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