Dirección: Km 2 Vía Refugio, Sede UIS, Guatiguará, Piedecuesta, Santander, Colombia. Tels: (57) (7) 6550807 / 6550809 Fax: (57) (7) 6550808
E-mail: correo@corrosion.uis.edu.co Website: http://corrosion.uis.edu.co /corporacioncorrosion
/corporacioncorrosion
Año 2013 N°6
Recubrimientos + Corrosión Externa
RECUBRIMIENTOS PARA TUBERIAS: Selección de sistemas de recubrimientos en concordancia con las condiciones operacionales y el aseguramiento de calidad en su aplicación
La selección de un sistema de recubrimientos debe estar en función de las condiciones de operación, la vida útil esperada y factores económicos asociados al producto y su aplicación. Las condiciones de operación determinan los ensayos que deben ser realizados tanto en laboratorio como en campo. Un estudio técnicoeconómico permite clasificar los sistemas que califican para ser aplicados en la tubería correspondiente a un ambiente específico, en un orden de alternativas. A continuación se presentará una metodología desarrollada a partir de la experiencia de la CIC en diversos proyectos y servicios de evaluación de recubrimientos para la industria. Se presenta además cada uno de los aspectos de mayor importancia para el estudio: Preliminares a un Proyecto de Selección de Recubrimientos para Tuberías. Estos tienen que ver principalmente con: * Determinación de la vida útil esperada del sistema de recubrimientos * Condiciones generales de operación * Disponibilidad de recubrimientos * Facilidades para el desarrollo de las actividades de preparación de superficies y aplicación de recubrimientos Condiciones de Exposición. Las condiciones operacionales de las tuberías que necesitan ser protegidas, determinan los ensayos mínimo que deben desarrollarse en laboratorio y en campo y su peso dentro del proceso de evaluación de desempeño.
Figura 1. Resultados ensayos de laboratorio
Evaluación de Desempeño Mediante Ensayos de Laboratorio. Los ensayos de laboratorio permiten mediante condiciones controladas, estimar el desempeño de un sistema de recubrimientos, una vez éste sea expuesto a un ambiente determinado. Las normas y la experiencia del personal de laboratorio deben tender hacia la obtención de la mejor alternativa para desarrollar los ensayos, con el fin de garantizar que los resultados sean representativos de aquello que el cliente desea conocer en cuanto al desempeño de un sistema de recubrimientos.
Algunos de los ensayos más representativos son: Inspección visual medición de espesores de película seca, detección de discontinuidades, porosidad del recubrimiento, dureza, resistencia al Impacto, ensayo de flexibilidad, adherencia Húmeda, resistencia química, exposición a niebla salina, exposición a radiación UV, permeabilidad al vapor de agua, penetración de agua, desprendimiento catódico, gouge resistance, peel-strength, lap shear strength, indentación. Estudio de fallas prematuras mediante exposición en campo De manera complementaria a los ensayos de laboratorio, el desarrollo de ensayos en campo es una alternativa de gran relevancia para la valoración del desempeño de un sistema de recubrimientos. La exposición directa en campo permite determinar las fallas prematuras que pueden presentarse como resultado de la sinergia de cada una de las variables que son evaluadas por separado en el laboratorio, además de aquellos factores que pueden no haber sido detectados durante la etapa de estudio de las condiciones de exposición del sistema de recubrimientos. El tiempo de exposición en campo para el desarrollo del estudio no debe ser inferior a un año, con monitoreos periódicos no menores a cuatro meses. Algunos de los ensayos más representativos son: Inspección visual, medición de espesores de película seca, detección de discontinuidades, dureza, adherencia pull off, brillo.
