Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
REVISIÓN DE SISTEMAS DE GESTIÓN DE INTEGRIDAD PREDICTIVA USANDO SENSORAMIENTO REMOTO E INTERNET DE LAS COSAS BEATRIZ ELENA UQUILLAS RESTREPO UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE INGENIERÍA MAESTRÍA EN GESTIÓN DE INTEGRIDAD Y CORROSIÓN TUNJA OCTUBRE DE 2019 3 REVISIÓN DE SISTEMAS DE GESTIÓN DE INTEGRIDAD PREDICTIVA USANDO SENSORAMIENTO REMOTO E INTERNET DE LAS COSAS BEATRIZ ELENA UQUILLAS RESTREPO Proyecto de grado para optar al título de MAGISTER EN GESTIÓN DE INTEGRIDAD Y CORROSIÓN DIRECTOR: DR. ENRIQUE VERA LOPEZ CODIRECTOR: DR. JAIME ORLANDO VILLAREAL CODIRECTOR: MSc. ARQUIMEDES BARRIOS NOVOA UNIVERSIDAD PEDAGÓGICA Y TECNOLÓGICA DE COLOMBIA FACULTAD DE INGENIERÍA MAESTRÍA EN GESTIÓN DE INTEGRIDAD Y CORROSIÓN TUNJA OCTUBRE DE 2019 4 Nota de aceptación: Firma del presidente del jurado Firma de jurado Firma de jurado Tunja, Octubre de 2019 5 TABLA DE CONTENIDO 1. PLANTEAMIENTO DEL PROBLEMA ........................................................................... 11 2. JUSTIFICACIÓN ......................................................................................................... 13 3. OBJETIVO GENERAL ................................................................................................. 15 3.1. Objetivos específicos ............................................................................................................ 15 4. MARCO REFERENCIAL .............................................................................................. 16 4.1. Internet of Things IoT - Internet de las Cosas IoT .................................................................. 16 4.2. Wireless Sensor Networks (WSNs) – Redes de sensors inalámbricas .................................... 16 4.2.1. Aplicaciones de red de sensores inalámbricos ....................................................................... 18 4.2.2. Limitaciones de redes de sensores inalámbricas ................................................................... 21 5. DISEÑO METODOLOGICO ........................................................................................ 22 5.1 Detección de fugas usando sensores de temperatura distribuida por fibra óptica ........................ 23 5.1.1 Características del Sistema .......................................................................................................... 23 5.1.2 Descripción del Sistema ............................................................................................................... 25 5.1.3 Aportes – Análisis del sistema de estudio ................................................................................... 27 5.1.4 Oportunidades de mejora ............................................................................................................ 27 5.2 PIPENET: Una red de sensores inalámbricos para monitoreo de tuberías ..................................... 28 5.2.1 Características del Sistema .......................................................................................................... 28 5.2.2 Descripción del Sistema ............................................................................................................... 28 5.2.3 Resultados de Laboratorio ........................................................................................................... 35 5.2.3 Aportes – Análisis del sistema de estudio ................................................................................... 39 5.2.4 Oportunidades de mejora ............................................................................................................ 39 5.3 SWATS: WSN para monitoreo de tuberías de inyección de vapor e inyección de agua ................. 40 5.3.1 Características del Sistema .......................................................................................................... 40 5.3.2 Descripción del Sistema ............................................................................................................... 40 5.3.3 Aportes – Análisis del Sistema ..................................................................................................... 46 5.3.4 Oportunidades de mejora ............................................................................................................ 47 5.4 RAPID: Sistemas de detección de integridad de tuberías activo en tiempo real para el monitoreo de la seguridad en tuberías de gas...................................................................................................... 47 5.4.1 Descripción del Sistema ............................................................................................................... 48 5.4.2 Aportes – Análisis del Sistema ..................................................................................................... 60 5.4.3 Oportunidades de mejora ............................................................................................................ 61 5.5 Sistema de monitoreo de tuberías usando WSN (Wireless sensor networks) ............................... 62 5.5.1 Descripción del Sistema ............................................................................................................... 62 5.5.2 Aportes – Análisis del Sistema ..................................................................................................... 72 5.5.3 Oportunidades de mejora ............................................................................................................ 73 6 5.6 Despliegue de sensores ultrasónicos inteligentes para monitoreo de corrosión interna usando IoT ........................................................................................................................................................... 73 5.6.1 Descripción del Sistema ............................................................................................................... 74 5.6.2 Aportes – Revisión del sistema .................................................................................................... 82 5.6.3 Oportunidades de mejora ............................................................................................................ 83 5.7 Usando zigbee para monitoreo y control remoto inalambrico ...................................................... 84 5.7.1 Características del Sistema .......................................................................................................... 84 5.7.2 Descripción del Sistema ............................................................................................................... 84 5.7.3 Aportes al Sistema .................................................................................................................. 89 5.8 Monitoreo de corrosión predictiva - Caso Baker Hughes .............................................................. 90 5.8.1 Características del Sistema .......................................................................................................... 91 5.8.2 Descripción del Sistema ............................................................................................................... 91 5.8.3 Aportes – Análisis del sistema de estudio ................................................................................... 98 5.8.4 Oportunidades de mejora ............................................................................................................ 98 6. CONCLUSIONES ..................................................................................................... 100 7. BILIOGRAFIA ..........................................................................................................102 7 LISTA DE TABLAS Table 1. Datos del Sistema en campo ................................................................................................. 30 Table 2. Arquitectura del Sistema ....................................................................................................... 31 Table 3. Análisis de información realizados ........................................................................................ 32 Table 4. Clasificación de anomalías en el monitoreo de inyección de vapor en campo de petróleo. ... 45 Table 5. Resumen de los daños iniciales instalados por PG&E ............................................................ 55 Table 6. Resumen de los estimados de daño del Sistema RAPID......................................................... 60 Table 7. Características del Sistema .................................................................................................... 