Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos

En esta práctica empresarial se desarrolló una correlación estadística para predecir velocidad de corrosión en sistemas de recolección de crudo, principalmente para líneas de flujo de pozos ubicados en el campo La Cira Infantas (LCI). Inicialmente, se elaboró una base de datos conformada principalme...

Full description

Autores:
Mejia Diaz, Alvaro Javier
Tipo de recurso:
http://purl.org/coar/version/c_b1a7d7d4d402bcce
Fecha de publicación:
2019
Institución:
Universidad Industrial de Santander
Repositorio:
Repositorio UIS
Idioma:
spa
OAI Identifier:
oai:noesis.uis.edu.co:20.500.14071/13786
Acceso en línea:
https://noesis.uis.edu.co/handle/20.500.14071/13786
https://noesis.uis.edu.co
Palabra clave:
Corrosión Interna
Análisis Multivariable
Regresión Múltiple.
Internal Corrosion
Multivariable Analysis
Multiple Regression
Rights
openAccess
License
Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
id UISANTADR2_eb99aaea579bf05b6930d32d1b93b50f
oai_identifier_str oai:noesis.uis.edu.co:20.500.14071/13786
network_acronym_str UISANTADR2
network_name_str Repositorio UIS
repository_id_str
dc.title.none.fl_str_mv Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
dc.title.english.none.fl_str_mv Development of statistical correlations for the prediction of internal corrosion in hydrocarbon collection lines *
title Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
spellingShingle Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
Corrosión Interna
Análisis Multivariable
Regresión Múltiple.
Internal Corrosion
Multivariable Analysis
Multiple Regression
title_short Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
title_full Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
title_fullStr Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
title_full_unstemmed Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
title_sort Desarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburos
dc.creator.fl_str_mv Mejia Diaz, Alvaro Javier
dc.contributor.advisor.none.fl_str_mv Chaves Guerrero, Arlex
Diaz Alvarez, Juan Carlos
dc.contributor.author.none.fl_str_mv Mejia Diaz, Alvaro Javier
dc.subject.none.fl_str_mv Corrosión Interna
Análisis Multivariable
Regresión Múltiple.
topic Corrosión Interna
Análisis Multivariable
Regresión Múltiple.
Internal Corrosion
Multivariable Analysis
Multiple Regression
dc.subject.keyword.none.fl_str_mv Internal Corrosion
Multivariable Analysis
Multiple Regression
description En esta práctica empresarial se desarrolló una correlación estadística para predecir velocidad de corrosión en sistemas de recolección de crudo, principalmente para líneas de flujo de pozos ubicados en el campo La Cira Infantas (LCI). Inicialmente, se elaboró una base de datos conformada principalmente por: parámetros de diseño, condiciones de operación, propiedades fisicoquímicas, y velocidades de corrosión, permitiendo posteriormente un fácil manejo y análisis de la información. Se analizaron los mecanismos de daño según la morfología de los materiales usados para medir la velocidad de corrosión, donde se pudo identificar factores relevantes como la velocidad de flujo, dióxido de carbono disuelto, pH, conductividad, cloruros, sulfatos, bacterias (bacterias sulfato-reductoras y bacterias productoras de ácido) y concentración de sólidos, los cuales afectan directamente los sistemas estudiados. Posteriormente, se desarrolló un modelo matemático basado en correlaciones estadísticas con los datos de las variables identificadas, determinando aquellas que son significativas mediante análisis multivariable y regresión múltiple. Este análisis permitió definir, que el contenido de CO2 en la fase liquida (CO2 Disuelto), y la velocidad de flujo son los factores más representativos para modelar el proceso de corrosión que se evidencia en las líneas de flujo de los pozos. La capacidad predictiva del modelo desarrollado se evaluó con un grupo determinado de datos, y de manera conjunta con modelos ampliamente usados en la industria. Se encontró que la correlación estadística desarrollada predice satisfactoriamente el comportamiento de la velocidad de corrosión, presentando un error relativo medio (ER) inferior al 70%, y un error cuadrático (ECM) medio inferior al valor promedio de los datos de velocidad de corrosión. Los modelos de literatura predicen velocidades de corrosión que muestran %ER superiores al 1000%. De esta manera, el modelo de correlación propuesto puede ser considerado una alternativa confiable y adecuada para explicar la variabilidad de la velocidad de corrosión obtenida en las líneas de flujo de los pozos del campo LCI.
