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...
- 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
- 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 |