mostra os resultados da aplicao do modelo paramtrico utilizado na
anlise de dados de falhas de equipamentos de sub-superfcie.
O Captulo 6 apresenta as concluses da aplicao da anlise e recomendaes para
trabalhos futuros.

2. ANLISE DE DADOS DE TEMPO DE VIDA

O presente estudo, que diz respeito anlise das ocorrncias de falhas dos poos,
pode ser abordado como uma aplicao da rea da Estatstica que trata de dados de tempo
de vida. O interesse neste trabalho modelar estatisticamente o tempo at a ocorrncia da
primeira falha do poo e de avaliar a influncia de diversos fatores na permanncia destes
em funcionamento. Este captulo esta organizado em 8 sees e apresenta conceitos de
Anlise de Sobrevivncia e de Confiabilidade que se referem s reas da Estatstica que
tratam da anlise de Dados de Tempo de Vida. Inicialmente (sees 2.1 e 2.2) so
apresentados alguns conceitos bsicos como confiabilidade, tempo de falha, censura e tipo
de censura, assim como caracterstica probabilsticas da varivel aleatria de interesse
(funo de densidade, funo de sobrevivncia e funo risco). A Seo 2.3 apresenta
mtodos no paramtricos bsicos para estimar a funo de sobrevivncia. As Sees
seguintes descrevem o modelo paramtrico Weibull, bastante usado em aplicaes de
dados das engenharias, e procedimento para estimao e teste de parmetros deste modelo,
incluindo a situao em que a populao de interesse heterognea (presena de
covariveis).

2.1 - CONCEITOS BSICOS DE ANLISE DE SOBREVIVNCIA

Atualmente, estudos envolvendo as tcnicas de anlise de sobrevivncia vm sendo
apresentados com grande freqncia. Esta tcnica empregada quando se pretende analisar
dados relacionados ao tempo at a ocorrncia de algum evento de interesse. Este tempo o
intervalo decorrido entre o tempo inicial do estudo, ou inicio que o individuo entrou no
estudo, at a ocorrncia do evento desejvel, conhecido como falha. Este tempo
denominado tempo at a falha ou tempo de vida. Neste estudo, o tempo inicial foi
contado a partir de 01/01/2000. O tempo de operao foi medido em horas, a partir do
tempo inicial at a primeira falha do poo-coluna.

De acordo com Colosimo (2001) a denominao anlise de sobrevivncia originouse na medicina, uma vez que o foco da maioria dos trabalhos comparar o tempo mdio de
vida de determinado grupo de pacientes, ou seja, o tempo de sobrevivncia. Por outro lado,
na engenharia, onde se estuda o tempo de vida de componentes de um equipamento,
convenciona-se a denominao de confiabilidade.
Segundo Accioly (1995) confiabilidade de um equipamento ou de um produto
industrial a probabilidade de que ele execute suas funes com sucesso, sob um perodo
especifico de tempo, sem apresentar parada para manuteno ou falha. Um estudo de
confiabilidade consiste basicamente em ajustar modelos estatsticos que permitam avaliar o
risco de falha do equipamento.
A varivel de interesse no estudo de confiabilidade, o tempo de sobrevivncia ou at
a falha, uma varivel contnua e positiva. A principal caracterstica de um conjunto de
dados de confiabilidade a presena de dois componentes: falhas e censuras, os quais
constituem a resposta:
Falha a ocorrncia de algum evento de interesse. Em estudos da rea mdica, o
evento pode ser a morte do paciente ou a recidiva da doena. Nesta dissertao, a
falha corresponde a parada de funcionamento do poo, devido alguma
anormalidade dos equipamentos de subsuperfcie.
Censuras - A principal caracterstica de dados de sobrevivncia a presena de
censuras que ocorrem quando no final do ensaio nem todas as unidades falharam ou
quando h perda de informao decorrente de no ter se observado o tempo do
indivduo que pertence ao grupo em estudo.
A Figura 2.1, a seguir, ilustra a ocorrncia de falha e censura em um estudo
hipottico com tempo de estudo fixado previamente.

Figura 2.1 - (a) Todos os pacientes experimentaram o evento antes do final do estudo. (b)
No final do estudo alguns pacientes ainda no haviam experimentado o evento de interesse.

Segundo Colosimo e Giolo (2006) os trs tipos de censuras mais comuns so:
Censura Tipo I O tempo de estudo pr-determinado de tal maneira que o tempo de vida
s ser conhecido se for menor que o tempo determinado, (Figura 2.1-b).
Censura tipo II O tipo II aquele onde n indivduos so colocados em teste e o estudo s
termina aps ter ocorrido o evento de interesse em um nmero r (r n) pr-fixado de
indivduos.
Censura aleatria - Ocorre por exemplo, num experimento mdico, quando os pacientes
entram no estudo de forma aleatria de acordo com a data do diagnstico e, no final do
experimento, as observaes so censuradas por motivos aleatrios que poderiam ser, entre
outros, a morte do paciente por uma causa diferente da estudada ou a perda de contato com
o mesmo.
2.2 - CARACTERSTICAS DAS DISTRIBUIES DOS DADOS
Seja T uma varivel aleatria (v.a) positiva e contnua que representa o tempo de vida
de um equipamento, sendo T > 0 . T denota a varivel aleatria associada ao tempo de
sobrevivncia e t um valor especfico assumido pela varivel aleatria T .
Para expressar o comportamento dessa varivel recorre-se a trs funes importantes
que so: a funo de densidade de probabilidade f ( t ) ; a funo de sobrevivncia S ( t ) e a
funo de risco h ( t ) .

Funo Densidade de Probabilidade

Representa aproximadamente a probabilidade de o indivduo sobreviver no intervalo

[t , t + t )

por unidade de tempo, que pode ser expressa por:

f (t ) =

lim
t 0+

P ( t T <t+ t ) dF ( t )
=
.
dt
t

(2.1)

A funo de distribuio acumulada de T definida por:

F ( t ) = P (T t ) = f ( u ) du,
t

(2.2)

que representa a probabilidade do individuo sobreviver at algum tempo t qualquer. Temse ainda que:

f (t ) 0

f ( t ) dt = 1

Funo de Sobrevivncia
A funo de sobrevivncia, denotada por S ( t ) , representa a probabilidade de um

indivduo sobreviver pelo menos at certo tempo t , sendo representado por

S(t) = P(T t) =

f ( x ) dx = 1 - F ( t )

(2.3)

Esta uma funo montona decrescente com as seguintes propriedades:

S(0) = 1 e lim S ( t ) = 0
t

Funo de Risco
A funo de risco, denotada por h ( t ) , especifica a taxa de falha instantnea no tempo

t , sendo definida com

P ( t T < t + t ) | T t f ( t )
,
=
t 0
t
S (t )

h(t) = lim

10

(2.4)

Uma distribuio do tempo de falha pode ser compreendida atravs da funo risco,
tambm chamada de taxa de falha, pois ela reflete o efeito do tempo sobre os indivduos
que no falharam.
A Figura 2.2 mostra trs representaes para uma funo de risco. A funo crescente
indica que a taxa de falha aumenta com o transcorrer do tempo. A funo constante indica
que a taxa no se altera com o passar do tempo. A funo decrescente mostra que a taxa de
falha diminui medida que o tempo passa.

Figura 2.2 - Funes de taxa de falha - - crescente, constante e -.-. decrescente.

2.3 - ESTIMAO NO-PARAMTRICA DA FUNO DE SOBREVIVNCIA

Em anlise de sobrevivncia de interesse estimar a funo de sobrevivncia da
varivel em anlise. Existem tcnicas paramtricas e no paramtricas para se estimar esta
funo. Segundo Colosimo e Giolo (2006) as tcnicas no paramtricas so utilizadas
quando no supomos nenhum modelo terico para o tempo de falha. Nesta seo, sero
apresentados os dois mtodos de estimao no-paramtricos, a funo de sobrevivncia
emprica e o estimador Kaplan-Meier, eles funcionam como medidas descritivas do
conjunto de dados.

11

2.3.1 - FUNO DE SOBREVIVNCIA EMPRICA

Na ausncia de censuras, um estimador no paramtrico para a funo de

, que
sobrevivncia S(t) obtido atravs da Funo de Sobrevivncia Emprica, S(t)
definida por:
~

S(t)=

n de observaes que no falharam at o tempo t

.
nde observaes no estudo

(2.5)

2.3.2 - ESTIMADOR KAPLAN-MEIER

Na prtica, grande parte dos dados de sobrevivncia apresenta observaes
censuradas o que indica a necessidade de tcnicas especializadas para incorporar as
informaes contidas nestas observaes. Na aplicao deste trabalho, a censura ocorre
quando no fim do estudo o poo no apresentou falha relacionada a equipamentos de
subsuperfcie ou quando o poo foi desativado antes de apresentar falha. Estes dados so
chamados de censuras e devem ser inclusos na anlise estatstica.
O mtodo mais conhecido e utilizado de estimao no paramtrica de S ( t ) , com
censuras presentes na amostra, o mtodo de Kaplan-Meier ou estimador produto-limite,
proposto por Kaplan-Meier (1958), sendo definido da seguinte forma: considerando n
indivduos e r n tempo distintos t1 < t2 < ... < tr , onde t j o tempo onde ocorrem falhas,

d j o nmero de falhas em t j e n j os nmeros de observaes sob risco (no falhou e no

foi censurado) at o tempo t j (exclusive), isto , n j o nmero de itens em risco no
instante imediatamente anterior a t j . Conforme dados em Lawless (1982) e citado por
Freire (2006), o S KM dado por:

k n -d
j
j
(t) =
KM
j=1 n
j

, para t( k ) t < t( k +1) , k = 1, 2,3,..., r. e,

SKM (t)= 1 , se t < t(1)

SKM (t)= 0 , se t > t( r )

12

(2.6)

2.4 - MODELOS PARAMTRICOS

Existem diversos modelos paramtricos que tm se mostrado bastante adequados
para descrever os tempos de vida de produtos/equipamentos, ou tempos de vida de
pacientes. A literatura de anlise de sobrevivncia apresenta vrios modelos paramtricos
que tratam de dados de vida (ver Lawlees, (1982), Bain (1978)). Estes modelos so
chamados modelos paramtricos de probabilidade para o tempo de falha. Neste trabalho
damos destaque apenas ao modelo Weibull e ao modelo exponencial, que representa um
caso particular deste. Este modelo considerado por vrios autores o mais utilizado nas
aplicaes em estudos de confiabilidade.

2.4.1 - DISTRIBUIO EXPONENCIAL

A distribuio exponencial com um parmetro, por ter uma estrutura simples, muito
utilizada. a nica distribuio que se caracteriza por ter uma funo de taxa de falha/ou
risco constante.
Se T tem distribuio exponencial com parmetro > 0, sua funo densidade de
probabilidade dada por:
f (t ) =

t
exp , t 0,

(2.7)

em que o parmetro > 0 o tempo mdio de vida. O parmetro tem a mesma unidade
do tempo de falha t (se t medido em horas, tambm ser fornecido em horas).
A funo de sobrevivncia S ( t ) e a funo de risco h ( t ) so dadas respectivamente,
por:

t
S ( t ) = exp e para t > 0.

e

h (t ) =

para t > 0;

(2.8)

(2.9)

A funo risco, h ( t ) , constante, sendo esta, a principal caracterstica desta

distribuio. Isto significa que, tanto uma unidade velha quanto uma nova, que ainda no

13

falharam, tm o mesmo risco de falhar em um intervalo futuro (Colosimo e Giolo, 2006).

Isso relaciona-se com a falta de memria da distribuio exponencial.
Outras caractersticas de interesse so: a mdia, a varincia e os percentis. A mdia e
varincia de T so respectivamente e 2. O percentil 100p% corresponde ao tempo em
que 100p% dos produtos ou indivduos falharam. Por exemplo, para p = 0.7, o percentil
100x0.7 = 70%, representa o tempo em que 70% dos indivduos falharam. Este valor,
denotado por t p , satisfaz P (T t p ) = p . Assim se T exp() tem-se t p = log(1 - p) .

2.4.2 - DISTRIBUIO WEIBULL

A distribuio Weibul, proposta por Weibull (1954), representa uma generalizao da
distribuio exponencial. Segundo Colosimo e Giolo (2006), este modelo vem sendo usado
com bastante freqncia, entres outras aplicaes, em estudo nas reas mdicas e
industriais. Estes mesmo autores afirmam que a sua popularidade deve-se ao fato deste
modelo apresentar uma grande variedade de formas, porm todas com uma propriedade
bsica: a sua funo de taxa de falha montona, isto , ou ela crescente, decrescente ou
constante. Na rea de engenharia, a distribuio de Weibull a mais utilizada para analisar
tempo de vida til de equipamento (ver por exemplo Accioly 1995, Martins e Accioly
2000)
Para uma varivel aleatria T com distribuio de Weibull, tem-se a funo de
densidade de probabilidade dada por:

t
1
f ( t ) = t exp , t > 0 e e > 0

(2.10)

Se = 1 , temos a distribuio exponencial.

Para a distribuio Weibull as funes de sobrevivncia e de risco para t > 0 so,
respectivamente:
t
S ( t ) = exp .

14

(2.11)


h (t ) =

-1
.
t

(2.12)

sendo que h ( t ) :
Estritamente crescente para > 1 ;
Estritamente decrescente para < 1 ;
Constante para = 1 (exponencial).

A mdia e a varincia para esta distribuio so respectivamente:

2

1
2
1
2
E ( T ) = 1 + e Var ( T ) = 1 + 1 + ,

(2.13)

sendo a funo gama, ( k ) , definida por ( k ) = x k -1e-x dx . Os percentis para este

0

modelo so dados por:

1

t p = -log ( 1- p )

(2.14)

importante enfatizar aqui, uma relao existente entre a distribuio Weibull e a

distribuio valor extremo.
Fazendo Y = log(T ) , temos que Y tem uma distribuio Valor Extremo com a
seguinte funo de densidade.

fy ( y) =

y
y
exp
exp
, y

(2.15)

Sendo = log e = 1 . Se = 0 e = 1 tem-se a distribuio do valor extremo

padro (Maiores detalhes sobre esta distribuio consultar Lawless (1982)).
A mdia e a varincia da distribuio valor extremo so representadas,
respectivamente por:

2 2
( ) e
, onde = 0,5772... (constante de Euler)
6

15

(2.16)

As funes de sobrevivncia, a taxa de falha e o percentil 100p% da varivel Y que

tem distribuio valor extremo so dados, respectivamente, por:

y -
S(y)= exp -exp
.

(y)=

(2.17)

y -
exp
.

(2.18)

t p = + log -log ( 1- p ) .

(2.19)

em que o parmetro de locao e o parmetro de escala.

2.5 - INFERNCIA EM MODELOS PARAMTRICOS

Os

modelos

probabilsticos

so

caracterizados

por

quantidades

(valores)

desconhecidas, chamadas de parmetros. Em cada estudo envolvendo anlise de

confiabilidade, os parmetros devem ser estimados a partir de observaes amostrais, para
que o modelo fique determinado e, assim, seja possvel responder s perguntas de
interesse. Entre os vrios mtodos de estimao conhecidos na literatura estatstica, um dos
mais conhecidos o mtodo de mxima verossimilhana.

2.5.1 - O MTODO DE MXIMA VEROSSIMILHANA

Ao determinarmos o modelo probabilstico adequado ao conjunto de dados em
anlise desejvel fazer inferncia baseada nas estimativas dos parmetros no modelo. Um
dos mtodos utilizados para obter tais estimativas o mtodo de mxima verossimilhana.
O mtodo funciona da seguinte forma: baseado nos resultados obtidos pela amostra, qual
a distribuio entre todas aquelas definidas pelos possveis valores de seus parmetros,
com maior possibilidade de ter gerado tal amostra? Em outras palavras, se, por exemplo, a
distribuio de falha a Weibull, para cada combinao diferente de e tm-se

16

diferentes distribuies de Weibull. O estimador de mxima verossimilhana escolhe

aquele par de e que melhor explique a amostra observada (Colosimo e Giolo, 2006).
Suponha uma amostra de observaes t1, t2, ..., tn de uma certa populao de interesse
com varivel aleatria T. A populao caracterizada pela sua funo de densidade de
probabilidade f ( t , ) com , sendo o espao paramtrico. A funo de
verossimilhana para um parmetro genrico , correspondendo a uma amostra aleatria
:
n

L ( t1 ,t2 ,...,tn ; ) = L ( ) = f ( ti ; )

(2.20)

i=1

O estimador de mxima verossimilhana de o valor de que maximiza a

funo de verossimilhana L ( ) .
Se todas as observaes so no-censuradas, a funo de verossimilhana L ( )
como dada em ( 2.20 ), e mostra que a contribuio de cada observao no-censurada
sua funo de densidade f ( t ) .
Contudo, quando existem observaes censuradas este mtodo torna-se mais
complicado, pois essas informam que o tempo de no sobrevivncia maior que o tempo
observado (censurado), sendo portanto sua contribuio para L ( ) dada pela funo de
sobrevivncia S ( t ) .
Para que se tenha uma notao mais prtica, pode-se introduzir uma varivel
indicadora de censura i , onde i = 1 se ti observado diretamente e i = 0 se ti
censurado direita, dessa forma, a funo de verossimilhana escrita como (maiores
detalhes ver Lawless, 1982)

L ( ) =

i=1

f (ti ; ) S (ti ; )

(2.21)

i = r +1

f ( t ; )
i

i=1

17

S ( t i ; )

1 i

O processo de maximizao torna-se mais simples quando trabalhamos com o

logaritmo da funo de verossimilhana. Os estimadores de mxima verossimilhana so
os valores de que maximizam L ( ) ou equivalente log ( L ( ) ) . Eles so encontrados
resolvendo o sistema de equaes

U ( ) =

logL ( )

=0

(2.22)

Como citado por Cavalcanti et at. ( 2002 ) , somente aps ter definido qual o modelo
que melhor se ajusta aos dados que deve-se utilizar o mtodo de mxima verossimilhana
para estimar os parmetros , e os ' s (os coeficientes do modelo). Entretanto, se o
modelo selecionado for usado inadequadamente para certo conjunto de dados, toda a
anlise estatstica fica comprometida e conseqentemente as resposta s perguntas de
interesse distorcidas.
Segundo Bolfarine et al. (1991) a forma mais simples e eficiente de selecionar o
melhor modelo a ser usado para um conjunto de dados por meio de tcnicas grficas.
Este mtodo consiste em fazer grfico com os possveis modelos apropriados aos dados e
escolher o modelo com comportamento aproximadamente linear.
O mtodo grfico para o ajuste do melhor modelo paramtrico apresentado de duas
maneiras: A primeira consiste na comparao da funo de sobrevivncia do modelo
possivelmente adequado com a funo de sobrevivncia obtida atravs do estimador de
kaplan-Meier. Neste procedimento, o modelo adequado aquele em que sua curva de
sobrevivncia se aproxima daquela estimada atravs do estimador de Kaplan-Meier. A
segunda maneira grfica de analisar o melhor modelo atravs da linearizao da funo
de sobrevivncia, que consiste em fazer grficos nos quais o modelo apropriado seja
aproximadamente linear. Isto , o modelo escolhido como adequado para o conjunto de
dados ser aquele que apresente como resultado final uma reta. Por exemplo, se o modelo
Weibull for adequado, o grfico log[ log(S (t ))] versus log(t) ir resultar em uma linha
reta, passando pela origem (0).

18

2.6 - AJUSTE DOS DADOS A UMA DISTRIBUIO EXPONENCIAL E WEIBULL

A seguir uma breve descrio dos estimadores de mxima verossimilhana para os
parmetros dos modelos probabilsticos utilizados nesta dissertao (maiores detalhes ver
Collet, 1994).

