petrobras/3W

解決的問題

解決了在海上油井中檢測與分類稀有不良事件的困難。及時檢測這些事件對於防止生產損失、降低高昂的維護成本（例如海上探測成本），以及避免環境事故或人員傷亡至關重要。

工作原理

本專案提供兩個主要資源：

1. 3W 數據集：一個公開的基準數據集，包含來自三個不同來源的真實不良事件實例，以 Parquet 檔案格式儲存。
2. 3W 工具包：一個基於 Python 的軟體套件，旨在標準化機器學習流程。它讓使用者能夠產生數據集概覽，並對專門用於油井事件檢測的機器學習演算法進行比較分析。

適用對象

專為研究人員、資料科學家、新創公司以及石油業者設計，適用於開發機器學習模型以監測鑽井、完井與生產階段的井筒完整性與海底系統。

主要亮點

• 真實世界資料：提供少數公開的、真實的油井中稀有不良事件資料集之一。
• 標準化流程：工具包有助於確保不同機器學習方法的可重現性與公平比較分析。
• 產業支援：由巴西國家石油公司（Petrobras）的流體保障與井筒完整性部門開發與維護。