000			03346naa a2200217 i 4500
001			197837
005			20260619111141.0
008			260505s2025 |||||||| |||| 00| 0 spa d
040			_aBAAB _eAACR2
110			_aInstituto Argentino del Petróleo y del Gas, IAPG
111			_aCongreso Latinoamericano y del Caribe de Refinación (7mo. : 2025 oct. 28-30 : Buenos Aires)
245	1	0	_aDesarrollo de un modelo predictivo para la clusterización y análisis de tendencias en procesos industriales
300			_a7 p. _b.PDF
520	3		_aEn 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
700			_aPodetti, Javier
773	0		_aInstituto Argentino del Petróleo y del Gas, IAPG _t7° Congreso Latinoamericano y del Caribe de Refinación: Libro de Resúmenes _dCiudad de Buenos Aires: Instituto Argentino del Petróleo y del Gas, IAPG, 2025 _w197824
856	4	0	_uhttps://biblioteca.iapg.org.ar/ArchivosAdjuntos/7moCongresoRefinacion2025/REF006.pdf
942			_cCONGTP
945			_aMazzitelli, María Florencia
945			_aDominguez, Silvia
999			_c197837 _d197837