Figura 3. Resultados exposición en campo
Estudio técnico-económico Una vez disponibles los resultados de los ensayos de laboratorio y de campo, se procede a realizar el análisis técnico-económico. El objetivo final de este análisis es establecer un orden de alternativas de sistemas de recubrimientos para cada uno de los microambientes de operación de las tuberías, capaz de que permitir al propietario de la tubería tomar decisiones para el mantenimiento de éstas. El estudio Técnico-Económico tiene las siguientes etapas: • Valoración de los Resultados de los Ensayos: Esta etapa toma los resultados de cada uno de los ensayos y les asigna un peso relativo en función de su desempeño, proceder que sitúa a cada sistema de recubrimientos como de Alto, Moderado o Bajo Desempeño, respecto del ensayo mismo. • Cálculo del Índice de Falla: Debido a la gran cantidad de factores que pueden afectar el Desempeño de un Sistema de Recubrimientos para un ambiente de Operación específico, se hace complicado estimar su vida útil. Por ello, se busca, a partir de los resultados de los ensayos, establecer un indicador que permita, con posterioridad, ser utilizado dentro del estudio tendiente a posicionar el sistema dentro del conjunto que compite para ser aplicado sobre la estructura. • Costos: La estimación de costos para cada sistema incluye la Preparación de Superficies, la Aplicación del Sistema y el costo del sistema de recubrimiento ($/m²).
Boletín publicado por la Corporación para la Investigación de la Corrosión
Sistemas Seleccionados: El puesto que ocupe un sistema, con respecto a otros que compiten para ser aplicados a una estructura, dependerá finalmente de la mejor relación costo/beneficio que presente. Una vez se dispone del costo ($/m²), se grafica este valor con el Índice de Falla, obtenido tal y como se puede observar en Figura 3. El primer intervalo, correspondiente a la zona de alto desempeño, en este se jerarquizan los sistemas en función de su distancia al origen, lo cual tiene en cuenta el costo, mientras que en el segundo intervalo correspondiente a la zona de desempeño moderado se jerarquizan de acuerdo a su posición sobre el eje que indica el índice de falla independientemente de su costo/m2. Los sistemas cuyos resultados se encuentran en el tercer intervalo, zona de Bajo Desempeño, corresponden a aquellos cuyo desempeño no fue adecuado a las condiciones y se homologan como de Bajo Desempeño y se presentan en un orden de menor a mayor índice de falla. Figura 2. Aplicación de probetas para ensayos
Figura 4. Costos ($/m2) Vs. Índice de Falla
Contacto Km 2 Vía Refugio - Guatiguará, Sede UIS Piedecuesta, Santander – Colombia http://corrosion.uis.edu.co
Aseguramiento de la Calidad. Una vez seleccionados los sistemas de Recubrimientos, es muy importante asegurar la calidad de las actividades de Preparación de Superficies y de Aplicación de cada uno de los sistemas de recubrimientos. Además de la presencia en campo del Inspector de Recubrimientos dependiente de la empresa contratista para asegurar la calidad del servicio que entrega, como la presencia de la Interventoría delegada por el propietario de la tubería, es relevante que se realicen Ensayos de laboratorio al mismo sistema aplicado sobre secciones de tubería. La aplicación del sistema a la sección de tubería que será enviada al laboratorio debe hacerse bajo las mismas condiciones ambientales y de preparación de superficie que se está realizando a la tubería en campo. En el laboratorio, los resultados de los ensayos serán correlacionados contra valores obtenidos del estudio de selección de recubrimientos y así se puede determinar si el sistema está siendo aplicado en condiciones favorables para asegurar el desempeño esperado.
Tabla 1. Homologación de Sistemas de Recubrimiento en Función de su Desempeño
Aseguramiento de la Calidad. Una vez seleccionados los sistemas de Recubrimientos, es muy importante asegurar la calidad de las actividades de Preparación de Superficies y de Aplicación de cada uno de los sistemas de recubrimientos. Además de la presencia en campo del Inspector de Recubrimientos dependiente de la empresa contratista para asegurar la calidad del servicio que entrega, como la presencia de la Interventoría delegada por el propietario de la tubería, es relevante que se realicen Ensayos de laboratorio al mismo sistema aplicado sobre secciones de tubería. La aplicación del sistema a la sección de tubería que será enviada al laboratorio debe hacerse bajo las mismas condiciones ambientales y de preparación de superficie que se está realizando a la tubería en campo. En el laboratorio, los resultados de los ensayos serán correlacionados contra valores obtenidos del estudio de selección de recubrimientos y así se puede determinar si el sistema está siendo aplicado en condiciones favorables para asegurar el desempeño esperado.