2.6.1 - DISTRIBUIO EXPONENCIAL

Suponha uma amostra n, os quais r ( r n ) poos falharam e os ( n - r ) poos no
falharam, isto , so dados censurados. Considere que os tempos de falhas para os r poos,
t1 , t2 ..., tr , tenha uma distribuio exponencial com funo de densidades dada pela

expresso em (2.7) e funo de sobrevivncia dada em (2.8). Assim, se substituirmos estas

expresses em (2.21), a funo de verossimilhana para as n observaes dada
i

1
t
t
L ( ) = exp - i exp - i
i=1


n

1-i

i
t
1
= exp - i
i=1

onde i = 0 se os tempos so censuras e i = 1 se tempos correspondem a falhas.

O logaritmo da funo de verossimilhana

i
n
t
1 n
1
L ( ) = log exp - i = - i log - ti
i=1
i=1
i=1

sabendo que os dados contm r tempos de falhas, isso indica que

= r ,
i

ento a

i=1

expresso acima passa a ser

logL ( ) = rlog -

1 n
ti
i=1

O objetivo do desenvolvimento das expresses acima obter uma estimativa de

para a qual o logaritmo da funo de verossimilhana seja mximo. Derivando a ltima

expresso em relao e igualando a zero tem-se
n

logL ( )

ti
i =1

19

= 0 =

t
i =1

(2.23)

Obtendo assim, o estimador de mxima verossimilhana para a distribuio exponencial

2.6.2 - DISTRIBUIO WEIBULL

Considere novamente uma amostra composta por n poos os quais, r ( r n ) poos
falharam. Suponha que os tempos de falhas seguem uma distribuio Weibull com
parmetros de escala e de forma . Ao substituir as expresses (2.10) e (2.11) na
expresso (2.21) para obter a funo de verossimilhana da amostra, a expresso fica dada
por
i

-1
ti
ti
L ( , ) = t exp - exp -

i=1

1-i

i
ti
-1
= ti exp -

i=1

n

onde i = 0 se o i-simo tempo censurado e i = 1 caso contrrio. Nota-se que a

expresso acima considerada como funo de dois parmetros desconhecidos, e . O
logaritmo da correspondente funo de verossimilhana dado por
n

logL ( , ) = i log

i=1

n
1

1
i logti -
(
)

i=1

i=1

Usando a relao

= r , a funo torna-se :
i

i=1

logL ( , ) = rlog

n
n
ti

+ ( - 1) i logti -

i=1
i=1

t
= rlog ( ) - rlog ( ) + ( - 1) i logti - i
i=1
i=1
n

Derivando a expresso acima em relao a e e igualando a zero, tem-se

logL ( , )

r n t
= - + i = 0
i=1

(2.24)

e
n
n
n
logL ( , ) r
= - rlog()+ ilog ( ti ) + - log ( ) ( ti ) - - ( ti )log ( ti ) = 0

i=1
i=1
i=1

20

(2.25)

As expresses acima sero determinadas aplicando um procedimento numrico

iterativo. Geralmente, o procedimento iterativo utilizado para solucionar este tipo de
sistema o algoritmo de Newton- Raphson. Este procedimento consiste em determinar o
par de valores e que maximizem a funo de verossimilhana. Uma vez determinado
os valores para e , a distribuio Weibull estar ajustada aos dados amostrados. Este
mtodo iterativo j vem implementado em softwares computacional, portanto no h
necessidade de descrever detalhadamente (Maiores detalhes sobre este procedimento
consultar Collet (1994) ou apndice D de Colosimo e Giolo, 2006)

2.7 - MODELO DE REGRESSO WEIBULL

Frequentemente, os estudos com dados de tempo de vida apresentam-se relacionados
com informaes que podem estar influenciando o tempo de sobrevivncia. Por exemplo, o
tempo at a ocorrncia de falha do poo, o evento de interesse nesse estudo, pode depender
da profundidade da bomba, do mtodo de elevao, do valor do BSW (Basic Sediments
and Water) etc. Essas informaes so denominadas de covarivies (tambm chamadas de
variveis explicativas ou regressoras). As covariveis podem mudar ou no com o tempo.
Quando esto presentes em um estudo possvel verificar a sua influencia na varivel
reposta.
Uma forma de explicar se uma varivel resposta (Y ) esta associada com as variveis

explicativas X 1 , X 2 ,..., X p atravs de um modelo de regresso linear (Hoffmann,1998).

Quando se tem, como na situao de interesse deste trabalho, tempo at a ocorrncia
de falha ou censura, e deseja-se utilizar um modelo de regresso para estudar a relao
entre elas, o tipo de resposta e o comportamento das variveis no permitem usar o modelo
de regresso linear usual. Alm disso, a resposta (tempo de vida) tem em geral uma
distribuio assimtrica na direo dos maiores tempos, isso torna inadequado o uso da
distribuio normal para o componente estocstico do modelo.
Na literatura existem diversos modelos que descrevem bem o comportamento de
dados de confiabilidade, tais como modelo exponencial, Log-Normal, Gama (ver Lawless,
1982 e Colosimo e Giolo, 2006). Em confiabilidade, a maioria das aplicaes so baseadas
na distribuio Weibull, devido a facilidade do seu uso com dados censurados e pela forma
21

da sua funo risco. Utilizar a distribuio Weibull no contexto da modelagem de tempo de

vida significa dizer que o tempo T segue uma distribuio Weibull.
Suponha que T seja uma varivel aleatria que mede o tempo at a ocorrncia de um
evento de interesse e x um vetor composto de (p+1) observaes de variveis explicativas.
Denotamos aqui x' como o vetor transposto x . O modelo de regresso Weibull definido
da seguinte forma:

Y = log(T)= 0 + 1 x1 + ...+ p x p + v = x' + v ,

(2.26)

em que x' = ( 1, x1 , x2 ,...,x p ) e = ( 0 , 1 ,..., p ) e T deve ter uma distribuio Weibull

'

para que log ( T ) tenha uma distribuio valor extremo com parmetro de escala e

()

locao x = x' dependendo das covariveis. Observe que aqui o erro v tem
~

distribuio valor extremo padro com densidade f ( v ) = exp v - ev

A funo de sobrevivncia para Y condicionado a x expressa por:

y - x'
S ( y | x ) = exp -exp
,

(2.27)

e para T condicionado a x , por:

1

S ( t | x ) = exp -
'
exp { x }

(2.28)

e a funo risco expressa por:

h (t | x ) =

exp ( x' )

(t )

1
-1

Admitindo que o modelo de regresso Weibull apropriado para o estudo, d-se

inicio escolha de um conjunto de variveis regressoras que melhor expliquem a resposta
(ou o tempo de vida). Esta seleo das variveis explicativas baseada na comparao de
modelos, contendo a presena de covariveis envolvidas na anlise, a fim de selecionar
aquele que se ajuste aos dados.

22

2.8 - ESTRATGIA PARA A SELEO DE COVARIVEIS NO MODELO

Freqentemente em analise de dados de falhas trabalha-se com um conjunto de
covariveis potencialmente importante para descrever o comportamento da resposta.
Entretanto, impraticvel ajustar todos os possveis modelos a fim de selecionar o que
melhor explique a resposta. A literatura apresenta algumas tcnicas de escolhas do melhor
modelo para a varivel resposta. Neste estudo, o mtodo de comparao entre modelos de
regresso foi baseado no teste da Razo de Verossimilhana (Bolfarine e Sandoval, 2001),
e na proposta de seleo sugerida por Collet (1994). A proposta admite que todas as
covariveis apresentam a mesma importncia no modelo, portanto aconselha iniciar
ajustando um modelo com uma nica varivel. Os passos utilizados no processo so dados
abaixo:
1 passo - Ajustar um modelo para cada uma das covariveis. Em seguida comparar o valor
de cada logaritmo da verossimilhana ( logL ( t ) ) obtido com o modelo sem covarivel
(modelo nulo). Incluir no modelo todas as variveis que forem significativas ao nvel de
significncia em torno de 10%.
2 passo - Ajustar um modelo com todas as covariveis significativas no passo 1. Em
seguida ajustam-se modelos reduzidos, excluindo uma nica covarivel de cada vez,
examinando quais covariveis apresentam significncia, somente aquelas que apresentarem
significncia sero importantes para explicar a resposta e permanecem no modelo.
3 passo - As covariveis includas no passo anterior com as covariveis que no foram
significativas no primeiro passo so ajustadas conjuntamente. Neste passo, observa-se se as
variveis excludas no passo 1 tornaram-se importantes na presena de outras. Existindo
interaes, estas devem ser includas e testadas neste passo.
4 passo - O passo anterior fornece um possvel modelo para efeito principal. Para finalizar
a modelagem deve-se testar a retirada de cada varivel individualmente excluindo do
modelo aquelas que no forem significantes. O modelo final fica determinado quando o
modelo contiver somente variveis significantes.
A Tabela 2.1 exemplifica os passos anteriormente descritos, com base em dados
hipotticos. As variveis so consideradas significativas quando apresentaram p-valor
inferior a 0,10.

23

Tabela 2.1 - Ilustrao dos procedimentos citados

Passos
Passo 1

Variveis
no Modelo

Modelo Nulo
X1
X2
X3
X4
X5
Passo 2
X1 + X2 + X5
X2 + X5
X1 + X2
X1 + X5
Passo 3
X1 + X2
X1 + X2 + X3
X1 + X2 + X5
Passo 4
X1 + X2 + X5
X1 + X2
X1 + X5
X2 + X5
Modelo final X1 + X2 + X5

Log L(
)
- 335,540
- 330,235
- 332,715
- 333,756
- 333,599
- 329,746
- 304,038
- 305,287
- 304,165
- 307,398
- 304,165
- 306,529
-320,594
-320,594
-306,772
-332,592
-312,484

24

RV (Estatstica
do Teste)
10,61
5,65
3,568
3,882
11,588
2,498
0,254
6,720
4,728
32,856
26,456
24,854
16,820

Valor-p
0,0212
0,0933
0,1816
0,1635
0,0161
0,2639
0,0667
0,7226
0,1619
0,0003
0,0261
0,0859
0,0021

3. CONCEITOS

FUNDAMENTAIS

DE

POOS

DE

PETRLEO

Este captulo apresenta, de forma resumida, alguns conceitos sobre engenharia de

petrleo, incluindo os conceitos de poos de produo, mtodo de elevao, entre outras.
Informaes mais detalhadas podem ser obtidas em Thomas (2001).

3.1 - CONCEITOS PRELIMINARES

O petrleo uma mistura de compostos, cujos principais constituintes so molculas
de hidrocarbonetos. Acredita-se que sua origem esteja ligada a decomposio dos
organismos que compem o plncton. Estes seres decompostos foram, h milhes de anos,
se acumulando no fundo dos mares e dos lagos, sendo pressionados pelos movimentos da
crosta terrestre e transformaram-se na substncia oleosa que o petrleo (Apostilas
Petrobras).
O petrleo, aps ser gerado e ter migrado da rocha geradora, eventualmente
acumulado em uma rocha denominada de reservatrio. Esta rocha, independentemente da
sua origem ou natureza, para se constituir em um reservatrio deve apresentar porosidade
(espaos vazios no seu interior), permeabilidade (interconexo entre poros). Desse modo,
podem se constituir rochas-reservatrio os arenitos, calcarenitos e todas as rochas
sedimentares essencialmente dotadas de porosidade intergranular que sejam permeveis.
Algumas rochas, como os folhelhos e alguns carbonatos, normalmente porosos, porm
impermeveis, podem vir a se constituir reservatrios quando se apresentam naturalmente
fraturados (Thomas 2001).
Aps a descoberta da rocha com acumulao de petrleo, necessrio realizar
estudos geolgicos e geofsicos para localizar a jazida (a rocha cujos poros so ocupados
pelo petrleo). Esta avaliao determina as zonas da rocha em que deve haver petrleo e se
estas so economicamente vivel, caso contrrio no se explorar a rea. Nos casos

25

economicamente atrativos, realiza-se a perfurao de poos de desenvolvimento na regio,

formando assim um campo de petrleo.
O petrleo pode se apresentar no estado liquido (leo cru), slido ou gasoso (gs
natural). Os tipos de fluidos mais freqentemente encontrados nos poos terrestres so os
fluidos lquidos ou gasosos e a gua, que podem variar de estado, dependendo das
condies existentes no poo. Neste estudo, os poos alvos so os poos terrestres
produtores de leo da Bacia Potiguar.
Aps a perfurao do poo (atividade realizada travs de uma sonda composta por
guincho, torre, mesa rotativa, etc) necessrio fazer a comunicao entre o reservatrio e a
superfcie, isto , preparar o poo com tcnicas apropriadas para que sua produo atinja a
superfcie. Esta etapa conhecida como completao. Segundo Thomas (2001), esta etapa
busca otimizar a vazo e minimizar o risco de futuras intervenes. Quando o poo
totalmente equipado, torna-se um sistema bastante complexo e fica composto pelos
seguintes elementos: Equipamentos da superfcie: rvore de natal, Adaptador, Cabea de
produo, Suspensor de Coluna e Cabea de revestimento
Figura 3.1 - Coluna convencional de produo equipada com gs-lift.

Fonte: Thomas, 2001

26

Segundo Thomas (2001) as coluna de produo tem as seguintes finalidades:

Conduzir os fluidos produzidos at a superfcie, protegendo o revestimento contra

fluidos agressivos e presses elevadas;

Permitir a instalao de equipamentos para a elevao artificial;

Possibilitar a circulao de fluidos para o amortecimento do poo, em intervenes

futuras.
Ainda segundo este autor a coluna de produo pode ser simples ou mltipla, como

mostra a Figura 3.2.

a) simples: ocorre quando uma nica tubulao metlica descida no interior do
reservatrio. Este tipo de completao possibilita produzir de modo controlado e
independente apenas uma zona de interesse (Figura 3.2 a). Entretanto mais de uma zona
pode ser produzida em conjunto.
b) Composta: Permite produzir ao mesmo tempo duas ou mais zonas ou reservatrios
diferentes, atravs de uma ou mais colunas de produo descidas no poo. A Figura 3.2 b
mostra um esquema de completao seletiva, com apenas uma coluna de produo,
equipada de forma a permitir produo de duas zonas em conjunto ou uma das zonas
alternativamente. A Figura 3.2 c mostra um exemplo de completao dupla, que permite a
produo de duas zonas de modo controlado e independente, atravs de duas colunas de
produo.
Figura 3.2 - Tipos de completao: (a) simples, (b) seletiva e (c) dupla

Fonte: Thomas, 2001

As colunas de produo mltiplas apresentam maior possibilidade de apresentar

problemas operacionais, visto que as instalaes so mais complexas, pois h dois sistemas

27

de elevao independentes. No presente estudo, a coluna de produo ser tomada como a

unidade de estudo, isto significa dizer que poos equipados com coluna de produo dupla
sero analisados como dois poos diferentes.
A grande maioria destes poos no apresenta energia suficiente no fundo do poo
para elevar os fluidos at a superfcie. Necessitando ento, de mecanismo instalado na
coluna de produo para fornecer energia para conduzir o fluido at a estao coletora.
Alguns poos produzem energia suficiente para produzir, estes so denominadas de poos
surgentes. Na engenharia de petrleo existem vrios mtodos de elevao e a escolha do
mtodo depende de algumas caractersticas do poo, como por exemplo a profundidade do
poo. Os mtodos mais utilizados em todo o Brasil so: Bombeio Mecnico (BM),
Bombeio por Cavidade Progressiva (BCP), Bombeio Centrifugo Submerso (BCS) e o Gs
Lift (GL). Segundo Costa (2004), na quantidade total de poos produtores no mundo, 80%
so de bombeio mecnico e ocupa a posio de mais utilizado no mundo. Isto deve-se ao
baixo custo de investimento e manuteno, boa eficincia energtica e a possibilidade de
operar com fluidos de diferentes composies e viscosidades em uma larga faixa de
temperatura.
A seguir apresentamos, de forma resumida, os dois mtodos de elevao abordados
neste estudo, BM e BCP, algumas caractersticas e vantagens de cada mtodo (maiores
detalhes pode ser visto em Thomas, 2001 ou Miura, 1988).

3.2 - BOMBEIO MECNICO (BM)

O bombeio mecnico um mtodo de elevao artificial cujo movimento rotativo de
um motor eltrico ou de combusto interna transformado em movimento alternativo por
uma unidade de bombeio localizada prxima cabea do poo. Uma coluna de hastes
transmite o movimento alternativo para o fundo do poo, acionando uma bomba que eleva
os fluidos produzidos pelo reservatrio para a superfcie (Thomas, 2001).
Segundo Serra (1990) as principais vantagens do BM so: simplicidade de operao,
manuteno e projeto de novas instalaes; a partir das condies normais pode ser
utilizado at o fim da vida produtiva do poo e a capacidade de bombeio pode ser
modificada, em funo das mudanas de comportamento do poo. Mas, a principal
vantagem o baixo custo de produo ao longo da vida produtiva do poo.

28

O BM dividido em dois grupos de componentes. Os componente de superfcie e os

componentes de sub-superfcie, conforme mostrado na Figura 3.3. Os componentes de
superfcie so: motor, a unidade de bombeio e a haste polida. Os componentes instalados
no fundo do poo so: a coluna de hastes e a bomba de fundo. Os componentes so
interligados com a finalidade de transmitir energia ao fundo do poo e ajudar na elevao
dos fluidos.

Figura 3.3 - Sistema de Bombeio Mecnico

Superfcie

Sub-superfcie

Fonte: Thomas, 2001

3.3 - BOMBEIO POR CAVIDADE PROGRESSIVA (BCP)

O sistema de superfcie transmite energia para a bomba de Cavidade Progressiva
(BCP) atravs da coluna de hastes. Esta bomba composta por rotor e estator. O rotor
recebe o movimento de rotao, transmitida pelo motor instalado na cabea do poo,
fazendo-o girar no interior do estator gerando uma srie de cavidades idnticas que
descolam o fluido da suco para a descarga. (Nascimento, 2005). A Figura 3.4 apresenta
um poo equipado com BCP

29

De acordo com Thomas (2001), este mtodo muito utilizado em poo no muito
profundo ( usado at 2000 m). Uma das vantagens deste mtodo que a energia
consumida pelo motor menor do que a consumida pelo BM.

Figura 3.4 - Sistema de Bombeio por Cavidade Progressiva-BCP

3.4 - ACOMPANHAMENTO DA PRODUO

A vazo de leo, gs e gua, juntamente com a presso de fundo (ou de nvel
mecnico) e presso esttica definem a produtividade do poo, ou seja, estabelece a relao
entre a vazo e a presso de fundo. Esta relao denominada IPR - Inflow Performance
Relationship Define-se por vazo, o volume por unidade de tempo, que se escoa atravs
de determinado duto, ou seja a rapidez com a qual um volume escoa. A unidade adotada
pela Petrobras para vazo de poos m3 / dia .
Nas medidas de vazo consideradas neste estudo as vazes so expressas nas
condies de superfcie, tambm chamadas de condies padro, correspondendo

30

presso de 1 atm1 e temperatura de 20 C. Por exemplo, temos o metro cbico standard

(m3 /dia).

Produo de leo
O leo morto a parte dos hidrocarbonetos que permanece no estado liquido quando
a mistura levada para a superfcie. Quando se diz que um poo est produzindo com uma
vazo 100m3 std/dia de leo, isto significa que da mistura liquida que est saindo
diariamente do reservatrio atravs daquele poo, 100 m3 permanecem no estado liquido na
superfcie.

Produo de gs
O gs nas condies padro produzido o resultado da composio de trs partes.
Uma parte proveniente dos hidrocarbonetos que, nas condies de temperatura e presso
do reservatrio, j se encontram no estado gasoso que tem o nome de gs livre. A segunda
parte o gs que sai de soluo do leo, isto , os hidrocarbonetos que se encontram
dissolvidos no leo nas condies do reservatrio e se vaporizam quando a mistura
elevada para as condies de superfcie. A terceira parte o gs que se encontra dissolvido
na gua nas condies do reservatrio.

