Detecção de Anomalias e Monitoramento Inteligente

Oxaala desenvolvendo sistemas robustos de última geração, orientados por dados e baseados em IA, com o intuito de monitorar de atividades de exploração, sistemas de gestão de águas subterrâneas, furos de registro de poços e sensores em tempo real para indústrias de mineração, petróleo e gás.

Concluímos um estudo de caso publicado recentemente na Nature em parceria com o Serviço Geológico do Brasil. O Serviço Geológico do Brasil (SGB) desenvolveu uma rede de poços para monitoramento de águas subterrâneas em aquíferos de todo o Brasil, também conhecida como Rede Integrada de Monitoramento de Águas Subterrâneas ou RIMAS.”

O Sistema Aquífero Urucuia (SANT), localizado no oeste da Bahia, possui mais de 60 poços para monitoramento de águas subterrâneas e um consistente crescimento da economia agrícola nas últimas décadas em sua região. O boom económico veio com um aumento subsequente na procura de abastecimento de água.””

Trabalhamos junto com a SGB para ajustar modelos de IA capazes de prever os próximos 30 a 60 dias para cada poço conectado à Rede.

 

Desenvolvemos Produtos de IA com Responsabilidade para Monitoramento.

As águas subterrâneas do sistema UAS têm sido cruciais para manter o fluxo de afluentes essenciais do Rio São Francisco, o rio mais vital do Nordeste do Brasil. Portanto, o monitoramento contínuo dos níveis das águas subterrâneas no Aquífero Urucuia é essencial. Neste trabalho, investigamos oito poços obtidos de um conjunto de dados publicamente disponível na RIMAS63, seis estações pluviométricas e onze estações fluviais da Rede Hidrometeorológica Nacional (RHN) fornecida pela Agência Nacional de Águas64, e conjuntos de dados do Instituto Nacional de Meteorologia. (INMET)65 com três estações meteorológicas incluindo sensores de pressão atmosférica, temperatura e umidade. Os dados coletados têm amostragem diária e variam de 1º de janeiro de 2016 a 31 de dezembro de 2019. Para os dados das estações, realizamos agregação e normalização usando um fator de distância exponencial para reduzir o volume total de dados de entrada enquanto consideramos as informações de posição relativa das estações em relação cada bem.

Entre em contato conosco.

Leave a Reply

Your email address will not be published.