Informe AnalisisSistemico RAM TGI 2016vfinal 3

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/355819974
Informe técnico ANÁLISIS SISTÉMICO RAM: RELIABILITY, AVAILAIBILITY &

MAINTANIBILITY. SISTEMA INDUSTRIAL: RED DE TRANSMISIÓN DE GAS,
COLOMBIA
Technical Report · August 2016

DOI: 10.13140/RG.2.2.26714.06082/1
CITATIONS READS
0 229
2 authors, including:
Carlos Parra
Universidad de Sevilla
163 PUBLICATIONS 465 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Optimización de la Gestión del Mantenimiento y Análisis crítico de Indicadores de Benchmarking bajo el enfoque integral de la Gestión de Activos (ISO 55000). View project
All content following this page was uploaded by Carlos Parra on 01 November 2021.
The user has requested enhancement of the downloaded file.

1
IngeCon
Asesoría Integral en Ingeniería de Confiabilidad
https://ingeconvirtual.com/
Informe técnico
ANÁLISIS SISTÉMICO RAM:

RELIABILITY, AVAILAIBILITY & MAINTANIBILITY.
SISTEMA INDUSTRIAL: RED DE TRANSMISIÓN DE GAS
ORGANIZACIÓN:
TGI: TRANSPORTADORA DE GAS INTERNACIONAL
COLOMBIA
Preparado por:
Carlos Alberto Parra Márquez
parrac@ingecon.net.in
Roberto Villalón Letelier

roberto.villalon@gmail.com
Bogotá, Colombia
Agosto, 2016
2
Contenido
INTRODUCCIÓN ............................................................................................................................................ 3
OBJETIVO ....................................................................................................................................................... 4
ALCANCE........................................................................................................................................................ 4
1. CAPÍTULO I. CONSIDERACIONES DE LA MODELACIÓN LÓGICA FUNCIONAL Y

ESTABLECIMIENTO DEL MODELO DE SIMULACIÓN. .......................................................................... 5
1.1. DIAGRAMACIÓN LÓGICO-FUNCIONAL RBD (RELIABILITY BLOCK DIAGRAM-RAPTOR-SOFTWARE) ..................................... 5
1.2. METODOLOGÍA DE ABORDAJE DEL ANÁLISIS SISTÉMICO DE INDICADORES. .................................................................... 10
2. CAPÍTULO II. RESULTADOS GENERALES Y PARTICULARES DEL ANÁLISIS SISTÉMICO…18

2.1 RESULTADOS GENERALES DEL ANÁLISIS SISTÉMICO. ................................................................................................ 19
2.2 RESULTADOS PARTICULARES DEL ANÁLISIS SISTÉMICO. ............................................................................................ 20
3. CAPÍTULO III. RECOMENDACIONES .............................................................................................. 49
4. BIBLIOGRAFIA ..................................................................................................................................... 53
5. GLOSARIO DE TÉRMINOS ................................................................................................................. 55

3
INTRODUCCIÓN
En términos generales es posible establecer que la complejidad del mundo obliga la

visualización de las relaciones y la integración entre las distintas entidades que componen las
diversas redes que estructuran una realidad colectiva. Por esta razón, el enfoque sistémico
aparece como una manera que permite identificar de manera organizada los componentes físicos
y las funcionalidades de los elementos que componen un sistema, considerando su interacción o
interdependencia.
Este enfoque sistémico no se limita a las complejidades propias de la sociedad, sino que también
alcanza a los sistemas técnicos dentro de un contexto industrial, los que cada día son más
sofisticados e integrados. Esta filosofía de cómo enfrentar sistemas productivos complejos
desde una perspectiva de la seguridad de funcionamiento, representa un enfoque que ofrece una
opción concreta y confiable para analizar plantas, redes y flotas de gran magnitud que se
caracterizan por la relación de una gran cantidad de equipos, cuyas configuraciones de
funcionamiento son diversas y complejas debido a sus dependencias, los altos niveles de
redundancia y los grados de fraccionamiento que presentan, lo que influye en la confiabilidad
operacional de los sistemas. Las relaciones existentes entre los distintos equipos y su
comportamiento operacional de los mismos, determinan el impacto económico que implica la
indisponibilidad de cada uno de ellos sobre el resultado del negocio.
El término sistema se entiende como la agrupación de componentes básicos, configurados de

manera tal que desempeñan en conjunto una función determinada, producto del desempeño
funcional de cada uno de los componentes del sistema y su interrelación. Los sistemas quedan
definidos por las unidades que lo componen y por las tareas que realizan dentro de un proceso
productivo.
Para configuraciones complejas con muchos componentes la definición de los sistemas se realiza
de manera jerárquica, de lo más general a lo más específico. Para el caso de las instalaciones
industriales, la planta o la flota constituye la entidad integrada que define el sistema y los
equipos específicos u sus componentes son las unidades básicas que están agrupados en
subsistemas particulares.
El desempeño de un sistema depende del comportamiento y del ordenamiento de los subsistemas

que lo componen, y estos de sus equipos u componentes constituyentes. La pérdida de
funcionalidad de cada equipo afecta de manera distinta el comportamiento de subsistemas y del
sistema, ya que el impacto de cada uno de ellos depende de la configuración en que se encuentra
y de su desempeño particular en el tiempo. El análisis sistémico del proceso productivo busca
determinar el impacto del comportamiento de cada equipo o componente a nivel global de
4
manera de identificar su efecto sobre el negocio. El informe está estructurado de la siguiente

manera:
▪ Capítulo I, Consideraciones de la modelación lógica funcional y establecimiento del modelo

de simulación.
▪ Capítulo II, Resultados generales y particulares del análisis sistémico.
▪ Capítulo II, Recomendaciones
En términos generales, la información presentada en este informe, ayudará a la organización

TGI, a comprender el proceso de modelamiento sistémico de activos industriales desde la óptica
de la seguridad de funcionamiento, de forma que puedan establecer sus potencialidades a través
del desarrollo de un plan piloto, y así puedan proyectar estos resultados a toda la red que la
organización maneja, con la consiguiente evaluación de beneficios que esta nueva herramienta le
conferirá a sus procesos industriales, principalmente centrados en el análisis de vulnerabilidades
y la simulación de proyectos de mejora técnico-económicamente factibles.
OBJETIVO
Incorporar la visión sistémica para el establecimiento de los vínculos entre los activos físicos que
componen un sistema (plantas industriales, redes de suministro, etc.), para el que se precisa su
funcionalidad como conjunto integrado, de manera de determinar el impacto del comportamiento
de cada equipo o subsistema, sobre el mismo.
ALCANCE
Análisis de toda red de gas incluida en los 7 distritos de TGI (4.000,00 km de longitud de
tuberías), incluyendo las estaciones compresoras; y los City Gates contiguos a la red troncal, a
partir de una simulación estocástica mediante la herramienta Raptor, que entrega modelación de
la lógica de funcionamiento vía RBD y asignación de distribuciones de probabilidad individuales
a equipos, tanto para confiabilidad como para mantenibilidad.
5
1. CAPÍTULO I. CONSIDERACIONES DE LA MODELACIÓN LÓGICA

FUNCIONAL Y ESTABLECIMIENTO DEL MODELO DE SIMULACIÓN.
1.1. Diagramación lógico-funcional RBD (Reliability Block Diagram)
RBD es una técnica de análisis gráfico que expresa al sistema en cuestión como una conexión de
componentes según su relación lógica de confiabilidad. Las conexiones básicas de este modelo
están representadas por la configuración en serie, que representa lógicamente un ‘y’ entre
componentes, y la configuración en paralelo, la cual representa un ‘o’. Este modelo de análisis es
intuitivo y fácil de establecer, por lo cual es muy utilizado para representar sistemas complejos
que involucren un alto número de equipos y complejas configuraciones.
Una modelación RBD no necesariamente representa la conexión física de los componentes en el

sistema, sino, sólo indica cómo el estado de los componentes (funcionamiento o en falla),
representados por bloques, aseguran el funcionamiento del sistema.
Equipo
C
Equipo Equipo
A B
Equipo
D
Figura 1. Configuración RBD
Un modelo de estimación de la confiabilidad global sistémica debe representarse en función de

las confiabilidades individuales de los equipos que conforman el sistema. Es por esto que en este
capítulo se introduce las configuraciones RBD más utilizadas y sus respectivos cálculos de
confiabilidad.
R S (t) = f(R 1 (t), , R i (t), , R n (t))  t [0, ]

Donde,
▪ RS(t): confiabilidad del sistema

▪ Ri(t): confiabilidad del componente i del conjunto de n componentes
Además, es importante mencionar que los equipos que componen el sistema necesariamente
consideran las siguientes observaciones:
6
▪ La falla de un elemento constituyente de un sistema es casual y, estadísticamente

independiente del hecho que se produzca una falla en otro elemento del sistema
▪ La definición entre el estado de funcionamiento y el de falla es dependiente (o no) del
modo en que funcionen las otras partes del sistema.
Esta última observación obliga a tener especial cuidado con la diagramación de los bloques
(equipos o subsistemas), de modo que no se pierdan los escenarios que generen la discontinuidad
del proceso.
Antes de describir las configuraciones existentes para la modelación RBD, es importante

mencionar la importancia de la confiabilidad que es sistémicamente calculada:
▪ Al conocer el comportamiento de cada componente, es posible deducir el

comportamiento del sistema
▪ Es posible jerarquizar sobre la base de componentes críticos.
▪ Evaluar el efecto del mantenimiento de un componente sobre el sistema.
▪ Orientar las estrategias de mantenimiento para el sistema.
▪ Proyectar los sistemas con características óptimas mediante la simulación.
a. Configuración en serie
La falla de uno de sus elementos 1, considerado como un evento independiente, determina la falla
0F
del sistema en conjunto.
Equipo Equipo Equipo

A B C
Figura 2. Representación de sistema en serie
La confiabilidad del sistema en serie corresponde a la probabilidad que todos los elementos no
fallen en un tiempo determinado. Por lo tanto, la confiabilidad del sistema corresponde al
producto de las probabilidades de éxito de cada uno de los componentes. Si consideramos un
sistema compuesto por n elementos, se tiene que:
n
R S (t) = R 1 (t)  R 2 (t)    R n (t) =  R (t)
i =1
i  t [0, ]
1
Elemento: componente, equipo o subsistema
7
b. Configuración en paralelo
Esta configuración forma parte de los sistemas redundantes, los cuales buscan obtener una
mayor confiabilidad del sistema. En términos generales, existen dos tipos de redundancia en
paralelo (Figura 3. Representación de sistema en paralelo
3):
i. La redundancia parcial hace referencia a aquella configuración en la cual un grupo

de elementos es capaz de soportar el buen funcionamiento del sistema
ii. Por otra parte, la redundancia total se da cuando en el sistema un elemento, por sí
solo, es capaz de soportar el buen funcionamiento del sistema.
REDUNDANCIA PARCIAL REDUNDANCIA TOTAL
q/2
Equipo
A q
Equipo
q/2 A
Equipo
B q
Equipo
q/2 B
Equipo
C
Figura 3. Representación de sistema en paralelo
Para determinar la confiabilidad de un sistema en paralelo con redundancia total, al igual que los
sistemas en serie, se basa en las leyes del cálculo de probabilidades, es decir evaluando los
escenarios de buen funcionamiento del sistema. Para esto, existe un modelo denominado Event
Space Method, el cual es una aplicación del axioma de eventos mutuamente excluyentes.
La confiabilidad del sistema es simplemente la probabilidad que une todos los eventos
mutuamente excluyentes que generan el buen funcionamiento del sistema. De igual modo, la
probabilidad de falla es la suma de los eventos que generen fallas sistémicas.
En la Tabla 1, se representan los eventos del buen funcionamiento de un sistema en paralelo con
redundancia total de los equipos A y B de la Figura 3.
.
8
Confiabilidad del
Equipo A Equipo B
Sistema
Funciona Funciona R S (t) = R A (t)  R B (t)
No R S (t) = R A (t)  (1 − R B (t))