75 Table 8. Factores que afectan la precisión y la exactitud en campo .................................................... 77 8 LISTA DE FIGURAS Figure 1 Redes inalámbricas WSN ................................................................................................ 17 Figure 2. Las 7 capas del Modelo OSI ........................................................................................ 18 Figure 3. Aplicaciones de redes de sensores inalámbricos .................................................. 19 Figure 4. Arreglo esquemático del viaje de la luz a través de la fibra óptica ....................................... 23 Figure 5. Esquemático de las tuberías a monitorear en caso de estudio ............................ 24 Figure 6. Configuración del Sistema .................................................................................................... 25 Figure 7. Pico típico durante detección de fugas de líquidos............................................................... 26 Figure 8. Pico típico durante detección de fugas de gas ...................................................................... 26 Figure 9. Detección de intrusos .......................................................................................................... 26 Figure 10. Distribución de zonas en trazados de tuberías. .................................................................. 27 Figure 11. Despliegue de Pipenet por niveles ..................................................................................... 29 Figure 12. Monitoreo del nivel de agua en alcantarillas ...................................................................... 30 Figure 13. Banco de prueba de laboratorio ......................................................................................... 31 Figure 14. Coeficientes de ondículas de Haar usadas para detectar pulsos de presión ....................... 33 Figure 15. Una fuga se manifiesta como una energía adicional a cierta banda de frecuencia ............. 35 Figure 16. Diferenciación de fugas basada en las diferencias del contenido de banda de frecuencia .. 36 Figure 17. Distancia entre sensores (m) .............................................................................................. 37 Figure 18. Paquetes de información recibidos por horas .................................................................... 38 Figure 19. Diagrama conceptual del sistema de distribución y monitoreo usando WSN ..................... 42 Figure 20. Ramas de árboles de decisión en a) presión, b) tasa de flujo para identificar el bloqueo ... 46 Figure 21. Sistema RAPID - Organización ............................................................................................ 48 Figure 22. Tecnología de capa inteligente y sensores PZT ................................................................... 49 Figure 23. Diseño de Arquitectura de Hardware- Diagrama de bloques .............................................. 50 Figure 24. Integración del Sistema ...................................................................................................... 52 Figure 25.software GUI en el Sistema RAPID ...................................................................................... 53 Figure 26. Revisión del ambiente operacional .................................................................................... 53 Figure 27. Ejemplos de daños creados en las pruebas "A ciegas"........................................................ 54 Figure 28. Demostración en campo de RAPID ..................................................................................... 55 Figure 29. Secuencia del proceso de detección de daños .................................................................... 58 Figure 30. Ejemplo del resultado de detección de daños .................................................................... 58 Figure 31. Mapa de daño generado de las pruebas "A ciegas" con PG&E ........................................... 59 Figure 32. Sensores de compuestos de macrofibras MFC flexibles...................................................... 63 Figure 33. Método de detección y localización de fugas en tuberías basado en emisión acústica ....... 64 Figure 34. Técnica de identificación en 3 etapas ................................................................................. 66 Figure 35. Esquema de la tubería con 2 sensores ................................................................................ 66 Figure 36. Tarjeta MICA2 .................................................................................................................... 67 Figure 37. Ejes de la estructura de observación de una fuga para tuberías enterradas ....................... 68 Figure 38. Chequeo por WSN para fugas de tuberías subterráneas .................................................... 68 Figure 39. Pseudocódigo ..................................................................................................................... 69 Figure 40. Arreglo exploratorio........................................................................................................... 70 Figure 41. Fuerza de la señal al incrementar la distancia .................................................................... 70 Figure 42. Experimento de aumentar la separación entre las placas y entre los sensores .................. 71 Figure 43. Fuerza de la señal al incrementar distancia ........................................................................ 71 Figure 44. Plan de experimento de inclinación de MICA2 ................................................................... 71 Figure 45. Fuerza de la señal medida .................................................................................................. 72 Figure 46. Principio de UTM que mide el tránsito de tiempo entre el pulso inicial y su eco de retorno es usado para calcular el espesor de pared ................................................................................ 74 Figure 47. Vista esquemática del Sistema ........................................................................................... 75 9 Figure 48. Vista esquemática de integración de componentes típicos en el despliegue de sensores inteligentes en un sistema Modbus cableado ............................................................................ 78 Figure 49. Vista esquemática de componentes típicos para el despliegue del Sistema inalámbrico de sensores inteligentes (móvil) ..................................................................................................... 78 Figure 50. Instalación de sensores inteligentes en línea. A la izquierda vista de la ubicación de los sensores instalados, a la derecha la instalación celular (móvil) de la interfaz del sensor digital . 79 Figure 51. Instalación de sensores inteligentes en líneas aéreas.Sistemas instalados en codos con sensores ubicados a las 6 y a las 12. ............................................................. 80 Figure 52.Tubería de gas en estudio ................................................................................................... 81 Figure 53. Figura: Sensores instalados en la línea. Instalación de sensor cubierto totalmente de masilla. ...................................................................................................................................... 82 Figure 54. A la izquierda, sección finalmente envuelta en preparación para enterrar la línea de regreso. A la derecha Nema Box para la instalación de la unidad de interfaz de sensor digital y la descarga de datos en el futuro. .................................................................................................. 82 Figure 55. Esquema del Sistema propuesto ........................................................................................ 85 Figure 56. Numeración de pines físicos Xbee ...................................................................................... 86 Figure 57. Vista general del Sistema considerado ............................................................................... 87 Figure 58. Válvulas en cabeza de pozo con panel de control ............................................................... 88 Figure 59. Ejemplo de un Nodo enrutador (nodo cabeza de pozo) ...................................................... 89 Figure 60. Vista frontal de un circuito Xbee y el microcontrolador para cada cabeza de pozo ............ 89 Figure 61. Montaje del sistema PCM .................................................................................................. 91 Figure 62. Instalación de sensores en tuberías de proceso ................................................................. 