Corrosion

Corrosión en tuberías de transporte de gas y petróleo 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

Temario • Antecedentes y objetivo del estudio • Principios del método • Caso de aplicación • Conclusiones

Antecedentes y objetivo del estudio

Método de medición • Smart Pig (“chancho”) • Algoritmo de discriminación de defectos 0°

Tuberí Tubería (corte transversal) Punto de medició medición

Equipo de medició medición (“chancho” chancho”)

β°

Hoja de datos Número de Sold. Circ.

10 20 30 40

50

Distancia Relativa (m)

0,000 0,000 0,307 0,583 1,163 0,250 0,560 0,943 3,763 4,363 4,461 5,503 10,068 10,120 10,266 10,272 10,327 0,000

Distancia Absoluta (m)

0,163 0,163 0,470 1,053 1,633 1,883 2,193 3,137 5,957 6,557 6,655 7,697 12,261 12,313 12,459 12,466 12,520 12,520

Comentario

SIN COSTURA COMIENZO

Prof.

Máxima

Profundidad máxima

Defectos

VÁLVULA DE COMPUERTA 250 MM TOMA-FORJADA 50 MM TOMA-WELDOLET MAGNETO MAGNETO INT PM CURVA-EN FRÍO COMB. E&Deb. INT PM INT PM INT PM INT PM SOLD RESIST ELÉC COMIENZO

Ubicación

0,10 0,15 0,11 0,10 0,20

0 0 0 0 0 0 0 0 0 0 10 0 15 11 10 20 0 0

Longitud

FER

Orientación (hrs:min)

Referencia Aguas Arriba

09:00 TOMA-FORJADA 12:00

49

0,592

05:00

24 13 29 22

0,587 0,583 0,587 0,588

08:15 08:30 05:15 08:15 TOMA-FORJADA

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

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.

Principios del mĂŠtodo

Principios del método 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 aplicaci贸n: Tuber铆a de gas analizada a los 5 y 10 a帽os de construcci贸n

An谩lisis de Normalidad Summary for Prof A

Summary for Prof B Anderson-Darling Normality Test

12

15

18

21

24

61,49 0,005

A-Squared P-Value <

53,14 0,005

Mean StDev Variance Skewness Kurtosis N

11,107 1,530 2,342 3,1162 18,9275 722

Mean StDev Variance Skewness Kurtosis N

13,838 3,502 12,267 1,43393 3,31552 2001

Minimum 1st Quartile Median 3rd Quartile Maximum

27

Anderson-Darling Normality Test

A-Squared P-Value <

10,000 10,000 11,000 12,000 27,000

12

16

20

24

28

32

36

95% Confidence Interval for Mean 10,995

13,684

1,455

11,000

13,000 95% Confidence Intervals

1,614 Mean

Median

Median 11,05

11,10

11,15

11,20

11,25

13,000

95% Confidence Interv al for StDev

Mean

11,00

13,991

95% Confidence Interval for Median

95% Confidence Interv al for StDev 95% Confidence Intervals

10,000 11,000 13,000 16,000 36,000

95% Confidence Interval for Mean

11,218

95% Confidence Interval for Median 11,000

Minimum 1st Quartile Median 3rd Quartile Maximum

13,0

13,2

13,4

La hip贸tesis de normalidad no se verifica

13,6

3,397

13,8

14,0

3,614

Análisis exploratorio (“screening”) Run Chart of Profundidad máxima Ensayo B

Detección de segmentos y ángulos críticos

Profundidad máxima

35 30 25 20 15

Profundidad máxima - Ensayo B

10 1

1000

2000

Number of runs about median: Expected number of runs: Longest run about median: A pprox P-Value for Clustering: A pprox P-Value for Mixtures:

3000

4121 4483,1 35 0,000 1,000

4000 5000 Observation

6000

Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:

7000

8000

9000

6052 6203,0 8 0,000 1,000

40 30 Profundidad máxima

20 2000

10 0

1000 03:00 06:00 Orientación

0 09:00

Distancia A bsoluta_(m)

Estudio detallado con Medianas Boxplot of Prof A; Prof B 24

Segmentos 1090 - 1451

22 20

Segmentos 779 - 971

Data

18 16 14 12 10 Prof A

Prof B

Mann-Whitney Test and CI: Prof A; Prof B Prof A Prof B

N 1410 1997

Median 11,000 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)

Corte de la tubería en “rodajas”

Segmentos cr铆ticos y curva de corrosi贸n Trend Analysis Plot for Prof% Growth Curve Model Yt = 9,63912 * (1,14008**t) 120

Variable A ctual Fits Forecasts

100

A ccuracy MAPE MAD MSD

Prof%

80 60

Measures 0,0599000 0,0089096 0,0001376

40 20 0 2005

2020

2035

2050 Year

2065

2080

2095

La proyecci贸n 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 14 Buenos Aires - Argentina (5411) 5555-1428 www.hltnetwork.com