Produo de gua
Alm dos hidrocarbonetos, bastante comum a produo de gua. A quantidade de
gua produzida vai depender das condies em que ela se apresenta no meio poroso.
Apesar da gua estar sempre presente nos reservatrios, nem sempre a sua quantidade,
expressa pela sua saturao, suficiente para que ela se desloque. Existe uma saturao
mnima de gua a partir da qual ele se torna mvel. Essa saturao depende da rocha e dos
fluidos nela contidos. Se a saturao de gua for igual a esse valor mnimo, no haver
fluxo, e conseqentemente no haver produo de gua dessa rocha (Thomas, 2001).
Existem algumas relaes dentro da engenharia de petrleo que so utilizadas como
indicadores, tanto de caractersticas como de estgios da vida produtiva dos reservatrios.

Presso atmosfrica a presso exercida sobre a superfcie da Terra pelo peso da

atmosfera

31

Os mais utilizados so a razo gs-leo, RGO, a razo gua-leo, RAO, e o BSW (do
ingls basic sediments and water).

RGO: Freqentemente um campo produz ao mesmo tempo petrleo e gs natural,

havendo, em alguns, a predominncia do petrleo e, noutros, a do gs natural. Para medir
qual dos dois predomina, utilizado um coeficiente chamado razo gs-leo, conhecido
como RGO. A razo gs-leo a relao entre a vazo de gs e a vazo de leo; ambas
medidas nas condies de superfcie.

RAO: a razo gua-leo a relao entre a vazo de gua e a vazo de leo, ambas
medidas nas condies de superfcie. Uma razo gua-leo igual a zero significa que, na
poca da medio, a saturao de gua na zona de onde est saindo a mistura de
hidrocarbonetos igual ou menor que o valor irredutvel (Thomas, 2001).

BSW: o quociente entre a vazo de gua mais os sedimentos que esto sendo produzidos
e a vazo total de lqidos e sedimentos. (BSW = vazo de (agua + sedimentos) / vazo de
(leo + agua + sedimentos) )

3.5 - OPERAES DE MANUTENO EM POOS

Mesmo aps a sua completao, os poos de petrleo iro necessitar de algumas
intervenes para manter a produo ou at mesmo para melhorar seu desempenho. Estas
intervenes so conhecidas na engenharia do petrleo como Workover.
Segundo Garcia (1997), a manuteno da produo o conjunto de operaes
realizadas no poo visando corrigir problemas de modo a permitir que a produo de
fluidos retorne ao nvel normal ou operacional. Um dos motivos para realizar uma
interveno, pode ser, por exemplo baixa produtividade ou produo excessiva de gs.
Algumas destas intervenes necessitam do deslocamento de uma sonda, tornando a
manuteno muito onerosa. A Petrobras realiza algumas operaes para manuteno da
produo dos poos, e de acordo com este autor os tipos de operao so:

Avaliao: um conjunto de operaes que tem como objetivo avaliar o potencial

do reservatrio do petrleo, sua capacidade produtiva e a valorizao das suas
reservas.

32

Restaurao: Conjunto de atividades realizadas com o objetivo de devolver as

condies normais de entrada de fluido do reservatrio para o poo, eliminar e/ou
corrigir falhas mecnicas no revestimento ou na cimentao, reduzir a produo
excessiva de gs ou de gua.

Limpeza: Conjunto de atividades realizadas no interior do revestimento com o

objetivo de retornar ao potencial inicial do poo. Quaisquer falhas em
equipamentos ou at mesmo a necessidade de substituio destes so motivos para
realizar a limpeza.

Estimulao: O objetivo da estimulao aumentar o ndice de produtividade de

um reservatrio.

Mudana do Mtodo de Elevao (M.M.E): Operao que tem como objetivo

substituir um determinado mtodo de elevao por outro. Esta substituio ocorre
quando durante a produo, o poo apresentar deficincia na vazo devido a
escolha do mtodo de elevao inadequada ou por apresentar algum defeito.

Abandono: O abandono do poo realizado quando o poo atingiu o final da vida

produtiva ou quando aps a perfurao constata-se que o mesmo no vivel
comercialmente. O abandono pode ser temporrio realizado quando ainda h
possibilidade de retorno ao poo - ou definitivo que realizado quando no se prev
o retorno ao poo, isto , o poo atingiu todo o seu potencial.
Para uma viso geral da engenharia de poo consultar Thomas (2001).

3.6 - DEFINIO DO ESTADO DOS POOS

A Petrobras, atravs de cdigos define o estado dos poos durante sua vida produtiva.
O poo pode estar em seis tipos de estados e alguns destes so usados quando o poo no
est funcionando. Estes estados so representados por cdigos de 1 a 6. Cada cdigo define
a situao em que se encontra o poo.
Antes de detalhar cada estado, importante descrever algumas definies usadas pela
Petrobras referentes produo do poo. Define-se como produo/injeo-base a
quantidade de fluido produzido pelo poo, medido em m3. O potencial-base refere-se ao
valor da produo estimada para o poo dentro das condies normais de funcionamento.

33

Quando ocorre algum problema, seja tcnico ou operacional, a produo-base difere do

potencial-base, esta diferena conhecida como perda.
Os seis tipos de estados utilizados so:

1 Estado Cdigo 1 - Poo em operao normal. Refere-se ao poo-coluna que est com
sua produo/injeo-base igual ao potencial-base, conseqentemente com perda-base
igual a zero;

2 Estado Cdigo 2 - Poo operando com deficincia. Refere-se ao poo-coluna que

est operando com alguma anormalidade, o que faz produzir (ou injetar) com vazo
inferior ao potencial-base. Necessitando de algumas providencias (intervenes ou
manutenes) para retornar ao estado normal ou reavaliar o seu potencial-base.

3 Estado Cdigo 3 - Poo fechado com perda devido a problemas operacionais.

Refere-se ao poo-coluna fechado contabilizando perda de produo devido a um
problema operacional, isto , um problema no equipamento vital da coluna de produo
que causou o fechamento no poo. Sua produobase zero e a perda igual ao
potencialbase. Aguardando providencias para entrar em produo. Neste estudo, a falha
do poo-coluna ser caracterizada quando o poo mudar para este estado e a causa da
ocorrncia da anormalidade estiver relacionada falha em um equipamento de
subsuperficie do poo.

4 Estado Cdigo 4 - Poo produtor fechado por estratgia. Refere-se ao poo-coluna

fechado temporariamente por deciso estratgica. No contabiliza perda. Poder voltar ao
estado normal atravs de custeio de operao ou projetos de investimentos.

5 Estado Cdigo 5 - Poo-coluna fechado sem perda. Aguardando operao de

abandono. A colocao de um poo neste estado requer uma anlise tcnica e econmica
multidisciplinar e deve ser formalizada atravs de documento a ser definido pela
administrao da UN-RNCE.

6 Estado Cdigo 6 - Poo desativado. Refere-se ao poo-coluna desativado. Para essa

situao, a coluna do poo foi completamente removida, retirados de operao.

34

3.7 - CLASSIFICAO DOS POOS

A perfurao de poo tem como finalidade produzir petrleo e/ou gs natural. Cada
poo recebe um cdigo de acordo com um regulamento aprovado pela ANP - Agencia
Nacional de Petrleo Petrobras, de N 75, de 3 de maio de 2000. Este regulamento trata
dos procedimentos a serem adotados pela Petrobras para a codificao de poos perfurados
com vistas explorao ou produo de petrleo e/ou gs. A codificao consiste em dotar
o poo de um nome e um cadastro diferente, de forma a no haver duplicidade.
De acordo com este regulamento, o nome do poo um conjunto de smbolos
alfanumricos que identifica o poo em relatrios, mapas e demais documentos. J o
cadastro um conjunto de algarismos agrupados de forma que permita a identificao do
poo. O nome deve ser composto por cinco partes referentes a: categoria - define o poo
segundo sua finalidade, referencial nominal - estabelece o conjunto de 2 a 4 letras que
compem o nome do poo; numerao - numera os poos sequencialmente em ordem de
perfurao, tipo - define o poo quanto a sua geometria e por referencia geogrfica conjunto de letras que identifica a Unidade de Federao onde o poo se localiza. A juno
das cinco categorias tem como objetivo identificar, localizar a regio, conhecer a geometria
e a finalidade do poo.
Os poos podem ser do tipo exploratrios ou explotatrio. Os exploratrios tm como
finalidade explorar o reservatrio, j os explotatrios tm o objetivo de melhorar a
produo de um campo de produo.
A seguir uma breve descrio das classificaes definidas para os poos seguindo o
regulamento da ANP (BRASIL, 2000). Os poos so classificados de acordo com sua
finalidade. So eles:

Poo Exploratrio Pioneiro identificado com o cdigo 1- refere-se ao poo que

tem como objetivo testar a ocorrncia de petrleo e/ou gs natural em um
reservatrio em um ou mais objetivos de um prospecto geolgico;

Poo Exploratrio Estratigrfico, identificado com o cdigo 2, aquele perfurado

com a finalidade de conhecer-se a coluna estratigrfica (coluna que mostra os
limites da rocha onde a perfurao deve atravessar at chegar ao objetivo final) de
uma bacia e obter outras informaes geolgicas de subsuperfcie.

35

Poo Exploratrio de Extenso, identificado com o cdigo 3, aquele que visa

delimitar a acumulao de petrleo e/ou gs natural em um reservatrio;

Poo Exploratrio Pioneiro Adjacente, identificado com o cdigo 4, aquele que

visa testar a ocorrncia de petrleo e/ou gs natural em uma rea adjacente a uma
descoberta;

Poo Exploratrio para Jazida Mais Rasa, identificado com o cdigo 5, aquele
que visa testar a ocorrncia de jazidas mais rasas do que as j descobertas numa
determinada rea;

Poo Exploratrio para Jazida Mais Profunda, identificado com o cdigo 6,

aquele que visa testar a ocorrncia de jazidas mais profundas do que as j
descobertas numa determinada rea;

Poo Explotatrio de Produo, identificado com o cdigo 7, aquele que visa

drenar uma ou mais jazidas de um campo;

Poo Explotatrio de Injeo, identificado com o cdigo 8, aquele destinado

injeo de fluidos visando melhorar a recuperao de petrleo, de gs natural ou a
manter a energia do reservatrio;

Poo Especial, identificado com o cdigo 9, aquele que visa permitir uma
operao especfica que no se enquadra nas situaes anteriormente definidas;
Neste trabalho, a classificao do poo ser inclusa na anlise para verificar como

esta covarivel est relacionada com tempo de falha dos poos.

3.8 - SISTEMAS DE INFORMAES DA PETROBRAS

A Petrobrs dispe de sistemas de coleta de dados que armazenam diversas
informaes sobre os poos, desde a sua data de criao at o final de vida produtiva,
assim como testes de medies. Os dados utilizados neste estudo encontram-se disponveis
em 2 sistemas: o SIP e SEP descritos a seguir.

SIP Sistema de Informao de Produo

Estruturado em Oracle, em ambiente coorporativo, de mbito nacional, o SIP o
sistema oficial de informao e controle da produo e injeo de fluidos da Petrobras. O
principal objetivo do sistema manter o registro histrico dos dados do acompanhamento

36

da produo e injeo e manter informao sobre volumes realizados e no realizados dos

poos-colunas da Petrobras. Contm informaes como resultadas dos testes de produo
dos poos, estado de cada poo, data de incio de operao de cada poo, produo bruta e
lquida de leo, vazo de injeo de gua, potencial de produo de cada poo, etc.

SEP Sistema de Engenharia de Poo

Criado pela Petrobrs, estruturado em Oracle, este sistema englobava boletins dirios
de perfurao, avaliao, completao e relatrios de anormalidades/falhas internas e
externas ao poo. alimentado diretamente pelos executores das operaes, ou seja,
engenheiros e tcnicos especializados em suas respectivas reas de atuao. As correes,
as eventuais inconsistncias quanto ao banco de dados, migrao de dados e a
confiabilidade so verificadas por uma equipe de suporte e apoio ao usurio.

37

4. PLANO AMOSTRAL PARA SELEO DOS POOS

Neste trabalho consideramos como unidade de medida o sistema poo-coluna, que

representa o conjunto de todos os seus componentes e estamos interessados na
caracterizao da primeira falha em equipamentos de sub-superfcie. Consideramos que em
um poo-coluna funciona um conjunto de itens em srie e que a falha de um nico item
implica na falha do sistema (poo-coluna). Definimos, ento, falha como a interrupo
total do funcionamento do poo-coluna devido falha de um ou mais componentes.
Quando o sistema no apresentou falha at o fim do estudo ou quando foi retirado de
operao, a observao foi considerada um tempo censurado (Colosimo e Giolo, 2006).

4.1 - COLETA DE DADOS

Foram coletados dados sobre falhas de poos de petrleo no perodo de janeiro de
2000 a dezembro de 2006 com o objetivo de desenvolver um esquema de previso de
falhas em equipamentos de sub-superfcie na Unidade de Negcios do Rio Grande do
Norte e Cear (UN-RNCE). Os dados levantados incluem informaes relevantes apenas
dos poos terrestres e produtores de leo cujo mtodo de elevao seja BM ou BCP.
Os dados foram extrados das planilhas dos sistemas de registro de informaes
utilizados pela Petrobras, o SIP e o SEP. Foram analisadas planilhas com variveis
consideradas importantes para anlise do tempo de falhas dos poos. Os dados foram
cruzados entre si com o objetivo de organizar em uma nica tabela informaes
necessrias para facilitar as consultas e aplicao do modelo selecionado para anlise dos
dados.
Todas as variveis foram estudadas, analisadas e tabuladas no Excel 2003 e no
software estatstico R (R. Development Core Team, 2007), verso 2.6, com a finalidade de
eliminar qualquer erro no conjunto de dados e reproduzir um banco de dados confivel.

38

Esta fase foi minuciosamente detalhada, pois o sucesso da tcnica de anlise escolhida est
diretamente relacionado com quo confiveis so os dados.

4.2 - POPULAO CONSIDERADA NO ESTUDO

Populao um conjunto de elementos (na totalidade) que so possveis de se
observar e que tem em comum uma determinada caracterstica, sobre a qual se deseja
estabelecer concluses ou exercer aes.
Em nosso estudo, a populao alvo foi composta por 4.058 poos terrestres da Bacia
Potiguar sujeitos aos mtodos de elevao artificial por bombeio mecnico e bombeio por
cavidades progressivas onde foram amostrados alguns poos para coletar informaes
sobre falhas ocorridas no perodo determinado e medir caractersticas dos poos nesse
perodo.

4.3 - AMOSTRA
Segundo Barbetta (2001), nas pesquisas em que se quer conhecer algumas
caractersticas de uma populao, muito comum se observar apenas uma amostra de seus
elementos e, a partir dos resultados dessa amostra, obter valores aproximados ou
estimativas para as caractersticas populacionais de interesse.
Para o planejamento do plano amostral, foi realizada uma avaliao criteriosa das
variveis disponveis nos sistemas de informaes da Petrobras. Aps esta anlise formouse uma base de dados apenas com as variveis relevantes para elaborao do plano
amostral. A identificao destas variveis nesta nova base foi a seguinte:

codpoco: cdigo identificador do poo;

refpoco: cdigo identificador do campo de produo;

nrpoco: nmero do poo no campo de produo;

ufpoco: unidade da federao (CE ou RN);

coluna: identificador da coluna de produo no poo (U - nica, I - inferior, Ssuperior);

prodpot: produo potencial do poo na data da coleta;

39

estado: estado de produo do poo (escala de 1 a 6, com 1 normal e 6 desativado);

prodest: produo estimada do poo;

intervalo: intervalo de profundidade do poo;

zona: zona de produo;

metelev: mtodo de elevao de petrleo do poo;

campo: cdigo identificador da localizao do poo;

ambiente: tipo de produo do poo (T - terrestre, M - martima);

unidadm: unidade administrativa indicando o ativo de produo (ATP-ARG Alto

do Rodrigues e ATP-MO - Mossor);

municpio: municpio de localizao do poo;

profbomb:profundidade medida da bomba (metros);

prodagua: produo acumulada de gua (m3);

prodoleo: produo acumulada de leo (m3);

prodgas: produo acumulada de gs (m3);

Foram considerados que as unidades amostrais (ou de amostragem) neste estudo

seriam as colunas de produo instaladas em um mesmo poo, uma vez que os
equipamentos e o funcionamento destas colunas so desconectados e, naturalmente, as
falhas ocorrem de modo independente.
No sentido de se garantir que a amostra a ser retirada fornecesse informaes para
dois ativos de produo (Alto do Rodrigues e Mossor) e os mtodos de elevao BM e
BCP, optou-se inicialmente por realizar amostragem estratificada retirando-se amostras
separadas de cada estrato dos grupos definidos por estes dois critrios.
Como o objetivo da dissertao recai sobre a medio de tempo da primeira falha nos
poos e de possveis variveis relacionadas, avaliou-se tambm a incluso nos critrios de
estratificao de variveis disponveis na base de dados com possveis associaes com as
variveis de interesse. Aps vrias simulaes com a profundidade da bomba, produo
acumulada de leo, razo gs lquido e produo potencial, decidiu-se pela incluso apenas
da profundidade da bomba, uma vez que as outras tinham caractersticas dinmicas, ou
seja, seus valores poderiam mudar com o tempo. Assim, as variveis, profundidade da
bomba, mtodo de elevao e unidade administrativa foram escolhidas para definir os
estratos.

40

Para verificar a variabilidade da varivel profundidade por unidade administrativa e

por mtodo de elevao foi construdo um box-plot para analisar o comportamento desta
varivel nos quatro estratos. A Figura 4.1 exibe os diagramas de caixa para as medidas de
profundidade por unidade administrativa e por mtodo.
Figura 4.1 - Distribuio das medidas de profundidade da bomba segundo a unidade
administrativa e o mtodo de elevao.

Pela Figura 4.1 nota-se que a variabilidade das profundidades variam entre os quatro
grupos. Tambm, verifica-se que os poos mais profundos so em geral submetidos a
bombeio mecnico. Portanto, para formar estratos mais homogneos, subdividiu-se cada
grupo de acordo com faixas de profundidade, sendo duas em cada grupo com mtodo de
elevao BCP e trs faixas em cada grupo com bombeio mecnico, formando assim, um
total de dez estratos. A definio final dos estratos dada na Tabela 4.1.

Tabela 4.1 - Definio e tamanho dos estratos para a populao de 4.358 colunas de
produo.
Numero de
Estratos (h)
1
2
3
4
5
6
7
8
9
10

Unidade
administrativa

Mtodo de
elevao

ATP-ARG
ATP-ARG
ATP-MO
ATP-MO
ATP-ARG
ATP-ARG
ATP-ARG
ATP-MO
ATP-MO
ATO-MO
Total

BCP
BCP
BCP
BCP
BM
BM
BM
BM
BM
BM

41

Profundidade
(m)

N de pooscolunas (Nh)

< = 590
> 590
< = 572
> 572
< = 375
(375,647]
> 647
< = 619
(619,995]
> 995

70
49
55
63
1527
405
161
938
874
216
4.358

4.3.1 - TAMANHO E ALOCAO DA AMOSTRA

Para a definio do nmero de colunas n a serem selecionadas na populao de
4.358 colunas, bem como os respectivos nmeros de coluna na amostra de cada estrato
(nh), levou-se em conta que valores grandes de n poderiam dificultar o armazenamento das
observaes a serem coletadas em cada coluna devido ao elevado nmero de variveis
relacionadas com os tempos de falha e, possivelmente, as muitas datas em que ocorreram
as falhas. Considerou-se um tamanho de amostra n = 450 colunas. A alocao final
juntamente com os pesos amostrais de cada estrato exibida na Tabela 4.2.
As Tabelas 4.3 a 4.5 fornecem o nmero de unidades amostradas em cada unidade
administrativa e mtodo de elevao. (Detalhes tcnicos sobre este mtodo de estimao
ver Anexo I)

Tabela 4.2 - Alocao da amostra e pesos amostrais

Nmero
do Estrato
(h)

Unidade
administrativa

Mtodo de
elevao

Profundidade
(m)

1
2
3
4
5
6
7
8
9
10

ATP -ARG
ATP -ARG
ATP -MO
ATP -MO
ATP -ARG
ATP -ARG
ATP -ARG
ATP -MO
ATP -MO
ATP -MO

BCP
BCP
BCP
BCP
BM
BM
BM
BM
BM
BM

<= 590
> 590
<= 572
> 572
<= 375
(375, 647]
> 647
<= 619
(619,995]
> 995

Total

Nh

Tamanho da
amostra (nh)

Peso
amostral

70
49
55
63
1.527
405
161
938
874
216
4.358

16
14
15
16
140
37
20
86
80
26
450

4,38
3,50
3,67
3,94
10,91
10,95
8,05
10,91
10,93
8,31

Tabela 4.3 - Nmero de colunas amostradas, por unidade administrativa.