92 Figure 63. Ubicación de plantas - visualización estado de riesgo por colores según matriz ................. 94 Figure 64. Planta Sterling .................................................................................................................... 94 Figure 65. Áreas de proceso................................................................................................................ 95 Figure 66. Activo evaluado y en riesgo ............................................................................................... 95 Figure 67. Alarmas en el proceso ........................................................................................................ 96 Figure 68. Comportamiento en el tiempo del activo - variables principales de monitoreo ................. 96 Figure 69. Detalles de las variables evaluadas .................................................................................... 97 Figure 70. Reporte para gestión de integridad del usuario ................................................................. 97 Figure 71. Estado de los diferentes componentes del sistema ............................................................ 98 10 INTRODUCCIÓN El monitoreo predictivo de activos sujetos a fenómenos de desgaste, corrosión, erosión, bloqueos, roturas como consecuencia de su operación con fluidos de diferente naturaleza, condiciones operativas variables, diferentes materiales y su interacción con ambientes y entornos hostiles, ha hecho necesaria la búsqueda de soluciones que permitan obtener información en tiempo real y de manera confiable sobre su estado, de manera que se puedan tomar decisiones oportunas evitando el deterioro progresivo, los altos costos por mantenimiento e incluso paradas en la operación por el desarrollo de una potencial pérdida de contención. En este estudio de caso se propone la revisión de 8 sistemas de Gestión de Integridad Predictiva desarrollados en los últimos 12 años, basados principalmente en sensoramiento remoto sobre activos y enfocados en el sector Oil & Gas, los cuales deben ser conectados a un nodo sensor que permita la integración de la información de la variable a medir y a su vez enviar esta información a una puerta de enlace que a través de un protocolo de comunicación específico, recopila la información y la gestiona en una nube virtual para gestión de integridad. Esta información será gestionada, transmitida y analizada haciendo uso de internet, el cual permite que las personas puedan tener en cualquier lugar y en cualquier momento disponible la información necesaria y mínima para gestionar la integridad de sus activos. 11 1. PLANTEAMIENTO DEL PROBLEMA La industria Oil & Gas ha demostrado que las inspecciones convencionales de integridad y especialmente la identificación y control de corrosión no son altamente efectivas puesto que en ocasiones los activos fallan más rápido de lo que estos ensayos pueden predecir. Esta industria representa los ambientes más demandantes con necesidades cambiantes y de mejoras constantes en su comunicación, por lo que se han experimentado grandes avances tecnológicos con el objetivo de reducir la afectación a la integridad de los equipos y tuberías, reduciendo costos en los planes actuales de mantenimiento y salvaguardando la seguridad de las personas y el medio ambiente. Las facilidades de procesamiento, producción y transporte del sector (Refinerías Estaciones de bombeo, facilidades de tratamiento y almacenamiento, poliductos, plantas petroquímicas) se enfrentan a diario a problemas de corrosión y erosión, contaminantes en el crudo como H2S, CO2, HCL, agua, sólidos como arena, químicos usados en procesamiento, condiciones de proceso como presión y temperatura, que deben ser constantemente monitoreados para evitar que se afecten sus programas de gestión y que se afecte el personal, el ambiente, el presupuesto disponible y hasta la imagen de la organización. El problema que se ha evidenciado hace unos años es el tipo de inspección a realizar y la forma en cómo estas actividades deben ser desarrolladas según el sitio, tipo de industria, presupuesto y tecnología disponible. Se han empleado métodos como la instalación de sensores de fibra óptica en el exterior de tuberías, cuyo principio de operación consiste en que la temperatura del cable instalado cambiará cuando ocurra la rotura y la fuga del hidrocarburo, con algunas susceptibilidades por su fragilidad, costos de instalación y mantenimiento, daños por terceros, entre otros. Adicionalmente las tuberías y equipos se enfrentan a procesos variables, temporales, sin comportamientos lineales que hacen difícil la diferenciación entre fallas y comportamientos propios del sistema; esto hace que detectar fallas sea un reto, llevando a las empresas a buscar soluciones basadas en integración de información capturada remotamente de varias fuentes: Ultrasonido, vibración, velocidad, temperatura, transientes de presión, entre otros, con algunas diferencias en características, costos, mantenimiento, facilidad de uso y capacidades de detección. Cuando se instala un conjunto de sensores que permiten adquirir información por diferentes técnicas y con el uso de diferentes protocolos y estándares y adicionalmente se logra que el sistema permita su envío, integración, análisis y gestión, se desarrolla un conjunto de beneficios que hoy en día son tomados en consideración para pensar en cambiar los métodos convencionales de inspección por un sistema predictivo de integridad en activos. 12 La tecnología de monitoreo inalámbrico puede eliminar los problemas asociados a los sistemas cableados y eliminar los trazados costosos e inconvenientes. Las mediciones pueden ser recogidas en tiempo real con exactitud para una respuesta rápida y toma de decisiones sin pérdidas en la integridad y disponibilidad del sistema. 13 2. JUSTIFICACIÓNEl monitoreo es un método de bajo costo que permite obtener una gran cantidad de información de moderada calidad. El principal propósito del monitoreo por lo tanto debe ser obtener una indicación casi en tiempo real de la tasa aproximada de corrosión o desgaste del material, con el objetivo de identificar condiciones operativas que podrían llevar eventualmente a daños más serios. Cuando se inspecciona por métodos convencionales y no se identifica ningún daño presente en los activos se continúa con el mismo programa de inspección hasta que en algún momento es posible identificar la presencia de daños o fallas que o bien pueden requerir alguna actividad correctiva en el momento, pueden hacer que la frecuencia de los programas de inspección aumenten o se seleccione un programa de monitoreo que permita realizar un seguimiento continuo de las indicaciones presentes o la condición actual del activo. El flujo continuo de información de un monitoreo predictivo permite al operador rastrear la tasa aproximada de ataque o realizar la predicción de la probabilidad de la tasa de corrosión y así mismo evaluar la efectividad de las estrategias que se han definido una vez se han identificado los daños presentes. Adicionalmente a diario se pueden presentar cambios operativos como introducción de otras corrientes del proceso, cambio en la presión, temperatura, velocidad de flujo, haciendo que así mismo deban ser evaluados los métodos más efectivos para realizar seguimiento: inspección y monitoreo. Las inspecciones y el monitoreo por lo tanto son técnicas complementarias, puesto que cada una aporta a la modificación del alcance de la otra y a la actualización de las estrategias para prevenir que se materialicen los riesgos presentes de los activos. Cuando se identifican las condiciones de proceso y la vulnerabilidad a cierto mecanismo de daño, es posible seleccionar e instalar sensores que sean capaces de monitorear estos fenómenos y enviar la información al personal responsable de su gestión, análisis y seguimiento. En este proyecto se proponen casos de problemas asociados a la integridad de tuberías y equipos con mecanismos de daño variables, en cuyo caso se seleccionan sensores de ultrasonido, vibración, temperatura, fibra óptica, cuyo rol es proveer medios para los cuales la criticidad estimada puede ser actualizada en tiempo real mientras la planta continúa en operación, almacenando las lecturas completas de la variable crítica para gestionar la integridad del activo. Con la revisión y análisis desarrollados en este proyecto se espera lograr una introducción bibliográfica a la sinergia entre las inspecciones actualmente realizadas por los métodos convencionales con un monitoreo predictivo de integridad de los activos, donde se tenga un proceso más eficiente, más gestionable desde la consideración de tener toda la información almacenada en 14 una nube que permite entregar los reportes en tiempo real de la información monitoreada, y que envía alarmas configurables según los intereses y necesidades de las personas usuarias. De esta manera adicional a los resultados técnicos esperados, es posible obtener mayor seguridad en el monitoreo del activo, reduciendo inspecciones en lugares de alturas, altas temperaturas, altas presiones y de condiciones de accesos remotos que generan un riesgo para el personal inspector. 