Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Calvete González, Fernando EnriqueVizcaya Cedeño, Giovanni2022-11-212022-11-212022-11-162022-11-16https://noesis.uis.edu.co/handle/20.500.14071/12198Los profesionales de producción requieren datos actualizados de los desempeños de los pozos del petróleo, con los cuales pueden establecer estrategias en busca de las metas corporativas. Sin embargo, los costos de implementación de sensores físicos restringen el acceso a la información de los desempeños de los pozos en tiempo real. Alternativamente, los sensores virtuales se presentan como una opción de bajo costo, que pueden predecir datos de producción, con base en otras variables medidas y en los procedimientos inmersos en una red neuronal artificial (RNA). El presente documento desarrolla un análisis de viabilidad técnico-económico de la implementación de un sensor virtual de producción en pozos del campo Casabe. Para esto, los datos históricos con 15 variables y 980 muestras fueron descargados del sistema de gestión de ECOPETROL. Diferentes arquitecturas de RNA fueron entrenadas y validadas en la predicción de la producción de crudo en pozos con sistema PCP, según los valores históricos de operación. Posteriormente, el trabajo desarrolló la evaluación del impacto económico que tendría la implementación del sensor virtual en pozos del campo Casabe. De acuerdo con los resultados, la red 14:23:1 – logsig presenta los mejores desempeños de predicción, definidos con el estadístico error cuadrático medio (MSE, mean squared error). Esta RNA presentó errores de predicción de 23.7 bopd al 95% de confianza, obtenidos con el código programado en R y la función neuralnet del mismo programa. Por otra parte, la aplicación de un sensor virtual basado en RNA para los pozos con PCP para el campo Casabe, conllevaría a un beneficio económico favorable, con los indicadores económicos VPN = $ 25.509,3 miles usd.application/pdfspainfo:eu-repo/semantics/openAccessRed neuronal artificialFlujo de crudoSensor virtualValor presente netoPozo de petróleoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - MaestríaUniversidad Industrial de Santanderhttps://noesis.uis.edu.coArtificial Neural NetworkProduction FlowVirtual SensorNet Present ValuePetroleum Wellhttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)