Boletín publicado por la Corporación para la Investigación de la Corrosión
Año 2013 N°7
Análisis de Falla + Integridad
¿Sus activos han presentado fallas? ¿Qué consecuencias han traído estos acontecimientos para su empresa? La actitud esperada luego de presentarse una falla en un activo es la pronta búsqueda de las acciones que permitan hallar soluciones prácticas que mejoren el desempeño de los equipos. Se denomina falla a la pérdida de funcionalidad de un activo en servicio; puede ocurrir que el activo siga operando, pero no desarrolla su función satisfactoriamente o que su deterioro llegue al punto de poner en riesgo la seguridad de la infraestructura y/o la integridad de quienes la manipulan. La infraestructura instalada a nivel mundial se ve afectada todos los días por diferentes mecanismos de falla que afectan su integridad y ocasionan grandes pérdidas económicas y humanas, y desde luego perjudican la imagen corporativa de las empresas. La no disponibilidad de un activo durante cierto período, sea porque es necesaria su reparación o su cambio, constituye un problema al interior de cualquier empresa.
Figura 1. Resultados microscopía electrónica de barrido y metalografía
Es frecuente que a pesar de acciones primarias efectuadas en pro de la seguridad de los equipos; éstos continúen fallando, por deficiencias en diseño, material, fabricación o por causas externas, tales como las características del ambiente donde se encuentran instalados. Por lo tanto, identificar el origen de una falla es un paso fundamental en la búsqueda de acciones preventivas o predictivas, o de procedimientos efectivos para mitigarla o eliminarla.
Figura 2. Inspección visual de un elemento fallado
Veamos el caso de deterioro de un equipo por corrosión: No basta la verificación de la corrosión. La identificación de la falla exige la respuesta de múltiples interrogantes : ¿El material y el montaje del equipo eran los especificados en el diseño?, ¿La operación previamente a la falla fue normal días previos a la falla?, ¿El personal involucrado en el manejo del equipo tiene la capacitación adecuada para dicha tarea?, ¿Cuáles son las condiciones del lugar donde está ubicado el equipo?, ¿Características de los electrolitos en contacto con el equipo?. La simple determinación del modo en el que falló el equipo, sin la respuesta a las preguntas pertinentes no basta para dar solución al problema, se requiere un análisis de falla completo para que incluya cuantificación de los daños medibles, respuesta a los interrogantes planteados y de esa manera permita la identificación de los mecanismos presentes y los parámetros que constituyen los actores principales del daño presentado.
Boletín publicado por la Corporación para la Investigación de la Corrosión
La CIC a través de su experiencia ha consolidado una metodología técnica, para Análisis de Falla basada en el método de Análisis de Causa Raíz. La técnica busca responder los siguientes interrogantes: ¿Qué Sucedió?: Descripción detallada de los hechos ¿Cuándo Sucedió?: Reconstrucción de la secuencia de eventos que antecedieron a la falla hasta el momento de ocurrencia. ¿Dónde Sucedió?: Descripción del espacio físico de ocurrencia de la falla, incluyendo detalles del componente (instalación), planimetría, altimetría, paisaje, entre otros aspectos. ¿Qué consecuencias tuvo el evento?: Registro de los efectos y consecuencias de la falla. El análisis de causa raíz se realiza empleando como herramienta diferentes métodos seleccionados por conveniencia y de acuerdo con las hipótesis planteadas. Las causas que concuerden con la caracterización, ubicación, período y morfología de la falla, descartan o verifican las hipótesis planteadas y se identifican como la Causal Principal o Directa de Falla. Figura 3. Falla en Sistema de Transporte de Agua
El conocimiento de la Causal Directa de falla permite proponer procedimientos de mitigación de los modos y mecanismos de daño, generando beneficios directos tales como ahorros en los tiempos de reparación o sustitución y disminución de costos; asimismo se pueden mejorar indicadores en diferentes procesos e incluso optimizar el proceso de adquisiciones futuras de equipos. Por otra parte, lo que se considera de mayor relevancia, se plantea al cliente “una solución” en forma de recomendaciones orientadas a mitigar el problema; exigir una garantía, subsanar o sustituir de manera parcial o definitiva el elemento en estado de falla, e implementar planes de mantenimiento de acuerdo con las necesidades particulares del activo y de la empresa, qué permitan reducir el riesgo de nueva falla.
