DESARROLLO DE UNA RED NEURONAL ARTIFICIAL PARA LA IDENTIFICACIÓN

DE PATRONES DE FLUJO BIFÁSICOS EN TUBERÍAS HORIZONTALES.

Manosalva Laury, Rojas Neila, Regino Fernando.
INTRODUCCIÓN
PATRONES DE FLUJO
TRANSPORTE DE FLUIDOS

Identificar las variables y los parámetros

del proceso

Es necesario conocer y predecir el

comportamiento del fluidos transportados

OBJETIVOS Y METODOLOGÍA
Objetivo General
Desarrollar una red neuronal artificial
para la identificación de patrones de
flujo bifásicos en tuberías horizontales,
con la finalidad de obtener un proceso
controlado en el transporte de flujos.
Objetivos Específicos
 Identificar los parámetros y recomendaciones necesarias, de acuerdo a la
Norma ASTM C177, que permita la obtención de un diseño adecuado del
banco de pruebas de conductividad térmica de materiales sólidos de baja
conductancia.
 Especificar los parámetros, componentes y condiciones de diseño de la
placa caliente protegida del banco de pruebas de conductividad térmica,
mediante el uso de las prácticas C1043 y C1058 de la norma ASTM C177,
que garantice la correcta medición de la conductancia de las muestras.
 Establecer un modelo CAD del banco de pruebas de conductividad térmica,

mediante el software SolidWorks, para un posterior proceso de construcción

del equipo.
JUSTIFICACIÓN PLANTEAMIENTO DEL PROBLEMA
Actualmente la industria 4.0 demanda tecnologías que permitan obtener
La utilización de una red neural trae sistemas actualizados para la medición precisa de flujo bifásico. Por tal
motivo se ve la necesidad de implementar un sistema que permita
la ventaja del aprendizaje adaptativo, realizar la identificación de patrones característicos en el transporte de
que se refiere a la capacidad de flujos bifásicos, en este caso mediante una red neuronal artificial, la cual
aprender basada en una experiencia permita tener un control y análisis de las fracciones volumétricas.
inicial, para predecir mediante la ¿Cómo es posible mejorar la eficiencia del proceso de transporte de
generalización de datos. flujos bifásicos mediante la identificación de los patrones de flujo?

RESULTADOS
Simulación 35% aceite – 65% agua

Caudal aceite - agua

Flujo másico:
Aceite:
Agua:
Total:

BIBLIOGRAFÍA
 Ruiz Diaz, C. M. “Caracterización hidrodinámica de flujos multifase empleando técnicas de inteligencia artificial”. Facultad de Ingenierías
Fisicomecánicas, Escuela de Ingeniería Mecánica, Maestría en Ingeniería Mecánica, Bucaramanga, 2021.
 Peñate Bertel, E. J. (2015). “Estudio del mecanismo de reducción de fricción en tuberías para el transporte de crudo mediante uso de agentes
poliméricos”. Universidad de los Andes.