Efectos de la inoculación del hongo de micorrización Tuber ...
Corrosi ón en tuber ías de transporte de gas y petr ó · PDF fileLa...
17
Corrosi Corrosi ó ó n en tuber n en tuber í í as de transporte de gas as de transporte de gas y petr y petr ó ó leo leo Uso de herramientas de estadística aplicada Ing. Fernando Tomati Ing. Adrián Gabriele 4tas. Jornadas de Celebración del Mes Nacional de la Calidad IAPG Río Gallegos Octubre de 2011
Transcript of Corrosi ón en tuber ías de transporte de gas y petr ó · PDF fileLa...
CorrosiCorrosióón en tubern en tuberíías de transporte de gas as de transporte de gas
y petry petróóleoleo
Uso de herramientas de estadística aplicada
Ing. Fernando Tomati Ing. Adrián Gabriele
4tas. Jornadas de Celebración del Mes Nacional de la CalidadIAPG Río Gallegos
Octubre de 2011
TemarioTemario
• Antecedentes y objetivo del estudio
• Principios del método
• Caso de aplicación
• Conclusiones
Antecedentes y objetivo del estudio
MMéétodo de medicitodo de medicióónn
Equipo de mediciEquipo de medicióónn
((““chanchochancho””))
Punto de mediciPunto de medicióónn
TuberTuberíía (corte transversal)a (corte transversal) ββββββββ°°°°°°°°00°°°°°°°°
• Smart Pig (“chancho”)
• Algoritmo de discriminación de defectos
Hoja de datosHoja de datos
Número de
Sold. Circ.
Distancia
Relativa
(m)
Distancia
Absoluta
(m)
Comentario Prof.
Máxima
Profundidad
máxima
Longitud FER Orientación
(hrs:min)
Referencia
Aguas Arriba
10 0,000 0,163 0
0,000 0,163 SIN COSTURA COMIENZO 0
20 0,307 0,470 0
0,583 1,053 VÁLVULA DE COMPUERTA 0
30 1,163 1,633 0
0,250 1,883 250 MM TOMA-FORJADA 0 09:00
40 0,560 2,193 0 TOMA-FORJADA
0,943 3,137 50 MM TOMA-WELDOLET 0 12:00
3,763 5,957 MAGNETO 0
4,363 6,557 MAGNETO 0
4,461 6,655 INT PM 0,10 10 49 0,592 05:00
5,503 7,697 CURVA-EN FRÍO COMB. E&Deb. 0
10,068 12,261 INT PM 0,15 15 24 0,587 08:15
10,120 12,313 INT PM 0,11 11 13 0,583 08:30
10,266 12,459 INT PM 0,10 10 29 0,587 05:15
10,272 12,466 INT PM 0,20 20 22 0,588 08:15
50 10,327 12,520 0 TOMA-FORJADA
0,000 12,520 SOLD RESIST ELÉC COMIENZO 0
Defectos
Ubicación
Fuentes de errorFuentes de error
• Calibración de los sensores del equipo de medición
• Ubicación radial del equipo
• Fabricante y tecnología del equipo
• Condiciones propias de la medición (velocidad, entorno)
• Error residual del algoritmo de medición
Problemas a resolverProblemas a resolver
I – Comparación entre mediciones:
Se debe calcular la tasa de crecimiento de fallas comparando datos de los mismos defectos en un período o dos períodos diferentes y, en función de ello, una fecha de falla crítica.
II – Apareamiento de datos:
En el caso de dos mediciones, se deben aparear los defectos de uno y otro ensayo a fin de calcular la tasa de crecimiento de la falla.