Figura 4. Falla en pernos acueducto
Contacto Km 2 Vía Refugio - Guatiguará, Sede UIS Piedecuesta, Santander – Colombia http://corrosion.uis.edu.co
Análisis de falla es una herramienta que busca aportar al mejoramiento continuo de la confiabilidad e integridad de los sistemas, y que permite a nuestros clientes promover las mejores prácticas internacionales y nacionales de la industria, en su compromiso de garantizar y mantener la operación segura que garantice protección de las personas, del medio ambiente, y de los activos de la empresa.
Figura 5. Falla sistema de transporte de crudo
Año 2013 N°8
Redes neuronales + Lógica Fuzzy + Velocidad de corrosión
MODELO BASADO EN REDES NEURONALES ARTIFICIALES, PARA LA DETERMINACIÓN DE VELOCIDADES DE CORROSIÓN POR CO2 Y H2S EN CAMPO DE PRODUCCIÓN DE HIDROCARBUROS
En la industria de hidrocarburos la estructura interna de tuberías y depósitos que albergan crudo se ven afectadas por la corrosión a causa de diferentes factores, entre otros las características del fluido, entre las cuales el contenido de CO2 y H2S son las más influyentes [1]. Ante la urgente necesidad de estudiar el proceso de corrosión [2], se han propuesto diversidad de procesos y tecnologías lo que ha generado diversidad de herramientas de uso general que ayudan en el cálculo de velocidades de corrosión por CO2 y H2S. Aquí se presenta un modelo basado en la técnica de redes neuronales para estimar velocidades de corrosión en campos de hidrocarburos y la técnica de curvas y superficies fuzzy para el pre-procesamiento de las variables de entrada en la red neuronal.
Figura 1. Perceptrón Multicapa
INTRODUCCIÓN El modelado de procesos con inteligencia artificial, se ha consolidado como un procedimiento apropiado para la solución de problemas cada vez más complejos e importantes. Modelos como las redes neuronales artificiales, y la lógica difusa (fuzzy logic) ampliamente probadas en diversidad de áreas de desarrollo tecnológico, se han implementado también en diferentes aspectos de la investigación en corrosión con resultados óptimos. La Red Neuronal Artificial (RNA) es un mecanismo de procesamiento con una estructura que imita el comportamiento de las neuronas biológicas para la solución de problemas. La Estructura de la RNA consta de: capa de entrada, capas ocultas y capa de salida; a esta estructura se le denomina perceptrón multicapa (Figura 1).
El número de neuronas de la capa de entrada es igual al número de parámetros independientes de entrada. La capa de salida consta de tantas neuronas como variables de salida. Para las capas ocultas, es difícil precisar el número de neuronas; se hacen pruebas con número variable de neuronas y el número apropiado se selecciona con base en el análisis de los resultados del proceso de entrenamiento [5].