15 3. OBJETIVO GENERAL Revisión y análisis de desarrollos y avances en sensoramiento remoto para gestionar la integridad de activos en la industria oil & gas, de manera que se logren identificar las principales estructuras propuestas, las tecnologías y los protocolos empleados, los aportes a la gestión de integridad y se evidencien las oportunidades de mejora en sistemas de monitoreo remoto de activos. 3.1. Objetivos específicos -Investigación de fuentes bibliográficas relacionadas a estudios y aplicaciones de gestión de integridad predictiva usando sistemas de adquisición de información en tiempo real y transmisión de datos a través de monitoreo remoto de tuberías y equipos de proceso. -Revisión de avances y retos tecnológicos en el despliegue de sistemas de monitoreo a través de redes de sensores inalámbricas y haciendo uso del Internet de las cosas. -Análisis e interpretación de resultados de estudios relacionados a la Gestión de integridad a través de sensoramiento remoto en activos y recomendaciones pertinentes de aplicación y mejora. 16 4. MARCO REFERENCIAL Para la conceptualización y referenciación del estudio de análisis a desarrollar, se presenta la siguiente información teórica sobre los temas principales que abarcan el tópico de Sistemas de Gestión de Integridad Predictiva. 4.1. Internet of Things IoT - Internet de las Cosas IoT El término Internet de las Cosas, Internet of Things IoT, está semánticamente relacionado con dos palabras "Internet" y "Cosas", donde el primero es conocido como el sistema global que utiliza el conjunto de protocolos TCP / IP para interconectar diferentes redes de computadoras, mientras que las “cosas” se refieren a cualquier objeto que nos rodea y tienen capacidad de detectar y recopilar datos sobre su entorno. Por lo tanto, IoT se puede definir como un sistema global basado en un conjunto de protocolos IP, en el que los objetos equipados con sensores, etiquetas de identificación por radiofrecuencia (RFID) o códigos de barras tienen una identidad única, operan en un entorno inteligente y se integran perfectamente en la red de información mediante interfaces inteligentes 1. Entre las diferentes tecnologías involucradas en el concepto de IoT, como NFC, RFID y WSN, esta última es una de las tecnologías más importantes que permite la integración de dispositivos de detección en los sistemas de IoT. 4.2. Wireless Sensor Networks (WSNs) – Redes de sensores inalámbricas Una red de sensores inalámbricos se puede definir como una red de dispositivos que pueden comunicar la información recopilada de un campo monitoreado a través de enlaces inalámbricos. Esta red consta de estaciones base y un gran número de nodos (sensores inalámbricos) que se utilizan para monitorear condiciones físicas o ambientales como sonido, presión, temperatura y conjuntamente transferir datos a través de la red a una ubicación principal. Los nodos en la red de sensores típicamente tienen uno o más sensores, un transceptor de radio u otro dispositivo de comunicación, un pequeño microcontrolador y una fuente de energía, usualmente una batería 2. Los 4 componentes básicos en una red de sensores son: Un conjunto de sensores localizados o distribuidos Una red inalámbrica de interconexión 1 C. Jr. Arcadius Tokognon, Bin Gao, Senior Member, IEEE, Gui Yun Tian, Senior Member, IEEE, and Yan Yan. IEEE INTERNET OF THINGS JOURNAL, VOL. 4, NO. 3, JUNE 2017 2 https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ 17 Un punto central de reunión de información Un set de fuentes computacionales en el punto central (o más allá) para manejar la correlación de información, tendencia del evento, consulta del estado y extracción de información. Las redes WSN están construidas con nodos que se utilizan en varias aplicaciones en tiempo real para realizar diversas tareas, como la detección inteligente, procesamiento, almacenamiento y recopilación de datos, seguimiento de objetivos, monitoreo y control, sincronización, localización de nodos y enrutamiento efectivo entre la estación base y los nodos. Adicionalmente haciendo uso del internet de las cosas es posible que se monitoree, controle y favorezca la gestión predictiva de activos,permitiendo la conexión de estas redes inalámbricas al mundo real, es decir en el que las personas obtienen, gestionan y controlan por sí mismas el mundo material alrededor. Figure 1 Redes inalámbricas WSN Fuente: https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ Las redes de sensores y todos sus protocolos existentes para funcionamiento, intercomunicación y envío de información se basan en las capas de las que está conformado el modelo OSI 3 (Modelo de interconexión de sistemas abiertos) presentado en la figura 2, desarrollado en 1984 por la organización ISO (International Organization for Standarization), el cual define la funcionalidad de estas capas para que los sistemas puedan operar de manera estándar. Para que los paquetes de datos puedan viajar desde el origen hasta su destino a través de una red, es importante que todos los dispositivos de la red hablen el mismo lenguaje o protocolo. Un protocolo es un conjunto de reglas que hacen que la comunicación en una red sea más eficiente. 3 http://www.exa.unicen.edu.ar/catedras/comdat1/material/ElmodeloOSI.pdf https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ http://www.exa.unicen.edu.ar/catedras/comdat1/material/ElmodeloOSI.pdf 18 Figure 2. Las 7 capas del Modelo OSI Fuente: http://www.exa.unicen.edu.ar/catedras/comdat1/material/ElmodeloOSI.pdf Los protocolos de control de transmisión (TCP) y protocolo de Internet (IP) se definieron con éxito a principios de la década de 1980 y especificaron cómo los mensajes digitales se empaquetan, se dirigen y se envían a través de la red. El éxito de IP y el uso de redes satelitales y de radio hicieron de Internet un sistema global con la capacidad de acceder a una computadora remota desde otro lugar, recopilar información y comunicarse con personas de todo el mundo a través de Internet utilizando la arquitectura TCP / IP. Internet ahora está abierto a todos los que quieran conectarse. Por lo tanto, el número de hosts visibles en Internet crece exponencialmente y superará los 50 mil millones para 2020 según estimaciones de expertos 4. La comunidad de IoT ha adoptado la próxima generación de IP llamada IPv6 basado en 128 bits para asignar direcciones IP a miles de millones de dispositivos conectados. 4.2.1. Aplicaciones de red de sensores inalámbricos Las aplicaciones de la red de sensores inalámbricos incluyen principalmente áreas de salud, militares, ambientales, domésticas, de producción, y otras áreas comerciales, como se muestra en la figura 3. En el caso del sector de petróleo y gas, en el cual se enfoca el presente estudio de aplicación, las redes de sensores conectadas a Internet de las cosas se desarrollan continuamente generando aportes constantes para el monitoreo de sus activos críticos de producción y de seguridad. 