Funciona
Funciona
No R S (t) = (1 − R A (t))  R B (t)
Funciona
Funciona
Tabla 1. Escenarios de funcionamiento de un sistema en paralelo con redundancia total
Debido a que los escenarios de buen funcionamiento son independientes entre sí, la probabilidad
de buen funcionamiento del sistema queda definida por la suma de los eventos antes
mencionados.
Una forma de simplificar estos cálculos, y de mucha utilidad cuando existen más de dos
elementos constituyentes del sistema, es analizar la probabilidad de falla del mismo.
La probabilidad de falla de un sistema en paralelo, de acuerdo a las definiciones dadas

anteriormente (considerando independencia entre los elementos de un sistema), considera que la
falla del sistema ocurre cuando fallan simultáneamente todos los elementos que lo componen.
Por lo tanto se tiene que la probabilidad acumulada de falla del sistema está dada por:
n
FS (t) = F1 (t)  F2 (t)    Fn (t) =  F (t)
i =1
i  t [0, ]
Y por lo tanto la confiabilidad estará dada por:

n
R S (t) = 1 − FS (t) = 1 −  F (t)
i =1
i  t [0, ]
En el caso de sistemas en paralelo con redundancia parcial, la exigencia para que el sistema
funcione es que exista combinación mínima de elementos en operación. La confiabilidad del
sistema se calcula entonces de la siguiente forma:
n
n
R S (t) = P(r  j  n) =   j  R (1 − R)
j= r
j n−j
 t  [0, ]
Donde Rs(t) es la confiabilidad para un determinado tiempo t en un sistema compuesto por n

elementos iguales, de los cuales se requiere un mínimo de r equipos en un buen funcionamiento
9
para que el sistema funcione. Por otra parte, corresponde a la confiabilidad de cada componente
de manera individual.
c. Configuración en stand-by
Esta configuración es otro tipo de redundancia, la cual consiste en que en un instante

determinado sólo funciona uno de los elementos del sistema, mientras que los equipos restantes
permanecen en reserva, o bien en estado de espera (stand-by).
En consecuencia, en este caso la conexión funcional varía en el tiempo en función de la

aparición de la falla. A continuación se muestra la disposición de componentes en un sistema
stand-by.
C Equipo A
Equipo B
Figura 4. Sistema en configuración stand-by
La variación de la conexión está a cargo de un elemento de decisión o conmutación,

representada por el conmutador C en la Figura 4, que cambia la conexión de un componente a
otro cuando el que está en operación presenta una condición de falla.
Para establecer la confiabilidad del sistema stand-by es necesario considerar los escenarios de
funcionamiento presentados en la Figura 5.
Equipo A funciona
1.
t
Equipo A funciona
2.
 Equipo B funciona t
Figura 5. Escenarios de funcionamiento de un sistema en configuración stand-by
El equipo A se encuentra normalmente bajo carga, mientras que B interviene solamente cuando
A falla. Considerando que la confiabilidad del elemento conmutador C es 100%, en el análisis de
la confiabilidad del sistema en el tiempo t, se deben considerar los casos en que el sistema se
encuentra en buen funcionamiento. Ambas situaciones se encuentran esquematizadas en la
Figura 5.
▪ A funciona al instante t
10
▪ A falla en t = τ y B funciona desde t = τ hasta t
En consecuencia, se puede establecer que la confiabilidad del sistema está dada por:
t

R S (t) = R A (t) + fA ( ) R B (t − τ) dτ  t  [0, ]
0
En la Figura 6, se presenta un ejemplo básico de generación de un diagrama lógico funcional,

mediante la metodología RBD. A partir del Flow Sheet o diagrama de flujo del proceso se
identifica qué equipos o combinación de estos provocan una pérdida de funcionalidad en el
sistema. En el presente caso, aquella pérdida de funcionalidad se traduce en la ausencia de
caudal de salida.
FLOW SHEET
Fuente de Bomba A Salida

Agua
Válvula
Bomba B
FAULT TREE DIAGRAMA RBD
Bomba A
Válvula
C A•B Bomba B
Paralelo
Serie
A B
Figura 6. Ejemplo de generación de diagrama lógico funcional
1.2. Metodología de abordaje del análisis sistémico de indicadores.
A continuación se presenta un esquema que representa la metodología empleada en el abordaje

de cada una de las etapas desarrolladas para el establecimiento del modelo de simulación, con su
respectiva explicación.
11
Figura 7. Metodología de abordaje del modelo de simulación piloto
1. Visita en campo. Se realizaron 15 visitas en total, en las que se recorrieron los 7 distritos
que componen la red de gas (4.000,00 km de longitud de tubería de gas). Estas visitas
tuvieron como objetivo realizar el reconocimiento físico de los equipos incluidos en
Estaciones Compresoras, City Gates y la red de gasoductos en general. El foco de las
visitas estuvo puesto en la determinación de la lógica de funcionamiento, es decir, la
forma como interactúan cada uno de los equipos y su impacto en la seguridad de
funcionamiento del proceso del que hacen parte; como en el establecimiento de las
características intrínsecas de desempeño de cada equipo, a saber, confiabilidad
(frecuencias de falla) y mantenibilidad (tiempos de reparación).
2. Entrevistas a especialistas. Una vez realizados los recorridos en campo, se pasó a la

etapa de entrevistas con especialistas, la que fue dividida en dos partes, a saber:
A. La primera relacionada con el establecimiento de la lógica de seguridad de

funcionamiento de las estaciones compresoras, city gates y red de gasoductos, a
nivel de dependencias funcionales de los equipos principales con respecto al área
donde se encuentran (análisis sistémico). Lo que se busca en esta etapa es
establecer si existen redundancias (holguras en las funciones de los equipos) de
manera que se pueda establecer como el comportamiento individual de los
equipos impacta en el resultado global del área en donde se encuentran. Como
resultado de esta etapa se tiene un modelo conceptual de bloques (modelo RBD),
12
el que luego es plasmado en el software Raptor, obteniéndose el modelo lógico

funcional de simulación.
B. La segunda relacionada con el ingreso de las características de confiabilidad y

mantenibilidad de cada uno de los equipos en estudio. En cuanto a las
características de confiabilidad se tienen 3 grandes grupos de equipos, a saber:
I. Equipos que responden a una lógica típica de desgaste por tiempo de

operación, a los que se le asignó una distribución de fallas del tipo
Weibull, la que requiere de la configuración de dos parámetros
principales, el parámetro de escala o característica de vida (parámetro
alfa), asociado al alargamiento de la función de probabilidad de falla; y el
parámetro de forma (parámetro beta), asociado a la etapa del ciclo de vida
en el que se encuentra el equipo. Para configurar el parámetro de escala,
se levantaron los tiempos medios de buen funcionamiento, ya que como
aproximación se tiene que el parámetro alfa se acerca a este valor.
Mientras que para configurar el parámetro de forma, se levantaron las
vidas útiles de los equipos y se asignaron distintos valores para grupos de
equipos nuevos, de media vida y en cumplimiento de la vida útil.
II. Equipos que responden a una lógica de aleatoriedad en su frecuencia de

falla, a los que se asignó una distribución de fallas del tipo exponencial, la
que requiere el ingreso de un parámetro, cual es, el parámetro de vida
(parámetro lambda). Para configurar este parámetro, se levantó el tiempo
de buen funcionamiento de estos equipos, ya que el parámetro lambda es
igual a 1/MTBF, donde MTBF es el tiempo medio de buen
funcionamiento.
III. Equipos que responden a una lógica típica de desgaste con tasa de falla
creciente en el largo plazo (cercano al cumplimiento de la vida útil), a los
que se le asignó una distribución de fallas del tipo Log normal, la que
requiere de la configuración de dos parámetros, el parámetro de vida y la
desviación estándar. Para configurar el parámetro de vida se levantó el
tiempo medio de buen funcionamiento de estos equipos, ya que para esta
distribución actúa como parámetro de vida, mientras que como desviación
estándar se usó un valor típico igual a 1.
En cuanto a las características de mantenibilidad, se escogió la distribución

normal para cualquier tipo de equipo, la que exige el ingreso de dos parámetros,
el tiempo medio de reparación y la desviación estándar. Para configurar estos
13
parámetros, se utilizó la información que manejan los especialistas como tiempos

más probables de reparación para cada uno de los equipos, mientras que para la
desviación estándar se configuró un valor típico igual a 1.
3. Levantamiento de Información. La consolidación de la información para preparar el

modelo de simulación se hizo de manera remota, a partir de la revisión de la información
levantada en campo. A partir de este levantamiento se confeccionaron planillas Excel con
el listado de los equipos incluidos en el alcance de la modelación, en las que se detallan
los parámetros tanto de confiabilidad como de mantenibilidad que se asignaron a cada
uno de ellos.
Una vez tenida esta información, se construyeron los modelos de bloques en el software
Raptor.
4. Modelo RBD y Simulación. Tomando en cuanto el amplio alcance de la simulación de

la Red de Gas, y de manera de recoger el comportamiento más cercano a la realidad, se
tomaron las siguientes consideraciones en la configuración de las dependencias
funcionales:
A. Las estaciones compresoras se modelan de forma independiente, y en cada una de

ellas se incluye, dentro de la configuración lógico funcional, aquellos equipos
principales que ante una falla impactan en el comportamiento agregado de las
mismas, provocando su detención. A continuación se describe en detalle la lógica
de desagregación de los equipos principales:
I. Las unidades compresoras, al ser equipos mayores, son desagregadas en 3

partes principales, a saber, parte mecánica, parte de control y parte
lubricación.
II. Las válvulas de entrada y salida, así como las shut down y blow down, se
desagregan en 2 partes, parte control y parte mecánica.
III. Las válvulas stand-by sólo son configuradas como una parte mecánica.
IV. Los filtros de succión y de descarga se desagregan en una parte estructural

(vasija) y los elementos filtrantes.
B. Se realizan dos modelos de red troncal, a saber, “Red TGI Bogotá” y “Red TGI
Cali”. El primero incluyendo los activos dispuestos para la alimentación de gas a
la zona de Bogotá y el segundo incluyendo los activos dispuestos para la
14
alimentación de gas de la zona de Cali. Para la alimentación de ambas zonas, se

tienen dos posibilidades, por una parte los pozos de Cusiana y Cupiagua; y por
otra los pozos de Ballenas (Gas Guajira). En vista de la extensión de la red troncal
y la limitación que brinda la herramienta Raptor, para el soporte de la simulación
de seguridad de funcionamiento al nivel de detalle establecido, es que se decide
separar la red en dos modelos. Cabe destacar que el gran cliente de la Red TGI es
Bogotá, y en base a esto es que el modelo “Red TGI Bogotá”, representa un
modelo que permite simular las criticidades particulares de la red de activos. La
diferencia entre los dos modelos, radica en la zona que se está alimentando con
gas (parte final del modelo de simulación), ya que la alimentación para ambos
modelos es prácticamente la misma (a diferencia de la red de gas Cusiana-Usme,
que sólo alimenta a Bogotá)
C. Dentro de esta red troncal, las estaciones compresoras son tomadas como bloques
individuales de confiabilidad (aun cuando ellas son agrupaciones de equipos que
le confieren un comportamiento dependiendo de sus configuraciones
funcionales), cuyo comportamiento queda definido por el resultado agregado de
su modelo de seguridad de funcionamiento.
Las estaciones asociadas a la compresión de Gas Cusiana, a saber, Miraflores y