Contacto - Km 2 Vía Refugio - Guatiguará, Sede UIS Piedecuesta, Santander – Colombia
-
http://corrosion.uis.edu.co
Tipo de caracterĂstica
Variable
Unidad PSI °F
Condiciones operacionales
PresiĂłn Temp. Flujo de Crudo Flujo de Gas Flujo de Agua API
Fisico quĂmicas Gases Corrosivos CorrosiĂłn
BPD mmscf /d BPD
1.1. Modo de OperaciĂłn de la Red: La informaciĂłn de entrada se define como un vector đ?‘‹ = đ?‘‹1 , đ?‘‹2 , . . . đ?‘‹đ?‘› , [4]. Cada neurona i de la capa de entrada recibe un dato de entrada đ?‘‹đ?‘– , y lo envĂa como entrada a la neurona j de la siguiente capa (capa oculta). Cada neurona j de la primera capa oculta recibe un dato đ?‘‹đ?‘– de cada una de las neuronas de la capa de entrada, lo multiplica por el correspondiente peso sinĂĄptico đ?‘Šđ?‘–đ?‘— , generando una seĂąal de salida como suma ponderada de las seĂąales recibidas [5]: đ?‘˘đ?‘— =
Ph CO2 H2S Velocidad CorrosiĂłn
%v/v Ppm Mpy
Tabla 1: Variables de entrada y variable de salida
đ?‘– đ?‘Šđ?‘–đ?‘— đ?‘‹đ?‘–
(1)
A continuación aplica una función de activación a la suma ponderada para generar un dato de salida � �� , que va a una neurona de la capa siguiente (oculta o capa de salida) [4], [5]. � �� = �
đ?‘– đ?‘Šđ?‘–đ?‘— đ?‘‹đ?‘–
(2)
Cupones
1.2. Pre-procesamiento FUZZY: Para el procesamiento de datos con redes neuronales, es conveniente preseleccionar las variables de entrada segĂşn su grado de importancia. Esto simplifica considerablemente el manejo y optimiza el rendimiento de las redes neuronales. Recientemente se ha desarrollado un procedimiento basado en la aplicaciĂłn de curvas y superficies fuzzy para ĂŠste tipo de pre-procesamiento [6], [7]. Well Head
Manifold
LĂnea
Total
107
82
18
207
Tabla 2: InformaciĂłn de trabajo recopilada para cupones
Variables mĂĄs importantes
1.3. Entrenamiento de la Red: Se tienen m casos experimentales con valores de las variables de entrada y de la variable salida para cada caso. Estos m casos se utilizan en el entrenamiento de la red neuronal para la realizaciĂłn de la tarea de interĂŠs. El proceso de entrenamiento genera la estructura apropiada de la Red. En el caso de relaciones de regresiĂłn, la red neuronal establece una correlaciĂłn matemĂĄtica entre las variables de entrada de la red y las salidas deseadas durante el proceso de entrenamiento; esta correlaciĂłn estĂĄ dada por los pesos sinĂĄpticos y las funciones de activaciĂłn que unen las neuronas. Durante el entrenamiento la red ajusta gradualmente los pesos sinĂĄpticos hasta que la diferencia entre los valores de salida experimentales (đ?‘Ś) y los simulados por la red (đ?‘Ą) alcanzan un mĂnimo. Como criterio de error se utiliza el error cuadrĂĄtico medio (MSE).
1. Flujo Crudo 2. PH 3. CO2 4. H2S
Tabla 3: ClasificaciĂłn de las variables segĂşn la metodologĂa fuzzy
1
đ?‘šđ?‘ đ?‘’ = đ?‘
đ?‘ đ?‘–=1(đ?‘Ąđ?‘–
− đ?‘Śđ?‘– )2
(3)
El proceso avanza hasta que se alcanza el mĂnimo error o el nĂşmero de iteraciones supera un nĂşmero estipulado por el programador de la red. A este procedimiento se le denomina aprendizaje supervisado.