2 https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ 4 P. Suresh, J. V. Daniel, V. Parthasarathy, and R. H. Aswathy, “A state of the art review on the Internet of Things (IoT) history, technology and fields of deployment,” in Proc. IEEE Int. Conf. Sci. Eng. Manag. (ICSEMR), Chennai, India, 2014, pp. 1–8. http://www.exa.unicen.edu.ar/catedras/comdat1/material/ElmodeloOSI.pdf https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ 19 Figure 3. Aplicaciones de redes de sensores inalámbricos Fuente: https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ La industria del petróleo y el gas (O&G) se encuentra ante una tensión de reducción de precios de sus productos, una continuidad de actividades ilícitas alrededor de sus operaciones, disminución de ganancias y como resultado una serie de consecuencias que potencializan la revisión de reducción de costos y aseguramiento de contención de sus productos en los diferentes medios de producción, almacenamiento y transporte; una forma de hacerlo es invirtiendo en el Internet de las cosas. A continuación, se presentan cinco casos de uso de dispositivos inteligentes en aplicaciones de este sector. Optimización de pozos y trabajos de campo La recopilación de datos es la razón más importante por la cual un productor de petróleo y gas implementa una solución de IoT. Según algunas estimaciones, los datos internos generados por las grandes compañías integradas de O&G ahora superan un terabyte y medio por día. Poder aprovechar y utilizar esos datos aumenta la eficiencia del flujo de trabajo, la cadena de suministro y la gestión de personas, entre otras cosas. La nube es un excelente lugar para almacenar información porque se puede acceder fácilmente mediante un software que puede ejecutarla a través de una serie de procesos analíticos con una conexión entre los sensores y la nube, la información se puede almacenar y enviar a todo el mundo para que los analistas puedan evaluar las operaciones actuales. Exploración- Búsqueda de petróleo El uso de sensores e incluso robots para analizar entornos superficiales y subterráneos podría ahorrar millones de dólares. Los nodos sísmicos recopilan grandes cantidades de datos que pueden usarse para determinar los depósitos de petróleo. Los sensores también pueden recopilar datos sobre materiales de la superficie, temperaturas y cómo los equipos se comportan en diferentes entornos. Todas estas lecturas ayudan a los productores de petróleo a encontrar nuevos depósitos de hidrocarburos, determinar nuevos puntos para la https://www.elprocus.com/architecture-of-wireless-sensor-network-and-applications/ 20 perforación e incluso encontrar formas de optimizar las plataformas ya operativas. Mantenimiento de equipos El uso de datos para monitorear equipos puede ahorrar millones de dólares y garantizar un entorno más seguro alrededor de los sitios de perforación. Los sensores pueden monitorear continuamente cualquier anomalía en el proceso de perforación y comunicar sus hallazgos al equipo de mantenimiento. Un mantenimiento más eficiente y efectivo también puede evitar paradas. Según un informe de Deloitte University Press, hubo más de 2,200 paradas de refinerías no programadas solo en los Estados Unidos entre 2009 y 2013, y cada una de esas paradas costó a las industrias de procesos globales el 5% de su producción total, o $ 20 mil millones por año. Las prácticas de mantenimiento ineficaces también resultan en un tiempo de inactividad no programado que les cuesta a los refinadores globales, en promedio, $ 60 mil millones adicionales por año en costos operativos 5. Prediciendo la producción La predicción de las operaciones en la industria del petróleo y el gas puede influir en dónde y cómo las empresas implementan su costosa infraestructura. También puede ayudar a los ingenieros a mapear los cambios en los depósitos a lo largo del tiempo para determinar si es necesario realizar cambios con los métodos de levantamiento. Refinerías Con más puntos de medición inalámbricos, los sensores (las "cosas" en el IoT) en una refinería se pueden usar para detectar fácilmente una operación subóptima o una falla inminente, lo que proporciona más tiempo de actividad y mayor seguridad. Los operadores de la planta pueden usar esta misma información para mejorar el rendimiento, ya que la información de los sensores inalámbricos se puede usar para el análisis y para mejorar los procesos de trabajo. Las refinerías están tomando nota, y recientemente se han realizado importantes inversiones en el monitoreo de la corrosión de los sistemas de tuberías luego de casos ocurridos de seguridad de procesos, donde se han tenido pérdidas humanas, de infraestructura, ambientales y de imagen. ¿Por qué no todas las refinerías han agregado miles de puntos de medición más, dados los probados beneficiosfinancieros? Una razón es que, en el pasado, estas entradas se habrían conectado desde el punto de detección, tal vez una En esta industria los sensores están conectados a través de una red de malla inalámbrica en toda la planta para controlar y monitorear sistemas. Los sensores 5 https://enterpriseiotinsights.com/20160720/oil-gas/use-cases-iot-oil-gas-tag31-tag99 https://enterpriseiotinsights.com/20160720/oil-gas/use-cases-iot-oil-gas-tag31-tag99 21 inalámbricos permiten agregar puntos de medición a una fracción del costo y el tiempo de sus equivalentes cableados, y los sensores que no requieren penetraciones en el proceso pueden instalarse sin el tiempo de inactividad requerido. En resumen, agregar aplicaciones inalámbricas de manera generalizada en toda la refinería es la forma rápida y rentable de crear un IoT integral para toda la planta. Estos puntos de medición clave junto con el análisis de datos y los sistemas de gestión de activos mejoran el rendimiento operativo, la confiabilidad y la seguridad de los activos, lo que genera mayores ganancias. Solomon Associates, una empresa de evaluación comparativa para refinerías descubrió que las refinerías que invierten en confiabilidad al agregar puntos de medición y los sistemas de gestión de activos correspondientes tienen los costos de mantenimiento más bajos porque pueden predecir problemas antes de que ocurran y actuar a tiempo para evitar la falla. Esto permite un mantenimiento proactivo relativamente económico en lugar de reparaciones reactivas muy costosas. La alternativa preferida es crear un sistema de monitoreo para toda la planta a través de un sistema inalámbrico de detección generalizada, un proyecto que puede comenzar en pequeño agregando primero los puntos de medición inalámbricos más críticos y luego continuar agregando miles de sensores inalámbricos más. Esto aumentará el tiempo de actividad, mejorará el rendimiento y reducirá los incidentes de seguridad, y rendirá el rendimiento del cuartil superior para los refinadores 6. 4.2.2. Limitaciones de redes de sensores inalámbricas A pesar de todas las ventajas, aplicaciones y beneficios prácticos descritos, el campo de sensoramiento remoto a través de redes inalámbricas tiene sus limitaciones para los usuarios finales de esta tecnología. Poseen muy poca capacidad de almacenamiento: unos pocos cientos de kilobytes Poseen poder de procesamiento modesto-8MHz Funcionan en un rango de comunicación corto: consume mucha energía Requieren energía mínima, lo que limita los protocolos Poseen baterías con una vida útil limitada Los dispositivos pasivos proporcionan poca energía. 6 https://www.emerson.com/documents/automation/article-iiot-making-a-major-financial-impact-in- refineries-worldwide-en-38296.pdf 22 5. DISEÑO METODOLOGICO El principal enfoque de este proyecto fue realizar una revisión, estudio y análisis de los diferentes modelos y estudios realizados en torno al monitoreo de activos para identificar los cambios en su estado de integridad y poder tomar alguna medida de control que le permita a los usuarios finales evitar pérdidas de contención, fallas y afectación al ambiente, personal y a su infraestructura existente. Todo lo anterior puede ser logrado y potencializado a través del internet de las cosas, el cual permite a las personas conectarse, identificar y analizar la trazabilidad de sus activos y elaborar estadísticas de su comportamiento. Un enfoque sistemático con la ayuda de estudios basados en IoT puede reducir la exposición general al riesgo al enfocarse en áreas de mayor potencialidad. Los enfoques basados en IoT estructuran el alcance de las actividades de gestión de integridad de una manera planificada y justificable, reduciendo tanto el tiempo como los costos. Este análisis desarrollado se basa principalmente en el sector de transporte de crudo y gas, el cual es el más difícil de monitorear en la práctica ya que cuenta con facilidades de un acceso o monitoreo no controlado. Este sector cuenta con una infraestructura crítica ya sus activos por lo general atraviesan zonas de hábitat poblacional, terrenos de fauna y flora susceptibles al impacto por pérdidas de contención. Se realizó un estudio de aproximadamente 40 artículos de investigación para identificar y estudiar la trayectoria del conocimiento a través del uso de sistemas de monitoreo remoto, los principales avances en tecnología y capacidades de infraestructura física, las limitaciones que han frenado su uso y los desarrollos más importantes en redes de sensores y su conexión con plataformas de Internet de las cosas, seleccionando algunos artículos que generan un aporte al tema de estudio y permiten visualizar su aplicación en campo para sistemas de monitoreo de infraestructura del sector Oil & Gas. En la información presentada a continuación se relacionan los desarrollos relacionados a estudios teóricos y prácticos basados en protocolos y estándares de comunicación para gestionar la integridad de activos, realizando una comparación de sus avances tecnológicos, hallazgos y deficiencias que generaron un aporte al conocimiento objetivo de este proyecto. La principal variable por analizar y medir es la efectividad de los sistemas para monitorear eficientemente la integridad de los activos. 