Optimización de la Probabilidad de Falla en el Proceso de Evaluación de Integridad de Ductos para el Transporte de Hidrocarburos por Medio de Algoritmos Genéticos
DOI:
https://doi.org/10.30973/progmat/2018.10.1/7Palabras clave:
Algoritmos Genéticos, Evaluación de Integridad, Evaluación de Riesgo, Integridad de Ductos, Optimización, Sistema de Soporte de DecisionesResumen
La industria del petróleo es una de las más prolíferas alrededor del mundo. Nuestra vida diaria está rodeada del petróleo, desde el combustible en la mayoría de los sistemas de trasporte y los sistemas de producción de electricidad, hasta las miles de envolturas de productos que consumimos en el supermercado. La economía mundial está vinculada estrechamente al descubrimiento, extracción, explotación y trasformación del petróleo. Para llevar a cabo estos procesos, es necesario que el petróleo y sus productos sean trasportados de un punto a otro. El sistema de distribución más popular y seguro en la actualidad es el de tuberías o ductos instalados a través de varios o miles de kilómetros en tierra o mar. Sin embargo la naturaleza misma de este producto posee un riesgo latente en su manejo en todo momento. Por esta razón, organizaciones privadas y públicas, universidades, centros de investigación y gobiernos buscan constantemente colaborar para innovar y desarrollar metodologías y tecnologías que asistan las diferentes facetas de la producción, proceso y trasporte del petróleo con el fin de reducir las incidencias e impactos que tienen las fallas de los ductos que trasportan los hidrocarburos. En este trabajo se describe el desarrollo de un Sistema de Soporte de Decisiones inteligente para asistir al proceso de toma de decisiones construido con un conjunto de Algoritmos Genéticos que proveen configuraciones optimizadas de las variables que describen, de forma cuantitativa, la condición del ducto y la probabilidad de que deje de operar correctamente a causa de una o varias fallas. El propósito de este proyecto es encontrar soluciones que minimicen y optimicen el valor de la Probabilidad de Falla en un segmento de ducto y de esta forma, contribuir a la asignación optimizada de recursos para evitar incidentes que impacten en el medio ambiente o en la sociedad.
Citas
ASME B31.8S (2010). Suplemento a la norma B31.8 en Managing System Integrity of Gas Pipelines, American Society of Mechanical Engineers, ASME.
ASME B31.4 (2002). Pipeline Transportation Systems for Liquid Hydrocarbons and other Liquids, American Society of Mechanical Engineers, ASME.
Canto, J. & Zargo, R. (2016). Diagnóstico de la logística del Petróleo y sus Derivados en Argentina, Universidad Nacional de La Plata, Facultad de Ingeniería, Argentina. Consultado en Junio 2017: https://labs.ing.unlp.edu.ar/uidic/archivos_publicaciones/tmp/Diagn%C3%B3stico%20de%20la%20Log%C3%ADstica%20del%20petroleo%20y%20sus%20derivados%20en%20Argentina.pdf
Chow, S. (1987). Petroquímica y Sociedad, La Ciencia desde México, Fondo de Cultura Económica, ISBN 968-16-2669-9, México.
Coello, C. A. (2014). Introducción a la Computación Evolutiva, Ciudad de México, México: IPN, CINVESTAV, Departamento de Ciencias Computacionales.
Érij V., Rásina, M. & Rudin, M. (1988). Química y tecnología del petróleo y del gas, Editorial Mir Moscú, ISBN 5-03-000698-2.
Cosham, A. & Hopkings, P. (2003). The assessment of Corrosion in Pipelines – Guidence in the Pipeline Defect Assessment Manual (PDAM), Presentado en el International Colloquium ‘Reliability of High Pressure Steel Pipelines’, Praga, República Checa.
Goodfellow, G. & Haswell, J. (2006). A comparison of Inherent Risk Levels in ASME B31.8 and UK Gas Pipeline Design Codes, ICP2006-10507, Presentado en el ICP2006, 6° Conferencia Internacional sobre Ductos, Canadá.