Unidade
Tamanho do
Tamanho da
administrativa
estrato
amostra
ATP -ARG
ATP -MO
Total

2.212
2.146
4.358

42

227
223
450

Tabela 4.4 - Nmero de colunas amostradas, por mtodo de elevao

Tamanho do
Tamanho da
Mtodo de elevao
estrato
amostra
BCP
BM
Total

237
4.121
4.358

61
389
450

Tabela 4.5 - Nmero de colunas amostradas, por unidade administrativa e mtodo de

elevao
Unidade
Mtodo de
Tamanho do Tamanho da
administrativa
elevao
estrato
amostra
ATP -ARG
ATP -ARG
ATP -MO
ATP -MO

BCP
BM
BCP
BM

119
2.093
118
2.028
4.358

Total

30
197
31
192
450

4.4 - SELEO DA AMOSTRA

O procedimento de amostragem selecionou amostras de cada estrato aleatoriamente,
atribuindo-se iguais probabilidades de seleo a cada uma colunas no estrato. O nmero de
colunas sorteadas em cada estrato foi dado pelas quantidades nh, na Tabela 4.2. A
composio das dez amostras produzidas gera uma amostra aleatria estratificada (AAE)
de tamanho 450 da populao de 4.358 colunas. No sentido de estimar a profundidade
mdia da bomba na populao com o estimador de Horvitz-Thompson (1952), a amostra
retirada produz uma margem sobre o erro amostral de aproximadamente 8 metros, com
grau de confiana de 95%.

43

5. RESULTADOS

Neste capitulo sero apresentados os resultados obtidos na anlise de dados de

tempos de falhas dos poos. Inicialmente sero apresentadas as variveis consideradas
importantes para o estudo e uma anlise descritiva das mesmas. Esta anlise consiste na
organizao dos dados em tabelas, grficos e algumas medidas, com intuito de facilitar a
compreenso das informaes referentes aos poos. Em seguida sero apresentados alguns
resultados no paramtricos para estimar as curvas de sobrevivncia, a seleo do melhor
modelo paramtrico de regresso, as estimativas dos parmetros e a exibio das
covariveis consideradas significativas para explicar o tempo at a primeira falha dos
poos-coluna.
O evento de interesse neste estudo a falha do poo. A varivel resposta o tempo
de funcionamento do poo dentro da sua normalidade at apresentar a primeira falha,
definida como alguma anormalidade relacionada a equipamentos de subsuperfcie que
tenha ocasionado uma parada total no funcionamento do poo. A censura foi caracterizada
pela no ocorrncia de falha no poo at o fim do estudo ou pelo fato do poo ter sido
desativado ou retirado de operao antes de ocorrer o evento.
Os dados utilizados foram analisados com a ajuda do software computacional R,
verso 2.6 e o Excel, verso 2003. Nos anexos encontram-se a descrio das tabelas, as
codificaes das variveis e os comandos utilizados para obter os resultados aqui descritos.

5.1 - ANLISE EXPLORATRIA DOS DADOS

Neste estudo, foram considerados dados provenientes de dois sistemas de coleta de
informaes utilizados pela Petrobras. Cada sistema apresenta estrutura e informaes
diferentes. Nenhum deles contm informaes completas para a anlise de tempo de falhas
dos poos. Portanto, fez-se necessrio analisar as duas bases e extrair informaes

44

relevantes para o estudo. Esta etapa demandou vrias reunies com tcnicos e engenheiros
da Petrobras para consolidar o entendimento das variveis existentes e construir um banco
de dados mais enxuto. Aps a seleo de algumas variveis, a fase seguinte foi organizar
uma nica base de dados contendo todas as informaes possivelmente associadas com o
tempo de falha.
Como o objetivo do trabalho consiste em estudar as falhas de equipamentos de
subsuperfcie dos poos de petrleo que utilizam o mtodo de elevao Bombeio mecnico
(BM), Bombeio por cavidade progressiva (BCP) e produtores de leo, foi necessrio
excluir todas as informaes dos poos que em algum momento produziram com os
mtodos de elevao diferentes de BM e BCP e todas as informaes sobre produo de
gua e gs.
Como descrito na Capitulo 4, a unidade amostral considerada foi a coluna de
produo do poo e no o poo em si, visto que o poo pode produzir atravs de duas
colunas independentes. Foi determinado que a amostra mnima, para a representao dos
poos da Bacia Potiguar, seria de 450 poos-coluna. Sabe-se que com o decorrer do tempo,
alguns poos exigem mudana ou instalao de outra coluna de produo. No perodo
analisado, alguns poos passaram a produzir com um tipo de coluna diferente daquela do
inicio do estudo ou necessitaram do auxlio de mais uma coluna para atender toda a
produo do poo. Portanto, considerou -se que uma mudana na coluna de produo
representava que uma nova unidade amostral entrou em produo. Consequentemente, a
amostra passou para 603 pocos-coluna, no perodo de 2000 a 2006.
As variveis e alguns cdigos identificadores dos poos inclusos na base de dados
foram:

cd_poo : cdigo do poo (cdigo de registro do poo);

coluna: identificador da coluna de produo no poo (U - nica, I - inferior, Ssuperior);

dt_inicio: data que o poo iniciou suas operaes em condies normais;

produo base: produo base do poo, medida em m3/dia;

dt_fim: data que o poo finaliza sua produo em condies normais. A

interrupo da produo pode ser devido a problemas tcnicos ou por parada
programada (visando melhorar a produo).

45

dt_ini_oper: data de inicio de operao prevista ou efetiva para inicio de operao

do poo

cd_estado: situao da produo do poo (escala de 1 a 6, com 1 normal e 6

desativado);

cd_fluido: o cdigo identificador da produo do fluido de cada poo (a produo

pode ser leo, gs e gua, identificados, respectivamente, pelos cdigos: 187, 181
e 173). Neste estudo, sero analisados apenas os produtores de leo;

vl_BSW: valor do BSW (Basic Sediments and Water). a quantidade de gua

produzida conjuntamente com o petrleo;

vl_RGO: a Razo Gs-leo (medida em m3/m3);

cd_grupo_prov: o cdigo da providencias de uma ocorrncia. a providencia

utilizada na correo de alguma anormalidade do poo.

mtodo de elevao: o mtodo artificial utilizado para elevar o fluido, contido

no fundo do poo, at a superfcie do poo. Neste estudo, os dois mtodos
considerados foram BM Bombeio mecnico e BCP Bombeio por Cavidade
Progressiva;

unidade operativa: Unidade operativa do poo. Cada unidade administra os poos

de acordo com a sua localizao geogrfica. So quatro unidades: OP_ARG
Unidade Operacional Alto do Rodrigues, OP_CAM Unidade Operacional
Canto do Amaro, OP_ET Unidade Operacional Campo de Estreito e OP
ATP_RFQ Unidade Operacional Fazenda Riacho da Forquilha;

ndice de Produtividade (IP): Valor do ndice de produtividade. Este ndice

calculado da seguinte forma: IP = p/ (Pe - Pw) onde p vazo, pe a presso
esttica (ou mdia) do reservatrio e Pw e a presso de fluxo no fundo do poo;

fluido previsto: quantidade de fluido previsto para o poo no inicio da operao;

localizao da UF: Estado da Bacia o qual o poo esta localizado, os dois estados
so: CE e RN;

classificao do poo: Tipo de poo. A classificao do poo dada de acordo

com sua finalidade. dito exploratrio quando sua finalidade explorar o
reservatrio, ou pode explotatrio quando sua funo melhorar a produo de
um campo, isto , a finalidade da perfurao do poo ajudar na produo dos
poos existentes. So eles: Poo exploratrio pioneiro, Poo Exploratrio
Estratigrfico, Poo Exploratrio de Extenso, Poo Exploratrio Pioneiro
Adjacente, Poo Exploratrio para Jazida Mais Rasa, Poo Exploratrio para
46

Jazida Mais Profunda, Poo Explotatrio de Produo, Poo Explotatrio de

Injeo e Poo especial.

cd_motivo: Cdigos dos motivos utilizados para registrar as ocorrncias de um

poo-coluna. Isto , representa a causa da parada para realizar uma ocorrncia no
poo. Entre outras ocorrncias, nesta varivel pode-se observar as ocorrncias
relacionadas equipamentos de subsuperficie. A diferena entre a data de
funcionamento normal do poo e a data desta primeira ocorrncia corresponde o
tempo at a primeira falha do poo que varivel reposta de interesse deste
trabalho.

profundidade do poo: profundidade do poo medida em metro (m);

profundidade da bomba: profundidade onde se encontra instalado a bomba de

produo do poo (m);

Alm destas variveis contidas na base de dados, foram calculadas posteriormente a

idade do poo na data da falha e o tempo que o poo levou desde inicio do estudo at a
primeira a falha. Foi construdo tambm nesta planilha um indicador de censura, onde o
poo-coluna recebia indicador de censura 1 se o poo-coluna apresentasse falha at a data
final do estudo, recebia zero (0) caso contrrio.
Os dados organizados e condensados resultaram em uma planilha contendo 603
linhas e 27 colunas com informaes de todas as variveis relevantes e suas respectivas
medidas calculadas com os dados do perodo de 2000 a 2006.
Antes da aplicao do modelo estatstico nos dados realizou-se uma anlise
exploratria das variveis e verificou-se que a varivel ndice de produtividade e
Quantidade de fluido previsto no deveriam ser inclusas no modelo por apresentar grande
quantidade de dados faltantes. Verificou-se que 83,16% dos poos apresentavam a varivel
ndice de Produtividade vazias e 50% na varivel Quantidade de fluido.
A seguir so apresentadas estatsticas descritivas das variveis quantitativas
consideradas no banco de dados para verificar a possvel associao no tempo at a falha
do poo.

47

Tabelas 5.1 - Estatstica descritiva das variveis numricas relevantes para o estudo
Variveis
Produo base
Valor do BSW
Valor do RGO
Profundidade do poo
Profundidade da bomba
Idade do poo (anos)

Min

1 Quartil
Mediana
(25%)

Mdia

3 Quartil
(25%)

0.10 m3/dia 1.10m3/dia 2.20m3/dia 4.02m3/dia 4.80m3/dia

0.10%
1.00m3
235.1 m
139.0m
0.093

44.60 %
1.00m3
397.8 m
307.0 m
2.39

79.40%
4.00m3
675.0m
490.0 m
6.71

67.10%
6.83m3
672.9 m
522.6 m
7.79

92.58%
9.00m3
869.5 m
692.5 m
12.85

Mx
65.00
m3/dia
99.90%
816.90 m3
2160.0 m
1678.0 m
20.97

Como observado na Tabela 5.1, os poos amostrados da bacia potiguar apresentaram

uma produo mdia de leo de 4.02 m3/dia. Do total de poos que compem a amostra,
50% deles produzem diariamente menos de 2.20 m3/dia de leo.
O BSW mdio foi de 67,10% por dia, isto , em mdia, 67,10% da produo diria
dos poos correspondem gua. Nota-se tambm, que metade dos poos apresentou uma
produo de BSW abaixo de 79,40%. Estas medidas indicam que os poos da bacia
potiguar apresentam produo de gua muito elevada.
A razo gs leo mdia (RGO) dos poos amostrados foi de 6.83m3, mostrando que a
produo de gs mais elevada em relao a produo de leo.
A profundidade mdia dos poos foi de 677,4 m e a profundidade mdia da
instalao da bomba era de 525.6m. Os dados mostram tambm que 50% dos poos tm a
bomba instalada em profundidade inferior a 490,0m.
Com relao a idade dos poos, nota-se que a mdia para os poos em anlise era de
aproximadamente 8 anos e a idade mediana 7 anos. De acordo com os dados analisados a
idade mxima observada foi de aproximadamente 21 anos.
Conforme a Tabela 5.2 e a Figura 5.1, a maioria dos poos selecionados, 564
(93.53%) pertencem ao estado do RN e 39 (6.47%) situam-se no estado do CE.
Tabelas 5.2 - Nmero de poos-colunas amostrados por Unidade Federativa
UF

Quant.

564
RN
93,53
CE
39
6,47
Total
603
100,00
Fonte: Dados fornecidos pela Petrobras

48

Figura 5.1 - Nmero de poos-coluna amostrados por estado de localizao

CE
6,47%

RN
93,53%

Fonte: Dados fornecidos pela Petrobras

A tabela e a figura abaixo indicam a quantidade de poos funcionando de acordo com

o mtodo de elevao.
Tabelas 5.3 - Nmero de poo-coluna amostrado por Mtodo de Elevao, no perodo de
2000 a 2006
Mtodo de
elevao

Quant.

BM
528
87,56
BCP
75
12,44
603
100,00
Total
Fonte: Dados fornecidos pela Petrobras

Figura 5.2 - Nmero de poos-coluna amostrados por mtodos de elevao, no perodo de

2000 a 2006
BCP
12,44%

BM
87,56%

Fonte: Dados fornecidos pela Petrobras

49

Os dados indicam que do total de poos amostrados, 87,56% produzem atravs do

Bombeio Mecnico e apenas 12,44% atravs do BCP. Estes dados aproximam-se do
achado na literatura, onde afirma que 80% dos poos produtores de petrleo do mundo
funcionam atravs do Bombeio Mecnico (Costa ,2004).
O nmero de poos-coluna das unidades operacionais por mtodo de elevao
apresentado na Tabela 5.4.
Tabelas 5.4 - Nmero de poos-coluna amostrados por Unidade operacional
Unidade
Operacional

Quant.

OP-CAM
240
39,80
OP-ARG
188
31,18
OP-ET
100
16,58
OP-RFQ
75
12,44
603
100,00
Total
Fonte: Dados fornecidos pela Petrobras

BCP

BM

32
34
3
6
75

13,33
18,08
3,00
8,00

208
154
97
69
528

86,67
81,92
97,00
92,00

Figura 5.3 - Nmero de poos-coluna amostrados por Ativo de produo

OP-ET
16,58%

OP-RFQ
12,44%

OP-CAM
39,80%

OP-ARG
31,18%

Fonte: Dados fornecidos pela Petrobras

Nota-se que a Unidade Canto do Amaro (OP-CAM) contribuiu com maior parcela na
amostra de poos, com 39.80% dos poos amostrados e a Unidade Fazenda Riacho da
Forquilha (OP-RFQ) contribuiu com menor freqncia (12.44%).

50

A Tabela 5.5 mostra interrupes por motivos mais freqentes ocorridas nos pooscoluna amostrados, no perodo de 2000 a 2006. Observa-se que, dentre todos os motivos
relacionados a causa de interrupes, os mais freqentes so: falta de energia da Petrobras
(30,10%), falta de energia eltrica concessionria (10,81%), problema no sistema turbogerador (9,76%), problema na linha de alta tenso da Petrobras com 5,32% das causas e
problema na unidade de bombeio (15,32%).

Tabelas 5.5 - Nmero de interrupes ocorridas nos poos-coluna

Motivo
EPE - falta de energia eltrica - Petrobras
ECO - falta de energia eltrica - Concessionrio
ETG - Sistema turbo-gerador de energia
LAT - problema na linha de alta tenso Petrobras
UUB - problema na unidade de bombeio
Outros
Total
Fonte: Dados fornecidos pela Petrobras

Quant.

% acumulada

8824
3168
2861
1778
1561
11123

30,10
10,81
9,76
6,07
5,32
37,94

30,10
40,91
50,67
56,73
62,06
100,00

29315

100,00

A Tabela 5.6 exibe as providencias tomada em relao s ocorrncias de

anormalidade dos poos. Como pode-se observar as providencias mais comuns so
operaes auxiliares e manutenes. A sonda de produo aparece com 12,11% das causas.

Tabelas 5.6 - Nmero de providencias tomadas em relao as anormalidade dos pooscolunas

Providncias
AO - Operaes auxiliares
MA - Manuteno
SP - Sonda de produo
OP - Operao da instalao/poo
PD - Pendncias
IN - Instalao/Construo
Total
Fonte: Dados fornecidos pela Petrobras

Quant.

357
96
73
30
30
17

59,20
15,92
12,11
4,98
4,98
2,82

603

100,00

Do total de poos-colunas estudadas, 475 apresentaram falhas no perodo estudado,

correspondendo a 78,77% dos casos e 128 (21,23%) apresentaram censuras, isto , poos
que no apresentaram falhas relacionadas a equipamentos de subsuperficie.

51

Para efeito de comparao foram realizados alguns cruzamentos entre as variveis

numricas (produo base, BSW, RGO, idade do poo, profundidade do poo e da bomba)
com as variveis categricas (Mtodo de elevao e unidade operacional). As tabelas e as
figuras seguintes exibem os cruzamentos citados.

Produo base x mtodo de elevao

Tabelas 5.7 - Produo base por mtodo de elevao (m3/dia)

Mtodo de
elevao

1 quartil Mediana 3 quartil

Mdia

3.81
1.00
BM
5.52
1.45
BCP
Fonte: Dados fornecidos pela Petrobras

2.10
3.20

Max
65.00
21.80

4.50
6.95

Desviopadro
5.65
5.56

-2

-1

log da Produo base (m3/dia)

50
40
30
20
10

Produo base (m3/dia)

60

Figura 5.4 - Produo base por mtodo de elevao

BCP

BCP

BM

BM

Mtodo de Elevao

Mtodo de Elevao

Fonte: Dados fornecidos pela Petrobras

De acordo com as medidas contidas na Tabela 5.7, nota-se que os poos BCP
apresentam, em mdia maior produo em relao aos poos BM. A produo mdia para
os poos produzindo atravs do mtodo BM de 3.81m3/dia com uma disperso de 5.65
m3/dia. Para poos BCP a mdia de 5.52m3/dia com disperso de 5.56m3/dia. Estes dados
indicam que os poos da Bacia Potiguar apresentam produo muito dispersa entre si.
Contudo note que os poos que apresentam os maiores valores de produo no perodo
(antes da 1 falha) usam o mtodo BM (poos 67458, 19426, 66041 entre outros).

52

Produo base x Unidade Operacional

Tabelas 5.8 - Produo base por unidade operacional (m3/dia)

Unidade
Operacional

Mdia

1 quartil Mediana 3 quartil

3.81
1.10
OP-CAM
4.59
1.38
OP-ARG
3.76
0.90
OP-ET
3.59
0.65
OP-RFQ
Fonte: Dados fornecidos pela Petrobras

2.10
2.65
2.05
1.70

4.50
5.40
4.20
5.53

Desviopadro
5.73
5.31
6.93
4.28

Max
47.60
28.40
65.00
18.00

-2

-1

log da P rodu o bas e

40
30
20
10

P rodu o bas e

50

60

Figura 5.5 - Produo base por Unidade Operacional

OP-ARG OP-CAM

OP-ET

OP-RFQ

OP-ARG OP-CAM

Unidade operacional

OP-ET

OP-RFQ

Unidade operacional

Fonte: Dados fornecidos pela Petrobras

Atravs da Figura 5.5 nota-se que os poos da OP-CAM e da OP-ARG apresentam

maiores produo de leo, em relao s demais Unidades. De acordo com a mediana
exibida na Tabela 5.8, observa-se que os poos da OP-ARG apresentam maior produo de
leo (2.65m3/dia) e os poos da OP-RFQ apresentam em mdia menor produo
(1.70m3/dia).