Puente Guillermo, se modelan en una lógica de serie, es decir, se necesitan las
dos en funcionamiento para asegurar una correcta compresión en la línea. De
acuerdo a las necesidades de compresión futuras, esta consideración puede ser
cambiada.
Por su parte, las estaciones asociadas a la compresión de Gas Guajira, a saber,

Hatonuevo, Jagua del Pilar, Curumani, Casacara, Norean, San Alberto,
Barrancabermeja, son modeladas con una lógica de redundancia parcial, con un
mínimo de estaciones en funcionamiento. Este valor mínimo es 3 estaciones en
funcionamiento para asegurar una correcta compresión de la línea. La excepción
es la estación compresora Vasconia, la cual es incluida con una lógica de
funcionamiento de serie en la red troncal de la que hace parte.
En la Red Vasconia-Cali, las estaciones compresoras Mariquita y Padua se

diagraman con una lógica de stand by, es decir, se necesitan una de las dos en
funcionamiento para la correcta entrega de Gas.
D. Los city gates incluidos en cada distrito (7 en total) son configurados en un sólo
modelo lógico funcional. Si bien es cierto cada city gate es independiente, es
decir, una falla en un respectivo city gate sólo afecta a la zona donde él es
15
proveedor, se quiere mostrar con el modelo único del distrito, la seguridad de

funcionamiento de toda la red de city gates, representando de esta forma la
capacidad total de entrega de cada uno de los distritos a los clientes. Esto
adicionalmente, permite comparaciones entre distritos.
Los city gates no son incluidos en el análisis de la red troncal ya que ante una
falla de estos, la red no se ve influencia en su capacidad de transporte.
Con respecto a las consideraciones que se establecieron para la simulación de los

diagramas lógico-funcionales se tiene lo siguiente:
E. La simulación se desarrolló utilizando el software RAPTOR para cada escenario

en base a 200 iteraciones, para establecer resultados con menor nivel de
dispersión del escenario más probable. A continuación un ejemplo de simulación
gráfica del software RAPTOR):
Figura 8. Ejemplo simulación RAM del Software RAPTOR
Se estableció un análisis de resultados sensibilizando el número de iteraciones, lo

que arrojó que aumentar el número más allá de las 200 iteraciones no
representaba una mejora sustancial del modelo, lo que implica la convergencia en
torno a ese valor. A continuación se presenta un cuadro comparativo.
16
F. La red de gas se monta en las zonas donde existe el loop, como una alternativa de
producción (redundancia). Sin embargo, es muy sencillo cambiar esta
consideración a una más exigente, esto es, que el loop más que una alternativa es
una ampliación de la capacidad de transporte de la red, lo que reduciría las
holguras hoy presentes en el modelo.
G. El modelo lógico-funcional no incluye la holgura de transporte que entrega el gas

que queda empaquetado dentro de la tubería, es decir, ante una falla de la red, la
capacidad de transporte se pierde de manera inmediata (el modelo recoge la
disponibilidad física de los activos). Adicionalmente tampoco incluye la holgura
que entrega la posibilidad de bajar el perfil de presiones de una tubería ante una
rotura que se puede manejar. Esto es, ante una rotura la capacidad de transporte se
pierde de manera inmediata (el modelo recoge la disponibilidad física de los
activos).
H. La exigencia de operación de las unidades compresoras pertenecientes a la red

troncal, se establece de acuerdo al escenario más probable futuro, que es con una
unidad de compresión en reserva. Sin embargo, este criterio puede cambiarse en
virtud del análisis de sensibilización del modelo.
I. Para modelar las instalaciones correspondientes al Hub Vasconia, se tomó en

cuenta la capacidad de alimentar el Hub ya sea con Gas Guajira como con Gas
Cusiana. Este hecho permite la holgura de alimentar con Gas Cusiana a la Red
Vasconia-Ballenas y Vasconia-Cali.
J. Ante la falla del Hub, la ciudad de Bogotá sólo podría ser alimentada por Gas
Cusiana. De esta misma forma, la red Vasconia-Cali sólo podría ser alimentada
por Gas Guajira. Es por este hecho que, en el modelo lógico funcional de la
17
alimentación a Bogotá, el Hub Vasconia está incluido en la red que transporta

Gas desde Ballenas y en la alimentación a Cali, está incluido en la red que
transporta Gas desde Cusiana.
K. El modelo del Hub Vasconia establecido, no toma en cuenta los eventos de

inundaciones, como un factor que afectan su seguridad de funcionamiento. Aun
así, se registran 2 inundaciones en 2011 (abril y diciembre) que dejaron fuera la
alimentación eléctrica de los equipos, lo que se soportó con operación manual.
5. Resultados y discusión. En base a las simulaciones efectuadas, tanto para los dos
modelos de red troncal, la totalidad de estaciones compresoras y los modelos agregados
de city gates para cada uno de los distritos, se concluyen resultados de vulnerabilidad
(confiabilidad) y de continuidad operacional (disponibilidad). Estos resultados son
presentados en detalle en el Capítulo 2 “Resultados generales y específicos del Análisis
Sistémico”.
18
2. CAPÍTULO II. RESULTADOS GENERALES Y PARTICULARES DEL ANÁLISIS

SISTÉMICO.
Este capítulo se estructura en dos partes. La primera donde se muestran los resultados generales
de la simulación, en base a los modelos lógico-funcionales desarrollados para le red troncal
considerada en el análisis, a saber:
- Red de Gas Alimentación Bogotá

- Red de Gas Alimentación Cali
Estos resultados resumen el comportamiento integrado de las áreas modeladas, en cuanto a

disponibilidad, confiabilidad, tiempo medio de buen funcionamiento y tiempo medio de
reparación, para los distintos escenarios de tiempos (día, mes, semestre y año).
Mientras la segunda parte, muestra los resultados específicos del análisis sistémico, cuyo
objetivo es encontrar a los malos actores en cuanto a confiabilidad y disponibilidad de cada una
de las áreas en estudio, para un escenario de análisis anual, a saber:
- Red de Gas Alimentación Bogotá, y Red de Gas Alimentación Cali

- Estaciones Compresoras.
- City gates de los distintos distritos
Particularmente para el análisis de City Gates, se presenta una jerarquía donde para cada distrito,
se muestran los resultados primero de los city gates con peor desempeño y paulatinamente los
con mejor desempeño.
19
2.1 Resultados Generales del Análisis Sistémico.
Red de Gas
A continuación se muestran los resultados de la simulación de la Red de Gas, para los dos
modelos configurados.
Red de Gas Bogota 24 hr. Red de Gas Bogota 720 hr. Red de Gas Bogota 4380 hr. Red de Gas Bogota 8760 hr.
Disponibilidad 98,03% Disponibilidad 96,59% Disponibilidad 96,17% Disponibilidad 95,84%
Confiabilidad 94,50% Confiabilidad 7,00% Confiabilidad 0,00% Confiabilidad 0,00%
MTBDE (hr.) 23,5 MTBDE (hr.) 397,12 MTBDE (hr.) 292,11 MTBDE (hr.) 263,58
MDT (hr.) 8,06 MDT (hr.) 10,57 MDT (hr.) 10,87 MDT (hr.) 11,08
Tabla 2. Resultados agregados Red de Gas Bogotá para distintos escenarios de tiempos de operación.
Red de Gas Cali 24 hr. Red de Gas Cali 720 hr. Red de Gas Cali 4380 hr. Red de Gas Cali 8760 hr.
Disponibilidad 99,59% Disponibilidad 98,76% Disponibilidad 98,64% Disponibilidad 98,40%
Confiabilidad 98,00% Confiabilidad 30,00% Confiabilidad 0,00% Confiabilidad 0,00%
MTBDE (hr.) 23,9 MTBDE (hr.) 573,18 MTBDE (hr.) 685,15 MTBDE (hr.) 529,87
MDT (hr.) 4,98 MDT (hr.) 7,63 MDT (hr.) 7,72 MDT (hr.) 8,15
Tabla 3. Resultados agregados Red de Gas Bogotá para distintos escenarios de tiempos de operación.
Existe una diferencia promedio de 2 puntos de disponibilidad entre el modelo que alimenta a
Bogotá con respecto al modelo que alimenta a Cali. Si se centra el análisis en las proyecciones
semestrales y anuales, es posible establecer un valor promedio de disponibilidad de la red que
alimenta Bogotá en torno al 96%, mientras que para la red que alimenta Cali, es posible
establecer este promedio en torno al 98,5%. En términos de vulnerabilidades de la red, están
quedan de manifiesto con el valor de confiabilidad del 0% obtenido tanto en la proyección
semestral (4380 horas) como en la proyección anual (8760 horas), para ambos modelos. Este
valor representa una certeza del 100% de encontrarnos con alguna falla que afecte la
disponibilidad física de la red.
Con respecto a la continuidad operacional, y basando el análisis en la proyección anual, se puede

decir que la red Bogotá presenta fallas cada 263 horas (2,7 fallas al mes), las que en promedio
duran 11 horas aproximadamente. Por su parte la red Cali presenta fallas cada 530 horas (1,4
fallas al mes), las que en promedio duran 8,15 horas aproximadamente.
Esta diferencia de comportamiento se entiende dada la forma como se configuraron ambos

modelos, esto es, la Red Bogotá es un trazado que demanda una mayor cantidad de activos
funcionando al mismo tiempo, para mantener la seguridad de funcionamiento que el contexto
operacional y las necesidades del negocio requieren. (La línea de alimentación por Cogua y la
línea de alimentación por Usme).
20
2.2 Resultados particulares del Análisis Sistémico.
Los resultados específicos se muestran primero por modelo lógico funcional en base al escenario
anual simulado. Se muestran los malos actores en base a los peores comportamientos de
disponibilidad y confiabilidad de los equipos que conforman el área de análisis.
Adicionalmente se realiza un análisis de las estaciones compresoras y del modelo integrado de

city gates de cada uno de los distritos.
Red de Gas Bogotá
Dentro de la red se tienen como puntos críticos 2 grandes zonas, a saber, la red de tuberías que
alimenta con gas a la zona de Cogua, denominada “Alimentación Cogua” y la red de tuberías
que alimenta con gas a la zona de Usme, denominada “Alimentación Usme”.
Para la primera zona, los puntos débiles se encuentran en las tres estaciones compresoras
principales incluidas en el modelo, y en algunas zonas de piping específicas, a saber, el tramo de
tuberías comprendido entre las válvulas de seccionamiento La Belleza-El Hatillo y el tramo de
tuberías de la Zona Samacá (línea existente y loop). La tabla siguiente resume la información.
Red de Gas Bogota. Análisis de proyección mensual

