Corrosión n en tuberías de transporte de gas y petróleo

(1)

Corrosi

ó

n en tuber

í

as de transporte de gas

y petr

ó

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

(2)

Temario

• Antecedentes y objetivo del estudio • Principios del método

• Caso de aplicación • Conclusiones

(3)

(4)

M

é

todo de medici

ó

n

Equipo de medici Equipo de medicióónn ( (““chanchochancho””)) Punto de medici Punto de medicióónn Tuber

Tuberíía (corte transversal)a (corte transversal) ββββββββ°°°°°°°°

0

0°°°°°°°°

• Smart Pig (“chancho_”)

• Algoritmo de discriminación de defectos

(5)

Hoja 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

(6)

Fuentes 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

(7)

Problemas 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.

(8)

(9)

Principios del m

é

todo 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

(10)

Caso de aplicación:

(11)

An

á

lisis de Normalidad

27 24 21 18 15 12 Median Mean 11,25 11,20 11,15 11,10 11,05 11,00 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 Interv al for StDev

95% Confidence Intervals

Summary for Prof A

36 32 28 24 20 16 12 Median Mean 14,0 13,8 13,6 13,4 13,2 13,0 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 Interv al for StDev

95% Confidence Intervals

Summary for Prof B

La hipótesis de normalidad no se verifica

(12)

2000 0 10 1000 20 30 03:00 40 06:00 0 09:00 Profundidad máxima Distancia A bsoluta_(m) Orientación

Profundidad máxima - Ensayo B

An

á

lisis exploratorio (

“

screening

”

)

9000 8000 7000 6000 5000 4000 3000 2000 1000 1 35 30 25 20 15 10 Observation P ro fu n d id a d m á x im a

Number of runs about median: 4121 Expected number of runs: 4483,1 Longest run about median: 35 A pprox P-Value for Clustering: 0,000 A pprox 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

(13)

Estudio detallado con Medianas

Prof B Prof A 24 22 20 18 16 14 12 10 D a ta

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)

Segmentos 1090 - 1451 Segmentos 779 - 971 Prof B Prof A 24 22 20 18 16 14 12 10 D a ta

Prof B Prof A 24 22 20 18 16 14 12 10 D a ta

Segmentos 1090 - 1451 Segmentos 779 - 971 Corte de la tubería en “rodajas”

(14)

Segmentos críticos y curva de corrosión

2095 2080 2065 2050 2035 2020 2005 120 100 80 60 40 20 0 Year P ro f% MAPE 0,0599000 MAD 0,0089096 MSD 0,0001376 A ccuracy Measures A ctual 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)

(15)

(16)

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

(17)

Corrientes 222 Piso 14 Buenos Aires - Argentina (5411) 5555-1428