53

BSW x mtodo de elevao

Tabelas 5.9 - BSW por mtodo de elevao

Mtodo de
elevao

Mdia

1 quartil Mediana 3 quartil

68.49
46.00
BM
57.30
31.15
BCP
Fonte: Dados fornecidos pela Petrobras

81.25
62.00

93.10
84.80

Max
99.90
98.90

Desviopadro
30.11
30.60

60
0

20

40

BSW

80

100

Figura 5.6 - BSW por mtodo de elevao

BCP

BM

Mtodo de Elevao

Fonte: Dados fornecidos pela Petrobras

Atravs da Tabela 5.9 nota-se que os poos BM apresentam maior produo de BSW,
em relao aos poos BCP.

BSW x por unidade operacional

Tabelas 5.10 - BSW por unidade operacional (%)

Unidade
Operacional

Mdia

1 quartil Mediana 3 quartil

63,63
37.58
OP-CAM
67.99
53.15
OP-ARG
75.23
57.77
OP-ET
65.11
44.45
OP-RFQ
Fonte: Dados fornecidos pela Petrobras

76.10
77.05
87.20
73.20

54

92.00
91.32
96.33
89.55

Max
99.80
99.40
99.80
99.90

Desviopadro
32.67
29.02
27.32
29.32

60
0

20

40

BSW

80

100

Figura 5.7 - BSW por unidade operacional

OP-ARG

OP-CAM

OP-ET

OP-RFQ

Unidade Operacional

Fonte: Dados fornecidos pela Petrobras

A Tabela 5.10 e a Figura 5.7 exibem as medidas descritivas do BSW por unidade
operacional. Observa-se que, em mdia a OP-ET apresenta valores mais elevados, isto
significa dizer que os poos da OP-ET produzem maior quantidade de gua em relao s
demais unidades.

RGO x mtodo de elevao

Tabelas 5.11 - RGO por mtodo de elevao

Mtodo de
Mdia 1 quartil Mediana 3 quartil
elevao
6.98
1.00
4.00
5.00
BM
5.82
1.00
5.00
10.00
BCP
Fonte: Dados fornecidos pela Petrobras

Max
816,90
11.90

Desviopadro
36.05
4.52

A Tabela 5.11 mostra os valores de RGO por mtodo de elevao. Os poos BM, em
mdia, apresentaram produo de RGO mais elevada do que os poos BCP.

55

4
3
0

log v alor do RG O

600
400
200

Valor do RGO

800

Figura 5.8 - RGO por mtodo de elevao

BCP

BM

BCP

Mtodo de Elevao

BM

Mtodo de Elevao

Fonte: Dados fornecidos pela Petrobras

RGO x por Unidade Operacional

Tabelas 5.12 - RGO por unidade operacional

Unidade
DesvioMdia 1 quartil Mediana 3 quartil
Max
Operacional
padro
2.37
1.00
1.00
1.00
72.00
6.75
OP-CAM
8.52
5.00
10.00
10.80
11.90
2.77
OP-ARG
4.79
4.00
4.00
4.00
43.00
4.97
OP-ET
8.85
5.00
5.00
10.00
80.0
11.36
OP-RFQ
Fonte: Dados fornecidos pela Petrobras
Nota: As medidas dos poos da OP-RFQ foram calculadas sem a presena do valor de RGO
816,9m3

A Tabela 5.12 mostra os valores de RGO dos poos da Bacia Potiguar por unidade
operacional. Nota-se que os poos da OP-ARG e da OP-RFQ apresentam maiores
produo de RGO, isto , estes poos apresentam na sua produo, maior quantidade de
gs em relao a quantidade de leo. As medidas dos poos da OP-RFQ foram calculadas
sem a presena do poo 13313 que apresentava o valor do RGO muito elevado, pois ele
causaria uma distoro nos resultados.

56

5
4
3
0

log do Valor do RGO

400
200

Valor do RGO

600

800

Figura 5.9 - RGO por unidade administrativa

OP-ARG

OP-CAM

OP-ET

OP-RFQ

OP-ARG OP-CAM

Unidade operacional

OP-ET

OP-RFQ

Unidade operacional

Fonte: Dados fornecidos pela Petrobras

Profundidade do poo x por Mtodo de elevao

Tabela 5.13 - Profundidade da bomba (m) por mtodo de elevao

Mtodo de
Mdia 1 quartil Mediana 3 quartil
elevao
661.6
378.0
557.0
870.8
BM
752.4
565.2
773.2
842.8
BCP
Fonte: Dados fornecidos pela Petrobras

Max
1806.0
2160.0

Desviopadro
332.73
268.72

500

1000

1500

2000

Figura 5.10 - Profundidade do poo por mtodo de elevao

profundidade do poo

BCP

BM

Mtodo de Elevao

Fonte: Dados fornecidos pela Petrobras

57

A Tabela 5.13 mostra a profundidade do poo por mtodo de elevao. Nota-se que
os poos BCP apresentaram-se, em mdia, mais profundos em relao aos poos BM.

Profundidade do poo x por Unidade Operacional

Tabelas 5.14 - Profundidade da bomba (m) por Unidade Operacional

Unidade
Operacional

Mdia

1 quartil Mediana 3 quartil

943.1
765.8
OP-CAM
547.1
368.5
OP-ARG
358.3
269.4
OP-ET
543.5
418.5
OP-RFQ
Fonte: Dados fornecidos pela Petrobras

889.1
490.6
283.2
442.0

1098.0
682.9
301.5
551.6

Max
1552.0
2160.0
1604.0
1806.0

Desviopadro
206.13
216.06
293.55
264.26

A Tabela 5.14 mostra a profundidade do poo por unidade operacional. Nota-se que
os poos da OP-CAM apresentam-se, em mdia, mais profundos em relao aos poos das
demais OP. J os poos menos profundos esto na OP-ET.

7.0
6.5
5.5

6.0

log da profundidade do po o

1500
1000
500

profundidade do poo

2000

7.5

Figura 5.11 - Profundidade do poo por unidade administrativa

OP-ARG OP-CAM

OP-ET

OP-RFQ

OP-ARG OP-CAM

Unidade operacional

OP-ET

Unidade operacional

Fonte: Dados fornecidos pela Petrobras

58

OP-RFQ

Profundidade da bomba x por Mtodo de Elevao

Tabelas 5.15 - Profundidade da bomba por mtodo de elevao

Mtodo de
elevao

Mdia

1 quartil Mediana 3 quartil

515.6
272.8
BM
571.7
437.5
BCP
Fonte: Dados fornecidos pela Petrobras

466.5
535.0

692.2
698.5

Max
1678.0
1493.0

Desviopadro
289.48
187.80

A Tabela 5.15 mostra a profundidade da bomba por mtodo de elevao. Nota-se que
os poos BCP apresentam, em mdia, a instalao da bomba ligeiramente mais profunda
em relao aos poos BM.

1000
500

profundidade da bomba

1500

Figura 5.12 - Profundidade da bomba por mtodo de elevao

BCP

BM

Mtodo de elevao

Fonte: Dados fornecidos pela Petrobras

Profundidade da bomba x por Unidade Operacional

Tabela 5.16 - Profundidade da bomba por Unidade Operacional

Unidade
Operacional
OP-CAM
OP-ARG
OP-ET
OP-RFQ

Mdia
725.6
438.8
253.2
441.9

1 quartil Mediana 3 quartil

606.8
295.8
173.8
338.0

679.5
405.5
187.0
359.0

Fonte: Dados fornecidos pela Petrobras

59

767.0
532.8
200.0
477.5

Max
1297.0
1493.0
1368.0
1678.0

Desviopadro
204.44
195.19
271.59
220.72

A Tabela 5.16 mostra a profundidade da bomba por unidade operacional. Observa-se

que os poos da OP-CAM apresentam-se, em mdia, com a instalao da bomba mais
profunda em relao aos poos das demais OP.

7.0
6.5
6.0
5.5
5.0

log da profundidade da bomba

7.5

Figura 5.13 - Profundidade da bomba por unidade administrativa

OP-ARG

OP-CAM

OP-ET

OP-RFQ

Unidade Operacional

Fonte: Dados fornecidos pela Petrobras

A Tabela 5.17 exibe o nmero de falhas e censuras ocorridas por mtodo de elevao
e Unidade Operacional. Fazendo-se uma comparao do nmero de falhas entre os
mtodos de elevao por unidade operacional observa-se que tanto os poos BM como os
poos BCP da OP-ARG apresentam um percentual de falha elevada. Entre os poos da OPCAM percentual de falha mais elevado para os poos BCP. Os poos das unidades da
OP-RFQ e na OP-ET funcionando atravs do mtodo BCP muito pequeno, portanto esta
comparao no muito informativa. Apesar disso, pode-se dizer que no BM existe um
percentual muito elevado de falha.
Tabela 5.17 - Nmero de falhas e censuras por mtodo de elevao e unidade operacional
ocorridas nos poos-colunas amostrados, no perodo de 2000 a 2006
Mtodo
de
Elevao

Unidade Operacional
OP-ARG

OP-CAM

Falha = 136 (83,31%) Falha = 145 (69,71%)

Censura = 18 (11,69%) Censura = 63 (30,29%)
Falha = 32 (94,69%) Falha = 28 (87,50%)
BCP
Censura = 2 (5,88%)
Censura = 4 (12,50%)
Total
188
240
Fonte: Dados fornecidos pela Petrobras
BM

60

OP-RFQ
Falha =
Censura =
Falha =
Censura =

40 (57,97%)
29 (42,03%)
6 (100,0%)
0 (0 %)
75

OP-ET
Falha = 86 (88,66%)
Censura = 11 (11,34%)
Falha =
2 (66,67%)
Censura = 1 (33,33%)
100

Com respeito ao tempo de funcionamento at a primeira falha dos poos foi

observado um tempo mdio de 14652,75 horas (aproximadamente 611 dias). A tabela 5.18
exibe as descritivas do tempo at a primeira falha do poo. Metade dos poos-coluna
levam aproximadamente 485,42 dias at apresentar a primeira falha.

Tabela 5.18 - Medidas descritivas para o tempo at a falha do poo-coluna correspondente

a amostra analisada no perodo de 2000 a 2006
Quartis

Tempo (horas)

25%
50%
75%

4412,3
11650,0
27827,6

Tempo (Dias)
184
485
1159

A Tabela 5.19 apresenta o tempo mdio por covarivel. Nota-se que os poos
funcionando atravs do mtodo BM levam em mdia, 773 dias para apresentar uma falha.
Para os poos BCP, este tempo aproximadamente 638 dias, aparentemente indicando que
os poos BM so mais durveis. Verifica-se tambm que os poos localizados na OP-CAM
apresentam maior tempo de funcionamento em relao aos poos das outras Unidades.
Com relao a produo, observa-se que, em mdia, os poos com maior produo
apresentam menor tempo de funcionamento. Poos com maior produo de BSW
apresentam em mdia maior tempo de funcionamento. Observa-se tambm que os poos
mais profundos levam mais tempo para apresentar falha. Com relao a profundidade da
bomba, nota-se que poos com instalao mais profunda apresentam maior tempo de
funcionamento. Os poos mais jovens apresentam menos tempo de funcionando em
relao os poos mais antigos.

Tabela 5.19 - Estimativa das medidas descritivas para o tempo at a falha do poo-coluna,
por covarivel, no perodo de 2000 a 2006
Covarivel
Mtodo de Elevao
BCP
BM
Unidade Operacional
OP-RFQ
OP-ARG
OP-ET
OP-CAM
Produo Base
<= Med = 2,60
> Med = 2,60

Tempo Mdio
(horas)

Dias

15314,15
18543,39

638,08
772.64

11681,31
9548,56
10128,15
22701,06

486,71
397,86
422,02
945,90

16905,69
12312,79

704,41
513,03

61

Produo BSW
< = Med = 77,00
> Med = 77,00
Profundidade do poo
< = Med = 566,00
> Med = 566,00
Profundidade da bomba
< = Med = 458,00
> Med = 458,00
Idade do poo (Anos)
< = Med = 6,71
> Med = 6,71

13537,14
15773,08

564,04
657,21

9920,93
19404,55

413,37
808,52

10057,41
19267,49

419,05
802,81

11960,46
17357,41

498,35
723,22

5.2 - ANLISE NO-PARAMTRICA

A figura 5.14 apresenta a distribuio para os tempos de falha dos poos
desconsiderando as covariveis. Atravs do histograma do tempo nota-se uma freqncia
muito elevada de falha de poos no intervalo de 0 a 50000 horas. Percebe-se tambm uma
freqncia de poos muito baixa nos tempos mais elevados, apenas 41 poos apresentaram
tempo de falha entre 40000 e 60000 horas.

Figura 5.14 - Histograma do tempo at a primeira falha do poo

150
100
50
0

Frequncia

200

250

Histograma do tempo

10000

30000

50000

Tempo at a Falha

62

70000

5.2.1 - ESTIMADOR KAPLAN-MEIER

Uma das anlises dos dados foi construir o grfico da funo de sobrevivncia
estimada pelo K-M. para o tempo at a falha do poo-coluna. Este estimador calculado
sem considerar um modelo probabilstico associado aos dados. A Figura 5.15 exibe a curva
de sobrevivncia para o tempo at a falha.
Figura 5.15 - Curva de sobrevivncia estimada a partir do estimador de Kaplan-Meier

0.6
0.4
0.0

0.2

Sobrevivncia

0.8

1.0

Curva Estimada KM

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Atravs da figura acima possvel encontrar probabilidade de sobrevivncia para

diferentes tempos. Por exemplo, a probabilidade de um poo falhar em 13932 horas
(equivalente 580,5 dias) de 50%. Outra informao que se pode extrair da figura que
40% dos poos no apresentaram falhas aps 20000 horas (aproximadamente 833 dias) do
inicio do estudo.

5.2.2 - COMPARAO ENTRE AS CURVAS DE SOBREVIVNCIA

As figuras a seguir apresentam as curvas de sobrevivncia estimada pelo mtodo KM
(capitulo 2.3.2) para cada covarivel. Estas figuras fornecem uma idia das diferenas
entre as distribuies do tempo de falha para diferentes nveis das covariveis. A Figura
5.16 apresenta as curvas de sobrevivncia estimadas para os poos em dois nveis de
produo: baixa produo (produo < 2.20m3/dia) e alta produo (produo >=
2.20m3/dia).

63

Figura 5.16 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por nvel de

0.8
0.2

0.4

0.6

Alta
Baixa

0.0

Sobrevivncia Estimada (KM)

1.0

Produo base (Baixa < 2.20 m3/dia, Alta 2.20 m3/dia)

10000

30000

50000

70000

Tempo at a falha do poo (horas)

A figura indica que os poos-coluna com baixa produo apresentam curva de

sobrevivncia mais elevada, quando comparada com a curva de sobrevivncia dos poos
com alta produo. O grfico mostra claramente que o tempo de vida dos poos com
produo elevada menor que o tempo de vida dos poos com baixa produo
A Figura 5.17 exibe as curvas de sobrevivncia em dois nveis de BSW, baixa
produo do BSW (BSW < 79,40) e alta produo (BSW >= 79,40).

Figura 5.17 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por nvel de

0.8
0.2

0.4

0.6

Alta
Baixa

0.0

Sobrevivncia Estimada (KM)

1.0

BSW (Baixo < 79.40%, Alto 79.40)

10000

30000

50000

Tempo at a falha do poo (horas)

64

70000

A anlise grfica indica que os poos com alta produo de BSW levam mais tempo
para apresentar falha em relao aos poos com baixa produo.
Atravs da Figura 5.18 possvel comparar as curvas de sobrevivncia dos poos
considerados Novos (idade < 6.71 anos) com os poos Velhos (idade > = 6.71 anos).

0.8
0.2

0.4

0.6

Novo
Velho

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.18 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por faixa de
idade do poo (Poo Novo < 6.72 anos, Poo Velho 6.72 anos)

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Realizando uma anlise visual do grfico, nota-se que aparentemente a curva de

sobrevivncia dos poos mais antigos superior a curva de sobrevivncia dos poos mais
novos. Isto indica que os poos mais velhos apresentam tempo de funcionamento mais
elevado em relao aos poos mais jovens.
Atravs da Figura 5.19 possvel comparar as curvas de sobrevivncia dos poos
produzindo baixo valor de RGO (RGO < 4 m3) com a curva de sobrevivncia dos poos
com alta produo de RGO (RGO 4).

65

0.8
0.2

0.4

0.6

Alta
Baixa

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.19 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por Nvel de
RGO (Baixo < 4 m3, Alto 4 m3)

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Como pode-se observar atravs da anlise grfica, o tempo de vida dos poos com
baixo valor de RGO maior em relao ao poos com alto valor de RGO.
Com relao ao mtodo de elevao dos poos, percebe-se atravs da Figura 5.20
uma pequena diferena nas curvas de sobrevivncia. Isto significa que aparentemente os
poos funcionando atravs do mtodo BM apresentam curva de sobrevivncia mais
elevada em relao aos poos BCP.

0.8
0.2

0.4

0.6

BCP
BM

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.20 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por mtodo de
elevao (BM e BCP)

10000

30000

50000

Tempo at a falha do poo (horas)

66

70000

A Figura 5.21 apresenta as curvas de sobrevivncia estimadas para o tempo de falha

dos poos para cada unidade operacional. Atravs do grfico possvel verificar diferena
entre algumas unidades operacionais.

0.8
0.2

0.4

0.6

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.21 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por Unidade
operacional

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Nota-se que a curva de sobrevivncia dos poos da OP-CAM mais elevada em

relao as demais Unidades Operacionais. Graficamente a curva de sobrevivncia dos
poos da OP-ARG e da OP-ET so semelhantes. O grfico mostra que os poos da OPRFQ apresentam probabilidade de sobrevivncia inferior probabilidade de sobrevivncia
dos poos da OP-CAM at aproximadamente 35.000 horas (1459 dias). Aps este perodo,
a probabilidade de sobrevivncia dos poos da OP-RFQ supera a probabilidade de
sobrevivncia da OP-CAM. Isto parece indicar que embora os poos da OP-CAM
apresentam-se mais resistente falha no inicio, estes so mais afetados pelo
envelhecimento que os poos da OP-RFQ. Por outro lado, a maior durabilidade dos poos
da OP-RFQ aps 35.000 horas pode ser pelo fato desta OP apresentar menos de 10% dos
poos com BCP, que vem se mostrando menos durveis que o BM.
Representando a profundidade da bomba tem-se a Figura 5.22 com exibio das
curvas de sobrevivncia para dois nveis da profundidade da bomba: Baixa profundidade
(< 490m) e Alta profundidade(> = 490 m).

67

0.8
0.2

0.4

0.6

Alta
Baixa

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.22 - Curva de Sobrevivncia estimada pelo mtodo de Kaplan-Meier, por nvel de
profundidade da bomba (baixa < 490m, alta >= 490m).

10000

30000

50000

70000

Tempo at a falha do poo

Como pode - se observar, atravs da anlise grfica, os poos com instalao da

bomba mais profunda apresentam curva de sobrevivncia mais elevada, quando comparada
com a curva de sobrevivncia dos poos com instalao da bomba em baixa profundidade.
Isto significa dizer que os poos com bomba localizadas em maior profundidade tende
apresentar maior tempo de funcionamento.
O grfico 5.23 apresenta o tempo at a primeira falha do poo-coluna para os poos
com Baixa profundidade e Alta profundidade dos poos. Nota-se que os mais profundos
apresentam tempo de vida mais elevado que os poos com baixa profundidade. Isto
significa dizer que os poos com maior profundidade tende apresentar maior tempo de
funcionamento.

68

0.8
0.2

0.4

0.6

Alta
Baixa

0.0

Sobrevivncia Estimada (KM)

1.0

Figura 5.23 - Curva de Sobrevivncia estimada pelo mtodo de Kaplan-Meier, por nvel de
profundidade do poo (baixa < 675m, alta >= 675m).

10000

30000

50000

70000

Tempo at a falha do poo

Atravs da Figura 5.24, pode-se observar que as curvas de sobrevivncia estimadas

para as Unidades Operacionais OP-ARG, OP-CAM, OP-ET e OP-QFQ apresentam
diferenas acentuadas, quando comparadas entre dois nveis de produo de leo, nvel alto
(> =2.20 m3/dia) e nvel baixo (< 2.20 m3/dia).