Sistemas R (t) Disp.
Red de Gas 7,00% 96,59%
Alimentacion Bogotá (2/2) 7,00% 96,59%
Alimentacion Cogua (1/2) 48,50% 99,30%
Estac. Pte Guillermo 25,50% 97,90%
PpBelleza_Hatillo 0,00% 89,50%
Estac. Vasconia 46,50% 98,32%
AlimVvB1 (*) 8,50% 98,34%
Zona Samaca-Sutamarchan (Lin. Antigua) 0,00% 82,60%
Zona Samaca-Sutamarchan (Lin. Loop) 0,00% 91,30%
Estac. Miraflores 28,50% 97,92%
Alimentacion Usme (1/1) 23,50% 97,55%
Estac. Apiay 37,50% 98,12%
Sistemas MTBDE (hr) MDT(hr)
Red de Gas 397,12 10,57
Tabla 4. Malos Actores Red de Gas Bogotá como proyección mensual.
21
Red de Gas Bogota. Análisis de proyección anual

Red de Gas 0,00% 95,84%
AlimVvB1 (*) 0,00% 98,39%
Alimentacion Usme (1/1) 0,00% 97,48%
Estac. Apiay 0,00% 97,98%
Sistemas MTBDE MDT
Red de Gas 263,58 11,08
Tabla 5. Malos Actores Red de Gas Bogotá como proyección anual.
Dado el requerimiento establecido en el modelo lógico-funcional, cual es que para asegurar el

transporte de gas de manera satisfactoria en Bogotá, se debe contar con alimentación tanto por la
zona de Cogua como por la zona de Usme (ambas con la misma importancia ya que el criterio es
alimentar 100%), es que se tiene el valor de disponibilidad mensual esperada en torno al 96,59%
y de disponibilidad anual esperada en torno al 95,84%. El criterio de buen funcionamiento es
bastante conservador.
Alimentación Cogua.
Dentro de esta zona se tienen como puntos débiles las tres estaciones compresoras, donde Puente
Guillermo presenta el peor desempeño de disponibilidad con un 97,90% y 97,92% como
esperanza mensual y anual respectivamente; y las zonas de piping donde el tramo La Belleza-El
Hatillo presenta el peor desempeño con un 89,50% y 85,92% como esperanza mensual y anual
respectivamente. Cabe destacar que las zonas de piping se ven afectadas más por fenómenos
geográficos que de falla (integridad).
En cuanto a confiabilidad, sólo es posible analizar los resultados mensuales, ya que los anuales
tienden a converger a un valor de 0%, dada la alta probabilidad de presentarse fallas sistémicas
en la red de transporte. En este sentido, el punto más débil en cuanto a confiabilidad está dado
por el tramo La Belleza-El Hatillo con 0% de confiabilidad esperado, en comparación con el
8,5% de confiabilidad que muestra la zona Samacá-Sutamarchán que es el siguiente peor
desempeño.
22
Alimentación Usme.
Dentro de esta zona, el único punto débil lo presenta la estación de Apiay, la que presenta una
disponibilidad del 98,12% y del 97,98% como esperanza mensual y anual respectivamente.
En general esta línea de transporte presenta una disponibilidad de 97,55% y 97,48%

respectivamente como esperanza mensual y anual respectivamente.
Red de Gas Cali
El único cambio que presenta este modelo lógico funcional con respecto al anterior, es el que
tiene relación con el tramo final de tubería, a saber, Vasconia-Cali. En esta zona si bien es cierto
se tiene una disponibilidad bastante alta en torno al 99,47% y 99,37% como esperanza mensual y
anual respectivamente. Cabe destacar, que existen dos estaciones compresoras que poseen
comportamientos similares al resto de las estaciones (Mariquita y Padua), pero dado el modelo
lógico-funcional que sólo exige una de ellas en funcionamiento para asegurar la correcta función
de compresión, es que se tiene un nivel de disponibilidad de toda la red en torno al 98,91% y
98,40% como esperanza mensual y anual respectivamente. La tabla siguiente resume la
información.
Red de Gas Cali. Análisis de proyección mensual

Red de Gas 36,00% 98,91%
AlimVvB1 (*) 8,50% 98,34%
Vasconia-Cali (1/1) 61,50% 99,47%
Estac. Mariquita 29,00% 97,40%
Estac. Padua 51,00% 98,17%
Sistemas MTBDE (hr) MDT (hr)
Red de Gas 595,86 7,59
Tabla 6. Malos Actores Red de Gas Cali como proyección anual.
23
Red de Gas Cali. Análisis de proyección anual

Red de Gas 0,00% 98,40%
AlimVvB1 (*) 0,00% 98,36%
Vasconia-Cali (1/1) 0,00% 99,37%
Estac. Mariquita 0,00% 97,30%
Estac. Padua 0,00% 98,30%
Sistemas MTBDE MDT
Red de Gas 529,87 8,15
Tabla 7. Malos Actores Red de Gas Cali como proyección anual.
24
Estaciones Compresoras
A continuación se presenta el análisis individual para cada una de las estaciones de compresión
incluidas en la Red. El análisis se hace en una dimensión anual, donde se establece el
comportamiento integrado de los sistemas que componen las estaciones, y el comportamiento
particular de los sistemas/componentes de peor desempeño en cuanto a disponibilidad.
En términos de confiabilidad, y dada la alta probabilidad de falla anual, que hace converger la
confiabilidad sistémica a un valor de 0%, se hará un análisis mensual para proyectar el
comportamiento de las estaciones y sus principales componentes con bajo desempeño. Al final
de esta sección se presentará un cuadro comparativo, que muestra el comportamiento de la
confiabilidad en cada una de las estaciones.
Estación compresora Miraflores
La estación presenta una disponibilidad esperada anual en torno al 97,69%, esto es alrededor de
200 horas de detención anual por alguna causa atribuible a los activos que la componen. En
promedio presenta una falla cada 675,34 horas (1,06 fallas al mes), las que en promedio le
significan a TGI, 14,19 horas para restituir la función, por cada falla que provoca la detención de
la estación.
Basando el análisis en la proyección anual, los sistemas “Fire and Gas” y “Unidades
Compresoras” muestran el peor desempeño en disponibilidad (99,01% y 99,05%
respectivamente) y también en confiabilidad (0% para ambos). Cabe destacar la influencia de
los sensores de llama en el comportamiento del sistema Fire and Gas.
Estación Miraflores. Análisis de proyección anual

Estación Miraflores 0,00% 97,69%
Unidades Compresoras 0,00% 99,55%
Unidad 1 0,00% 97,83%
Unidad 2 0,00% 97,81%
Unidad 3 0,00% 97,79%
Unidad 4 0,00% 97,75%
Unidad 5 0,00% 97,90%
Fire Gas 0,00% 99,01%
Sensores Llama 0,00% 99,10%
Slug Catcher 22,00% 99,75%
PSV100 47,00% 99,89%
Estación Miraflores 675,34 14,19
Tabla 8. Malos Actores Estación Compresora Miraflores proyección anual.
25
Estación Miraflores. Análisis de proyección mensual

Estación Miraflores 35,00% 97,82%
Unidad 1 57,50% 98,33%
Unidad 2 59,50% 98,48%
Unidad 3 51,00% 98,02%
Unidad 4 46,50% 97,97%
Unidad 5 48,00% 97,77%
Fire Gas 61,00% 98,98%
Slug Catcher 88,00% 99,75%
PSV100 92,50% 99,90%
Estación Miraflores 592,14 14,30
Tabla 9. Malos Actores Estación Compresora Miraflores proyección mensual.
Estación Compresora Puente Guillermo
promedio presenta una falla cada 534 horas (1,35 fallas al mes), las que en promedio le
significan a TGI, 11,87 horas para restituir la función por cada falla que provoca la detención de
la estación.
respectivamente) y también en confiabilidad (0% para ambos). Cabe destacar la influencia de los
sensores de llama en el comportamiento del sistema Fire and Gas.
Estación Puente Guillermo. Análisis de proyección anual

Estación Puente Guillermo 0,00% 97,88%
Unidad 1 0,00% 98,03%
Unidad 2 0,00% 98,05%
Unidad 3 0,00% 98,18%
Unidad 4 0,00% 98,09%
Unidad 5 0,00% 98,08%
Unidad 6 0,00% 98,11%
Unidad 7 0,00% 98,01%
Fire Gas 0,00% 99,15%
Gas Combustible 23,00% 99,79%
PSV 419 32,00% 99,84%
Estación Puente Guillermo 533,99 11,87
Tabla 10. Malos Actores Estación Compresora Puente Guillermo proyección anual.
26
Estación Puente Guillermo. Análisis de proyección mensual

Estación Puente Guillermo 33,50% 97,80%
Unidad 1 48,00% 98,03%
Unidad 2 54,00% 98,05%
Unidad 3 42,50% 98,18%
Unidad 4 44,50% 98,09%
Unidad 5 46,50% 98,08%
Unidad 6 44,00% 98,11%
Unidad 7 46,00% 98,01%
Fire Gas 69,00% 99,15%
Gas Combustible 91,50% 99,79%
PSV 419 93,00% 99,84%
Estación Puente Guillermo 549,05 13,82
Tabla 11. Malos Actores Estación Compresora Puente Guillermo proyección mensual.
Estación Compresora Vasconia
promedio presenta una falla cada 895 horas (0,8 fallas al mes), las que en promedio le significan
a TGI, 15,75 horas para restituir la función por cada falla que provoca la detención de la
estación.
Basando el análisis en la proyección anual, los sistemas “Fire and Gas” y “Sistema Tea”
muestran el peor desempeño en disponibilidad (99,12% y 99,68% respectivamente) y también
en confiabilidad (0% y 40% respectivamente). Cabe destacar la influencia de los sensores de
llama en el comportamiento del sistema Fire and Gas y de la reguladora PCV400 en el Sistema
TEA.
Estación Vasconia. Análisis de proyección anual
Estación Vasconia 0,00% 98,13%
Fire Gas 0,00% 99,12%
Sistema Tea 40,00% 99,68%
PCV400 43,00% 99,60%
Unidad 1 0,00% 97,92%
Unidad 2 0,00% 97,90%
Unidad 3 0,00% 97,85%
Unidad 4 0,00% 97,91%
Estación Vasconia 895,20 15,75
Tabla 12. Malos Actores Estación Compresora Vasconia como proyección anual.
27
Estación Vasconia. Análisis de proyección anual

Estación Vasconia 41,50% 98,35%
Fire Gas 69,00% 99,20%
PCV483 93,20% 99,86%
Unidad 1 65,00% 98,57%
Unidad 2 58,00% 98,26%
Unidad 3 45,50% 98,09%
Unidad 4 46,50% 97,82%
Estación Vasconia 641.11 14,86
Tabla 13. Malos Actores Estación Compresora Vasconia como proyección mensual.
Estación Compresora Barrancabermeja
promedio presenta una falla cada 1129 horas (0,64 fallas al mes), las que en promedio le
significan a TGI, 15,86 horas para restituir la función por cada falla que provoca la detención de
la estación.
TEA.
Estación Barrancabermeja. Análisis de proyección anual
Estación Barrancabermeja 0,00% 98,43%
Fire Gas 0,00% 98,90%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,88%
Unidad 2 0,00% 97,70%
Unidad 3 0,00% 97,83%
Unidad 4 0,00% 98,06%
Unidad 5 0,00% 97,83%
Unidad 6 0,00% 97,86%
Unidad 7 0,00% 97,64%
Estación Barrancabermeja 1128,83 15,86
Tabla 14. Malos Actores Estación Compresora Barrancabermeja como proyección anual.
28
Estación Barrancabermeja. Análisis de proyección mensual