Hopkins, P., Goodfellow, G., Ellis, R., Haswell, J. & Jackson, N. (2009), Pipeline Risk Assessment: New Guidelines, Australia, WTIA/APIA Welded Pipeline Symposium.
Hopkins, P (2000). Pipeline Integrity Reviews, Presentado en la Conferencia Internacional sobre Ductos, México.
Jen C., T, Chin Yang, S., Jung Chang, K. (2009). Portfolio optimization problems in different risk measures using genetic algorithm, Departamento de Negocios Internacinales de la Universidad Shih Chien, Departamento de Ciencias Computacionales del Instituto de Tecnología de Chung Cheng, Universidad de la Defensa Nacional, Taiwan, Elsevier, Expert Systems with Applications, Volumen 36, Número 7. https://doi.org/10.1016/j.eswa.2009.02.062
Kasemsap K. (2016). The Fundamentals of Business Intelligence, International Journal of Organizational and Collective Intelligence, Volumen 6, Issue 2.
Michalewicz, Z. (1996). Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, Tercer Edición, Estados Unidos.
Muhlbauer, W. K. (2006). Enhanced Pipeline Risk Assessment. Parte 1, Evaluaciones de Probabilidad de Falla, Revisión 2.1, Consultado el 2006 en www. pipelinerisk.com/downloads.
NOM027-SESH-2010 (2010). Administración de la integridad de ductos de recolección y transporte de hidrocarburos, México, Norma Oficial Mexicana, Secretaría de Energía.
PEMEX, Petróleos Mexicanos (2008). Seguridad, Salud y Protección Ambiental, Análisis de Riesgos y Programas de Seguridad en Instalaciones de PEMEX, PEMEX
Ramírez, R., Godoy A., Martínez J. L., Muhlbauer, W. K. & Alva, A. (2014). Development of a probabilistic pipeline risk assessment software for Mexico’s oil state company. Presentado en la Conferencia Internacional sobre Ductos, Volumen 3: Materials and Joining; Risk Reliability, ISBN: 978-07918-4612-4, ASME. Programación Matemática y Software (2018) 10(1): 57-74. ISSN: 2007-3283 73 https://doi.org/10.1115/IPC2014-33108
Ramírez, R., Godoy, A., Martínez, J. L., Muhlbauer, W. K. & Alva, A. (2013). Desarrollo de un modelo probabilístico de nueva generación para el análisis de riesgos en ductos. Presentado en el 2° Congreso y Exposición Internacional de Logística, Transporte y Distribución de Hidrocarburos, México.
Rich, E. & Knight, K. (1994). Inteligencia Artificial. McGrawHill, España ISBN0-07-052263-4.
Russell, S. & Norving, P. (1996). Artificial Intelligence a modern approach, Estados Unidos, Prentice Hall Inc, ISBN 0-13-103805-2.
Sabherwal, R. and Becerra, I. (2011). Business Intelligence Practices, Technologies, and Management, Estados Unidos, John Wiley & Sons.
Sosa, M. C. (2007). Inteligencia artificial en la gestión financiera empresarial, Universidad del Atlántico, Colombia.
PEMEX, Petróleos Mexicanos (2011). Informe de Responsabilidad Social, PEMEX.
Pfeifer J., Barker K., Ramirez J. E., and Morshedlou N. (2015). Quantifying the risk of project delays with a genetic algorithm, School of industrial and Systems Engineering. Universidad de Oklahoma, School of Systems and Enterprises, Stevens Institute of Technology y Tec de Monterrey, Colegio de Cienca y Tecnología en Zapopan. Estados Unidos y México, Elsevier, International Journal of Production Economics, Volume 170, Parte A. https://doi.org/10.1016/j.ijpe.2015.09.007
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2018 Programación Matemática y Software
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Usted es libre de:
Compartir — compartir y redistribuir el material publicado en cualquier medio o formato. |
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. |
Bajo las siguientes condiciones:
Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso. |
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia. |