Figura 5.24 - Curva de Sobrevivncia estimada pelo mtodo de Kaplan-Meier, para cada
Unidade Operacional , por nvel produo de leo (baixa < 2.20m3/dia, alta >=
2.20m3/dia).
3

(b) Alta Produo (>= 2.20m dia)

0.4

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

0.2

Sobrevivncia Estimada (KM)

0.2

0.4

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

Sobrevivncia Estimada (KM)

1.0

1.0

(a) Baixa Produo (< 2.20m dia)

10000

30000

50000

70000

10000

30000

50000

Tempo at a falha do poo (horas)

Tempo at a falha do poo (horas)

69

70000

Na OP-RFQ observa-se um decrscimo expressivo desta curva para os poos com

alta produo, quando comparados aos poos com baixa produo. A figura mostra que os
poos da OP-ET e OP-ARG apresentam a mesma curva de sobrevivncia em ambos os
nveis de produo, isto significa que aparentemente o tempo de vida dos poos destas
unidades operacionais no esto sendo afetados pela produo base. A anlise grfica
indica ainda, que na unidade OP-CAM o aumento da produo de leo reduz o tempo de
funcionamento dos poos. Por exemplo, para os poos com baixa produo (Figura 5.24
(a)) aproximadamente 60% deles no apresentaram falhas aps 30.000 horas (1250 dias)
do inicio do estudo. Enquanto que para os poos com alta produo (Figura 5.24 (b)),
percebe-se que aproximadamente 30% dos poos no apresentaram falhas aps esse
mesmo tempo.
Na Figura 5.25, encontram-se as curvas de sobrevivncia envolvendo as unidades
operacionais e o valor do BSW.
Figura 5.25 - Curvas de Sobrevivncia estimada pelo mtodo de Kaplan-Meier para cada
Unidade Operacional, por nvel de BSW (Baixo < 79,40%, Alto 79,40%)

0.4

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

0.2

Sobrevivncia Estimada (KM)

0.2

0.4

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

Sobrevivncia Estimada (KM)

1.0

(b) Alto BSW >=79.40%

1.0

(a) Baixo BSW < 79.40%

10000

30000

50000

70000

Tempo at a falha do poo (horas)

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Atravs das anlises grficas possvel concluir que as curvas de sobrevivncias para
os poos com alto valor de BSW apresentam-se mais elevada em relao as curvas dos
poos com baixa produo. Visualmente possvel verificar que os poos localizados na
OP-CAM apresentam probabilidade de sobrevivncia mais elevada em relao aos poos
das demais unidades. O grfico mostra que a probabilidade de sobrevivncia para os poos
das unidades OP-ARG e OP-ET apresentam, em ambos os nveis de BSW, muito
semelhantes.

70

A Figura 5.26, representam as curvas de sobrevivncias estimadas para os poos

funcionando atravs do mtodo BM e BCP, por cada Unidade Operacional.
Figura 5.26 - Curvas de Sobrevivncias estimada pelo mtodo de Kaplan-Meier para cada
Unidade Operacional, por mtodo de elevao.
Poos BM
1.0

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.2

0.4

0.6

0.8

Sobrevivncia Estimada (KM)

0.2

0.4

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

0.0

Sobrevivncia Estimada (KM)

1.0

Poos BCP

10000

30000

50000

70000

10000

30000

50000

70000

Tempo at a falha do poo (horas)

Tempo at a falha do poo (horas)

A Figura 5.26 (b) no traz muita informao pelo fato de baixo nmero de poos
funcionando com mtodo BCP (como visto na Tabela 5.17). Entre os poos funcionando
atravs do BM nota-se que a Unidade da OP-CAM apresenta tempo de vida mais elevado.
Alm disso, o grfico mostra que aparentemente o tempo de vida dos poos da Unidade
OP-ARG e OP-ET so semelhantes.

Figura 5.27 - Curvas de Sobrevivncia estimada pelo mtodo de Kaplan-Meier para cada
Unidade Operacional, em diferentes nveis por nvel de RGO (Baixo < 4 m3 dia Alto 4
m3 dia)
3

(a) Baixa RGO (< 4m )

0.6

0.8

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.2

0.4

Sobrevivncia

0.2

0.4

0.6

OP-ARG
OP-CAM
OP-ET
OP-RFQ

0.0

0.0

Sobrevivncia

0.8

1.0

1.0

(a) Alto RGO (>= 4m )

10000

30000

50000

70000

Tempo at a falha do poo

10000

30000

50000

Tempo at a falha do poo

71

70000

A Figura 5.27 apresenta as curvas de sobrevivncias estimadas por dois nveis

diferentes de RGO, nvel baixo (RGO < 4.0) e nvel alto (RGO > = 4), para cada Unidade
Operacional. A Figura indicam que a curva de sobrevivncia estimada para os poos com
baixo valor de RGO, no informativa, devido ao fato de poucos poos nesta situao
(Figura 27 (a)). Com relao as curvas de sobrevivncia para os poos com alto valor de
RGO (Figura 27 (b)) verifica-se que os poos da OP-CAM levam mais tempo para
apresentar falha.

Figura 5.28 - Curvas de Sobrevivncia estimada pelo mtodo de Kaplan-Meier para cada
mtodo de elevao, por nvel de RGO (Baixo < 4 m3 dia Alto 4 m3 dia).
3

(a) Alto RGO (>= 4m )

0.6
0.4

Sobrevivncia

BCP
BM

0.2

0.4

0.6

BCP
BM

0.0

0.0

0.2

Sobrevivncia

0.8

0.8

1.0

1.0

(a) Baixa RGO (< 4m )

10000

30000

50000

10000

30000

50000

70000

Tempo at a falha do poo

70000

Tempo at a falha do poo

A Figura 5.28 apresenta as curvas de sobrevivncias estimadas por dois nveis

diferentes de RGO, nvel baixo (RGO < 4.0) e nvel alto (RGO > = 4), por Mtodo de
elevao. A Figura indicam que em ambos os nveis, os poos com mtodo de elevao
BM apresentam tempo de vida mais elevado. visto tambm que a diferena entre as
curvas mais acentuada entre os poos com baixo valor de RGO. Entre os poos BCP esta
diferena no muito expressiva.
A Figura 5.29 apresenta as curvas de sobrevivncias estimadas para os poos em dois
nveis de profundidade do poo (Alto > =675,0 m e Baixo < 675,0 m) pelo mtodo de
elevao. Atravs desta possvel comparar as curvas de sobrevivncia em cada nvel de
profundidade, para os dois mtodos de elevao, BM e BCP.

72

Figura 5.29 - Curvas de Sobrevivncias estimada pelo mtodo de Kaplan-Meier para cada
mtodo de elevao, por nvel de profundidade do poo (Baixo < 675 m, Alto >= 675 m).

Curva Estimada KM - BCP

0.6

Alta prof. do poo

Baixa prof. do poo

0.2

0.4

Sobrevivncia

0.4

0.6

Alta prof. do poo

Baixa prof. do poo

0.0

0.0

0.2

Sobrevivncia

0.8

0.8

1.0

1.0

Curva Estimada KM - BM

10000

30000

50000

70000

10000

30000

50000

70000

Tempo at a falha do poo

Tempo at a falha do poo

A figura mostra que para os poos BCP a probabilidade de falha em ambos os nveis
semelhante. Indicando que a durabilidade dos poos funcionando atravs do mtodo BCP
parece no esta sendo influenciado pela profundidade dos poos. Para os poos com
mtodo BM, nota-se que poos com alta profundidade apresentam maior tempo livre de
falha, isto , poos mais profundos e com BM levam mais tempo funcionando at
apresentar a primeira falha.

5.3 - AJUSTE DO MODELO WEIBULL E DETERMINAO DOS PARMETROS

Aps a anlise exploratria dos dados, a etapa seguinte foi ajustar os dados a um
modelo com uma determinada distribuio de probabilidade, assumindo para a varivel o
tempo at a primeira falha do poo-coluna.
A Figura 5.30 mostra o grfico de adequao do Modelo Weibull. O critrio de

deciso foi baseado nos pontos do grfico do log -log ( S ( t ) ) versus o log dos tempos. O
modelo ser considerado adequado se os pontos se aproximarem de uma reta. Esta relao
exibida na figura abaixo que mostra um comportamento aproximadamente linear entre

73

log -log ( S ( t ) ) e o log dos tempos, indicando um bom ajuste do modelo Weibull para os
dados de tempo de falha dos poos-coluna.
Consideramos aqui o modelo Weibull, apresentado no capitulo 2, por ser amplamente
utilizado para ajustar dados referentes a confiabilidade de sistemas (Accioly e Martins
(1999), Bardy (2000), Frota (2003)).

Figura 5.30 - Grfico de adequao do modelo Weibull para os dados de tempo at a

primeira falha dos poos-colunas da bacia Potiguar, no perodo de 2000 a 2006.

-2
-4
-6

log(-log(S(t)))

Grfico de Adequao do Modelo Weibull

10

11

log do tempo at a falha dos Poos

Aps a deciso do modelo Weibull como adequado, obtemos estimativas iniciais para
os parmetros de forma e de escala da distribuio Weibull, sem a presena de covariveis.
Utilizando o software R as estimativas obtidas foram:

()

1
1
= exp = exp(10,025)= 22573,51 e = =
= 0,8790246
1,14
Portanto os parmetros para o modelo Weibull so = 22573,51 horas e
= 0,8790246 .

As estimativas para f ( t ) que representa aproximadamente a probabilidade que o

poo falhe em um intervalo [t , t + t ) , a curva de sobrevivncia S ( t ) que representa a

74

probabilidade de um poo no falhar at certo tempo t e h ( t ) o risco de falha no tempo t ,

so dadas respectivamente:
f ( t ) =

0.8790246

0.8790246
t

0.8790246 -1
t
exp

22573,510.8790246
22573,51

0.8790246

S ( t ) = exp -

22573,51

0,8790246 0.8790246 -1
h (t ) =
t
22573,51
A Figura 5.31 descreve a probabilidade de um poo falhar baseado na modelo
Weibull. Atravs desta, obtida estimativas de interesse, por exemplo, a probabilidade de
um poo falhar em um determinado instante. Por exemplo, a probabilidade de um poo
funcionar at 20000 horas (aproximadamente 833 dias) sem apresentar falha 0,5.

Figura 5.31 - Curva de Sobrevivncia estimada baseada no modelo Weibull

0.8
0.6
0.4
0.2

Probabilidade de Sobrevivncia

1.0

Curva de Sobrevivncia Estimada

20000

40000

60000

80000

Tempo at a falha do poo (horas)

A Figura 5.32 mostra conjuntamente, a curva de sobrevivncia para o modelo

Weibull ajustado com a curva de sobrevivncia de kaplanMier, pode-se observar que as

75

duas curvas esto prximas. Implicando que o modelo Weibull ajustado ao conjunto de
dados foi escolhido adequadamente.

Figura 5.32 - Curva de Sobrevivncia estimada baseada no KM e no modelo Weibull

0.8
0.6
0.2

0.4

Weibull
Kaplan-Meier

0.0

Probabilidade de Sobrevivncia

1.0

Curvas de Sobrevivncia Estimada

10000

30000

50000

Tempo at a falha do poo (horas)

5.3.1 - AJUSTE DO MODELO DE REGRESSO WEIBULL

Como o modelo Weibull foi escolhido para ajustar o conjunto de dados, iremos
utiliz-lo para detectar quais covariveis que influenciam no tempo at a primeira falha do
poo-coluna. As variveis selecionadas para compor o modelo foram: produo base,
valor do BSW, valor do RGO, idade do poo, mtodo de elevao, unidade administrativa,
quantidade de fluido previsto, classificao do poo, profundidade do poo e profundidade
da bomba.
O modelo considerado foi

T
Y =logTi = Xi + Wi

para os poos 1,2,...,n, sendo que para

cada indivduo temos:

ti = min Ti* ,Ci

o tempo observado sendo Ti = tempo at a primeira falha e

e Ci = tempo at a censura

xi = ( x1 ,x2 ,x3 ,..., x23 ) as variveis associadas

t

76

wi erro aleatrio com distribuio valor extremo padro e = ( 0 , 1 , 2 ,..., 23 ) e

t

representam os parmetros desconhecidos que deseja-se estimar.

Utilizando-se do procedimento de seleo de covariveis descrita na seo 2.8,
elegeu-se as seguintes covariveis significativas para explicar o tempo at a falha:
Produo base, BSW, Idade do poo, RGO, Mtodo de Elevao, Unidade Administrativa,
Profundidade do poo e Profundidade da bomba. Analisou-se tambm possveis interaes
entre algumas variveis e constatou-se interao significativa entre unidade administrativa
e mtodo de elevao, unidade administrativa e Valor do BSW, mtodo de elevao e
profundidade do poo. Os resultados obtidos do ajuste do modelo com as covariveis
selecionadas para explicar o tempo de vida at a primeira falha do poo-coluna encontramse na Tabela 5.20. A ltima coluna indica quais covariveis foram significativas para
explicar o tempo at a primeira falha.
Tabela 5.20 - Resultados do ajuste do Modelo de Regresso Weibull

Parmetros Variveis Explicativas

(Intercepto )
0
Produo Base (X1)

Valor do BSW (X2)

2
Mtodo de elevao BM (X3)
3
Valor do RGO (X4)
4
Idade do poco (X5)
5
Unidade Operacional OP-CAM (X6)
6
Unidade Operacional OP-ET (X7)
7
Unidade Operacional OP-RFQ (X8)
8
Profundidade do poo (X9)
9
Profundidade da bomba (X10)
10
Mtodo de elevao BM:Unidade Operacional OP-CAM (X11)

Mtodo de elevao BM:Unidade Operacional OP-ET (X12)

12
Mtodo de elevao BM:Unidade Operacional OP-RFQ (X13)
13
Mtodo de elevao BM: Profundidade do poo (X14)
14
Valor do BSW:Unidade Operacional OP-CAM (X15)
15
Valor do BSW:Unidade Operacional OP-ET (X16)
16
17
Valor do BSW:Unidade Operacional OP-RFQ (X17)
Log(scale)

Estimativa

Erro
padro

7,1481
-0,0454
0,0056
1,7718
-0,0028
0,0714
0,6607
2,6838
1,1049
0,0004
0,0018
0,834
-2,1685
-0,0381
-0,0022
-0,0053
-0,0117
-0,0028
-0,1277

0,5289
0,0067
0,0023
0,5169
0,0013
0,0082
0,3289
0,7923
0,4749
0,0007
0,0005
0,3232
0,7113
0,4694
0,0007
0,0032
0,0042
0,0048
0,037

P-valor

concluso

1,30E-41
1,12E-11
1,74E-02
6,08E-04
2,43E-02
4,09E-18
4,46E-02
7,06E-04
2,00E-02
5,23E-01
8,34E-05
9,87E-03
2,30E-03
9,35E-01
3,00E-03
9,71E-02
4,90E-03
5,64E-01

Significativo
Significativo
Significativo
Significativo
Significativo
Significativo
Significativo
Significativo
Significativo
no significativo
Significativo
Significativo
Significativo
no significativo
Significativo
Significativo
Significativo
no significativo

5,62E-04

= 0.88

Para confirmar a escolha do modelo usado no ajuste dos dados, realizou-se uma
anlise grfica dos resduos, para que o modelo escolhido possa ser considerado
satisfatrio o grfico dos resduos versus as curvas de sobrevivncia dos resduos, obtidas
por Kaplan-Meier e pelo modelo exponencial, devem ser bem parecidas, Alm disso, o

77

grfico dos pares de pontos dos resduos ei estimados pelo estimador Kaplan-Meier e pela
distribuio exponencial com parmetro (=1) devem ser aproximadamente linear. As
Figuras 5.33 e 5.34 mostram os grficos citados, ambos indicam que modelo Weibull
parece ser aceitvel,

0.4

0.6

kaplan-Meier
exponencial(1)

0.0

0.2

S(e) estimada

0.8

1.0

Figura 5.33 - Curva de Sobrevivncia dos resduos obtida por Kaplan-meier e pelo mtodo
exponencial

resduos

0.8
0.6
0.4
0.0

0.2

S(e)-Exponencial(1)

1.0

Figura 5.34 - Grfico de pares de pontos dos resduos obtidos por kaplan-Meier e pelo
mtodo exponencial

0.0

0.2

0.4

0.6

0.8

1.0

S(e)-kaplan-Meier

As seguintes interpretaes podem ser obtidas do ajuste apresentado na Tabela 5.20.

Os poos com alta produo apresentam menor tempo de vida em relao aos poos
com baixa produo (p-valor < 0,0001). Este resultado indica que medida que aumenta a
quantidade produzida de leo menor a durabilidade do poo.

78

Com relao a varivel BSW observa-se uma relao significativa positiva com o
tempo de vida dos poos (p-valor < 0,0001), isto , quanto maior o percentual de BSW
maior o tempo livre de falha dos poos. O modelo mostra uma interao significativa
entre o valor do BSW e as unidades administrativas (Figura 3.35 ilustra esta interao). A
interao indica que nas unidades OP-CAM e ARG altos valores de BSW influenciam de
forma positiva na confiabilidade dos poos. O risco de falha diminui a medida que
aumenta o volume de gua. Este resultado mostra que poos com alta produo de gua
apresentam maior tempo livre de falha, indicando que a produo elevada de gua no
provoca dano aos equipamentos instalados na subsuperfcie dos poos. Na unidade OPCAM o aumento de BSW provoca uma reduo mais acentuada no risco de falha. Para a
unidade OP-ET o aumento de BSW provoca uma reduo no tempo de vida dos poos. Ou
seja, a produo mais elevada de gua provoca maior risco de falha. Enquanto na unidade
OP-RFQ a confiabilidade dos poos no parece estar sendo influenciada pelo valor do
BSW.

Figura 5.35 - Curvas de sobrevivncia estimada atravs do modelo de regresso Weibull

por Unidade Operacional em diferentes nveis de BSW ( BSW =50 e BSW = 80)

Considerando o mtodo de elevao dos poos verifica-se que os poos com mtodo
de elevao BM apresentam maior confiabilidade que os poos BCP (p-valor =0,000608).
O ajuste apontou uma interao significativa entre o mtodo de elevao e unidade
operacional (ver Figura 5.36). Os poos funcionando com mtodo de elevao BM
apresentam maior confiabilidade que os poos BCP apenas nas unidades administrativas

79

OP-CAM e na OP-ARG. Na unidade operacional OP-ET nota-se que os poos

funcionando com mtodo de elevao BCP so mais durveis que os poos funcionando
com mtodo de elevao BM. Com relao aos poos da OP-RFQ parece no haver
diferena significativa na confiabilidade para os dois mtodos de elevao.

Figura 5.36 - Curvas de sobrevivncia estimada atravs do modelo de regresso Weibull

para poo com mtodo de elevao BM e BCP por Unidade Operacional

Quanto maior o valor de RGO menor o tempo livre de falha dos poos (p-valor
=0,0243). Aparentemente este resultado parece indicar que a presena de gs afeta
consideravelmente o desempenho dos equipamentos de subsuperficie dos poos, levando-o
a apresentarem maiores risco de falha.
Com relao a idade do poo nota-se uma relao significativa com o tempo de vida
dos poos (p-valor < 0,0001). Poos mais jovens apresentam menor durabilidade em
relao aos poos mais antigos. Este fato se deve a um melhor conhecimento do poo, isto
, ao longo do tempo as observaes referentes s condies ambientais e caractersticas
dos equipamentos instalados so incorporadas ao dia-a-dia do poo proporcionando uma
melhoria no funcionamento aumentando o tempo de vida dos mesmos.
A profundidade da bomba apresentou relao com a durabilidade dos poos (p-valor
< 0,0001). Verifica-se que poos com instalao da bomba mais profunda apresentam
maior tempo de funcionamento em relao aos poos com a instalao da bomba em
menor profundidade.