Estación Barrancabermeja 48,50% 98,52%
Fire Gas 59,00% 98,94%
PCV400 91,70% 99,77%
Unidad 1 59,00% 98,38%
Unidad 2 59,00% 98,22%
Unidad 3 47,00% 97,90%
Unidad 4 45,50% 97,77%
Unidad 5 43,50% 97,58%
Unidad 6 48,00% 97,79%
Unidad 7 47,00% 97,81%
Estación Barrancabermeja 660,00 16,31
Tabla 15. Malos Actores Estación Compresora Barrancabermeja como proyección mensual.
Estación Compresora San Alberto
138 horas de detención por alguna causa atribuible a los activos que la componen. En promedio
presenta una falla cada 1203 horas (0,6 fallas al mes), las que en promedio le significan a TGI 16
horas para restituir la función.
Estación San Alberto. Análisis de proyección anual

Estación San Alberto 0,00% 98,43%
Fire Gas 0,00% 98,97%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,77%
Unidad 2 0,00% 98,05%
Unidad 3 0,00% 97,84%
Unidad 4 0,00% 97,64%
Estación San Alberto 1203,38 15,90
Tabla 16. Malos Actores Estación Compresora San Alberto como proyección anual.
29
Estación San Alberto. Análisis de proyección mensual

Estación San Alberto 53,00% 98,87%
Fire Gas 63,00% 99,09%
Sistema Tea 100,00% 100,00%
PCV400 100,00% 100,00%
Unidad 1 54,00% 98,17%
Unidad 2 62,50% 98,67%
Unidad 3 50,00% 98,07%
Unidad 4 47,00% 97,89%
Estación San Alberto 684,43 14,40
Tabla 17. Malos Actores Estación Compresora San Alberto como proyección mensual.
Estación Compresora Norean
presenta una falla cada 791 horas (0,9 fallas al mes), las que en promedio le significan a TGI
14,55 horas para restituir la función.
Estación Norean. Análisis de proyección anual

Estación Norean 0,00% 97,93%
Fire Gas 0,00% 98,97%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,73%
Unidad 2 0,00% 97,62%
Unidad 3 97,86%
Unidad 4 0,00% 97,72%
Unidad 5 0,00% 97,89%
Estación Norean 790,64 14,55
Tabla 18. Malos Actores Estación Compresora Norean como proyección anual.
30
Estación Norean. Análisis de proyección anual

Estación Norean 39,50% 98,07%
Fire Gas 64,50% 98,98%
PCV400 94,00% 99,82%
Unidad 1 58,50% 98,39%
Unidad 2 64,50% 98,46%
Unidad 3 57,50% 98,44%
Unidad 4 53,50% 98,23%
Unidad 5 48,50% 97,64%
Estación Norean 610,90 14,70
Tabla 19. Malos Actores Estación Compresora Norean como proyección mensual.
Estación Compresora Curumani
Estación Curumani. Análisis de proyección anual

Estación Curumani 0,00% 98,43%
Fire Gas 0,00% 98,97%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,77%
Unidad 2 0,00% 98,05%
Unidad 3 0,00% 97,84%
Unidad 4 0,00% 97,64%
Estación Curumani 1203,38 15,90
Tabla 20. Malos Actores Estación Compresora Curumani como proyección anual.
31
Estación Curumani. Análisis de proyección mensual

Estación Curumani 53,00% 98,87%
Fire Gas 63,00% 99,09%
Sistema Tea 100,00% 100,00%
PCV400 100,00% 100,00%
Unidad 1 54,00% 98,17%
Unidad 2 62,50% 98,67%
Unidad 3 50,00% 98,07%
Unidad 4 47,00% 97,89%
Estación Curumani 684,43 14,40
Tabla 21. Malos Actores Estación Compresora Curumani como proyección mensual.
Estación Compresora Casacará
Estación Casacara. Análisis de proyección anual

Estación Casacara 0,00% 97,41%
Fire Gas 0,00% 99,03%
PCV400 42,00% 99,87%
Unidad 1 0,00% 98,06%
Unidad 2 0,00% 97,72%
Unidad 3 0,00% 97,98%
Unidad 4 0,00% 97,95%
Unidad 5 0,00% 97,92%
Unidad 6 0,00% 97,95%
Unidad 7 0,00% 97,68%
Estación Casacara 524,91 12,99
Tabla 22. Malos Actores Estación Compresora Casacará como proyección anual.
32
Estación Casacara. Análisis de proyección mensual

Estación Casacara 30,35% 97,64%
Fire Gas 66,50% 99,04%
PCV400 83,50% 99,83%
Unidad 1 60,50% 98,37%
Unidad 2 63,50% 98,50%
Unidad 3 55,00% 98,38%
Unidad 4 49,00% 98,00%
Unidad 5 43,00% 97,82%
Unidad 6 54,00% 98,20%
Unidad 7 44,50% 97,63%
Estación Casacara 539,36 12,48
Tabla 23. Malos Actores Estación Compresora Casacará como proyección mensual.
Estación Compresora Jagua del Pilar
Estación Jagua del Pilar. Análisis de proyección anual

Estación Jagua del Pilar 0,00% 98,43%
Fire Gas 0,00% 98,97%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,76%
Unidad 2 0,00% 98,05%
Unidad 3 0,00% 97,84%
Unidad 4 0,00% 97,64%
Estación Jagua del Pilar 1203,38 15,91
Tabla 24. Malos Actores Estación Compresora Jagua del Pilar como proyección anual.
33
Estación Jagua del Pilar. Análisis de proyección anual

Estación Jagua del Pilar 53,00% 98,88%
Fire Gas 63,00% 99,09%
Sistema Tea 100,00% 100,00%
PCV400 100,00% 100,00%
Unidad 1 54,00% 98,17%
Unidad 2 62,50% 98,67%
Unidad 3 50,00% 98,07%
Unidad 4 47,00% 97,89%
Estación Jagua del Pilar 684,43 14,40
Tabla 25. Malos Actores Estación Compresora Jagua del Pilar como proyección mensual.
Estación Compresora Hatonuevo
presenta una falla cada 707 horas (1 fallas al mes), las que en promedio le significan a TGI 14
TEA.
Estación Hatonuevo. Análisis de proyección anual

Estación Hatonuevo 0,00% 97,86%
Fire Gas 0,00% 99,01%
PCV400 42,00% 99,87%
Unidad 1 0,00% 97,54%
Unidad 2 0,00% 97,96%
Unidad 3 0,00% 97,76%
Unidad 4 0,00% 97,97%
Unidad 5 0,00% 97,82%
Estación Hatonuevo 706,58 14,08
Tabla 26. Malos Actores Estación Compresora Hatonuevo como proyección anual.
34
Estación Hatonuevo. Análisis de proyección mensual

Estación Hatonuevo 37,00% 98,09%
Fire Gas 66,50% 99,03%
PCV400 85,70% 99,89%
Unidad 1 56,00% 98,27%
Unidad 2 55,00% 98,31%
Unidad 3 51,00% 97,84%
Unidad 4 50,50% 97,92%
Unidad 5 53,00% 97,86%
Estación Hatonuevo 605,68 14,03
Tabla 27. Malos Actores Estación Compresora Hatonuevo como proyección mensual.
Estación Compresora Mariquita
Basando el análisis en la proyección anual, los sistemas “Fire and Gas” y “Succión Gas”
en confiabilidad (0% para ambos). Cabe destacar la influencia de los sensores de llama en el
comportamiento del sistema Fire and Gas y del Filtro S1 en el Sistema Succión Gas.
Estación Mariquita. Análisis de proyección anual

Estación Mariquita 0,00% 97,09%
Fire Gas 0,00% 98,92%
Succion Gas 0,00% 99,29%
Filtro S1 5,00% 99,60%
Unidad 1 0,00% 98,01%
Unidad 2 0,00% 97,77%
Descarga Gas 5,00% 99,43%
Filtro D1 15,00% 99,64%
Estación Mariquita 558,34 15,87
Tabla 28. Malos Actores Estación Compresora Mariquita como proyección anual.
35
Estación Mariquita. Análisis de proyección mensual

Estación Mariquita 24,00% 97,12%
Fire Gas 62,50% 98,97%
Succion Gas 70,00% 99,36%
Filtro S1 81,00% 99,62%
Unidad 1 59,50% 98,33%
Unidad 2 64,00% 98,44%
Descarga Gas 72,50% 99,31%
Filtro D1 81,50% 99,53%
Estación Mariquita 561,71 16,03
Tabla 29. Malos Actores Estación Compresora Mariquita como proyección mensual.
Estación Compresora Padua
Si bien es cierto la estación compresora Padua está en la actualidad sólo como una alternativa
(en espera, ya que la principal es Mariquita), de igual forma se incluyó en el modelo, dada su
proyección de funcionamiento futuro. Para el ingreso de información, se utilizó información
promedio de otras estaciones.
TEA.
36
Estación Padua. Análisis de proyección anual

Estación Padua 0,00% 98,00%
Fire Gas 0,00% 99,07%
PCV400 43,00% 99,60%
Unidad 1 0,00% 97,86%
Unidad 2 0,00% 97,83%
Unidad 3 0,00% 98,08%
Unidad 4 0,00% 97,99%
Unidad 5 0,00% 97,46%
Estación Padua 826,00 15,17
Tabla 30. Malos Actores Estación Compresora Padua como proyección anual.
Estación Padua. Análisis de proyección mensual

Estación Padua 34,00% 98,07%
Fire Gas 64,00% 99,05%
PCV400 92,30% 99,81%
Unidad 1 58,50% 98,36%
Unidad 2 55,50% 98,10%
Unidad 3 52,50% 97,89%
Unidad 4 50,50% 97,80%
Unidad 5 46,00% 97,83%
Estación Padua 603,33 13,59
Tabla 31. Malos Actores Estación Compresora Padua como proyección anual.
A continuación se presenta un resumen con el desempeño general de todas las estaciones

compresoras.
37
EC Miraflores 8760 hr. EC P Guillermo 8760 hr. EC Vasconia 8760 hr.

Disponibilidad 97,69% Disponibilidad 97,88% Disponibilidad 98,13%
Confiabilidad 0,00% Confiabilidad 0,00% Confiabilidad 0,00%
MTBDE (hr.) 675 MTBDE (hr.) 534 MTBDE (hr.) 895
MDT (hr.) 14 MDT (hr.) 12 MDT (hr.) 16
Fallas (nº) 13 Fallas (nº) 16 Fallas (nº) 10
EC B/meja 8760 hr. EC San Alberto 8760 hr. EC Norean 8760 hr.
EC Curumani 8760 hr. EC Casacara 8760 hr. EC Jagua 8760 hr.

EC Hatonuevo 8760 hr. EC Mariquita 8760 hr. EC Padua 8760 hr.

