Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)González Estrada, Octavio AndrésRuiz Diaz, Carlos MauricioPerilla Plata, Erwing Eduardo2023-02-272023-02-272023-02-212023-02-21https://noesis.uis.edu.co/handle/20.500.14071/12287Con el alto costo en el transporte de hidrocarburos, la corrosión en tuberías y la necesidad de conocer el comportamiento de los flujos bifásicos, el crecimiento de la industria 4.0 en la industria oil & gas ha permitido la introducción de nuevas tecnologías para la solución de estas problemáticas. Dichas soluciones consisten en la introducción de modelos predictivos usando redes neuronales. Para este proyecto, a partir de diversos autores se estructuro una base de 4864 datos con información de las propiedades de flujo bifásico aceite-agua en tubería vertical. Posteriormente, se desarrolló una estructura de transformer neural network (TNN), la cual consta únicamente con la estructura del Codificador del arreglo original. A su vez, se propusieron diversas configuraciones (dentro de los parámetros que se modificaron se encuentra el número de cabezas atencionales, la función de activación, el dropout y la tasa de aprendizaje) para el modelo de TNN y así seleccionar aquel con mejores resultados. Una vez entrenada la red, se realizan predicciones con un set de datos con el que el modelo no haya interactuado y así realizar mapas de flujo con los patrones predichos por el modelo. El modelo de TNN desarrollado es capaz de predecir 9 de 10 patrones de flujo implementados en la base de datos, con una precisión máxima del 53,07%. Asimismo, de los diferentes patrones de flujo predichos se presenta una precisión promedio del 63,21% y una exactitud promedio del 86,51%.application/pdfspainfo:eu-repo/semantics/openAccessflujo bifásicointeligencia artificialTransformer Neural NetworkAplicación de la técnica de aprendizaje automático transformer neural network en la identificación de patrones de flujo bifásico de aceite y agua en ductos verticalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coartificial intelligencebiphasic flowTransformer Neural NetworkApplication of the machine learning technique transformer neural network in the identification of biphasic flow patterns oil and water in vertical ductshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)