80

A interao entre mtodo de elevao e profundidade do poo revelou relao

significativa com o tempo de falha dos poos. Esta interao apontou que a confiabilidade
dos poos BCP no est sendo afetada pela profundidade do poo, isto , para os poos
BCP o tempo de funcionamento no est relacionado com a profundidade do poo. Entre
os poos BM constata-se que os poos mais profundos apresentam maiores risco de falha
em relao aos poos com menor profundidade.

81

6. CONCLUSO E RECOMENDAES

Neste captulo apresentada uma sntese geral da dissertao, os principais pontos

avaliados em cada captulo, as concluses e as recomendaes de acordo com os resultados
obtidos. Alm disso, sero apresentadas as limitaes e as direes para trabalhos futuros.
Este composto por 6 partes: Pesquisa Bibliogrfica, metodologia da pesquisa,
limitaes do trabalho, recomendaes e concluses.

6.1 - PESQUISA BIBLIOGRFICA

As tcnicas de anlise de sobrevivncia aplicada neste estudo so empregadas quando

pretende-se analisar o tempo at a ocorrncia de um evento de interesse. Esta tcnica esta
associada a muitas reas, especialmente a rea mdica e na engenharia. Na rea mdica, o
evento de interesse o tempo transcorrido entre o tempo que o individuo entrou no estudo
at o instante que apresentou caractersticas que indique o termino do estudo. Este evento
pode ser o tempo que o paciente levou at a morte ou o tempo at cura de uma doena, etc.
Na engenharia, o evento de interesse pode esta relacionado ao tempo at a falha
(degradao ou parada de funcionamento) de um determinado item. Por exemplo, o evento
de interesse pode ser: O tempo at ocorrncia de falha em um sistema ou tempo at a
ocorrncia de um reparo.
Segundo Lawless (1982) a maioria dos trabalhos estatsticos desenvolvidos referentes
a rea de confiabilidade foi aplicado ao tempo de vida de equipamentos e sistemas.
O conjunto de dados sobre confiabilidade caracterizado por dois componentes:

falhas e censuras, os quais conceituem a resposta. A varivel de interesse em estudo de

anlise de sobrevivncia uma varivel aleatria positiva e contnua e usualmente dada
por trs funes importantes, que so: a funo de densidade de probabilidade f ( t ) que
representa aproximadamente a probabilidade de que o poo venha apresentar falha dentro

82

de um intervalo de

[t , t + t ) ,

a funo de sobrevivncia S ( t ) que representa a

probabilidade de um poo no apresentar falha at certo tempo t e a funo de risco h ( t )

que especifica a taxa de falha instantnea no tempo t .
Antes da aplicao do ajuste do modelo paramtrico aos dados de sobrevivncia
deve-se sempre realizar uma anlise descritiva das covariveis atravs do Estimador
Kaplan-Meier (Kaplan e Meier, 1958), estas medidas descrevem a curva de sobrevivncia e
servem para estimar a probabilidade de ocorrer falhar em um determinado instante.

Na literatura de sobrevivncia existem vrios modelos paramtricos que tratam de

dados de vida. Alguns modelos ocupam posio de destaque por se adequar a vrias
situaes prticas. Com isso vem sendo usados com bastante freqncia, entre outros
modelos, temos: modelo exponencial, weibull, log-normal, etc.
Ao determinarmos o modelo probabilstico adequado ao conjunto de dados em
anlise devem fazer estimativas dos parmetros no modelo. Um dos mtodos utilizados
para obter tais estimativas o mtodo de mxima verossimilhana. O mtodo funciona da
seguinte forma: baseado nos resultados obtidos pela amostra, qual a distribuio entre
todas aquelas definidas pelos possveis valores de seus parmetros, com maior
possibilidade de ter gerado tal amostra? Em outras palavras, se, por exemplo, a distribuio
de falha a Weibull, para cada combinao diferente de e tm-se diferentes
distribuies de Weibull. O estimador de mxima verossimilhana escolhe aquele par de
e que melhor explique a amostra observada (Colosimo e Giolo, 2006).

6.2 - METODOLOGIA DA PESQUISA

O estudo foi caracterizado como um estudo exploratrio e explicativo. A populao
alvo foi os poos terrestres produtores de leo da Bacia Potiguar sujeitos aos mtodos de
elevao artificial por bombeio mecnico e bombeio por cavidades progressivas. A
unidade amostral considerada foram as colunas de produo instaladas em um mesmo
poo. A amostragem foi definida com base na populao de 4.058 poos terrestres, sendo
obtida uma amostra inicial de 450 poos-coluna. Mas no perodo analisado vrios pooscolunas entraram em operao e mudaram de coluna, consequentemente a amostra passou
para 603 poos-colunas. Os dados foram coletados de dois sistemas de coleta de

83

informao da Petrobras (o SIP e o SEP). Onde as seguintes variveis foram consideradas

para anlise: produo base, valor do BSW, Valor do RGO, mtodo de elevao, idade do
poo, unidade administrativa, profundidade do poo (m), profundidade da bomba (m) e
classificao do poo, analisando a existncia de censuras ou falha e o tempo at a falha a
primeira falha do poo que representava a varivel resposta.
Os mtodos utilizados para alcanar o objetivo deste estudo foram considerados
satisfatrios, levando em considerao os cuidados na obteno do banco de dados, na
organizao e apresentao dos resultados obtidos para obter as concluses finais.
Aps a construo da base de dados para anlise, foi feito, primeiramente, uma
anlise exploratria com a finalidade de verificar possveis erros envolvidos na elaborao
do banco de dados. Quando no foi possvel identificar algumas medidas discrepantes
existentes, os poos foram excludos para no comprometer o ajuste do modelo aos dados.
A metodologia utilizada nesta pesquisa foi considerada satisfatria e no apresentou
nenhuma limitao, portanto o objetivo do trabalho foi alcanado.

6.3 - RESULTADO DA PESQUISA

Considerando os resultados da anlise do modelo de regresso weibull, verificou-se
que o tempo at a primeira falha do poo-coluna esta relacionado com algumas covariveis
analisadas. Algumas contribuem positivamente no tempo de falha, mas quando interagem
com outra covarivel tendem influenciar de forma negativa no tempo de funcionamento.
Os principais resultados obtidos com a regresso foram:
Produo de leo: Poos com maior produo apresentam menor tempo de funcionamento;
Valor do RGO: Poos com maior produo de gs tendem apresentar falha mais rpido;
Profundidade da bomba: Em geral os poos mais profundos apresentam maior tempo livre
de falha. Mas considerando o mtodo de elevao verifica-se que os mais profundos cujo
mtodo seja BM apresentam tempo de vida menor que os poos BCP. Isto , poos mais
profundos funcionam mais tempo quando mtodo de elevao associado seja o BM.
Mtodo de elevao: Os poos BM em geral so mais durveis. Observou que os poos
BM da unidade OP-CAM so os mais durveis. Mas na Unidade OP-ET constatou-se que
poo com mtodo BM apresentam risco de falha mais elevada que os poos BCP.
84

O valor de BSW: Nota-se que a quantidade de gua produzida pelo poo influencia
diretamente no tempo de falha. Altos valores de BSW provocam um aumento no tempo de
vida dos poos. Considerando os poos da OP-ET verifica-se que este comportamento se
inverte, isto , alto valor de BSW provocam uma reduo no tempo de funcionamento do
poo.

6.4 - LIMITAES DO TRABALHO

Neste estudo, a amostragem foi composta apenas com poos-colunas terrestre
funcionando com mtodo de elevao BM e BCP e produtores de leo. Alm disso, para a
anlise do tempo de falha at a primeira falha do poo-coluna relacionada a um
equipamento de subsuperficie no foram inclusos de fatores de falha importantes como
presena de areia, parafina, ambiente, corroso, etc.
6.5 - DIREES DA PESQUISA
Este estudo apresenta alguns resultados que podero servir de orientaes para
estudos futuros e tomadas de decises. Auxiliar em um estudo envolvendo todas as falhas
dos poos-coluna da Bacia potiguar, aplicando modelos de confiabilidade mais complexo e
adequado ao tipo de dados. Alm disso, orientar os profissionais das principais
covariveis causadores de falha nos poos-coluna da bacia potiguar, indicando
previamente quais poos apresentam maior chance de falha. Consequentemente gerando a
possibilidade de aumentar a vida til e a produo dos poos, alm de diminuir
possivelmente gastos desnecessrios com reparo.
Outro estudo a ser realizada ser uma anlise separada por campo/zona produtora e
verificar a influncia/impacto no tempo at a falha, pois a zona est associada a alguns
elementos que contribuem para a falha (corroso, incrustao, parafina, etc).

6.6 - CONCLUSO

85

Esta dissertao props realizar um estudo retrospectivo sobre informaes

relacionadas a poos terrestres da Bacia potiguar, no perodo de 2000 a 2006, com mtodo
de elevao BM e BCP, com a finalidade de ajustar um modelo que indicasse o risco de
falha dos poos. Neste sentido, foram identificadas as covariveis possivelmente
associadas falha e relacionadas com o tempo de vida dos poos.
O ajuste da distribuio de Weibull aos dados dos poos da Bacia potiguar mostrouse bastante satisfatrio, confirmando o recomendado pela reviso bibliogrfica.
O objetivo deste trabalho foi alcanado, mas no desenvolvimento do trabalho
verificou -se que existem outros aspectos a ser analisadas, com previso de serem
considerados nas anlises futuras.
Os resultados da anlise com os dados, no perodo de 2000 a 2006, revelaram que:
A grande maioria dos poos da Bacia potiguar em operao eram poos com mtodo
de elevao BM. Os poos com mtodo de elevao BM apresentaram maior tempo livre
de falha em relao aos poos com mtodo de elevao BCP. Um dos fatores que pode esta
explicando esta maior durabilidade o fato deste mtodo apresentar maior simplicidade de
operao.
Observou-se que a idade mdia dos poos era de aproximadamente 8 anos. A anlise
mostrou que 75% dos poos apresentaram idade abaixo de 13 anos e a idade mxima dos
poos foi 21 anos. Constatou-se que os poos com maior tempo de vida tendem a
apresentaram menores risco de falha em relao aos poos mais jovens. Este resultado
pode ser indicativo de que os poos mais jovens necessitam de maior ateno no incio de
operao. Pois h um aprendizado maior nos poos mais antigos.
Os poos com maior produo de leo apresentaram maiores risco de falha em
relao aos poos com menor produo.
O modelo apontou evidencias para concluir que altos valores de RGO provocam
reduo na durabilidade dos poos. Isto significa dizer que poos com alta produo de gs
apresentam maior probabilidade de falha em equipamentos de subsuperfcie.
Em relao a profundidade da bomba, contatou-se que os poos com instalao da
bomba em maior profundidade tende apresentar maior tempo livre de falha, comparando
com os poos com a bomba em menor profundidade.

86

A quantidade do BSW esta relacionada com o tempo de vida dos poos. Esta relao
comporta-se de forma diferente dentro das Unidades Operacionais. Observou-se que nas
unidades OP-CAM e da OP-ARG poos com altos valores de BSW apresentaram tempo de
vida mais elevado que os poos com baixo valor de BSW. J na Unidade OP-ET esta
interao apresenta-se de forma negativa, isto , poos com alta produo apresentaram
menor durabilidade que os poos com baixa produo. Na unidade OP-RFQ no foi
detectada interao significativa entre o BSW e a profundidade dos poos.
Considerando as Unidades Operacionais constatou-se que o tempo de vida dos poos
depende do mtodo de elevao utilizado pelas mesmas. Na OP-CAM e na OP-ARG os
poos com mtodo de elevao BM apresentaram maior durabilidade em relao aos poos
BCP. Alm disso, os poos BM da OP-CAM em geral so mais durveis que os poos BM
da OP-ARG. Considerando a Unidade OP-ET os poos BCP apresentaram- se mais
durveis que os poos BM. Enquanto na OP-RFQ parece no haver diferena significativa
na durabilidade dos poos para os dois mtodos de elevao
Constatou-se que o risco de falha dos poos influenciado pela profundidade do
poo quando considerado conjuntamente com o mtodo de elevao envolvido. Observouse que para os poos BCP a profundidade no influencia a sua durabilidade. Mas
considerando os poos com mtodo BM constata-se que poos mais profundos apresentam
menor tempo de funcionamento que os poos com menor profundidade.
Por fim, conclu-se que os resultados obtidos contribui como referncias para
trabalho futuros relacionados aos dados da Bacia e que o modelo aqui ajustado pode ser
aplicado em vrios outros estudos relacionados a falha de equipamentos ou de sistemas
como forma de observar o comportamento da distribuies que tenha como caracterstica o
tempo como varivel resposta.

87

REFERNCIAS BIBLIOGRFICAS

ALLISON, P. D. Survival Analysis Using the SAS System. A Practical Guide. Cary,
NC: SAS Institute Inc., 1995.

ACCIOLY, Ricardo de Mello e Silva. Anlise da durao do tempo de vida de

bombas centrifugas submersas. Dissertao de Mestrado em Engenharia de

Produo. Universidade Federal do Rio de Janeiro. RJ, 1995.

ACCIOLY, R.M.S., MARTINS, J. A. Anlise do Tempo entre as intervenes e

Durao das Intervenes com Sonda. PETROBRAS, 1999.

BAIN, L. J. Statistical Analysis of Reliability and Life-Testing Models: theory and

Models. Marcel Dekker, New york, 1978

BARBETTA, P. A. Estatstica aplicada s Cincias Sociais. 4 ed. Florianpolis: Ed.

da UFSC, 2001

BARDY, Mariana Bahadian. Anlise de dados de falha de equipamentos de

bombeio centrfugo utilizando distribuio de Weibull. Dissertao de Mestrado em

Engenharia de Produo. Universidade Federal Fluminense. RJ, 2000.

BOLFARINE, H., RODRIGUES, J.; ACHCAR, J. A. Anlise de Sobrevivncia. 2

Escola Nacional de Modelos de Regresso, Rio de Janeiro, 1991.

BOLFARINE, H.; Sandoval, M. Carneiro. Introduo Inferncia Estatstica. Rio

de Janeiro: Sociedade Brasileira de Matemtica, 2001.

BOLFARINE, Heleno, Bussab, Wilton. Elementos de amostragem. Editora Edgard

Blcher. So Paulo, 2005.
88

BRASIL. Regulamento - N 75, de 3 de maio de 2000. Dirio Oficial [da] Unio,

Agencia Nacional do Petrleo ANP. Disponvel em: <http://www.google.com.br >.
Acesso em: 15 ago.2006. procedimento para Codificao de Poos perfurados com
vistas explorao ou produo de petrleo e/ou gs.

CAVALCANTI, G. A., BEZERRA, P. R. C., SILVA, L. N. Uma aplicao dos testes

de vida acelerados para verificar o tempo de interao de paciente submetidos a

cirurgia de hrnia. 15 SINAPE. guas de Lindia Sp, 2002.

CSAR J. N., Aloise D. J., de Queiroz, J. W., Anlise de confiabilidade e estimao

da demanda de servios das Sondas de Produo Terrestre SPTs na

manuteno da Bacia Potiguar RN/CE, Dissertao de Mestrado - Universidade
Federal do Rio Grande do Norte. Programa de Ps-Graduao em Sistemas e
Computao. Natal - RN, 2001.

COLLET, D. Modelling Survival Data in Medical Research. 1. Ed. London:

Chapman & Hall, 1994. 347p.

COCHRAN, W., Sampling techniques. New York: Wiley, 1977.

COLOSIMO, Enrico Antnio, Giolo, Suely Ruiz. Anlise de Sobrevivncia Aplicada.

Editora Edgar Blcher, So Paulo, 2006.

COLOSIMO, E. A., Anlise de Sobrevivncia Aplicada. 46 RBRAS/9 SEAGRO

ESALQ /USP, Piracicaba, 2001.

COSTA, R. O., Curso de bombeio mecnico, Relatrio tcnico, Petrobrs

UNRNCE/ST/ELV, 2004

COX, D. R. Regression Models and Life Tables (With discussion), J.R. Sat. Soc. A.,
1972

89

FREIRE, Michell P. S., Tpicos de Anlise de Sobrevivncia e a Aplicao a dados

Referentes ao Tempo para Concluso de um curso de Graduao. Monografia de

concluso do curso de estatstica. Universidade Federal do Rio Grande do Norte
UFRN. Natal, 2006.

FROTA, Helder Mamede, Desenvolvimento de mtodo para planejamento da

manuteno de poos petrolferos em guas profundas. Tese de mestrado em

Engenharia de Reservatrio e de Explorao. Universidade Estadual do norte
Fluminense UENF. Maca, 2003.

GARCIA, Jos E. L. A completao de poos do Mar. Apostila Petrobras, 1977.

GIL, A. C., Mtodos de Tcnicas de Pesquisa Social, So Paulo, SP, Editora Atlas S.
A ., 1999.

HORVITZ, D. G. & THOMPSON, D. J. A generalization of sampling without

replacement from a finite universe. Journal of the American Statistical Association,

v. 47, p. 663-685, 1952.

HOFFMANN, Rodolfo. Anlise de Regresso: Uma introduo econometria. 3a.

ed. So Paulo: HUCITEC, 1998.

KAPLAN, E. L., MEIER, P. Nonparametric estimation from incomplete

observations. Journal of American Statistical Association, V.53, P. 457-481, may,

1958.

KISH, L. Survey sampling. Wiley, 1965.

KLEIBAUM, D. G. Survival Analysis: a self-learning text. New York: SpringerVerlag, 1996

LAWLESS, J. F., Statistical Models and Methods for Lifetime Data. New York:
Wiley, 1982.

90

LINDQVIST, B., Molnes, E., Rausand, M., Analysis of SCSSV Performance Data.
Reliability Engineering and System Safety, 1988.

MARTINS, J. A., ACCIOLY, R. M. S. Anlise Estatstica das Falhas dos Poos de

Marlim. VI ETEC, 2000.

MIURA, Kazuo et al., Data Warehouse: Consolidao, Flexibilidade, Facilidade e

Confiabilidade nos Dados para Tomada de Deciso III SEP II Seminrio de

Engenharia de Petrleo PETROBRAS, Rio de Janeiro, 1988.

NASCIMENTO, J. M. A., Simulador Computacional para Poos de Petrleo com

Mtodo de Elevao Artificial por Bombeio Mecnico. Dissertao de Mestrado do

programa de ps-graduao do curso de Engenharia Eltrica, 2005.

NELSON, W. Accelerated Life Testing: Statistical Models Data Analysis and Test

plants. New York: John Wiley & Sons, 1990.

PETROBRAS, Revista Petrobras - edio comemorativa dos 25 anos de produo

terrestre de petrleo na Bacia Potiguar - janeiro de 2005. Disponvel no site da

Petrobras.

RICHARDSON, Roberto Jarry e colaboradores. Pesquisa social: mtodos e tcnicas.

So Paulo: Atlas, 1985.

R. DEVELOPMENT CORE TEAM. R: a language and environment for Statistical

computing. Viena, ustria, 2007. ISBN 3 900051-00-3. Disponvel em <http://
www.R-project.org > Acesso: 30/10/2007.

SRNDAL, C.-E.; SWENSSON, B. & WRETMAN, J. Model Assisted Survey

Sampling. New York: Springer-Verlag, 1992.

SERRA, K. V. ; SANTOS, F. A. Bombeio Mecnico, Petrobras UN-RNCE, 1990.

91

THOMAS, J. E., Fundamentos de engenharia de Petrleo. Rio de Janeiro: Editora

Intercincias, 2001.

WEIBULL, W. A Statistica Representation of Fatigue Failure in Solids. Royal

Institute of Techonology, 1954.

