PROGRAMACIÓN ESTOCÁSTICA

INFORME TÉCNICO DE UN SISTEMA DE PROTECCIÓN HIDRÁULICO PARA

UN POZO PETROLERO

(SEGUNDA ENTREGA)

INTEGRANTES:

YEIMMY CAROLINA RODRIGUEZ

JESSICA JULIETH ROZO
RUBEN DARIO MATOS
DANY JAVIER HEREDIA
ELVER GUILLERMO BAUTISTA
JAN CARLOS GÓMEZ G

TUTOR:

MANUEL ARTURO JIMÉNEZ RAMÍREZ

INSTITUCIÓN UNIVERSITARIA POLITECNICO GRAN COLOMBIANO

INGENIERIA INDUSTRIAL
2023
1. Desarrollo de análisis a corto plazo

A continuación, presentamos un resumen del estudio a corto plazo realizado,

caracterizado por su análisis de probabilidades y la identificación de los días en que

ocurrían eventos específicos. Las principales características de este estudio son las

siguientes:

1. Se llevó a cabo un análisis utilizando cadenas de Markov de tiempo continuo.

2. Inicialmente, se definió el espacio de estado que abarcaba cada una de las

válvulas en el sistema de análisis. Posteriormente, se redujo este espacio,

resultando en un total de 44 estados analizados.

3. Se utilizó un archivo de macros existente para el análisis markoviano, que

proporcionó el apoyo necesario para calcular las matrices de probabilidades y

determinar la cantidad de días.

4. En cuanto a las válvulas 10, 9 y 8, se logró reducir su número de estados a un

total de 44 estados consolidados.

5. Toda la información recopilada a partir del archivo de macros se registró en un

documento de Excel debido a su extensión.

 Los resultados obtenidos a partir del análisis de las matrices son los

siguientes:

A. El archivo Excel fue utilizado para llevar a cabo los cálculos, en particular,

haciendo uso de la función "Cmtctransient(matriz q, #días)". Esta función se aplicó

con el propósito de determinar la probabilidad de que el sistema estuviera en óptimas

condiciones durante la primera auditoría. Dicha probabilidad se relacionó con el valor

"p(89)", arrojando como resultado un valor de p=0.223. Este cálculo fue realizado en

un período de tres meses.

B. Se recurrió nuevamente al archivo Excel y se empleó la función

"Cmtctransient(matriz q, #días)" para calcular la probabilidad de que el sistema

estuviera en perfecto estado durante la segunda auditoría, vinculada a "p(189)". El

resultado obtenido fue p=0.217, y este cálculo se llevó a cabo en un lapso de seis

meses.

C. Utilizando el archivo Excel y la función "Cmtcmatoccup(matriz q, #días)", se

calcularon los días promedio requeridos para llevar a cabo una revisión completa

justo antes de cada auditoría. Se determinó que serían necesarios 29 días en

promedio antes de la primera auditoría y 51 días antes de la segunda auditoría.

D. Mediante el archivo Excel y la función "Cmtcexpectec(matriz q)", se

procedió a calcular el promedio de días que pasarán hasta que ocurra un posible

próximo derrame de crudo. Se estimó que este período sería de 99 días.

 2. Conclusiones y recomendaciones

Las conclusiones y recomendaciones de la segunda entrega son:

Se determinó que la probabilidad de que el sistema esté en óptimas

condiciones durante la primera auditoría (p(89)) es del 22.3%. Además, para la

segunda auditoría (p(189)), esta probabilidad se estima en el 21.7%. Esto

proporciona información crucial sobre la confiabilidad y el mantenimiento necesario

del sistema.

Antes de cada auditoría, se requieren en promedio 29 días para llevar a cabo

una revisión completa en el caso de la primera auditoría, y 51 días en el caso de la

segunda auditoría. Esta información es esencial para planificar y programar

eficientemente las revisiones y garantizar la disponibilidad del sistema.

Según los cálculos, se estimó que, en promedio, pasarán 99 días hasta que

posiblemente ocurra un próximo derrame de crudo. Esta estimación puede ser

valiosa para tomar medidas preventivas y preparativas con respecto a la gestión de

riesgos y la respuesta a posibles incidentes.

En resumen, estos análisis proporcionan información clave para la toma de

decisiones en la gestión y mantenimiento del sistema, así como para la gestión de

riesgos relacionados con los derrames de crudo. La planificación y la asignación de

recursos pueden beneficiarse de estas estimaciones y probabilidades, lo que

contribuye a un funcionamiento más eficiente y seguro del sistema.