Principios del método
Principios del mPrincipios del méétodo a aplicartodo a aplicar
• Tratamiento adecuado de los datos (en función de su naturaleza)
• Mirar el “bosque” primero (de lo general a lo particular)
• La tubería se puede “cortar” en rodajas
• Las fallas crecen en forma exponencial
Caso de aplicación:Tubería de gas analizada a los 5 y 10 años de construcción
AnAnáálisis de Normalidadlisis de Normalidad
272421181512
Median
Mean
11,2511,2011,1511,1011,0511,00
1st Quartile 10,000
Median 11,000
3rd Quartile 12,000
Maximum 27,000
10,995 11,218
11,000 11,000
1,455 1,614
A-Squared 61,49
P-Value < 0,005
Mean 11,107
StDev 1,530
Variance 2,342
Skewness 3,1162
Kurtosis 18,9275
N 722
Minimum 10,000
Anderson-Darling Normality Test
95% Confidence Interval for Mean
95% Confidence Interval for Median
95% Confidence Interval for StDev
95% Confidence Intervals
Summary for Prof A
36322824201612
Median
Mean
14,013,813,613,413,213,0
1st Quartile 11,000
Median 13,000
3rd Quartile 16,000
Maximum 36,000
13,684 13,991
13,000 13,000
3,397 3,614
A-Squared 53,14
P-Value < 0,005
Mean 13,838
StDev 3,502
Variance 12,267
Skewness 1,43393
Kurtosis 3,31552
N 2001
Minimum 10,000
Anderson-Darling Normality Test
95% Confidence Interval for Mean
95% Confidence Interval for Median
95% Confidence Interval for StDev
95% Confidence Intervals
Summary for Prof B
La hipótesis de normalidad no se verifica
2000
0
10
1000
20
30
03:00
40
06:00 009:00
Profundidad máxima
Distancia Absoluta_(m)
Orientación
Profundidad máxima - Ensayo B
AnAnáálisis exploratorio (lisis exploratorio (““screeningscreening””))
9000800070006000500040003000200010001
35
30
25
20
15
10
Observation
Pro
fundidad m
áxim
a
Number of runs about median: 4121
Expected number of runs: 4483,1
Longest run about median: 35
Approx P-Value for Clustering: 0,000
Approx P-Value for Mixtures: 1,000
Number of runs up or down: 6052
Expected number of runs: 6203,0
Longest run up or down: 8
Approx P-Value for Trends: 0,000
Approx P-Value for Oscillation: 1,000
Run Chart of Profundidad máxima Ensayo B
Detección de segmentos y ángulos críticos
Estudio detallado con Medianas
Prof BProf A
24
22
20
18
16
14
12
10
Data
Boxplot of Prof A; Prof B
Mann-Whitney Test and CI: Prof A; Prof B N Median
Prof A 1410 11,000
Prof B 1997 12,500
Point estimate for ETA1-ETA2 is -2,000
95,0 Percent CI for ETA1-ETA2 is (-2,000;-1,500)
W = 1529136,0
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0,0000
The test is significant at 0,0000 (adjusted for ties)
Segmentos1090 - 1451
Segmentos
779 - 971
Prof BProf A
24
22
20
18
16
14
12
10
Data
Boxplot of Prof A; Prof B
Mann-Whitney Test and CI: Prof A; Prof B N Median
Prof A 1410 11,000
Prof B 1997 12,500
Point estimate for ETA1-ETA2 is -2,000
95,0 Percent CI for ETA1-ETA2 is (-2,000;-1,500)
W = 1529136,0
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0,0000
The test is significant at 0,0000 (adjusted for ties)
Prof BProf A
24
22
20
18
16
14
12
10
Data
Boxplot of Prof A; Prof B
Mann-Whitney Test and CI: Prof A; Prof B N Median
Prof A 1410 11,000
Prof B 1997 12,500
Point estimate for ETA1-ETA2 is -2,000
95,0 Percent CI for ETA1-ETA2 is (-2,000;-1,500)
W = 1529136,0
Test of ETA1 = ETA2 vs ETA1 not = ETA2 is significant at 0,0000
The test is significant at 0,0000 (adjusted for ties)
Segmentos1090 - 1451
Segmentos
779 - 971
Corte de la tubería en “rodajas”
Segmentos críticos y curva de corrosión
2095208020652050203520202005
120
100
80
60
40
20
0
Year
Pro
f%
MAPE 0,0599000
MAD 0,0089096
MSD 0,0001376
Accuracy Measures
Actual
Fits
Forecasts
Variable
Trend Analysis Plot for Prof%Growth Curve Model
Yt = 9,63912 * (1,14008**t)
La proyección de crecimiento del defecto en los segmentos estudiados indica el momento de mayor probabilidad de encontrar un defecto con profundidad mayor a 50% ( tramo de 1089,8 a 1451,4 m)
Conclusiones
Conclusiones y oportunidades de aplicación
• El tratamiento de los datos debería ser realizado, en la mayoría de los casos, a través del análisis estadístico no paramétrico. Herramientas más indicadas:
� Run Chart� Surface Plot� Box Plot� Mann-Whitney Median Test
• La proyección del avance de la corrosión debería ser tratado a través de curvas exponenciales del tipo Y = A . B(t)
Corrientes 222 Piso 14Buenos Aires - Argentina(5411) 5555-1428www.hltnetwork.com