publishDate 2019
dc.date.created.none.fl_str_mv 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2023-04-06T14:46:43Z
dc.date.available.none.fl_str_mv 2023
2023-04-06T14:46:43Z
dc.type.local.none.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.hasversion.none.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coar.none.fl_str_mv http://purl.org/coar/version/c_b1a7d7d4d402bcce
format http://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.identifier.uri.none.fl_str_mv https://noesis.uis.edu.co/handle/20.500.14071/13786
dc.identifier.instname.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.reponame.none.fl_str_mv Universidad Industrial de Santander
dc.identifier.repourl.none.fl_str_mv https://noesis.uis.edu.co
url https://noesis.uis.edu.co/handle/20.500.14071/13786
https://noesis.uis.edu.co
identifier_str_mv Universidad Industrial de Santander
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.license.none.fl_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.uri.none.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.coar.none.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
eu_rights_str_mv openAccess
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad Industrial de Santander
dc.publisher.faculty.none.fl_str_mv Facultad de Ingenierías Fisicoquímicas
dc.publisher.program.none.fl_str_mv Ingeniería Química
dc.publisher.school.none.fl_str_mv Escuela de Ingeniería Química
publisher.none.fl_str_mv Universidad Industrial de Santander
institution Universidad Industrial de Santander
bitstream.url.fl_str_mv https://noesis.uis.edu.co/bitstreams/134a791a-5ac5-402a-a86d-9b8d6d5bbd21/download
https://noesis.uis.edu.co/bitstreams/d757d7dc-cb54-4657-af40-9202f3a533e9/download
https://noesis.uis.edu.co/bitstreams/2d3580cf-1eee-4324-aa94-1a32c2c312c6/download
bitstream.checksum.fl_str_mv 6189db19f76296811142d4a1da5a4156
c0ca6142100b0acc7502e17380f024b8
918fee7e6991f34211e21e4b882e452a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv DSpace at UIS
repository.mail.fl_str_mv noesis@uis.edu.co
_version_ 1814095203669114880
spelling Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)Chaves Guerrero, ArlexDiaz Alvarez, Juan CarlosMejia Diaz, Alvaro Javier2023-04-06T14:46:43Z20232023-04-06T14:46:43Z20192019https://noesis.uis.edu.co/handle/20.500.14071/13786Universidad Industrial de SantanderUniversidad Industrial de Santanderhttps://noesis.uis.edu.coEn esta práctica empresarial se desarrolló una correlación estadística para predecir velocidad de corrosión en sistemas de recolección de crudo, principalmente para líneas de flujo de pozos ubicados en el campo La Cira Infantas (LCI). Inicialmente, se elaboró una base de datos conformada principalmente por: parámetros de diseño, condiciones de operación, propiedades fisicoquímicas, y velocidades de corrosión, permitiendo posteriormente un fácil manejo y análisis de la información. Se analizaron los mecanismos de daño según la morfología de los materiales usados para medir la velocidad de corrosión, donde se pudo identificar factores relevantes como la velocidad de flujo, dióxido de carbono disuelto, pH, conductividad, cloruros, sulfatos, bacterias (bacterias sulfato-reductoras y bacterias productoras de ácido) y concentración de sólidos, los cuales afectan directamente los sistemas estudiados. Posteriormente, se desarrolló un modelo matemático basado en correlaciones estadísticas con los datos de las variables identificadas, determinando aquellas que son significativas mediante análisis multivariable y regresión múltiple. Este análisis permitió definir, que el contenido de CO2 en la fase liquida (CO2 Disuelto), y la velocidad de flujo son los factores más representativos para modelar el proceso de corrosión que se evidencia en las líneas de flujo de los pozos. La capacidad predictiva del modelo