油井管道中_slug_ 形成的识别：工业分析用例
机器学习
2025-11-04 v1
摘要
油气管道中的 _slug_ 形成对运行安全和效率构成重大挑战，但现有检测方法往往为离线、需要专业知识且缺乏实时可解释性。我们提出了一个交互式应用程序，实现端到端数据驱动的 _slug_ 检测，配备简洁友好的界面。该系统集成了数据探索与标注、可配置的模型训练与评估（多种分类器）、带时间序列叠加的分类结果可视化，以及生成基于持久性的警报的实时推理模块。该演示支持从标注 CSV 上传到对未知数据集的实时推理，轻量、便携且易于部署。通过结合领域相关分析与 novel UI/UX 功能（如快照持久化、可视化标注和实时警报），我们的工具作为研究原型和实用工业应用具有显著的传播价值。该演示展示了如何通过交互式人类在循环内的机器学习系统，弥合数据科学方法与关键过程行业现实决策之间的鸿沟，适用于油气领域之外的更广泛时间序列故障诊断任务。
引用
@article{arxiv.2511.00851,
title = {Identifying Slug Formation in Oil Well Pipelines: A Use Case from Industrial Analytics},
author = {Abhishek Patange and Sharat Chidambaran and Prabhat Shankar and Manjunath G. B. and Anindya Chatterjee},
journal= {arXiv preprint arXiv:2511.00851},
year = {2025}
}
备注
This paper ID 254 has been accepted for presentation in the Demonstration Track of the 13th ACM IKDD CODS Conference on Data Science CODS 2025, IISER Pune, India, from December 17 to 20, 2025