23 5.1 Detección de fugas usando sensores de temperatura distribuida por fibra óptica7 El desarrollo analizado presenta y discute la posibilidad de monitorear activa y automáticamente fugas en tuberías de crudo de entre 7 y 10 kilómetros de longitud, utilizando técnicas de detección por fibra óptica distribuida o una posible detección de intrusos por terceros. 5.1.1 Características del Sistema Los sistemas de detección de temperatura distribuida (DTS) son dispositivos optoelectrónicos (relacionados con la luz) que miden temperaturas mediante fibras ópticas que funcionan como sensores lineales. Las temperaturas se registran a lo largo del cable del sensor óptico y no en puntos, sino como un perfil continuo. Se logra una alta precisión en la determinación de la temperatura a grandes distancias. Por lo general, los sistemas DTS pueden ubicar la temperatura a una resolución espacial de 1 m con una precisión de ± 1 ° C a una resolución de 0.01 ° C. Las dimensiones físicas de medición, como la temperatura o la presión, pueden afectar las fibras de vidrio y cambiar localmente las características de transmisión de luz en la fibra óptica, la cual está hecha de vidrio de cuarzo. Como resultado de la amortiguación de la luz en las fibras de vidrio a través de la dispersión, se puede determinar la ubicación de un efecto físico externo para que la fibra óptica se pueda emplear como un sensor lineal. Figura 4. Figure 4. Arreglo esquemático del viaje de la luz a través de la fibra óptica Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica Los efectos térmicos inducen oscilaciones reticulares dentro del sólido; Cuando la luz cae sobre estas oscilaciones moleculares excitadas térmicamente, se produce una interacción entre las partículas de luz (fotones) y los electrones de 7 Leakage Detection using Fibre Optics Distributed Temperature Sensing, Ashim Mishra, Ashwani Soni, 6 th Pipeline Technology Conference 2011 24 la molécula. La dispersión de la luz, también conocida como dispersión Raman, se produce en la fibra óptica. El sistema de medición de temperatura de este estudio consta de un controlador y un sensor de temperatura de fibra de vidrio de cuarzo de forma lineal. El cable de fibra óptica es de naturaleza pasiva y no tiene puntos de detección individuales, por lo que el responsable del sistema no tiene que preocuparse porla ubicación precisa de cada punto de detección, como si ocurre con los sensores WSN, que deben ser ubicados en puntos fijos y una configuración establecida para que puedan reunir datos precisos de los cambios que ocurren aguas arriba y aguas abajo del punto de monitoreo. En este estudio se instalaron secciones de cables de temperatura (con fibras ópticas integradas) enterrados por encima o debajo de las tuberías. En la Figura 5 puede evidenciarse el esquemático de las 20 tuberías a ser monitoreadas en un campo petrolero Figure 5. Esquemático de las tuberías a monitorear en caso de estudio Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica Aquí el sistema de monitoreo basado en la tecnología de dispersión Raman, es seleccionado para el monitoreo distribuido de temperatura. Los sensores de fibra óptica distribuidos detectarán cambios de temperatura con resoluciones de hasta 0.05 ° C, la cual depende de la longitud del cable. 25 5.1.2 Descripción del Sistema El sistema consta de una unidad de lectura, un cable de detección y accesorios (cajas de conexión, cables de extensión, protectores de empalme, etc.). La fibra óptica que está integrada en cables robustos, son los elementos sensibles a la temperatura y permiten la medición de perfiles de temperatura en momentos arbitrarios, casi continuamente con una alta resolución espacial a lo largo del cable. La unidad de lectura con un software de adquisición de datos muestra los resultados local y remotamente en forma de alarmas o advertencias dependiendo de la medida (en forma de SMS, correos o llamadas telefónicas) como se observa en la figura 6. Figure 6. Configuración del Sistema Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica Características de funcionamiento del sistema El monitoreo de detección de fugas de líquido se realizará indirectamente debajo de la tubería (cable de temperatura en la posición de las 6 en punto) por el aumento de temperatura en el suelo. La figura 7 muestra el pico típico recibido en el punto de detección de fugas de líquido. El monitoreo de detección de fugas de gas se realizará indirectamente en la parte superior de la tubería (cable de temperatura en la posición de las 12 en punto) por la disminución de la temperatura en el suelo inducida por la descompresión del gas con fugas causada por el efecto Joule-Thompson. La figura 8 muestra el pico típico recibido en el punto de detección de fugas de gas. 26 Figure 7. Pico típico durante detección de fugas de líquidos Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica Figure 8. Pico típico durante detección de fugas de gas Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica La detección de intrusiones se realizará indirectamente en la parte superior de la tubería (cable de temperatura en la posición de las 12 en punto) por el cambio de temperatura en caso de eliminación del material de cobertura. En la figura 9 puede evidenciarse el fenómeno de cambio de temperatura por exposición del cable al ambiente. Figure 9. Detección de intrusos Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica 27 Parámetros a ser monitoreados: Temperatura promedio a lo largo del sensor con resolución espacial de 1-2 metros. Detección del umbral de temperatura promedio a lo largo del sensor. Medición de la variación de temperatura a lo largo del sensor. Detección de fugas Detección de intrusos 5.1.3 Aportes – Análisis del sistema de estudio El estudio aporta a las iniciativas para lograr monitoreo remoto de activos sin la necesidad de exigencia de operadores en sitio para inspeccionar eventos de fugas o afectación por terceros. Es un sistema sencillo basado en el conocimiento de la física de los sensores y en el comportamiento de los fluidos y su impacto en las variables dependientes. Las ventajas de tener tecnología de detección de fibra óptica incluyen una gran cantidad de puntos monitoreados sobre un solo sensor de fibra óptica, inmunidad a interferencia electromagnética, vibración, insensibilidad a la humedad y corrosión, sin circuitos electrónicos activos a lo largo del cable, confiabilidad a largo plazo y es seguro para su uso en zonas peligrosas, lo que hace que estos sensores sean ideales para su uso en aplicaciones de monitoreo industrial. 5.1.4 Oportunidades de mejora Teniendo en cuenta que el sistema es sensible a la zona donde se encuentra la tubería, es decir enterrada, aérea, en zona de tráfico o peligro, se debe revisar que el sistema tenga de referencia señales de afectación por estos factores y puedan ser cruzadas con las reales para determinar si están siendo originadas por una fuga o afectación de terceros o realmente consisten en el ruido propio de la zona de localización del activo. Un posible trazado de estas tuberías se muestra en la figura 10. Figure 10. Distribución de zonas en trazados de tuberías. Fuente: Detección de fugas usando sensores de temperatura distribuidos de fibra óptica 28 Este tipo de estudios y estas tecnologías no son del todo confiables teniendo en cuenta que las medidas no son establecidas directamente en el activo, lo que puede generar una dependencia de las condiciones exteriores, que no pueden ser controladas en su totalidad por el dueño del activo monitoreado. Se recomiendan en estos casos un uso combinado de tecnologías para aportar al desarrollo eficiente de sistemas de control y monitoreo. 5.2 PIPENET: Una red de sensores inalámbricos para monitoreo de tuberías En este caso práctico estudiado denominado PipeNet 8, se desarrolló un sistema basado en redes de sensores inalámbricas para detectar, localizar y cuantificar rompimientos, fugas y otras anomalías en tuberías de transmisión de agua, como lo son bloqueos o mal funcionamiento de las válvulas de control. Adicionalmente el sistema se emplea para controlar la calidad del agua en los sistemas de transmisión y de distribución de agua y el monitoreo del nivel del agua en los colectores de alcantarillado. Se reportan los resultados de 22 meses de prueba en la ciudad de Boston. 