BoletĂn publicado por la CorporaciĂłn para la InvestigaciĂłn de la CorrosiĂłn - CIC
2. CASO DE ESTUDIO 2.1. Variables para determinar velocidades de corrosión: La experiencia determina que las variables asociadas al proceso de corrosión por CO2 y H2S son: presión, temperatura, flujo de crudo, flujo de gas, flujo de agua, pH y API, presentadas en la tabla 1. En este caso se tomó información de 207 cupones (fabricados en acero al carbón), ubicados en diferentes puntos de un sistema específico (Tabla 2). 2.2. Pre-procesamiento de la información: El pre-procesamiento fuzzy de los datos de entrada generó la clasificación mostrada en la tabla 3. 2.3. Generación de la red neuronal: En la figura 2 y la tabla 4 se registran los resultados de los entrenamientos con diferente número de variables de entrada según los resultados de la metodología fuzzy: Error cuadrático medio (MSE) y número de neuronas en la capa oculta (NCO). Se observan que 5 repeticiones (entrenamientos o prototipos) bajo las condiciones mencionadas generan valores de MSE similares. La estructura con 8 neuronas en la capa de entrada y 30 neuronas en la capa oculta que genera el mínimo valor de MSE se selecciona como la más apropiada. (Figura 2). 0,016 Número de neuronas o variables de entrada:
0,014 0,012 0,01
9 0,008 MSE
8 7
0,006
6 5
0,004
4 0,002 0 1
2
3
4
5
Prototipo Red Neuronal
Figura 2: Rendimiento de Redes Neuronales
Neuronas capa entrada Prototipo 1 2 3 4 5
9 NCO 23 24 25 26 25
MSE 0.0102 0,0091 0,0103 0,0102 0,01053
8 NCO 22 39 37 33 30
7 MSE 0,0033 0,0034 0,0031 0,0033 0,0028
Tabla 4: Resultados redes neuronales
NCO 24 27 37 36 30
6 MSE 0,0105 0,0104 0,0103 0,0103 0,0101
NCO 37 38 30 39 27
5 MSE 0,0109 0,0105 0,0106 0,0105 0,0058
NCO 37 36 40 33 35
4 MSE 0,0043 0,0041 0,0043 0,0038 0,0037
NCO 29 36 35 29 32
MSE 0,0134 0,0124 0,0137 0,0120 0,0131
Velocidad de Corrosión (mpy)
6,00 Rata Corrosión (mpy) Experimental
5,00
Rata Corrosion Simulada por la red
4,00
3,00 V. Corr Corregida Waard 93 (mpy) 2,00 V. Corr Corregida Waard 95 (mpy)
1,00
V. Corr Norsok (mpy)
0,00
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
Casos de Prueba Figura 3: Cálculos de velocidad de corrosión: RNA vs Modelos convencionales
La figura 3 presenta la comparación de la estimación de velocidades de corrosión utilizando RNA y los modelos de uso convencional. Se observa que las predicciones de la RNA son las que mejor coinciden con los datos experimentales CONCLUSIONES: Las redes neuronales artificiales presentan buenos resultados para la estimación de velocidades de corrosión en sistemas de hidrocarburos. La calidad de los resultados depende estrechamente de la cantidad y calidad de la información. REFERENCIAS [1] M.B.Kermany and D. Harrop, BP International, SPE 29784, 1995. [2] Corrosion Cost and Preventative Strategies in the United States, September 2001, Report FHWA-RD-01-156. [3] Fuentes Carmelo, Peña D. (2007). “Predicción de la Corrosión por CO2 + H2S en Tuberías de Acero al Carbono”, Scientia et Technica Año XIII, No 36, p. 881. [4] Caicedo, Eduardo y Jesús López. 2009. Una aproximación practica a las Redes Neuronales Artificiales. Cali: Editorial Universidad del Valle. [5]Molina, Alfredo y Bonifacio del Brio.2007. Redes Neuronales y sistemas Borrosos. México: Alfaomega Grupo Editor S.A. [6] Y. Lin, G. Cunningham and S. Coggeshall. 1996. Input Variable Identification – Fuzzy Curves and fuzzy Interfaces. Fuzzy Sets and Systems.82:65. [7] Y. Lin, G. Cunningham, S. Coggeshall and R. Jones. September 1998. Nonlinear System Input Structure Identification: Two Stage Fuzzy Curves and Surfaces. IEEE. Vol. 28, No 5, Page 638.
