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

Autores/as

  • Gustavo Calzada-Orihuela Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos, Av. Universidad No. 1001, Col Chamilpa, Cuernavaca, Morelos, C. P. 62209
  • Gustavo Urquiza-Beltrán Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos, Av. Universidad No. 1001, Col Chamilpa, Cuernavaca, Morelos, C. P. 62209
  • Jorge A. Ascencio-Gutiérrez Universidad Politécnica de Quintana Roo, Av. Arco Bicentenario, Mza. 11, Lote 1119-33, Sm. 255. Cancún, Quintana Roo, México. C.P. 77500
  • Gerardo Reyes-Salgado Departamento de Ciencias Computacionales, Centro Nacional de Investigación y Desarrollo Tecnológico CENIDET, Interior Internado Palmira S/N, Col. Palmira, Cuernavaca, Morelos, C.P. 62490

DOI:

https://doi.org/10.30973/progmat/2018.10.1/7

Palabras clave:

Algoritmos Genéticos, Evaluación de Integridad, Evaluación de Riesgo, Integridad de Ductos, Optimización, Sistema de Soporte de Decisiones

Resumen

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.

Biografía del autor/a

Gustavo Calzada-Orihuela, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos, Av. Universidad No. 1001, Col Chamilpa, Cuernavaca, Morelos, C. P. 62209

Gustavo Calzada Orihuela, nacido en Cuernavaca, Morelos, obtuvo su grado y título en Ingeniería en Computación y Redes de Computadoras por la Universidad Morelos de Cuernavaca en el 2011. Continuó su formación académica en el Centro Nacional de Investigación y Desarrollo Tecnológico en el Departamento de Ingeniería de Software, trabajando en arquitecturas de Inteligencia de Negocios, Cubos de Datos y Almacenes de Datos. En el 2013 obtuvo el grado de Maestro en Ciencias en Ciencias Computacionales, además de colaborar como Estudiante Asociado y posteriormente como Asistente de Investigador en el ICF de la UNAM. En 2014, recibió una beca del PNPC para sus estudios en el Doctorado en Ingeniería y Ciencias Aplicadas en el CIICAP en la Universidad Autónoma del Estado de Morelos, donde continúa su trabajo en la in- vestigación y desarrollo de análisis y aplicaciones de In- teligencia Artificial, Inteligencia de Negocios y Big Data para la industria del petróleo.

Gustavo Urquiza-Beltrán, Centro de Investigación en Ingeniería y Ciencias Aplicadas, Universidad Autónoma del Estado de Morelos, Av. Universidad No. 1001, Col Chamilpa, Cuernavaca, Morelos, C. P. 62209

Gustavo Urquiza Beltrán recibió, en 1978, su título de Ingeniero en Ingeniería Mecánica en el Instituto Tecnológico de Culiacán, trabajando con el Uso de Cambiadores de Calor de Contacto Directo. Recibió su título de Maestro en Ingeniería Mecánica y Eléctrica en la Escuela Superior de Ingeniería Mecánica y Eléctrica en el IPN, donde trabajó en el Estudio del Efecto Dinámico de las Estelas en un Intercambiador de Calor Tubular Sumergido. Realizó sus estudios de doctorado en el Departamento de Ingeniería Mecánica de la Escuela Politécnica de Montreal, Canadá, trabajando en el Estudio del Flujo y Transferencia de Calor en Cavidades Cilíndricas en Rotación encontradas en máquinas para la generación de Energía. En 2003 se convirtió en profesor investigador en el CIICAP y posteriormente fue nombrado Director hasta el año 2012. Fue Secretario de In- vestigación en la UAEM hasta el 2015 cuando fue nombrado Secretario Académico de la misma Universidad.

Jorge A. Ascencio-Gutiérrez, Universidad Politécnica de Quintana Roo, Av. Arco Bicentenario, Mza. 11, Lote 1119-33, Sm. 255. Cancún, Quintana Roo, México. C.P. 77500

Jorge A. Ascencio Gutiérrez, originario de Zapotlán el Grande, Jalisco, recibió su título de Licenciatura en Física en la Facultad de Ciencias en la Universidad de Guadalajara. Recibió una beca del CONACyT para realizar sus estudios de maestría en Ciencias en la UNAM. En el año 1998 fue nombrado Jefe del Departamento de Física Computacional Así mismo, recibió su título de Doctor en la Universidad Autónoma del Estado de México en el año 2000. Estudió su Postdoctorado en el Instituto Mexicano del Petróleo en 2002. En 2007 se unió al ICF de la UNAM como investigador y miembro del grupo de Materiales. En la actualidad colabora activamente con la Universidad Politécnica de Quintana Roo, trabajando en el desarrollo de biopaneles genéticos para evaluar la actividad física de los seres humanos.

Gerardo Reyes-Salgado, Departamento de Ciencias Computacionales, Centro Nacional de Investigación y Desarrollo Tecnológico CENIDET, Interior Internado Palmira S/N, Col. Palmira, Cuernavaca, Morelos, C.P. 62490

Gerardo Reyes Salgado, recibió en 1982 su título en Ingeniería Civil en el Instituto Tecnológico de Zacatepec. Posteriormente continuó sus estudios recibiendo su grado de Maestro en Ciencias en Ciencias de la Computación en el Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) en 1995, donde trabajó con Sistemas Expertos para la Adquisición Automática de Conocimiento. En 1997 recibió su diploma en Estudios Avanzados del Instituto Nacional Politécnico de Grenoble donde trabajó en el Conocimiento de Redes Neuronales Artificiales. Actualmente es profesor investigador en el Departamento de Ciencias Computacionales en el CENIDET donde se unió al grupo de Investigación en In- teligencia Artificial, trabajando con Machine learning, Op- timización con sistemas evolutivos, Inteligencia Artificial y Sistemas Cognitivos. Posteriormente recibió su grado de Doctor en Ciencias Cognitivas en el Instituto Nacional Politécnico de Grenoble, trabajando con Conocimiento de Alto Nivel en Sistemas Híbridos Neuro Simbólicos.

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

28-02-2018

Cómo citar

Calzada-Orihuela, G., Urquiza-Beltrán, G., Ascencio-Gutiérrez, J. A. ., & Reyes-Salgado, G. (2018). 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. Programación matemática Y Software, 10(1), 57–74. https://doi.org/10.30973/progmat/2018.10.1/7

Número

Vol. 10 Núm. 1 (2018): Febrero de 2018

Sección

Artículos

Licencia

Derechos de autor 2018 Programación Matemática y Software

Creative Commons License

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.