Documente Academic
Documente Profesional
Documente Cultură
CENTRO DE TECNOLOGIA
PROGRAMA DE ENGENHARIA DE PRODUO
RN/UF/BSE-CCET
ii
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.
Abril/2008
April/2008
ABSTRACT: This masters thesis presents a reliability study conducted among onshore oil
fields in the Potiguar Basin (RN/CE) of Petrobras company, Brazil.
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
viii
LISTA DE TABELAS
ix
SUMRIO
1.
INTRODUO....................................................................................................................................1
1.1 - RELEVNCIA DO ESTUDO............................................................................................................5
1.2 - TIPO DE PESQUISA .........................................................................................................................5
1.3 - ESTRUTURA DO TRABALHO........................................................................................................6
2.
3.
4.
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.
REFERNCIAS BIBLIOGRFICAS.......................................................................................................88
1. INTRODUO
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).
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.
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
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.
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).
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 ) .
[t , t + t )
f (t ) =
lim
t 0+
P ( t T <t+ t ) dF ( t )
=
.
dt
t
(2.1)
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
S(t) = P(T t) =
f ( x ) dx = 1 - F ( t )
(2.3)
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
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.
11
, que
sobrevivncia S(t) obtido atravs da Funo de Sobrevivncia Emprica, S(t)
definida por:
~
S(t)=
(2.5)
k n -d
j
j
(t) =
KM
j=1 n
j
12
(2.6)
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)
13
t
1
f ( t ) = t exp , t > 0 e e > 0
(2.10)
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).
1
2
1
2
E ( T ) = 1 + e Var ( T ) = 1 + 1 + ,
(2.13)
t p = -log ( 1- p )
(2.14)
fy ( y) =
y
y
exp
exp
, y
(2.15)
2 2
( ) e
, onde = 0,5772... (constante de Euler)
6
15
(2.16)
y -
S(y)= exp -exp
.
(y)=
(2.17)
y -
exp
.
(2.18)
t p = + log -log ( 1- p ) .
(2.19)
modelos
probabilsticos
so
caracterizados
por
quantidades
(valores)
16
L ( t1 ,t2 ,...,tn ; ) = L ( ) = f ( ti ; )
(2.20)
i=1
L ( ) =
i=1
f (ti ; ) S (ti ; )
(2.21)
i = r +1
f ( t ; )
i
i=1
17
S ( t i ; )
1 i
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
1
t
t
L ( ) = exp - i exp - i
i=1
n
1-i
i
t
1
= exp - i
i=1
i
n
t
1 n
1
L ( ) = log exp - i = - i log - ti
i=1
i=1
i=1
= r ,
i
ento a
i=1
1 n
ti
i=1
logL ( )
ti
i =1
19
= 0 =
t
i =1
(2.23)
-1
ti
ti
L ( , ) = t exp - exp -
i=1
1-i
i
ti
-1
= ti exp -
i=1
n
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
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)
(2.26)
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
~
y - x'
S ( y | x ) = exp -exp
,
(2.27)
S ( t | x ) = exp -
'
exp { x }
(2.28)
h (t | x ) =
exp ( x' )
(t )
1
-1
22
23
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
25
26
27
28
Superfcie
Sub-superfcie
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.
30
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.
31
Os mais utilizados so a razo gs-leo, RGO, a razo gua-leo, RAO, e o BSW (do
ingls basic sediments and water).
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) )
32
33
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;
34
35
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 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
36
37
38
Esta fase foi minuciosamente detalhada, pois o sucesso da tcnica de anlise escolhida est
diretamente relacionado com quo confiveis so os dados.
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:
40
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
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
2.212
2.146
4.358
42
227
223
450
237
4.121
4.358
61
389
450
BCP
BM
BCP
BM
119
2.093
118
2.028
4.358
Total
30
197
31
192
450
43
5. RESULTADOS
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:
45
localizao da UF: Estado da Bacia o qual o poo esta localizado, os dois estados
so: CE e RN;
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%)
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
Quant.
564
RN
93,53
CE
39
6,47
Total
603
100,00
Fonte: Dados fornecidos pela Petrobras
48
CE
6,47%
RN
93,53%
Quant.
BM
528
87,56
BCP
75
12,44
603
100,00
Total
Fonte: Dados fornecidos pela Petrobras
BM
87,56%
49
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
OP-ET
16,58%
OP-RFQ
12,44%
OP-CAM
39,80%
OP-ARG
31,18%
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%).
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
Quant.
357
96
73
30
30
17
59,20
15,92
12,11
4,98
4,98
2,82
603
100,00
51
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
50
40
30
20
10
60
BCP
BCP
BM
BM
Mtodo de Elevao
Mtodo de Elevao
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
Mdia
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
40
30
20
10
P rodu o bas e
50
60
OP-ARG OP-CAM
OP-ET
OP-RFQ
OP-ARG OP-CAM
Unidade operacional
OP-ET
OP-RFQ
Unidade operacional
53
Mdia
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
BCP
BM
Mtodo de Elevao
Atravs da Tabela 5.9 nota-se que os poos BM apresentam maior produo de BSW,
em relao aos poos BCP.