92

ANEXOS

93

ANEXO

ASPECTOS

TCNICOS

DA

AMOSTRAGEM

ALEATRIA

ESTRATIFICADA

De acordo com Bolfarine & Bussab (2005) e Cochran (1977), considere uma
populao U de N unidades amostrais divididas em H grupos (ou estratos) exaustivos e
mutuamente excludentes. Sejam
Nh : nmero de unidades amostrais no estrato h;
yhj : valor da varivel de interesse y associado com a unidade amostral j do estrato h; para h
= 1, 2, . . . ,H e j = 1, 2, . . . ,Nh. Caractersticas populacionais da varivel y que so de
interesse so

yhU =

1
Nh

Nh

hj

: mdia populacional de y no estrato h

S h2 =

2
1 Nh
yhj - yhU ) : varincia populacional de y no estrato h
(

N h 1 j=1

yU =

1
N

S2 =

(4.1)

j=1

(4.2)

Nh

hj

mdia

populacional

de

(4.3)
y

h=1 j=1

2
1 H Nh
yhj - yU ) : varincia populacional de y.
(

N - 1 h=1 j=1

(4.4)

Uma amostra aleatria estratificada (AAE) de tamanho n da populao U pode ser

formada selecionando-se nh unidades no estrato h (nh Nh) sem reposio e com iguais
probabilidades. Amostras de estratos diferentes so selecionadas independentemente umas
das outras. Neste esquema amostral, portanto, a probabilidade de incluso da unidade
amostral j na amostra do estrato h
hj =

nh
Nh

(4.5)

para qualquer h = 1, 2, . . . ,H e j = 1, 2, . . . ,Nh. A recproca destas probabilidades de

incluso representa o peso amostral. Assim, a unidade (h, j) tem peso amostral sob AAE
dado por:

whj =

1
N
= h
hj nh

(4.6)

94

Seja Ah o conjunto com as unidades selecionadas para a amostra do estrato h. Um

possvel estimador para a mdia populacional y h U o estimador de Horvitz-Thompson
(HORVITZ; THOMPSON,1952).

yHT =

1
N

w
h=1 jAh

hj

yhj =

1
N

h=1 j Ah

(4.7)

yhj

hj

Como conseqncia das propriedades da amostragem aleatria estratificada,mostrase atravs de um clculo simples que a varincia de yHT dada por

V ( y HT ) =

1
N2

nh Sh2
N 1

h=1
N h nh
2
h

(4.8)

e um estimador no-tendencioso desta varincia

1
V ( yHT ) = 2
N

nh Sh2
2
N
1

h
h=1
N h nh

(4.9)

sendo S h2 a varincia de y amostral de y na amostra do estrato h. Maiores detalhes deste

estimador podem ser encontrados em (SRNDAL; SWENSSON e WRETMAN, 1992).
Para determinar o tamanho da amostra n e alocao desta amostra entre os estratos
utilizou-se o seguinte procedimento:
A partir de um tamanho da amostra inicial, n0, aloque as observaes entre os estratos
proporcionalmente ao tamanho do estrato, ou seja a amostra de cada estrato ser dada por

nh =

Nh
n0 , h = 1,2,...,H;
N

Depois, avalie se no h estratos com amostras pequenas.

Se em 2. houver amostras pequenas, incremente tais amostras redistribuindo-se n1 colunas
adicionais, Neste caso, o tamanho da amostra ser n = n0 + n1. Caso contrrio mantenha n
= n0 ;
Avalie se as margens de erro amostral, calculado com o tamanho da amostra definindo em
3., para variveis de interesse esto dentro de nveis razoveis.
Dois aspectos importantes deste da AAE e do estimador (4.7) o clculo da margem
do erro de amostragem e do efeito do plano amostral comparado com amostragem aleatria

95

simples (AAS). A margem do erro amostral de (4.7), com grau de confiana

aproximadamente 1 , igual a

Z1- 2 V ( yHT )

(4.10)

Sendo Z1- 2 o 100 ( 1- 2 ) % percentil da distribuio normal. O efeito do plano amostral

do estimador de Horvitz-Thompson (Kish, 1965) definido pela razo de varincias
EPA =

V AE ( y HT )
(y )
V
AAS

(4.11)

HT

em que VAAE ( yHT ) e VAAS ( yHT ) denota a varincia estimada de (4.7) sob os planos AAE e
AAS, respectivamente.

96

ANEXO II - Tabela de codificao das covariveis inclusas no modelo

VARIVEL
TEMPO

DESCRIO

VL_BSW

0 = Censura
1= falha
m3

Valor da Produo base do poo

Volume do BSW (Basic Sediments and
Water), a quantidade de gua
produzida, conjuntamente com o
petrleo, O clculo baseado na
%
medio da presso hidrosttica e a
altura do fluido contido em um tanque e
no conhecimento das densidades de
gua livre e da emulso gua-leo,

MEEL_CD_METODO

Mtodo de elevao do poo

VL_RGO
IDADE DO POO

Valor do RGO Razo Gs leo

Idade do poo no momento da falha

UNID_ADM

Unidade administrativa do poo-coluna

POCO_VL_PROF_PERF
PROF

Valor da profundidade do poo

Profundidade da bomba

MEEL_CD_METODO:
UNID_ADM

VARIVEIS INDICADORAS

Tempo em horas, do funcionamento do

poo em condies normais at a
primeira falha,

CENS
VL_PROD_BASE

CDIGO

BCP
BM

OP-ARG
OP-CAM
OP-ET
OP-RFQ
m3
m

BM:OP-ARG
Interao entre o mtodo de elevao e a
BM:OP-CAM
unidade operacional
BM: OP-ET
BM: OP-RFQ

X1

X2

X3
0
1
X4
X5
X6
0
1
0
0
X9
X10
X11
0
1
0
0

(Categorias de Referencias)

X7 X8
0
0
0
0
1
0
0
1

X12
0
0
1
0

(Categorias de Referencias)

X13
0 (Categorias de Referencias)
0
0
1

MEEL_CD_METODO:
POCO_VL_PROF_PERF

VL_BSW : UNID_ADM

Interao entre o mtodo de elevao e

profundidade do poo

X14
BSW:OP-ARG
BSW:OP-CAM
BSW : OP-ET
BSW: OP-RFQ

X15
0
1
0
0

X16 X17
0
0 (Categorias de Referencias)
0
0
1
0
0
1

ANEXO III - Tabelas com os Resultados de cada Etapa do Ajuste do Modelo Weibull
Tabela 1. Resultados do ajuste do modelo Weibull no primeiro passo da estratgia de seleo.
Covarivel
Log L
Variveis no Modelo
-2*Log L
-5239.909
10479.82
Nulo
CBFP_VL_PROD_BASE
I
-5215.131
10430.26
CBFP_VL_BSW
I
-5233.548
10467.10
CBFP_VL_RGO
I
-5237.374
10474.75
IDADE DO POO
I
-5210.382
10420.76
MEEL_CD_METODO
F
-5236.894
10473.79
UASI_CD_UNID_ADM
F
-5183.5
10367
POCO_VL_PROF_PERF
I
-5228.662
10457.32
CLPO_CD_CLASS_POCO
F
-5237.896
10475.79
PROF
I
-5226.805
10453.61

g.l.
1
1
1
1
1
1
3
1
6
1

Tabela 2. Resultados do ajuste do modelo Weibull no segundo passo da estratgia de seleo.

Log L
Variveis no Modelo
-2*Log L
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+
MEEL_CD_METODO +UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_BSW+ CBFP_VL_RGO+
CBFP_VL_PR
idade.poco+ MEEL_CD_METODO
OD_BASE
+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE + CBFP_VL_RGO+
CBFP_VL_BS
idade.poco+ + MEEL_CD_METODO
W
+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
idade.poco
CBFP_VL_RGO+ MEEL_CD_METODO

RV
49.55661
12.72175
5.070959
59.05408
6.03089
112.8189
22.49481
4.025206
26.20721

Valor-p
1.927236e-12
0.000361427
0.02432993
1.532108e-14
0.01405764
0.00000000
2.107118e-06
0.6732652
3.066747e-07

g.l.

RV

Valor-p

-5110.31

10220.62

10

-5126.014

10252.03

31.40855

2.090586e-08

-5112.388

10224.78

4.157304

0.04145534

-5143.439

10286.88

66.25896

4.440892e-16

+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_R
idade.poco+ +UASI_CD_UNID_ADM+
GO
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
MEEL_CD_M
CBFP_VL_RGO+ idade.poco+
ETODO
+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
UASI_CD_UN
CBFP_VL_RGO+ idade.poco+
ID_ADM
+MEEL_CD_METODO +
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
POCO_VL_P
CBFP_VL_RGO+ idade.poco+
ROF_PERF
+MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+
PROF
MEEL_CD_METODO +UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF

-5112.152

10224.30

3.68393

0.05493922

-5113.559

10227.12

6.49892

0.01079400

-5150.581

10301.16

80.54225

0.000000000

-5114.091

10228.18

7.563256

0.005957027

-5115.761

10231.52

10.90219

0.000960504

Tabela 3. Resultados do ajuste do modelo Weibull aps o segundo passo da estratgia de seleo.(entrada das variveis que foram excludas no
primeiro passo)
Covarivel
Valor-p
Variveis no Modelo
Log L
-2*Log L g.l.
RV
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+
MEEL_CD_METODO
+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+
MEEL_CD_METODO
+UASI_CD_UNID_ADM+
+POCO_VL_PROF_PERF +PROF+

CLPO_CD_CLASS_POCO

CLPO_CD_CL
ASS_POCO

-5110.31

10220.62

10

-5106.965

10213.92

6.689674

0.3505015

Tabela 4. Resultados do ajuste do modelo Weibull aps o terceiro passo da estratgia de seleo
Fica o mesmo modelo do ajuste 2.

testando interao
Tabela 4. Resultados do ajuste do modelo Weibull na estratgia de seleo das interaes
Covarivel
Variveis no Modelo
Log L
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF
CBFP_VL_P1ROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ CBFP_VL_PROD_BASE *
MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ CBFP_VL_BSW * MEEL_CD_METODO
FP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ CBFP_VL_RGO * MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ POCO_VL_PROF_PERF
*MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ PROF *MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO

-2*Log L

g.l.

RV

Valor-p

-5110.31

10220.62

10

CBFP_VL_PRO
D_BASE *
MEEL_CD_ME
TODO

-5110.101

10220.20

0.4168041

0.5185361

CBFP_VL_BSW
*
MEEL_CD_ME
TODO

-5109.933

10219.87

0.7543059

0.3851164

-5110.172

10220.34

0.2763270

0.5991188

POCO_VL_PRO
F_PERF *
MEEL_CD_ME
TODO

-5110.112

10220.22

0.3951331

0.5296135

PROF *
MEEL_CD_ME
TODO

-5109.809

10219.62

1.002514

0.3167029

UASI_CD_UN
ID_ADM*

-5106.601

10213.20

7.418382

0.05969307

CBFP_VL_RG
O*
MEEL_CD_ME
TODO

+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM
*MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM * CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM * CBFP_VL_RGO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM *
POCO_VL_PROF_PERF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ +POCO_VL_PROF_PERF
+PROF+ UASI_CD_UNID_ADM * PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNI D_ADM+ +POCO_VL_PROF_PERF
+PROF + Idade.poco* MEEL_CD_METODO

MEEL_CD_ME
TODO

UASI_CD_UN
ID_ADM *
CBFP_VL_PRO
D_BASE

UASI_CD_UN
ID_ADM *

-5107.67

10215.34

5.280395

0,1523796

-5107.548

10215.10

5.524669

0.1371706

-5099.495

10198.99

21.63046

7.786102e-05

-5107.501

10215.00

5.617341

0.1317863

-5106.045

10212.09

8.528971

0.03625552

-5110.308

10220.62

0.003461

0.9530842

-2*Log L

g.l.

RV

Valor-p

CBFP_VL_BSW

UASI_CD_UN
ID_ADM *
CBFP_VL_RG
O
UASI_CD_UN
ID_ADM *
POCO_VL_PRO
F_PERF

UASI_CD_UN
ID_ADM *
PROF
Idade.poco*
MEEL_CD_ME
TODO

Tabela 5. Resultados do ajuste do modelo Weibull na estratgia de seleo das interaes

Covarivel
Variveis no Modelo
Log L
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

-5093.455

10186.91

CBFP_VL_RGO + UASI_CD_UNID_ADM *PROF

CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM *

CBFP_VL_RGO + UASI_CD_UNID_ADM *PROF

CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM

UASI_CD_UNI
D_ADM*

-5097.232

10194.46

7.555385

0.05615232

UASI_CD_UNI
D_ADM *
CBFP_VL_RGO

-5102.156

10204.31

17.40387

0.0005836476

UASI_CD_UNI
D_ADM *PROF

-5095.788

10191.58

4.666008

0.1979522

-2*Log L

g.l.

RV

Valor-p

MEEL_CD_MET
ODO

*PROF
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO

Tabela 6. Resultados do ajuste do modelo Weibull na estratgia de seleo das interaes

Covarivel
Variveis no Modelo
Log L
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

-5095.788

10191.58

CBFP_VL_PRO
D_BASE *
MEEL_CD_ME
TODO

-5095.315

10190.63

0.9442127

0.3311968

CBFP_VL_BSW

-5095.668

10191.34

0.2398367

0.6243241

CBFP_VL_RGO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + CBFP_VL_PROD_BASE *
MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+

CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO

+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + CBFP_VL_BSW *
MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + PROF * MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + UASI_CD_UNID_ADM *
POCO_VL_PROF_PERF
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO + CBFP_VL_RGO*
MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + POCO_VL_PROF_PERF *
MEEL_CD_METODO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

*
MEEL_CD_ME
TODO

PROF *
MEEL_CD_ME
TODO

UASI_CD_UN
ID_ADM *
POCO_VL_PRO
F_PERF

CBFP_VL_RG
O*
MEEL_CD_ME
TODO

POCO_VL_PRO
F_PERF *
MEEL_CD_ME
TODO

UASI_CD_UN
ID_ADM *
CBFP_VL_PRO
D_BASE

-5095.211

10190.42

1.154038

0.2827055

-5094.495

10188.99

2.584080

0.4602874

-5085.897

10171.79

19.78114

8.683536e-06

-5090.019

10180.04

11.53799

0.0006818829

-5092.411

10184.82

6.753497

0.08018378

-5091.291

10182.58

8.992915

0.02938524

CBFP_VL_RGO
CBFP_VL_PROD_BASE+CBFP_VL_BSW+

UASI_CD_UN

CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO

+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + MEEL_CD_METODO*dade.poco

ID_ADM *
CBFP_VL_BSW

MEEL_CD_ME
TODO*
idade.poco

-5095.434

Tabela 7. Resultados do ajuste do modelo Weibull na estratgia de seleo das interaes

Covarivel
Variveis no Modelo
Log L
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO + CBFP_VL_RGO*
MEEL_CD_METODO + POCO_VL_PROF_PERF *
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM * CBFP_VL_RGO
+ CBFP_VL_RGO* MEEL_CD_METODO +
POCO_VL_PROF_PERF * MEEL_CD_METODO +
UASI_CD_UNID_ADM * CBFP_VL_PROD_BASE +
UASI_CD_UNID_ADM * CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF

UASI_CD_UN
ID_ADM*
MEEL_CD_ME
TODO

UASI_CD_UN
ID_ADM *
CBFP_VL_RG

10190.87

0.7064496

0.400625

-2*Log L

g.l.

RV

Valor-p

-5071.221

10142.44

-5091.433

10182.87

40.4231

8.666846e-09

-5093.654

10187.31

44.86448

9.887081e-10

+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + CBFP_VL_RGO*
MEEL_CD_METODO + POCO_VL_PROF_PERF *
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_RGO + POCO_VL_PROF_PERF *
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO + CBFP_VL_RGO*
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO + CBFP_VL_RGO*
MEEL_CD_METODO + POCO_VL_PROF_PERF *
MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_BSW
CBFP_VL_PROD_BASE+CBFP_VL_BSW+
CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO
+UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF
+PROF + UASI_CD_UNID_ADM*
MEEL_CD_METODO + UASI_CD_UNID_ADM *

CBFP_VL_RGO + CBFP_VL_RGO*
MEEL_CD_METODO + POCO_VL_PROF_PERF *

CBFP_VL_RG
O*
MEEL_CD_ME
TODO

POCO_VL_PRO
F_PERF *
MEEL_CD_ME
TODO

UASI_CD_UN
ID_ADM *
CBFP_VL_PRO
D_BASE

UASI_CD_UN
ID_ADM *
CBFP_VL_BSW

-5082.117

10164.23

21.79063

3.04082e-06

5077.249

10154.50

12.05606

0.0005162436

-5075.71

10151.42

8.976733

0.02960183

-5075.385

10150.77

8.326605

0.03972267

MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE

MODELO FINAL: CBFP_VL_PROD_BASE+CBFP_VL_BSW+ CBFP_VL_RGO+ idade.poco+ MEEL_CD_METODO +UASI_CD_UNID_ADM+ POCO_VL_PROF_PERF +PROF

+ UASI_CD_UNID_ADM* MEEL_CD_METODO + UASI_CD_UNID_ADM * CBFP_VL_RGO + CBFP_VL_RGO* MEEL_CD_METODO + POCO_VL_PROF_PERF *
MEEL_CD_METODO + UASI_CD_UNID_ADM * CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM * CBFP_VL_BSW
summary(ajustefinal)
Call:
survreg(formula = Surv(tempofalha, Indfalha) ~ CBFP_VL_PROD_BASE +
CBFP_VL_BSW + CBFP_VL_RGO + idade.poco + MEEL_CD_METODO +
UASI_CD_UNID_ADM + POCO_VL_PROF_PERF + PROF + UASI_CD_UNID_ADM *
MEEL_CD_METODO + UASI_CD_UNID_ADM * CBFP_VL_RGO + CBFP_VL_RGO *
MEEL_CD_METODO + POCO_VL_PROF_PERF * MEEL_CD_METODO + UASI_CD_UNID_ADM *
CBFP_VL_PROD_BASE + UASI_CD_UNID_ADM * CBFP_VL_BSW, data = tab2,
dist = "weibull", x = T)
(Intercept)
CBFP_VL_PROD_BASE
CBFP_VL_BSW
MEEL_CD_METODOBM
CBFP_VL_RGO
idade.poco
UASI_CD_UNID_ADMOP-CAM
UASI_CD_UNID_ADMOP-ET
UASI_CD_UNID_ADMOP-RFQ
POCO_VL_PROF_PERF
PROF
MEEL_CD_METODOBM :UASI_CD_UNID_ADMOP-CAM
MEEL_CD_METODOBM :UASI_CD_UNID_ADMOP-ET
MEEL_CD_METODOBM :UASI_CD_UNID_ADMOP-RFQ
MEEL_CD_METODOBM :POCO_VL_PROF_PERF
CBFP_VL_BSW:UASI_CD_UNID_ADMOP-CAM
CBFP_VL_BSW:UASI_CD_UNID_ADMOP-ET
CBFP_VL_BSW:UASI_CD_UNID_ADMOP-RFQ
Log(scale)
Scale= 0.88

7.14805
-0.04542
0.00555
1.77176
-0.00283
0.07144
0.66066
2.68379
1.10492
0.00044
0.00184
0.83404
-2.16852
-0.03812
-0.00218
-0.00531
-0.01170
-0.00276
-0.12768

0.528941
0.006689
0.002337
0.516873
0.001256
0.008234
0.328874
0.792323
0.474898
0.000689
0.000467
0.323238
0.711278
0.469396
0.000736
0.003200
0.004158
0.004791
0.037019

13.5139
-6.7903
2.3772
3.4278
-2.2526
8.6762
2.0088
3.3872
2.3267
0.6385
3.9345
2.5803
-3.0488
-0.0812
-2.9679
-1.6591
-2.8132
-0.5763
-3.4492

1.30e-41
1.12e-11
1.74e-02
6.08e-04
2.43e-02
4.09e-18
4.46e-02
7.06e-04
2.00e-02
5.23e-01
8.34e-05
9.87e-03
2.30e-03
9.35e-01
3.00e-03
9.71e-02
4.90e-03
5.64e-01
5.62e-04

Weibull distribution
Loglik(model)= -5097.8
Loglik(intercept only)= -5239.9
Chisq= 284.22 on 17 degrees of freedom, p= 0
Number of Newton-Raphson Iterations: 6
n= 603