Clasificación de eventos en bitácoras de perforación de pozos petroleros empleando técnicas de clasificación de textos

Autores/as

  • William Feal Delgado Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780
  • Manuel Antonio Chi Chim Instituto Mexicano del Petróleo. Eje Central Lázaro Cárdenas Norte 152, San Bartolo Atepehuacan, Ciudad de México. C.P. 07730
  • Claudia Noguerón González Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780
  • Francisco Javier Cartujano Escobar Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780

DOI:

https://doi.org/10.30973/progmat/2020.12.1/1

Palabras clave:

CLasificación de textos, aprendizaje supervisado, clasificadores, enfoque de envoltura

Resumen

Uno de los procesos de mayor importancia en la exploración y explotación de hidrocarburos es la perforación de pozos. Los costos asociados al proceso son muy altos por lo que las compañías que desarrollan esta actividad buscan estrategias que les permita disminuir los tiempos de perforación de sus pozos, garantizando de esta forma la reducción de los costos. Una forma de lograr la reducción de los tiempos de perforación es tener la posibilidad de predecir o detectar eventos que ocasionen retrasos. Teniendo en cuenta esta problemática, en este trabajo se aplicaron técnicas de clasificación de texto y aprendizaje automatizado para clasificar los eventos que se registran en las bitácoras del Sistema de Información Operativa de Perforación (SIOP) de PEMEX Exploración y Producción. Para tratar con el problema de la alta dimensionalidad presente en este tipo de proceso de clasificación de texto se empleó un enfoque de envoltura que utiliza un algoritmo genético como herramienta para la selección de características.

Biografía del autor/a

William Feal Delgado, Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780

Graduado como Ingeniero Informático en la Universidad de Cienfuegos, Cuba. Actualmente es alumno de la División de Posgrado e Investigación del Instituto Tecnológico de Zacatepec donde cursa la Maestría en Ciencias de la Ingeniería. Sus intereses de investigación se centran en la minería de datos, la ingeniería de software y los sistemas distribuidos de bases de datos.

Manuel Antonio Chi Chim, Instituto Mexicano del Petróleo. Eje Central Lázaro Cárdenas Norte 152, San Bartolo Atepehuacan, Ciudad de México. C.P. 07730

Investigador del Instituto Mexicano del Petróleo. Graduado en la Universidad Autónoma de Yucatán, cuenta con una maestría y un doctorado en Ciencias de la Computación, por parte del Instituto Politécnico Nacional y del Instituto Tecnológico y de Estudios Superiores de Monterrey, respectivamente. Sus líneas de investigación se orientan a las aplicaciones de modelos de inteligencia artificial, minería de datos, ingeniería de software y de optimización combinatoria para la toma de decisiones en explotación de campos maduros, yacimientos naturalmente fracturados, pozos depresionados e ingeniería concurrente.

Claudia Noguerón González, Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780

Maestra en Ciencias de la Computación egresada del Centro nacional de Investigación y Desarrollo Tecnológico (CENIDET) obtuvo el grado en diciembre de 1996, obtuvo su Licenciatura en Informática en el Instituto Tecnológico de Zacatepec en septiembre de 1993, ha participado en varios proyectos de investigación, así como en artículos científicos de índole nacional e internacional. Ha sido miembro del Sistema Estatal de Investigadores.

Francisco Javier Cartujano Escobar, Instituto Tecnológico de Zacatepec. Calzada Tecnológico No. 27, Zacatepec de Hidalgo, Morelos. C.P. 62780

Doctor en Administración con Especialidad en Sistemas de Información egresado del Tecnológico de Monterrey. Se ha desempeñado en el sector privado como gerente de sistemas y como profesor investigador del Departamento de Computación del Tecnológico de Monterrey, Campus Ciudad de México y Campus Cuernavaca. Actualmente está adscrito al departamento de Sistemas Computacionales del Instituto Tecnológico de Zacatepec. Ha formado parte del Sistema Nacional de Investigadores del CONACYT y ha sido líder de varios proyectos de investigación computacional. Sus áreas de interés son todo lo relacionado a bases de datos y minería de datos

Citas

Abou-Sayed, A. Data Mining Applications in the Oil and Gas Industry, Journal of Petroleum Technology. 2012, 40(10), 88–95. https://doi.org/10.2118/1012-0088-JPT

SHCP, Estimación de Gasto Público para 2016. Fuentes de los recursos públicos, Ciudad de Mexico, 2016.

IEA, “Energy policies beyond IEA countries. Mexico 2017”, 2017.

Langer, J. Costos de perforación de pozos en Latinoamérica, Campetrol, Cámara Colombiana de Bienes y Servicios Petroleros. Bogota, Colombia, 2015.

Pemex, 1er foro tecnológico Drive Oil & Gas. Recuperado el 22 de febrero de 2018, de http://www.pemex.com/saladeprensa/boletines_nacionales/Paginas/2018-014- nacional.aspx, 2018.

IMP, Nueva Metodología de Análisis de Tiempos de Perforación, Instituto Mexicano del Petróleo, Ciudad de Mexico, 2015.

F. Sebastiani, Machine Learning in Automated Text Categorization, ACM Computing Surveys. 2002, 34(1), 2002. https://doi.org/10.1145/505282.505283

Harish, B., Guru, D. y Manjunath, S. Representation and Classification of Text Documents: A Brief Review, IJCA,Special Issue on RTIPPR. 2010, 2, 110–119.

Song, F., Liu, S. y Yang, J. A comparative study on text representation schemes in text categorization, Journal of Pattern Analysis Application. 2005, 8, 199–209. https://doi.org/10.1007/s10044-005-0256-3

Salton, G. y Buckley, C. Term-weighting approaches in automatic text retrieval, Information processing & management. 1998, 24(5), 513–523. https://doi.org/10.1016/0306-4573(88)90021-0

Vijayarani, S., Ilamathi, J. y Nithya, M. Preprocessing Techniques for Text Mining - An Overview, International Journal of Computer Science & Communication Networks. 2015, 5(1), 7–16.

Hotho, A., Nürnberger, A. y Paaß, G. A brief survey of text mining, Ldv Forum. 2005, 20(1).

Mandowara, J. y Jain, A. Text Classification by Combining Text Classifiers to Improve the Efficiency of Classification, International Journal of Computer Application. 2016, 6(2), 126–129.

Li, W. Automatic Log Analysis using Machine Learning, Uppsala Universitet, 2013.

Pedregosa, F. et al., Scikit-learn: Machine Learning in Python, Journal of Machine Learning Researchl. 2011, 12, 2825–2830.

Casasola, E. y Marín, G. Evaluación de Modelos de Representación del Texto con Vectores de Dimensión Reducida para Análisis de Sentimiento, en TASS 2016: Workshop on Sentiment Analysis at SEPLN. 2016, pp. 23–28.

Ortega, R. Diseño de algoritmos bioinspirados para la selección de características en el análisis de sentimientos de documentos en español, 2015.

Mikolov, T. y Le, Q. Distributed representations of sentences and documents, en International Conference on Machine 2014. 2014, 32.

Descargas

Publicado

28-02-2020

Cómo citar

Feal Delgado, W., Chi Chim, M. A., Noguerón González, C., & Cartujano Escobar, F. J. (2020). Clasificación de eventos en bitácoras de perforación de pozos petroleros empleando técnicas de clasificación de textos. Programación matemática Y Software, 12(1), 1–15. https://doi.org/10.30973/progmat/2020.12.1/1

Número

Vol. 12 Núm. 1 (2020): Febrero de 2020

Sección

Artículos

Licencia

Derechos de autor 2020 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.