Corrosin en tuberas de transporte de gas

y petrleo
Uso de herramientas de estadstica aplicada

Ing. Fernando Tomati

Ing. Adrin Gabriele

4tas. Jornadas de Celebracin del Mes Nacional de la Calidad

IAPG Ro Gallegos
Octubre de 2011

Temario
Antecedentes y objetivo del estudio
Principios del mtodo
Caso de aplicacin
Conclusiones

Antecedentes y objetivo del estudio

Mtodo de medicin
Smart Pig (chancho)
Algoritmo de discriminacin de
defectos
0

Tuber
Tubera (corte transversal)
Punto de medici
medicin

Equipo de medici
medicin
(chancho
chancho)

Hoja de datos
Nmero 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.
Mxima

Profundidad
mxima

Defectos

VLVULA DE COMPUERTA
250 MM TOMA-FORJADA
50 MM TOMA-WELDOLET
MAGNETO
MAGNETO
INT PM
CURVA-EN FRO COMB. E&Deb.
INT PM
INT PM
INT PM
INT PM
SOLD RESIST ELC COMIENZO

Ubicacin

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

Orientacin
(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
Calibracin de los sensores del equipo de medicin
Ubicacin radial del equipo
Fabricante y tecnologa del equipo
Condiciones propias de la medicin (velocidad, entorno)
Error residual del algoritmo de medicin

Problemas a resolver
I Comparacin entre mediciones:
Se debe calcular la tasa de crecimiento de fallas comparando
datos de los mismos defectos en un perodo o dos perodos
diferentes y, en funcin de ello, una fecha de falla crtica.

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 mtodo

Principios del mtodo a aplicar

Tratamiento adecuado de los datos (en funcin de su
naturaleza)
Mirar el bosque primero (de lo general a lo particular)
La tubera se puede cortar en rodajas
Las fallas crecen en forma exponencial

Caso de aplicacin:
Tubera de gas analizada a los 5 y 10 aos de construccin

Anlisis 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 hiptesis de normalidad no
se verifica

13,6

3,397

13,8

14,0

3,614

Anlisis exploratorio (screening)

Run Chart of Profundidad mxima Ensayo B

Deteccin de segmentos y
ngulos crticos

Profundidad mxima

35
30
25
20
15

Profundidad mxima - 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 mxima

20
2000

10
0

1000
03:00
06:00
Orientacin

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 tubera en
rodajas

Segmentos crticos y curva de corrosin

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 proyeccin 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 aplicacin

El tratamiento de los datos debera ser realizado, en la
mayora de los casos, a travs del anlisis estadstico no
paramtrico. Herramientas ms indicadas:

Run Chart
Surface Plot
Box Plot
Mann-Whitney Median Test

La proyeccin del avance de la corrosin debera ser tratado

a travs de curvas exponenciales del tipo Y = A . B(t)

Corrientes 222 Piso 14

Buenos Aires - Argentina
(5411) 5555-1428
www.hltnetwork.com