FACULTAD DE

INGENIERÍA, DISEÑO E
INNOVACIÓN

PROYECTO GRUPAL INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

MODELO DE SISTEMA DE PROTECCIÓN HIDRÁULICO PARA UN POZO

PETROLERO

Presentado por:
Juan David García Valencia 1621024971
Darío Cuéllar Morales 1621024444
Daniela López Bolivar1821981652
Elkin Danilo Fernández Pinilla 1821982348
Elkin David Cárdenas Duarte 1421024458

Presentado a:
Eng. Carlos Andrés Quiroz Castellanos

PRIMERA ENTREGA

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

FACULTA DE INGENIERÍA, DISEÑO E INNOVACIÓN
INGENIERÍA INDUSTRIAL
BOGOTÁ D.C.
2020
 FACULTAD DE
INGENIERÍA, DISEÑO E
INNOVACIÓN

PROYECTO GRUPAL INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

MODELO PROBABILÍSTICO
Introducción
La preocupación de cierta empresa petrolera en el funcionamiento de las válvulas de un
sistema de extracción de crudo ha llevado al análisis y modelación de un sistema de
protección hidráulico para un pozo petrolero, el cual le permitirá a la empresa detectar el
tiempo que se produce la falla, así como detectar el tiempo de las revisiones y el tiempo de
reparación total en la válvulas con respecto a mediciones que se realicen por días.
Se sabe que este sistema de extracción, tiene internamente, una redes de tuberías de escape
con válvulas de control. Como dichas válvulas no se pueden monitorear constantemente, se
tendrá en cuenta que se hará revisión por días. Para esto se despreciará el tiempo que se
demoren en hacer el cambio de la válvulas dañadas.

Figura 1. Distribución de las válvulas en sistema de protección hidráulico

Planteamiento del Modelo en Cadena de Márkov
Para este sistema la variable de estado o Xn es:
Xn = El estado de las válvulas del sistema de protección en el día n. “como una variable
aleatoria que significa: el estado del sistema (válvula con funciona o no) en el tiempo n
(días).”[ CITATION POL201 \l 9226 ].
Para el caso del espacio de los estados, a este espacio lo llamamos S, que es “el conjunto de
posibles valores de Xn para cualquier “n”. Luego S es llamado el espacio de estados del
proceso estocástico.” [ CITATION POL201 \l 9226 ]
Para este caso la convención se utilizará es (w, n) donde w “funciona” y n es “no funciona”.
Teniendo en cuenta que las válvulas interaccionan entre ellas se arman conjuntos tal como lo
muestra el gráfico. Entonces, al lado de la convención se coloca el número de la válvula, así:
 FACULTAD DE
INGENIERÍA, DISEÑO E
INNOVACIÓN

PROYECTO GRUPAL INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

S = {(1w,1n), (1w,8n,9n), (1w,8w,9n), (1w,8w,9w) (1w,8n,9w), (1n,8n,9w),

(1n,8n,9n), (2n,3w,4w,5w,6w,7w), (2w,3n,4w,5w,6w,7w),
(2w,3w,4n,5w,6w,7w), (2w,3w,4w,5n,6w,7w), (2w,3w,4w,5w,6n,7w),
(2w,3w,4w,5,w,6w,7n), (2w,3,w,4w,5,w,6w,7w), (2n,3n,4n,5n,6n,7n)}
Pero también al tener una tasa de variabilidad de fallas y tasa de revisiones de esas fallas, así
como de un tasa de reparación total se pueden decir que podrían existir otras variables de
estado que el sistema podría tener en cuenta para analizar, ya que este sistema cuenta con K
válvulas diferentes, cada una con una tasa λ j ∀ j=1 , … , K de falla, una tasa μ j ∀ j=1, … , K
de revisión y una tasa β de reparación total. (Anexo 1. Proyecto grupal) [ CITATION POL20 \l
9226 ]

ANÁLISIS DE LOS DATOS

En el anexo de Excel se adjunta los datos analizados. Haciendo, entonces, un análisis robusto
del comportamiento estadístico por tasa de fallas, por tasa de revisiones y por reparación total
es decir, para ello se halla la media, la varianza, la desviación estándar y la mediana de los
datos arrojados en las fallas, revisiones y reparaciones totales del sistema.
Para llegar determinar, entonces, a que distribución corresponde se realiza una prueba de
ajuste con el programa Crystal Ball®, extensión de Excel, que permitió extraer como
resultado esta gráfica:

30000000 A N ÁLIS IS DEL ES TADO DE LAS VÁLVULAS

28293580.77
28282367.38
28282869.67
28282121.78
28289025.83
28288948.51
28291888.70
28291965.46
28264144.09
28263458.32
25000000

20000000

15000000

10000000

5000000

184.03
122.30
120.23
182.16
123.30
91.10
91.52
73.73
61.19
73.21
0 9426.12
9426.20
9423.08
9426.08
9427.23
9427.21
9422.97
9427.70
9427.99
9427.72 126.70
86.20
84.47
63.35
64.33
42.89
51.47
MEDIA VARIANZA DESV.EST MEDIANA

Figura 2. Prueba de Bondad de Ajuste

 FACULTAD DE
INGENIERÍA, DISEÑO E
INNOVACIÓN

PROYECTO GRUPAL INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

En conclusión, la distribución que nos arroja la prueba de bondad de ajuste con la

herramienta antes mencionada es una DISTRIBUCIÓN TRIANGULAR.
Este tipo de distribuciones se utilizan para describir una población sobre la cual existen datos
de muestra limitados. En este caso en la industria petrolera es preciso utilizar una distribución
triangular para la descripción de los datos, ya que no se pueden estar recolectando datos
diariamente de las válvulas, porque saldría muy costoso, así como también haría casi
imposible modelar los datos.
En el caso de esta distribución se puede decir que:
“Una distribución triangular es una distribución continua que se describe por sus valores
mínimos, máximos y su moda. La distribución tiene una forma triangular. Comienza en el
valor mínimo, aumenta de manera lineal hasta alcanzar el valor pico en la moda y luego
disminuye de manera lineal hasta alcanzar el valor máximo. La forma del triángulo puede ser
simétrica o asimétrica.” [ CITATION MIN18 \l 9226 ]

REFERENCIAS BIBLIOGRAFICAS

MINITAB-18. (2018). Soporte de Minitab. Obtenido de Distribución Triangular:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/triangular-distribution/
POLITÉCNICO GRANCOLOMBIANO. (2020). ANEXO 1. Anexos de Trabajo Grupal -
Programación Estocástica. Bogotá, Bogotá D.C., Colombia: Editorial Politécnico
GranColombiano.
POLITÉCNICO GRANCOLOMBIANO. (Enero de 2020). Plataforma Campus Virtual .
Obtenido de Programación Estocástica - Grupo 2 - Módulo 1:
https://poli.instructure.com/courses/13733/files/7766223?module_item_id=641685