Tabla 32. Resumen desempeño estaciones compresoras como proyección anual.
Las estaciones con peores desempeño esperado en cuanto a disponibilidad son en orden
ascendente: Mariquita con un 97,09%, Casacará con un 97,41% y Miraflores con un 97,69%.
Sin embargo, si se fija el análisis en la cantidad de fallas esperadas, Mariquita tiene el mismo
nivel de fallas esperadas que Puente Guillermo, pero Puente Guillermo presenta 0,8 puntos más
de disponibilidad esperada. En cuanto a disponibilidad Puente Guillermo presenta un nivel
similar a Hatonuevo, pero Hatonuevo presenta 4 fallas menos esperadas en el año.
Cabe recordar que el nivel de disponibilidad en un activo, es función de la confiabilidad

(frecuencia de fallas) y de la mantenibilidad (tiempo necesitado para restituir la función). Es así
como Mariquita es tan confiable como Puente Guillermo, pero Puente Guillermo es más
mantenible (en promedio 4 horas menos esperadas de restitución de función). Por otra parte,
Puente Guillermo es menos confiable que Hatonuevo (4 fallas anuales más esperadas), pero más
mantenible (2 horas menos esperadas de restitución de función), manteniendo el mismo nivel de
disponibilidad.
38
A continuación, se presenta una tabla que resume el comportamiento del MTBDE y del MDT
para todas las estaciones compresoras, desde las de peor comportamiento a las de mejor
comportamiento.
E. Compresoras MTBDE (Hr) E. Compresoras MDT (Hr)

Casacará 524,9 Jagua 15,9
P Guillermo 534,0 San Alberto 15,9
Mariquita 558,3 Curumani 15,9
Miraflores 675,3 Mariquita 15,9
Hatonuevo 706,6 B/bermeja 15,9
Norean 790,6 Vasconia 15,8
Padua 826,0 Padua 15,2
Vasconia 895,2 Norean 14,6
B/bermeja 1128,8 Miraflores 14,2
San Alberto 1203,4 Hatonuevo 14,1
Curumani 1203,4 Casacará 13,0
Jagua 1203,4 P Guillermo 11,9
Tabla 33. Resumen desempeño estaciones compresoras en base a MTBDE y MDT como proyección
anual.
En cuanto al MTBDE, que es el indicador que representa la continuidad operacional del

activo/área en análisis, se puede destacar que dos de las estaciones con peor disponibilidad
descritas anteriormente (Mariquita y Casacará), están dentro de las estaciones con peor MTBDE,
lo que demuestra que estas estaciones están influenciadas en su desempeño esperado de
disponibilidad, por el nivel de confiabilidad esperado.
En cuanto al MDT, que es el indicador que representa el nivel de facilidad para restituir la
función del activo/área en análisis, se puede destacar un similar comportamiento en el 50% de
las estaciones analizadas, para las que TGI requiere en promedio de 16 horas como esfuerzo de
mantenimiento en tareas de restitución de la función. Mientras que el 50% restante se mueve en
un rango que va desde las 15,2 horas a las 11,9 horas.
La tabla que se presenta a continuación muestra el comportamiento de la confiabilidad como

proyección mensual de cada una de las estaciones compresoras, de forma que se puedan
establecer vulnerabilidades relativas en el análisis de compresoras.
39
E. Compresoras R (t)
Mariquita 24,00%
Casacara 30,35%
Puente Guillermo 33,50%
Padua 34,00%
Miraflores 35,00%
Hatonuevo 37,00%
Norean 39,50%
Vasconia 41,50%
Barrancabermeja 48,50%
Curumani 53,00%
San Alberto 53,00%
Jagua del Pilar 53,00%
Tabla 34. Resumen desempeño estaciones compresoras en base a confiabilidad como proyección mensual.
Tal como se indicó en el apartado anterior, las peores estaciones compresoras en cuanto al
desempeño de confiabilidad como proyección mensual son Mariquita y Casacará, lo que
demuestra correlación en el análisis efectuado. En cuanto a las estaciones con mejores
desempeños, se tiene a Curumani, San Alberto y Jagua del Pilar, con un 53% de confiabilidad en
un escenario de 720 horas continuas de operación.
40
City Gates
A continuación se presenta el análisis de city gates por distrito.
Distrito 1
Disponibilidad Anual Confiabilidad anual CG

City Gate La Dorada 99,79% City Gate Puerto Parra 3,50%
City Gate Puerto Salgar 99,80% City Gate Puerto Salgar 5,50%
City Gate Puerto Serviez 99,81% City Gate Serviez 6,50%
City Gate Puerto Boyaca 99,82% City Gate San Alberto 7,00%
City Gate Puerto Parra 99,87% City Gate Aguachica 8,50%
City Gate Gamarra 99,88% City Gate Río de oro 9,00%
City Gate Aguachica 99,89% City Gate Puerto Boyacá 9,00%
City Gate San Alberto 99,90% City Gate La Dorada 9,00%
City Gate Rio de Oro 99,90% City Gate San Martín 11,50%
City Gate San Martin 99,91% City Gate Gamarra 12,50%
Tabla 35. Análisis Disponibilidad – Confiabilidad de city gates D1 como proyección anual.
Del análisis de los City Gates modelados, se desprende que el nivel mínimo de Disponibilidad lo
presenta el city gate La Dorada con un 99,79%. Mientras que en términos de Confiabilidad, el
rango mostrado para una operación de 8760 horas, va desde un mínimo de 3,5% a un valor de
12,5%.
Del análisis de Disponibilidad y Confiabilidad efectuado a los city gates, se tiene que no hay
mayor correlación entre el valor de confiabilidad y el de disponibilidad, lo que está
principalmente influenciado por los tiempos de reparación, siendo el factor más condicionante el
tiempo de traslado de los especialistas de mantenimiento, dada la lejanía geográfica de los City
Gates con respecto al centro operacional.
41
Distrito 2
Disponibilidad anual Confiabilidad anual

City Gate Tierradentro 99,81% City Gate Tierradentro 1,00%
City Gate La Sierra 99,82% City Gate San Luis 1,50%
City Gate Mariquita 99,83% City Gate Piedras 1,50%
City Gate La Victoria 99,83% City Gate Alvarado 1,50%
City Gate Guayabal 99,83% City Gate La Sierra 2,50%
City Gate Honda 99,83% City Gate Doima 2,50%
City Gate Aipe 99,85% City Gate Honda 3,50%
City Gate Piedras 99,85% City Gate Guayabal 3,50%
City Gate San Luis 99,86% City Gate Saldaña B 4,00%
City Gate Alvarado 99,87% City Gate Purificacion 4,50%
presenta el city gate Tierradentro con un 99,81%. Mientras que en términos de Confiabilidad, el
rango mostrado para una operación de 8760 horas, va desde un mínimo de 1% a un valor de
4,5%.
42
Distrito 3

City Gate La Belleza 99,71% City Gate Guatancuy 1,00%
City Gate Florian 99,74% City Gate Tunungua 3,50%
City Gate Guatancuy 99,77% City Gate Albania 4,00%
City Gate Albania 99,80% City Gate Tausa 4,50%
City Gate Tunungua 99,81% City Gate Sutatausa 4,50%
City Gate Briceño 99,81% City Gate Susa 5,00%
City Gate Caldas 99,84% City Gate Florian 5,00%
City Gate Susa 99,86% City Gate Fiquene 5,50%
City Gate Cucunuba 99,86% City Gate Cucunuba 5,50%
City Gate Fiquene 99,87% City Gate Briceño 5,50%
presenta el city gate La Belleza con un 99,71%. Mientras que en términos de Confiabilidad, el
rango mostrado para una operación de 8760 horas, va desde un mínimo de 1% a un valor de
5,5%.
Gates con respecto al centro operacional. Esto queda representado en el city gate La Belleza, el
que no aparece en el listado de los 10 city gates menos confiable, siendo que es el que presenta
el menor nivel de disponibilidad esperada.
43
Distrito 4

City Gate Aguazul 99,68% City Gate Centauros 0,50%
City Gate Tauramena 99,68% City Gate Aguazul 0,50%
City Gate Pompeya 99,78% City Gate Acacias 0,50%
City Gate Cumaral 99,78% City Gate Tauramena 1,00%
City Gate Restrepo 99,78% City Gate Restrepo 1,50%
City Gate Paratebueno 99,78% City Gate Pompeya 1,50%
City Gate Une 99,85% City Gate Paratebueno 1,50%
City Gate Chipaque 99,85% City Gate Cumaral 2,00%
City Gate Centauros 99,85% City Gate Apiay 2,50%
City Gate Quetame 99,86% City Gate Guayabetal 3,00%
presenta el city gate Aguazul con un 99,68%. Mientras que en términos de Confiabilidad, el
rango mostrado para una operación de 8760 horas, va desde un mínimo de 0,5% a un valor de
3%.
Del análisis de Disponibilidad y Confiabilidad efectuado a los city gates, se tiene que existe
bastante correlación entre el valor de confiabilidad y el de disponibilidad, ya que sólo 3/10 de los
city gates con menor nivel de disponibilidad no se encuentran dentro de los 10 city gates menos
confiables (Une, Chipaque y Quetame).
44
Distrito 5
Disponibilidad Anual Confiabilidad anual

City Gate Teatinos 99,73% City Gate Teatinos 0,00%
City Gate Otero 99,80% City Gate Otero 2,00%
City Gate Sogamoso 99,87% City Gate Sogamoso 3,00%
City Gate Duitama 99,87% City Gate Duitama 3,00%
City Gate Belencito 99,88% City Gate Belencito 6,00%
City Gate Tunja 99,89% City Gate Tunja 7,00%
City Gate Sucre 99,92% City Gate Paipa 20,00%
City Gate Bolivar 99,92% City Gate Sucre 21,00%
City Gate Jesus Maria 99,94% City Gate Sachica 22,00%
City Gate Guepsa 99,94% City Gate Moniquira 22,00%
Del análisis de los City Gates modelados, se desprende que los 10 de peor desempeño muestran
una disponibilidad esperada anual mayor al 99,7%, siendo Teatinos el de peor desempeño.
Mientras que en términos de confiabilidad, el rango mostrado para una operación de 8760 horas,
va desde un mínimo de 0% a un valor de 22%.
Del análisis de Disponibilidad y Confiabilidad efectuado a los 10 peores City Gates, se tiene que
los primeros 6 muestran correlación entre el valor de confiabilidad y el de disponibilidad.
Mientras que los 4 siguientes muestran un resultado no correlacionado, principalmente
influenciado por los tiempos de reparación, siendo el factor más condicionante el tiempo de
traslado de los especialistas de mantenimiento, dada la lejanía geográfica de los City Gates con
respecto al centro operacional.
45
Distrito 6

City Gate Intercor 99,85% City Gate Urumita 19,50%
City Gate Papayal 99,86% City Gate Papayal 19,50%
City Gate Hatonuevo 99,86% City Gate Valledupar 22,50%
City Gate La Mata 99,87% City Gate Fonseca 22,50%
City Gate Fonseca 99,87% City Gate Intercor 23,00%
City Gate Barrancas 99,87% City Gate San Diego 23,50%
City Gate El Burro 99,87% City Gate El Molino 24,50%
City Gate Tamaleque 99,87% City Gate La Paz 25,00%
City Gate El Banco 99,87% City Gate El Burro 25,00%
City Gate Pailitas 99,87% City Gate Becerril 26,00%
Del análisis de los city gates modelados, se desprende que los 10 de peor desempeño muestran
una disponibilidad esperada anual mayor al 99,85%, siendo Intercor el de peor desempeño.
va desde un mínimo de 19,5% a un valor de 26%.
6/10 no muestran correlación entre el valor de confiabilidad y el de disponibilidad, lo que esta
46
Distrito 7

City Gate Focatativa 99,85% City Gate Cajica 6,00%
City Gate Sopo 99,85% City Gate Focatativa 6,50%
City Gate Cota Municipio 99,85% City Gate Mosquera1 8,00%
City Gate Cartagenita 99,85% City Gate Sopo 9,00%
City Gate Mosquera1 99,85% City Gate Cartagenita 9,00%
City Gate Briceño 99,85% City Gate Gachancipa 9,50%
City Gate Cajica 99,85% City Gate Cota Mun 9,50%
City Gate Chia 99,86% City Gate Chia 9,50%
City Gate Bojaca 99,86% City Gate Zipaquira 10,00%
City Gate Zipaquira 99,86% City Gate Zipacon 10,00%
Del análisis de los city gates modelados, se desprende que los 10 de peor desempeño muestran
una disponibilidad esperada anual mayor al 99,85%, siendo Focatativa el de peor desempeño.
va desde un mínimo de 6% a un valor de 10%.
existe bastante correlación entre el valor de confiabilidad y el de disponibilidad, ya que sólo 2/10
city gates que están dentro de los niveles de disponibilidad más bajos (Briceño y Zipacón), no se
encuentran dentro de los city gates con menos nivel de confiabilidad.
A continuación se presenta un resumen de desempeño asociado a todos los distritos de TGI.