5.2.1 Características del Sistema • Un sistema desplegable de hardware y software que demuestra la viabilidad de medir y recolectar (en tiempo casi real) información de tipo hidráulico (p. ej., presión), calidad del agua (p. ej. pH) y datos acústicos / de vibración durante largos períodos de tiempo. • Uso de los algoritmos necesarios para poder lograr que el sistema realice una correlación cruzada de los datos, los analice en un servidor local y diagnostique las fallas de tipo operacional. • Software para aplicaciones basadas en procesamiento de señales para facilitar creación rápida de prototipos requeridos. 5.2.2 Descripción del Sistema El sistema se desarrolló por etapas: Evaluación de componentes críticos del sistema a través de un despliegue real (Etapa 1), y desarrollo de algoritmos para detectar y localizar la posición exacta de las fugas que se probaron bajo condiciones de laboratorio (Etapa 2) en colaboración con La Comisión de Agua y Alcantarillado (BWSC) de Boston. 8 STOIANOV, Ivan, et al, PipeNet: A Wireless sensor Network for pipeline monitoring, IPSN´07, Abril 2007, Cambridge, Massachusetts, U.S.A. 29 5.2.2.1 Etapa 1. Despliegue en campo y validación Los componentes principales del prototipo PipeNet de tres niveles desplegado en colaboración con la Comisión de agua y alcantarillado de Boston (BWSC) se muestra en la Figura 11. El ensayo tiene como objetivo evaluar una variedad de problemas técnicos incluida la comunicación, fiabilidad y rendimiento a largo plazo de sensores, facilidad de implementacióny costo de instalación y mantenimiento. Figure 11. Despliegue de Pipenet por niveles Fuente: Pipenet La implementación de BWSC se centró en dos aplicaciones principales: Monitoreo hidráulico y de la calidad del agua de los sistemas de transmisión y distribución, incluyendo la captura de eventos de transientes de presión y pH. Monitoreo del nivel de agua en colectores de alcantarillado y sistemas de alcantarillado combinados CSS que recogen la escorrentía de aguas lluvia, aguas residuales domésticas y aguas residuales industriales. Estas alcantarillas se encuentran entre las principales fuentes de deterioro de la calidad del agua ya que contienen desechos humanos e industriales. Las imágenes con la ubicación de los sensores en los sistemas de alcantarillado pueden verse en la figura 12. Se desplegaron tres grupos (clusters) de monitoreo, cada uno con diferentes sensores y configuraciones de software, que se muestran en la tabla 1. 30 Table 1. Datos del Sistema en campo Características Cluster 1 Clúster 2 Cluster 3 Sistema de monitoreo: Tubería de 12” Hierro fundido Tubería de 8” Hierro fundido Alcantarillado Servicio Agua potable Agua Agua de alcantarillado Dispositivo 1. Sensor Presión (piezoresistivo) con muestras recogidas en intervalos de 5 min durante 5 seg 2.Sensor PH (electrodo de vidrio con celda de referencia Ag/AgCl) con muestras recogidas en intervalos de 5 min durante 10 seg Sensor presión con muestras recogidas en intervalos de 5 min durante 5 seg. Monitor de nivel de agua con tres sensores: 1. Dos transductores de presión en el fondo del colector. Intervalos de 5 min durante 10 seg. 2. Un sensor de UT en la parte superior para verificar las lecturas de los sensores de presión. Figura 22. Tasa de muestreo 1. 100 muestras /seg 2. 100 muestras /seg 100 muestras /seg. 1. 100 muestras /seg. Cálculos del mote: Valores min, max, desviación estándar, desviación promedio. Datos en bruto Fuente: El autor, Información estudio Pipenet Figure 12. Monitoreo del nivel de agua en alcantarillas Fuente: PipeNet 5.2.2.2 Etapa 2: Validación de laboratorio Se construyó un banco de prueba de tubería de 6.52 metros, 1¼ " de diámetro, en cloruro de polivinilo PVC (Figura 13) para evaluar e ilustrar la solución de monitoreo para detectar y localizar fugas utilizando datos acústicos / de vibración. Se generaron fugas en condiciones controladas en dos ubicaciones instalando válvulas (fugas de orificio) a lo largo de la tubería. Dos acelerómetros de doble eje se adjuntaron para recopilar datos de vibración generados por las fugas simuladas. 31 Se conectaron simultáneamente los acelerómetros a un sistema de adquisición de datos (HBM Spider8). Cada sensor fue conectado a un Gateway Stargate con sincronización de tiempo a través de un GPS PPS. Figure 13. Banco de prueba de laboratorio Fuente: PipeNEt 5.2.2.3 Arquitectura del sistema La arquitectura del sistema se resume en la tabla 2. Table 2. Arquitectura del Sistema Características Plataforma Intel Mote Plataforma Stargate Servidor Backend Físicas ARM7 core, 64kB RAM, 512 kB Flash y radio Bluetooth Ubicación cerca de postes de luz. Modem GPRS Interfase UART que actúa como interfase entre el mote y el Gateway. Transferencia de información via herramientas estándar de Linux. Copia segura SCP usada para transferir archivos de las muestras realizadas. Configuración de adquisición de información programable Tasa de muestreo de 600 muestras /seg. Cuando un SCP se transfiere completamente, el archivo es borrado del stargate. Los archivos luego son cargados en una base de datos que almacena las lecturas de los sensores individuales. Tiempo de suspension programable El mote se enciende periódicamente, recoge la información muestreada, transmite la información al Gateway y vuelve a suspenderse. Transmisión de datos Protocolo de transmission confiable con múltiples buffers (espacio de memoria, en el que se almacenan datos de manera temporal) para compensar la RAM limitada del sistema. El sitio web utiliza Google Maps/Earth para permitir la búsqueda de las ubicaciones del sensor de interés. Habilidades Se puede adquirir información por un canal cuando otro 32 Características Plataforma Intel Mote Plataforma Stargate Servidor Backend canal monitoreado exceda algún umbral. Cuando los sensores de presión excedan los valores umbrales o no sean confiables se activa el sensor de ultrasonido. Fuente: El autor, estudio Pipenet 5.2.2.4 Análisis de la información Dependiendo de la información que se quería determinar, es decir los escenarios de consecuencias a encontrar en un entorno real, fueron desarrollados tres análisis de información en laboratorio como se resume en la tabla 3. Table 3. Análisis de información realizados Características 1. Análisis de información de presión 2. Análisis de información Acústica /de Vibración 3. Genérico- bloqueos y desbordamientos en colectores de alcantarillado combinados Objetivo Grandes roturas y fugas Pequeñas fugas Calidad de agua Medio Sensores de presión y velocidad (flujo) Sensores de vibración – hidrófonos Mecanismo Monitoreo constante de sensores. Adquisición de rompimientos periódicos de transientes de presión Modo Roturas Variaciones operacionales como cambios en el régimen de bombeo. Limitaciones Transmisión constante de información y por lo mismo alta demanda de consumo de energía. Ubicación en lugares donde exista energía disponible. Buen conocimiento de la influencia de cambios operacionales. Ventajas Número relativamente pequeño de sensores ya que las roturas grandes generan pulsos que pueden detectarse a grandes distancias. Como el análisis de fugas pequeñas no es crítico en el tiempo. Este monitoreo se puede hacer en horas de bajo ruido (2 – 4 am) Fuente: El autor /Pipenet Análisis del Autor: Siempre es importante desde el punto de vista del ingeniero de integridad, determinar los mecanismos de daño presentes en los activos bajo su cargo y tener en cuenta cuáles son las consecuencias en el caso de que se materialicen los riesgos analizados. Para esto es importante que cada facilidad tenga un análisis de riesgos elaborado donde identifique los eventos que pueden generar una desviación de su proceso y a la vez las barreras que pueden controlar o mitigar sus escenarios de riesgo. Este estudio realizado en parte permite disponer un sistema de monitoreo dependiendo de la consecuencia que se quiere identificar. 