Año 2013 N° 9
Producto Tecnológico + Equipos para monitoreo + Monitoreo contínuo de variables para fuentes hídricas
DISEÑO Y FABRICACIÓN DE PRODUCTOS TECNOLÓGICOS – DATAHIDRO 6200
Sistema para el monitoreo continuo de la calidad y cantidad de agua Los sistemas que utilizan agua como fluido fundamental o conexo a sus procesos, tanto en plantas como en lugares remotos: industrias, complejos sanitarios, plantas de tratamiento , acueductos urbanos y veredales, deben determinar cantidad y calidad del agua mediante medición continua o frecuente. Generalmente estas determinaciones presentan limitaciones logísticas y de costo. DATAHIDRO 6200 ha sido concebido como una alternativa tecnológica para determinar de manera continua la calidad y el caudal de las fuentes hídricas in-situ. Las características de autonomía y robustez del sistema eliminan las limitaciones de energía eléctrica y además permiten enfocar la actividad de los especialistas al análisis de información y planeación de acciones. Cobertura de Mediciones El equipo permite realizar medidas de caudal tanto en canales abiertos como cerrados, adicionalmente permite mediciones continuas de parámetros del agua tales como: potencial de oxido-reducción (ORP), electro-conductividad (EC), potencial de hidrógeno (pH) y temperatura. El registro de las mediciones utiliza transmisores convencionales que operan mediante el protocolo 4-20mA. Componentes Básicos El sistema DATAHIDRO 6200 consta de dos equipos, uno de registro y otro de transmisión.
Foto 1. Instalación y operación del equipo
Componentes y características del equipo de registro: • Banco de baterías autónomo hasta por 6 días con facilidades para conexión a una fuente de 12 Voltios DC o a un panel solar de operación equivalente, para monitoreo por tiempos prolongados. • • • • •
Imagen 1. Equipo de transmisión
Interfaz con una LCD de 4 líneas y un teclado de 8 pulsadores. 5 Conectores para conectar hasta 16 transmisores en protocolo de 4-20mA. Puerto para memorias SD y puerto USB para comunicación con computadores. Juego de equipos transmisores tipo maleta. Juego de sensores: Transmisor multiparámetros para pH, ORP, EC, Temperatura; transmisor de caudales bajos y altos.
Imagen 2. Equipo de registro
Autonomía e Integridad. El banco de baterías y panel solar confieren autonomía al sistema. El diseño del equipo incorpora la electrónica necesaria para monitoreo in-situ y programa interno para funcionamiento autónomo con módulos de acondicionamiento, procesamiento y almacenamiento de señales que garantizan la integridad de las variables capturadas por los sensores. Foto 2. Estructura de medición de caudal
Facilidades de Montaje y Operación El sistema DATAHIDRO 6200 está diseñado para operar a la intemperie en ambientes industriales. Es un sistema autónomo, portátil y empotrable. La pantalla y el teclado ubicados en el panel facilitan el acceso a los históricos del monitoreo realizado y la descarga de los datos mediante puertos USB y SD. El despliegue de los menús permite conocer las variables del equipo tales como temperatura interna, estado de la batería, tiempo configurado entre medidas y nivel de memoria. La estructura del equipo, que integra el módulo de control, de visualización, y de alimentación permite fácil instalación y operación eficiente, rápida y sencilla. El firmware incorporado en el equipo posee una estructura robusta que permite la configuración de diferentes parámetros según los requerimientos del monitoreo a realizar: tiempo entre adquisiciones, sincronización de la hora, formato de descarga de la información. Una vez configurado el monitoreo, el sistema almacena los parámetros de operación en memoria no volátil, permitiendo apagado y reinicio del equipo cuantas veces se requiera sin perder la configuración establecida ni la información del monitoreo.