47
CGD1 8760 hr. CGD3 8760 hr. CGD5 8760 hr.

CGD2 8760 hr. CGD4 8760 hr. CGD6 8760 hr.

CGD7 8760 hr.

Disponibilidad 97,35%
Confiabilidad 0,00%
MTBDE (hr.) 204
MDT (hr.) 5
Fallas (nº) 43
Tabla 42. Resumen desempeño modelo integrado city gates por distritos como proyección anual.
El distrito 6 es el que muestra el menor valor de disponibilidad sistémica anual esperada,

principalmente influenciado por el número de CG que maneja (28 en total), con un 96,83%
Así mismo, el distrito 1 es el que presenta la mayor disponibilidad sistémica anual esperada,
dado el número de CG incluidos en el modelo (10 en total), con un 98,58%
A continuación se presenta una tabla que resume el comportamiento del MTBDE y del MDT
para todos los distritos, desde las de peor comportamiento a las de mejor comportamiento, para
establecer las causas de los malos desempeños en términos de disponibilidad.
City Gates MTBDE (Hr) City Gates MDT (Hr)

CGD2 134,5 CGD6 7,7
CGD5 138,1 CGD3 5,7
CGD4 172,5 CGD7 5,4
CGD7 203,8 CGD1 5,1
CGD3 235,7 CGD4 4,7
CGD6 243,7 CGD2 3,7
CGD1 366,7 CGD5 3,6
Tabla 43. Resumen desempeño city gates por distritos en función a MTBDE y MDT como proyección anual.
De acuerdo al análisis anterior, se puede destacar que el distrito 6 ve influenciado su mal

comportamiento en disponibilidad, dado el nivel de tiempo medio de detención que presentan las
fallas en los distintos city gates que lo conforman, las que en promedio le toman al personal de
TGI 7,7 horas de esfuerzo para restituir la función perdida. En términos de tiempo medio entre
48
detenciones, se puede observar que es el segundo distrito que presenta mayor continuidad
operacional (valor alto en el indicador MTBDE).
Por otra parte, al analizar el distrito 1 que es el que presenta el mayor valor esperado de
disponibilidad anual, se puede destacar que el conjunto de city gates que lo componen, presenta
la mayor continuidad operacional (valor más alto del indicador MTBDE), con 367 horas, esto es,
1,96 detenciones mensuales esperadas, en un ejercicio anual de operación. En términos de
tiempo medio de detención, se puede destacar que el distrito 1 presenta un tiempo medio de
detención (MDT) de 5,1 horas, valor que representa un promedio si se lo compara con el resto de
los distritos, con un valor máximo de 7,7 horas para el conjunto de city gates del distrito 1 y un
valor mínimo de 3,6 horas para el conjunto de city gates del distrito 5.
49
3. CAPÍTULO III. RECOMENDACIONES
Cabe recordar que los datos utilizados para alimentar los modelos lógico-funcionales fueron
establecidos en base a la experiencia histórica de técnicos operadores y mantenedores, por lo
tanto los resultados y recomendaciones que en este capítulo se entregan, deben ser tomadas en
un contexto de piloto de modelación, poniendo mucha atención en todas las consideraciones que
se realizaron, las que son expuestas en el punto 1.2 Metodología de abordaje. Estos resultados
deben ser validados con una nueva simulación efectuada en un plazo que cubra un poblamiento
de las bases de datos reales de los equipos en la plataforma SAP-PM.
Red de Gas
Dado los resultados obtenidos de vulnerabilidad de la red de gas, y tomando en cuenta las
consideraciones efectuadas, se pueden establecer focos de atención tanto en zonas de tuberías
como en las mismas estaciones compresoras. Dicha vulnerabilidad se sostiene en un indicador
de disponibilidad anual del 95,84% y un indicador de confiabilidad anual de 0% (100% de
probabilidad de perder la función de entrega asociado a temas físicos de la infraestructura, no
son tomados en cuenta los manejos operacionales, como empaquetamiento y bajas en el perfil de
presiones). Por otra parte y de acuerdo al levantamiento de información realizado en campo, se
puede establecer que el factor de mantenibilidad define el volumen de horas de interrupción,
principalmente por la inexistencia de aprovisionamiento de repuestos en las estaciones
compresoras y por la lejanía del centro de distribución de repuestos, aspecto que impacta tanto
las estaciones compresoras como la red en general. Se recomienda evaluar escenarios de
disminuciones en los tiempos de reparación, y como esto se ve reflejado en una mejoría del
tiempo de buen funcionamiento tanto de las estaciones como de la red en general. Esta
evaluación podría justificar mantener en bodegas de las estaciones, repuestos estratégicos
definidos en base a riesgo.
Tomando en cuenta la consideración efectuada en la simulación, relacionada con la condición de

holgura que le confiere el loop a la red en general, es recomendable evaluar los resultados
sistémicos tomando en cuenta una condición sin holgura del loop, para establecer el nivel de
criticidad de la red en un escenario de mayor demanda de transporte de gas. Adicionalmente y
dado el diseño del loop (muy cercano a la línea principal en la mayor parte de su recorrido), el
escenario sin holgura es un escenario bastante probable, tomando en cuenta que el mayor de los
focos de pérdida de confiabilidad de la tubería (fallas), viene dado por eventos de la naturaleza
que afectan igualmente a la tubería existente como al loop.
Se debe definir un criterio consensuado por los actores relevantes, para soportar las holguras
que el modelo actual presenta.
50
Es preponderante para el buen uso del modelo de simulación, consolidar un sistema de registro
de datos que permita alimentar la simulación con data real, para así tener una estimación de
seguridad de buen funcionamiento acorde a la realidad de TGI. He aquí la importancia de
consolidar las bases de datos de mantenimiento en el SAP-PM, para alimentar con data fidedigna
y en la cantidad suficiente los modelos de simulación desarrollados.
Estos modelos no buscan reemplazar los análisis de indicadores determinísticos que en la

actualidad TGI confecciona mes a mes para controlar la gestión de mantenimiento, sino que
buscan ser un soporte para iniciativas como: análisis de inversiones, definición de estrategia de
repuestos, dinamización de planes de mantenimiento, entre otras. Es decir, estos modelos están
orientados para entregar soporte para planeación estratégica en un horizonte de largo plazo.
Un aspecto preocupante es el que se visualizó en el Hub Vasconia, el que hoy representa una
zona crítica en cuanto a la transferencia de Gas Cusiana a zonas alimentadas hoy por Gas
Guajira y viceversa. En la visita realizada, se presenciaron vibraciones en la tubería, lo que
representa sin duda riesgo de rotura de las tuberías o de fractura de los soportes. Por otra parte se
tiene el riesgo de inundaciones (2 registros históricos), en donde se perdió la capacidad de
generación alternativa a la red comercial y se generaron fallas en los equipos eléctricos del Hub.
Estaciones compresoras
Mirando solamente las estaciones compresoras, existe claramente mal desempeño en dos de sus
sistemas principales, a saber Unidades Compresoras y Sistema Fire and Gas, los que
condicionan el comportamiento sistémico de cada una de las estaciones. Se recomienda un
análisis en detalle de las causas raíces de las fallas de estos sistemas, para encontrar
oportunidades de mejora en el plan de mantenimiento que permitan disminuir su frecuencia de
fallas y/o sus tiempos medios de reparación (aumento de disponibilidad).
Si bien es cierto se tiene que existen problemas de fallas en los sistemas de regulación de las
estaciones compresoras, dada la redundancia presente, estas fallas no repercuten en la pérdida de
función de la estación. Sin embargo, vale la pena realizar una revisión general de estos sistemas,
ya que en la actualidad la función de regulación está más soportada en la holgura presente, que
en la confiabilidad de los activos responsables de la función regulación.
Adicionalmente de acuerdo a las visitas en campo efectuadas, se pudo establecer lo siguiente:
- Existen problemas con las válvulas solenoides de las válvulas de blow y shut down, las
que se queman en la mayoría de las estaciones compresoras visitadas. Hoy no existe un
análisis cabal de las raíces originarias de estas fallas.
51
- Hoy en día, no se maneja un stock de seguridad tal de repuestos críticos en bodegas de

las estaciones que permita la intervención rápida para restablecer la función requerida.
Esto es un tema a revisar, ya que hoy estos repuestos se encuentran centralizados.
- En la Estación Compresora Vasconia, existe en la actualidad sólo uno de los dos filtros
de descarga trabajando, dado que el Filtro Nº1 (FD004) está en mantenimiento debido a
problemas operacionales, lo que impacta en el aumento de la vulnerabilidad de esta
estación. Sin embargo, el modelo fue construido pensando en dos filtros de descarga.
City Gates
En general presentan buenas disponibilidades físicas, lo que asegura un adecuado suministro de

gas a los distribuidores. Sin embargo los altos tiempos de interrupción en algunos distritos (D6 y
D3 en comparación con los demás distritos), principalmente influenciado por los altos tiempos
de desplazamiento de los equipos de mantenimiento, sin duda representan un escenario complejo
a la hora de orientar la gestión hacia la disminución de los tiempos de interrupción; y son
además, un factor negativo para el desempeño de éstos en cuanto a disponibilidad esperada.
Si bien es cierto los CG no ponen en peligro la alimentación de gas por la red troncal, se levantó
en las visitas que hoy algunas oportunidades de mejora, para brindar mayor seguridad de
funcionamiento a éstos, que tienen que ver específicamente con temas de regulación (en algunos
casos este hecho ha significado cierres de CG’s).
Otros temas relevantes a tomar en cuenta, se tienen en los equipos calentadores, para evitar
congelamiento de las cañerías y aparición de condensados de hidrocarburos que impactan
negativamente en la confiabilidad de los equipos (principalmente regulación). En la mayoría de
los CG visitados estos equipos (catalíticos y acuatubulares alimentados por caldera convencional
o eléctrica) no están operativos, ya sea por problemas con la red eléctrica o porque lisa y
llanamente están fuera de servicio.
La falta de estandarización en los distintos CG de los distritos que tiene a su cargo TGI, sin duda
no permite generar sinergias desde el punto de vista de la cadena de abastecimiento de repuestos,
por lo que se recomienda hacer un análisis de estandarización de tecnologías y equipos. Esta
falta de estandarización, perjudica aún más los tiempos medios de detención (MDT), ya que es
probable que en algunas ocasiones se generan quiebres de stock, a causa del gran volumen de
ítems que se deben manejar y las gestiones de compra asociadas, lo que, sumado a los altos
tiempos de desplazamiento de los equipos de mantenimiento, sin duda son un factor negativo
que impacta en la restitución de la función de los city gates.
52
Existe un gran número de CG que no poseen lecturas de Scada, lo que deja sin aviso de fallas
remoto a los encargados del monitoreo, lo que no permite realizar seguimiento del
comportamiento de variables críticas en la entrega al distribuidor. Este hecho obliga a TGI a
esperar el llamado del distribuidor ante algún problema en la entrega, lo que significa que la
actitud será siempre reactiva, aspecto que aumenta el nivel de acciones por contingencia por
sobre las preventivas. Adicionalmente se tiene el hecho de la distancia considerable entre los city
gates y los centros operacionales donde se encuentran los repuestos y los equipos de
mantenimiento, aspecto que hace más crítico el manejo de estas contingencias (mayor tiempo de
interrupción).
53
4. BIBLIOGRAFIA
Parra, C., y Crespo, A. 2015. “Ingeniería de Mantenimiento y Fiabilidad Aplicada en la Gestión

