En el departamento de Integridad de Equipos sometidos a Presión, el análisis de grillas de espesor es una tarea clave para la evaluación de aptitud para el servicio conforme a la norma del American Petroleum Institute (API) 579 “Fitness for Service”. Sin embargo, esta normativa permite únicamente analizar el estado de un componente en un momento específico, sin proporcionar lineamientos para el cálculo de las tasas de corrosión.
Por otro lado, con la incorporación del shale oil en la industria y en la Argentina, resulta fundamental anticipar el comportamiento de nuevos los fenómenos corrosivos asociados.
Este proyecto surge con el objetivo de:
• Determinar rangos de incertidumbre estadísticos a partir de mediciones de espesor sucesivas para un mismo componente.
• Identificar automáticamente patrones en los datos disponibles, con mínima intervención del usuario, facilitando la predicción de la respuesta del sistema ante variaciones operativas, como cambios en la dieta de crudo de una unidad.
• Desarrollar un modelo escalable, independiente del tamaño y tipo de información provista.
Para ello, se trabajó en primera instancia con un conjunto de 10 grillas de mediciones de espesor, cada una con 450 puntos de medición de un recipiente a presión. El análisis de datos mediante algoritmos de clasificación autoexplicativos reduce la dispersión significativa presente en los datos medidos en campo, ayuda a la toma de decisiones, permitiéndonos definir una tasa de corrosión representativa. Junto con el equipo de IT, se desarrolló un prototipo de procesamiento masivo de datos y análisis de tendencias, logrando:
• Reconocer patrones de comportamiento espacial mediante clusterización.
• Determinar de rangos de incertidumbre en la información recopilada.
• Predecir el comportamiento futuro bajo distintos modelos matemáticos (lineal, lineal segmentado, exponencial, cuadrático, menor error, mayor R2).
El objetivo de la herramienta se centró la creación de un prototipo escalable, aplicable a cualquier proceso que requiera la correlación y predicción de parámetros operativos. La versatilidad de este prototipo lo hace adaptable para análisis de datos en diversas áreas, incluyendo:
• Inspección
• Tecnología
• Mantenimiento
• Economía y Planificación