desarrollado se evaluó con un grupo determinado de datos, y de manera conjunta con modelos ampliamente usados en la industria. Se encontró que la correlación estadística desarrollada predice satisfactoriamente el comportamiento de la velocidad de corrosión, presentando un error relativo medio (ER) inferior al 70%, y un error cuadrático (ECM) medio inferior al valor promedio de los datos de velocidad de corrosión. Los modelos de literatura predicen velocidades de corrosión que muestran %ER superiores al 1000%. De esta manera, el modelo de correlación propuesto puede ser considerado una alternativa confiable y adecuada para explicar la variabilidad de la velocidad de corrosión obtenida en las líneas de flujo de los pozos del campo LCI. PregradoIngeniero QuímicoIn this business practice, a statistical correlation was developed to predict the corrosion rate in oil gathering systems, mainly for wells located in the La Cira Infantas (LCI) field. Initially, a database was created, consisting mainly of: design parameters, operating conditions, physicochemical properties, and corrosion rates, subsequently allowing easy handling and analysis of information. Damage mechanisms were identified according to the morphology shown by the materials used to measure the corrosion rate. It was possible to identify relevant factors in the corrosion process such as flow rate, dissolved carbon dioxide, pH, conductivity, chlorides, sulfates, bacteria (reducing sulfate bacteria and acid producing bacteria) and solids concentration, which directly affect the systems studied. Subsequently, a mathematical model based on statistical correlations was developed using information from previously defined parameters. Multivariable analysis and multiple regression were performed to determine the most important factors according to the behavior of the data. It was found that the content of dissolved carbon dioxide and the flow rate are the most representative factors. The statistical correlation developed, and the models used in the industry were evaluated with experimental data. It was found that the statistical correlation developed successfully predicts the behavior of the corrosion rate, presenting a mean relative error (ER) of less than 70%, and a mean square error (ECM) of less than the average value of the corrosion rate data. Literature models predict corrosion rates that show %ER greater than 1000%. In this way, the proposed correlation model can be considered a reliable and adequate alternative to explain the variability of the corrosion rate obtained in the flow lines. application/pdfspaUniversidad Industrial de SantanderFacultad de Ingenierías FisicoquímicasIngeniería QuímicaEscuela de Ingeniería QuímicaCorrosión InternaAnálisis MultivariableRegresión Múltiple.Internal CorrosionMultivariable AnalysisMultiple RegressionDesarrollo de correlaciones estadísticas para la predicción de corrosion interna en líneas de recolección de hidrocarburosDevelopment of statistical correlations for the prediction of internal corrosion in hydrocarbon collection lines *Tesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_b1a7d7d4d402bcceORIGINALCarta de autorización.pdfapplication/pdf275269https://noesis.uis.edu.co/bitstreams/134a791a-5ac5-402a-a86d-9b8d6d5bbd21/download6189db19f76296811142d4a1da5a4156MD51Documento.pdfapplication/pdf1951363https://noesis.uis.edu.co/bitstreams/d757d7dc-cb54-4657-af40-9202f3a533e9/downloadc0ca6142100b0acc7502e17380f024b8MD52Nota de proyecto.pdfapplication/pdf368016https://noesis.uis.edu.co/bitstreams/2d3580cf-1eee-4324-aa94-1a32c2c312c6/download918fee7e6991f34211e21e4b882e452aMD5320.500.14071/13786oai:noesis.uis.edu.co:20.500.14071/137862023-06-05 15:25:34.452http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessembargohttps://noesis.uis.edu.coDSpace at UISnoesis@uis.edu.co