de Activos. Desarrollo y aplicación práctica de un Modelo de Gestión del Mantenimiento
(MGM)”. Segunda Edición. Editado por INGEMAN, Escuela Superior de Ingenieros
Industriales, Sevilla, España.DOI: http://dx.doi.org/10.13140/RG.2.2.29363.66083
Crespo Márquez, P. Moreu de León, J.F. Gómez Fernández, C. Parra Márquez and M.
López Campos (2009). The maintenance management framework. Journal of Quality in
Maintenance Engineering 15(2):167-178. DOI: 10.1108/13552510910961110
http://dx.doi.org/10.1108/13552510910961110
GONZÁLEZ-PRIDA, V., PARRA, C., GÓMEZ, J.F., and CRESPO A. 2012. “Audit to a
specific study scenario according to a reference framework for the improvement of the
guarantee management”. Advances in Safety, Reliability and Risk Management -
Berenguer, Grall & Guedes Soares (eds). DOI: 10.13140/RG.2.2.35353.65123
Parra C, Crespo A, Kristjanpoller F, Viveros P. Stochastic model of reliability for use in the
evaluation of the economic impact of a failure using life cycle cost analysis. Case studies on the
rail freight and oil industries. (2012). Proceedings of the Institution of Mechanical Engineers,
Part O: Journal of Risk and Reliability. 2012;226(4):392-405. DOI:10.1177/1748006X12441880
https://journals.sagepub.com/doi/abs/10.1177/1748006X12441880
- V. González, C. Parra & J.F. Gómez, A. Crespo & P. Moreu de León (2009). Availability and
reliability assessment of industrial complex systems: A practical view applied on a bioethanol
plant simulation. Safety, Reliability and Risk Analysis:Theory, Methods and Applications–
Martorell et al.(eds)© Taylor & Francis Group, London, ISBN 978-0-415-48513-5 . pp. 929 -
939. 2009
https://www.researchgate.net/publication/343214237_Availability_and_reliability_assessment_o
f_industrial_complex_systems_A_practical_view_applied_on_a_bioethanol_plant_simulation
S. Lin, J. Gao, and A. Koronios, "The need for a data quality framework in asset management,"
in Proceedings of the 1st Australasian Workshop on Information Quality (AUSIQ), Adelaide,
2006.
Gonzalez-prida-Diaz, V., Barbera-Martinez, L., Crespo-Marquez, A., Parra-Marquez, C. (2012).

WARRANTY PERIOD CALCULATION AFTER THE REPAIR OF A COMPLEX
INDUSTRIAL ASSET APPLYING NON-HOMOGENEOUS POISSON PROCESSES. DYNA,
87(6). 655-662. DOI: https://doi.org/10.6036/4965
J. Woodhouse, Asset management: concepts & practices: The Woodhouse Partnership Ltd.,
2003.
H. A. Sandtorv, P. Hokstad, and D. W. Thompson, "Practical experiences with a data collection

project: The OREDA project," Reliability Engineering & System Safety, vol. 51, pp. 159-167,
Feb 1996.
54
C. Parra, "Desarrollo de modelos de cuantificación económica del factor fiabilidad en el coste

total de ciclo de vida de un sistema de producción," Ph.D., Universidad de Sevilla, 2009.
T. Bendell, "An Overview of Collection, Analysis, and Application of Reliability Data in the
Process Industries," Ieee Transactions on Reliability, vol. 37, pp. 132-137, Jun 1988.
R. Pascual, El Arte de Mantener Versión 2.89, 2007.
H. Ascher and H. Feingold, Repairable systems reliability: modeling, inference, misconceptions

and their causes: Marcel Dekker Inc., 1984.
J. Acevedo, "Indicadores claves de desempeño KPI en la gestión de mantenimiento," in Doble

Brasil, 2010.
J. Orrego, "KPI, Indicadores claves de desempeño," 2010.
P. Viveros, E. Zio, F. Kristjanpoller and A. Arata, “Integrated system reliability and productive
capacity analysis of a production line. A case study for a Chilean mining process”, Proceedings
of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability published
online 31, octubre 2011.
55
5. GLOSARIO DE TÉRMINOS
A continuación, se presenta el significado de algunos acrónimos utilizados en el desarrollo del

presente informe, de forma que el lector pueda entender de mejora manera el desarrollo de éste.
RAM: (reliability, availability and maintainability por sus siglas en inglés), es un tipo de análisis
usado en Gestión de Activos físicos, que permite pronosticar para un periodo de tiempo
determinado dichos parámetros de mantenimiento, basados en la configuración de los equipos y
su filosofía operacional.
La base fundamental de este análisis es la determinación por medios probabilísticos o analíticos

de los tiempos promedios entre fallas y de los tiempos promedios para reparar de los equipos que
conforman los sistemas, con la finalidad de determinar las debilidades de los mismos y poder
tomar decisiones sobre las políticas de mantenimiento y confiabilidad, manejos de inventarios,
utilización de nuevas tecnologías y filosofías operacionales, tanto en las etapas de diseño como
en la de operación normal de las instalaciones.
RBD: (reliability block diagram por sus siglas en inglés), es una técnica de análisis gráfico que
expresa al sistema en cuestión como una conexión de componentes según su relación lógica de
confiabilidad.
Esta técnica maneja diversas formas de expresar la configuración lógica de los componentes que
se desea conectar. Dentro de las más conocidas se encuentran las configuraciones: serie,
paralelo, stand by, entre otras.
MTBDE: (mean time between down events por sus siglas en ingles), es un indicador usado en
análisis de tipo RAM, que muestra el tiempo medio entre eventos de detención de un
componente/equipo/sistema/área. Es una medida de continuidad operacional. Es homólogo al
MTBF (mean time between failures).
MDT: (mean down time por sus siglas en inglés), es un indicador usado en análisis de tipo
RAM, que muestra el tiempo medio de las detenciones de un componente/equipo/sistema/área.
Es una medida de la facilidad para restituir la función perdida. Es el homologo al MTTR (mean
time to repair).
View publication stats

Informe AnalisisSistemico RAM TGI 2016vfinal 3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe AnalisisSistemico RAM TGI 2016vfinal 3

Cargado por

Copyright:

Formatos disponibles

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

Informe técnico ANÁLISIS SISTÉMICO RAM: RELIABILITY, AVAILAIBILITY &

Technical Report · August 2016

The user has requested enhancement of the downloaded file.

ANÁLISIS SISTÉMICO RAM:

Roberto Villalón Letelier

1. CAPÍTULO I. CONSIDERACIONES DE LA MODELACIÓN LÓGICA FUNCIONAL Y

2. CAPÍTULO II. RESULTADOS GENERALES Y PARTICULARES DEL ANÁLISIS SISTÉMICO…18

5. GLOSARIO DE TÉRMINOS ................................................................................................................. 55

En términos generales es posible establecer que la complejidad del mundo obliga la

El término sistema se entiende como la agrupación de componentes básicos, configurados de

El desempeño de un sistema depende del comportamiento y del ordenamiento de los subsistemas

manera de identificar su efecto sobre el negocio. El informe está estructurado de la siguiente

▪ Capítulo I, Consideraciones de la modelación lógica funcional y establecimiento del modelo

En términos generales, la información presentada en este informe, ayudará a la organización

1. CAPÍTULO I. CONSIDERACIONES DE LA MODELACIÓN LÓGICA

1.1. Diagramación lógico-funcional RBD (Reliability Block Diagram)

Una modelación RBD no necesariamente representa la conexión física de los componentes en el

Figura 1. Configuración RBD

Un modelo de estimación de la confiabilidad global sistémica debe representarse en función de

R S (t) = f(R 1 (t), , R i (t), , R n (t))  t [0, ]

▪ RS(t): confiabilidad del sistema

▪ La falla de un elemento constituyente de un sistema es casual y, estadísticamente

Antes de describir las configuraciones existentes para la modelación RBD, es importante

▪ Al conocer el comportamiento de cada componente, es posible deducir el

del sistema en conjunto.

Equipo Equipo Equipo

Figura 2. Representación de sistema en serie

i. La redundancia parcial hace referencia a aquella configuración en la cual un grupo

REDUNDANCIA PARCIAL REDUNDANCIA TOTAL

Figura 3. Representación de sistema en paralelo

No R S (t) = R A (t)  (1 − R B (t))

La probabilidad de falla de un sistema en paralelo, de acuerdo a las definiciones dadas

Y por lo tanto la confiabilidad estará dada por:

Donde Rs(t) es la confiabilidad para un determinado tiempo t en un sistema compuesto por n

Esta configuración es otro tipo de redundancia, la cual consiste en que en un instante

En consecuencia, en este caso la conexión funcional varía en el tiempo en función de la

Figura 4. Sistema en configuración stand-by

La variación de la conexión está a cargo de un elemento de decisión o conmutación,

Figura 5. Escenarios de funcionamiento de un sistema en configuración stand-by

▪ A falla en t = τ y B funciona desde t = τ hasta t

En la Figura 6, se presenta un ejemplo básico de generación de un diagrama lógico funcional,

Fuente de Bomba A Salida

FAULT TREE DIAGRAMA RBD

Figura 6. Ejemplo de generación de diagrama lógico funcional

1.2. Metodología de abordaje del análisis sistémico de indicadores.

A continuación se presenta un esquema que representa la metodología empleada en el abordaje

Figura 7. Metodología de abordaje del modelo de simulación piloto

2. Entrevistas a especialistas. Una vez realizados los recorridos en campo, se pasó a la

A. La primera relacionada con el establecimiento de la lógica de seguridad de

el que luego es plasmado en el software Raptor, obteniéndose el modelo lógico

B. La segunda relacionada con el ingreso de las características de confiabilidad y

I. Equipos que responden a una lógica típica de desgaste por tiempo de

II. Equipos que responden a una lógica de aleatoriedad en su frecuencia de

En cuanto a las características de mantenibilidad, se escogió la distribución

parámetros, se utilizó la información que manejan los especialistas como tiempos

3. Levantamiento de Información. La consolidación de la información para preparar el

4. Modelo RBD y Simulación. Tomando en cuanto el amplio alcance de la simulación de

A. Las estaciones compresoras se modelan de forma independiente, y en cada una de

I. Las unidades compresoras, al ser equipos mayores, son desagregadas en 3

IV. Los filtros de succión y de descarga se desagregan en una parte estructural

alimentación de gas de la zona de Cali. Para la alimentación de ambas zonas, se

Las estaciones asociadas a la compresión de Gas Cusiana, a saber, Miraflores y