Mdia
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
OP-ARG
OP-CAM
OP-ET
OP-RFQ
Unidade Operacional
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.
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
BCP
BM
BCP
Mtodo de Elevao
BM
Mtodo de Elevao
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
400
200
Valor do RGO
600
800
OP-ARG
OP-CAM
OP-ET
OP-RFQ
OP-ARG OP-CAM
Unidade operacional
OP-ET
OP-RFQ
Unidade operacional
Max
1806.0
2160.0
Desviopadro
332.73
268.72
500
1000
1500
2000
profundidade do poo
BCP
BM
Mtodo de Elevao
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.
Mdia
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
OP-ARG OP-CAM
OP-ET
OP-RFQ
OP-ARG OP-CAM
Unidade operacional
OP-ET
Unidade operacional
58
OP-RFQ
Mdia
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
BCP
BM
Mtodo de elevao
Mdia
725.6
438.8
253.2
441.9
679.5
405.5
187.0
359.0
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
7.0
6.5
6.0
5.5
5.0
7.5
OP-ARG
OP-CAM
OP-ET
OP-RFQ
Unidade Operacional
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
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
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
150
100
50
0
Frequncia
200
250
Histograma do tempo
10000
30000
50000
Tempo at a Falha
62
70000
0.6
0.4
0.0
0.2
Sobrevivncia
0.8
1.0
Curva Estimada KM
10000
30000
50000
70000
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
1.0
10000
30000
50000
70000
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
1.0
10000
30000
50000
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
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
65
0.8
0.2
0.4
0.6
Alta
Baixa
0.0
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
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
1.0
Figura 5.20 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por mtodo de
elevao (BM e BCP)
10000
30000
50000
66
70000
0.8
0.2
0.4
0.6
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
1.0
Figura 5.21 - Curva de Sobrevivncia estimada pelo mtodo Kaplan-Meier, por Unidade
operacional
10000
30000
50000
70000
67
0.8
0.2
0.4
0.6
Alta
Baixa
0.0
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
68
0.8
0.2
0.4
0.6
Alta
Baixa
0.0
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
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
0.4
0.6
0.8
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
0.2
0.2
0.4
0.6
0.8
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
1.0
1.0
10000
30000
50000
70000
10000
30000
50000
69
70000
0.4
0.6
0.8
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
0.2
0.2
0.4
0.6
0.8
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
1.0
1.0
10000
30000
50000
70000
10000
30000
50000
70000
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
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.2
0.4
0.6
0.8
0.2
0.4
0.6
0.8
OP-ARG
OP-CAM
OP-ET
OP-RFQ
0.0
0.0
1.0
Poos BCP
10000
30000
50000
70000
10000
30000
50000
70000
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
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
10000
30000
50000
70000
10000
30000
50000
71
70000
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
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
10000
30000
50000
10000
30000
50000
70000
70000
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).
0.6
0.2
0.4
Sobrevivncia
0.4
0.6
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
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.
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)).
-2
-4
-6
log(-log(S(t)))
10
11
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 .
74
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.
0.8
0.6
0.4
0.2
Probabilidade de Sobrevivncia
1.0
20000
40000
60000
80000
75
duas curvas esto prximas. Implicando que o modelo Weibull ajustado ao conjunto de
dados foi escolhido adequadamente.
0.8
0.6
0.2
0.4
Weibull
Kaplan-Meier
0.0
Probabilidade de Sobrevivncia
1.0
10000
30000
50000
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
e Ci = tempo at a censura
76
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
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.
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
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
81
6. CONCLUSO E RECOMENDAES
82
de um intervalo de
[t , t + t ) ,
83
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.
6.6 - CONCLUSO
85
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.
COX, D. R. Regression Models and Life Tables (With discussion), J.R. Sat. Soc. A.,
1972
89
GIL, A. C., Mtodos de Tcnicas de Pesquisa Social, So Paulo, SP, Editora Atlas S.
A ., 1999.
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.
NELSON, W. Accelerated Life Testing: Statistical Models Data Analysis and Test
91
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
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)
nh
Nh
(4.5)
whj =
1
N
= h
hj nh
(4.6)
94
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)
1
V ( yHT ) = 2
N
nh Sh2
2
N
1
h
h=1
N h nh
(4.9)
nh =
Nh
n0 , h = 1,2,...,H;
N
95
Z1- 2 V ( yHT )
(4.10)
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
DESCRIO
VL_BSW
0 = Censura
1= falha
m3
MEEL_CD_METODO
VL_RGO
IDADE DO POO
UNID_ADM
POCO_VL_PROF_PERF
PROF
MEEL_CD_METODO:
UNID_ADM
VARIVEIS INDICADORAS
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
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
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
-5093.455
10186.91
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
-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 + 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
ID_ADM *
CBFP_VL_BSW
MEEL_CD_ME
TODO*
idade.poco
-5095.434
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
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