Estudio exploratorio de la aplicación de la ciencia de datos en el área de ingeniería de producción de hidrocarburos del ciclo profesional del pensum de la carrera de ingeniería de petróleos de la Universidad Industrial de Santander

La ciencia de datos o también conocida como data Science se define como “el arte y la ciencia de adquirir conocimiento a través de datos” (Ozdemir, 2016). Es por ello, que la ciencia de datos busca combinar herramientas, métodos y tecnologías que generen un significado a partir de un almacenamiento de datos evitando situaciones inmediatas a problemas y/o anticipar sucesos que afecten las operaciones, de tal forma, que un estudio a la aplicación de la ciencia de datos en el área de ingeniería de producción de hidrocarburos permitirá conocer de forma más precisa y detallada las técnicas que se podrán usar y de acuerdo con estudios hechos dar a conocer cual seria las más viable de aplicar en el área de ingeniería de producción de hidrocarburos. El actual proyecto de investigación se basa en desarrollar un estudio exploratorio que permita definir la aplicación de las diferentes técnicas de la ciencia de datos en las áreas de la ingeniería de producción de hidrocarburos del pensum académico de la carrera de ingeniería de petróleos de la Universidad Industrial de Santander. Como lo son “ingeniera del gas, Facilidades de superficie y Métodos de producción”. Para ello, se inició la investigación de diferentes técnicas de la ciencia de datos aplicadas a la ingeniería de producción de hidrocarburos actuales para así definir los procedimientos de diseño que se pueden aplicar en el área de ingeniería de producción, después, se describió metodológicamente la aplicación de técnicas de la ciencia de datos en el área de ingeniería de producción para comparar los resultados obtenidos en la aplicación de la ciencia de datos respecto a la forma tradicional como se efectúan. Todo esto para dar a conocer de manera clara y concisa las técnicas que se podrían usar y, según estudios realizados, dar a conocer la más viable de aplicar en el área de ingeniería de producción de hidrocarburos.

• Autores: Guzman Bocanegra, Kel; Franco Ardila, Silvia Juliana
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Industrial de Santander
• Repositorio: Repositorio UIS
• Idioma: spa
• OAI Identifier: oai:noesis.uis.edu.co:20.500.14071/42338
• Acceso en línea: https://noesis.uis.edu.co/handle/20.500.14071/42338; https://noesis.uis.edu.co
• Palabra clave: Data science; Machine Learnig (ML); Deep Learning (DL); Big Data Analytics; Data mining; Internet of Things (IoT); Redes neuronales artificiales; Algoritmos genéticos; Data science; Machine Learnig (ML); Deep Learning (DL); Big Data Analytics; Data mining; Internet of Things (IoT); Artificial neural networks; Algorithms
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia (CC BY-NC-ND 2.5 CO)