Km 2 Vía Refugio - Guatiguará, Sede UIS Piedecuesta, Santander – Colombia -
http://corrosion.uis.edu.co
Año 2013 N° 10
Integridad mecánica + Herramientas computacionales + Software predictivo + Mecanismos de daño
HERRAMIENTAS COMPUTACIONALES PARA EL MANEJO DE LA INTEGRIDAD MECÁNICA EN TUBERÍAS
Una gran alternativa para la predicción de los mecanismos de daño en sistemas de flujo La infraestructura de los sistemas de flujo, de amplio uso en almacenamiento, transferencia y procesamiento de sustancias químicas, exige elevadas inversiones de capital en el sector industrial. Esto hace que el diseño, monitoreo y ejecución de planes de acción orientados a mitigar los mecanismos de daño que amenazan la integridad mecánica de las tuberías, deban ser cuidadosamente atendidos con el fin de prolongar su vida útil bajo condiciones de servicio dadas, maximizar el ahorro en costos de producción y minimizar la posibilidad de daños al medio ambiente e incluso potenciales amenazas a la integridad de personas. La CIC tiene una participación importante en el desarrollo de estrategias para prevenir fugas de material en líneas de flujo en el sector industrial. La CIC ofrece soporte técnico en actividades de monitoreo encaminadas a establecer el estado de las tuberías respecto al deterioro generado por corrosividad del fluido, tendencia de incrustaciones y fenómenos erosivos. Para el efecto se han desarrollado una serie de herramientas computacionales:
INFORMACIÓN REQUERIDA • • •
Resultados de laboratorio Datos del cliente Condiciones de operación
DATOS DE ENTRADA • • • • •
Composición del gas Concentración de electrolitos en el líquido Propiedades físicas del fluido Condiciones de operación Especificaciones de diseño
MODELO / NORMAS • • • •
Waard & Lotz 93 Waard & Lotz 95 Modelo C.I.C. Norsok
SALIDAS
ÁREAS DE INTERÉS
Velocidad de corrosión por la presencia de CO2 y H2S en el transportado.
fluido
• • • •
Análisis de falla Integridad Mecánica Producción Monitoreo de corrosión interna
Figura 1. Esquema de operación software - CICorrosion ®
Boletín publicado por la Corporación para la Investigación de la Corrosión - CIC
INFORMACIÓN REQUERIDA • • •
Resultados de laboratorio Datos del cliente Condiciones de operación
DATOS DE ENTRADA • • •
MODELO / NORMAS
Tasas de sólidos Propiedades físicas de los sólidos presentes en el fluido Propiedades físicas del fluido
• • • •
DNV RP-0501 API RP-14E Salama Salama Venkatesh
SALIDAS
ÁREAS DE INTERÉS • • • •
Tasa de desgaste por erosión en tubos y accesorios.
Análisis de falla Integridad Mecánica Producción Monitoreo de corrosión interna
Figura 2. Esquema de operación software - CICErosion ®
INFORMACIÓN REQUERIDA • • •
Resultados de laboratorio Datos del cliente Condiciones de operación
DATOS DE ENTRADA • • • • •
Concentración de electrolitos en el líquido Alcalinidad pH Condiciones de operación Flujos
CÁLCULOS • •
Termodinámica Cinética de las reacciones
ÁREAS DE INTERÉS
SALIDAS • • • •
Establece la tendencia a formación de incrustaciones en la pared interna de la tubería
Análisis de falla Integridad Mecánica Producción Monitoreo de corrosión interna
Figura 3. Esquema de operación software – CICScales ®
Los resultados obtenidos mediante el uso de estos instrumentos, le permiten al profesional encargado de mantener la integridad mecánica de las tuberías, identificar el tipo de daño al cual están sometidas y enfocar la atención hacia aquellos procesos que por su criticidad requieren ejecución prioritaria de actividades de mantenimiento del estado mecánico de las tuberías y prevención de posibles fugas que podrían generar incremento de costos de operación por paradas del proceso para reemplazo de tuberías y/o , más grave por reparación de perjuicios a terceros.
Contacto - Km 2 Vía Refugio - Guatiguará, Sede UIS Piedecuesta, Santander – Colombia
-
http://corrosion.uis.edu.co