33 Análisis de información de Presión Evento de rotura controlada en la tubería en t= 320 segundos. En la figura 14 se puede evidenciar la caída de presión en la señal. Los datos adquiridos se procesan utilizando una Transformada de ondículas de Haar para detectar pulsos de presión en la puerta de enlace (Gateway). Figure 14. Coeficientes de ondículas de Haar usadas para detectar pulsos de presión Fuente: PipeNet Análisis de información acústica/de vibración En el segundo análisis se adaptaron algoritmos existentes para realizar detección y localización de fugas mediante correlación cruzada de las señales acústicas / de vibración, las cuales son energéticamente eficientes al no requerir la transmisión continua de las señales del sensor de todos los nodos a una ubicación centralizada. Para la configuración experimental se adquirieron señales de vibración de acelerómetros instalados a lo largo de la tubería. Las fugas generalmente se manifiestan en la señal acústica como ruido de magnitud relativamente alta en bandas de frecuencia que son características del tipo y ubicación de la tubería. Estos ruidos característicos, que se propagan uniformemente en ambas direcciones lejos de la fuga,se generan al escapar el agua fluyendo a través de la ruptura en la tubería. Hablando en general, si no hay fugas u otra fuente de señal de audio en la tubería, la señal en diferentes sensores no estará correlacionada. Sin embargo, si hay una fuga, todos los sensores deberían "escucharla", aunque la señal recibida por los diferentes sensores se compensará ligeramente en el tiempo dependiendo de su ubicación en relación con la fuga. 34 Se utiliza una técnica para la estimación del retraso de tiempo cuando tanto la fuente como los espectros de ruido son inciertos. El tiempo de retraso entre las dos señales, la distancia entre los sensores y la velocidad de La propagación del sonido en la tubería permitirá calcular la ubicación de la fuga en relación con los sensores. Para aplicar continuamente una correlación cruzada en una red de sensores inalámbricos, se requiere transmitir datos de todos los sensores a un nodo común donde la correlación sea aplicada. Para desarrollar este análisis local, los nodos sensores buscan un aumento de energía en las bandas de frecuencia que son características de las fugas. Cuando se detecta dicha energía en un solo nodo sensor, ese sensor puede comprimir y enviar una señal de corta duración a un servidor central o un sensor cercano, que puede realizar la correlación cruzada. En la práctica lo que debe desarrollarse es la combinación de algoritmos para la detección y localización de fugas de la siguiente manera: • Los nodos monitorean su señal de estado de fuga local en intervalos de monitoreo predefinidos durante horas de bajo ruido de fondo (por ejemplo 2,3,4 am), utilizando una transformada de Fourier para medir la energía en las bandas de frecuencia que se sabe que son característica de una fuga. En los ensayos de laboratorio se determinó experimentalmente que estas son bandas de 70- 140 y de 200-250 Hz, como se muestra en la Figura 15. • Si la diferencia entre la energía en estas bandas en la señal actual y la energía en la señal libre de fugas previamente registrada excede un umbral preestablecido T, el nodo envía una alarma a la puerta de enlace, que se reenvía al servidor backend. • Cuando el servidor recibe la alarma, envía una solicitud a la puerta de enlace que controla el mote que generó la alarma y sus vecinos para recopilar 60 segundos de recolección de datos. Se solicita que la c olección comience a una hora específica para asegurarse de que las muestras de cada uno de los motes estén sincronizadas. Un algoritmo de sincronización de tiempo de alta precisión se ejecuta para garantizar sincronización de submilisegundos, antes de que el muestreo haya iniciado. • Cuando el sensor termina de recopilar los datos, se comprimen los datos y se envían al backend para la correlación cruzada con sensores adyacentes. • Cada vez que el backend recibe los datos de todos los nodos direccionados, aplica correlación cruzada en las lecturas generado por los motes. • El backend determina la ubicación del máximo pico en la señal de correlación cruzada. Si el pico excede un umbral P, se usa el lapso del tiempo del pico para calcular la ubicación de la fuga. 35 Figure 15. Una fuga se manifiesta como una energía adicional a cierta banda de frecuencia Fuente: PipeNet Se determinan los valores de los umbrales T y P experimentalmente, analizando varias señales de fuga conocidas y eligiendo la altura máxima de tal manera que aproximadamente el 95% de las fugas sean detectadas de acuerdo con ambos umbrales. En la práctica, los datos adquiridos durante un período de tiempo se utilizarán para automáticamente derivar niveles de umbral basados en las características de ruido de la ubicación específica y firmas de fugas detectadas. 5.2.3 Resultados de Laboratorio Para medir el rendimiento de los algoritmos de detección y localización de fugas se simularon fugas en dos ubicaciones a lo largo de la tubería, se varió la distancia entre los sensores en seis incrementos entre 1,25 metros y 3,4 metros y se ejecutaron diez pruebas con cada ubicación de sensor y cada ajuste de fuga. Cada ensayo consistió en una grabación de 30 segundos. 5.2.3.1 Detección de fugas Para medir la efectividad del algoritmo de detección de fugas, se tomaron todos los rastros de datos y se dividieron en segmentos no superpuestos. Luego se etiquetó cada segmento como "fuga" o "sin fuga". Posteriormente se seleccionó uno de los segmentos sin fugas como un segmento base con el cual otros segmentos podrían ser comparados y se tomó la diferencia entre los espectros de potencia en las Bandas 70-140 y 170-240 Hz de todos los segmentos restantes y de este segmento base. Para calcular el umbral de diferencia en estas bandas de frecuencia que pudieran mejor separar los casos de fugas y no fugas, se separaron los segmentos en conjuntos de prueba y entrenamiento de igual tamaño. Luego se usó un clasificador para predecir los valores de fuga y sin fuga de los datos de prueba. 36 La Figura 16 muestra los datos de formación graficados de acuerdo con la suma de diferencias cuadráticas entre la energía en cada segmento y la del segmento base en las bandas de frecuencia que se identificaron como relevantes para fugas. Aquí se indican los puntos de fuga y sin fugas como 0 y + respectivamente. Como se muestra en la Figura 16, las clasificaciones erróneas tienden a ocurrir cuando se detectan fugas de pequeña magnitud con pequeños picos. Tales fugas son menos importantes para detectar y reparar de inmediato. Además, estableciendo los umbrales del clasificador adecuadamente (por ejemplo, en la región donde las diferencias sumadas al cuadrado x1 son> 2500 y las diferencias sumadas al cuadrado X2 son> 4000), es posible crear un clasificador que tiene más detecciones falsas negativas, pero no tiene falsos positivos. Figure 16. Diferenciación de fugas basada en las diferencias del contenido de banda de frecuencia Fuente: PipeNet 5.2.3.2 Ubicación de fugas Para medir la efectividad de los algoritmos, se midió la capacidad correlación cruzada del algoritmo de estudio de para localizar con éxito la fuga en una tubería cuando dos sensores detectan una fuga. Se usaron los mismos datos que en los experimentos de detección de fugas, excepto que aquí solo se cruzaron los segmentos de fuga correlacionados. En todos los casos, estos segmentos fueron recogidos al mismo tiempo por los dos sensores. Este estudio es dependiente de las ubicaciones del sensor como es posible evidenciar en la figura 17 donde se pueden ver la media y la desviación estándar del error en diferentes posiciones del sensor y todos los segmentos con fugas al localizar la fuga 2. La desviación estándar es particularmente alta donde los sensores están espaciados lejos, ya que la velocidad de propagación en esta separación parece variar dependiendo de la prueba. Esto podría deberse a la proximidad de los 37 sensores a los extremos de la tubería y el efecto de las ondas estacionarias y sus reflexiones. Los resultados para la fuga 1 son similares. Figure 17. Distancia entre sensores (m) Fuente: PipeNet 5.2.3.3 Resultados de campo En el despliegue en campo del modelo se encontraron una serie de problemas en la etapa inicial con las puertas de enlace identificando fallas de diseño en los reguladores de voltaje y con el temporizador de vigilancia en la plataforma Stargate. Una vigilancia externa y una función de reinicio automático se agregaron a los nodos de puerta de enlace para supervisar el rendimiento de esta. El temporizador externo de vigilancia reinicia el Gateway una vez cada 24 horas o cuando el software de la aplicación se detiene. Agregar estas características eliminó los problemas observados y redujo el riesgo de problemas imprevistos en el software de puerta de enlace que requiere manual intervención de un operador. Las puertas de enlace fueron reemplazadasen julio del 2005 (tener en cuenta que el estudio fue publicado en el 2007) y estuvieron operando continuamente y sin problemas. Los motes de Intel estuvieron operando exitosamente sin fallas de hardware por casi dos años. Se utilizó un protocolo de transporte confiable para transferir las muestras de los motes a la puerta de enlace para garantizar La recepción de todas las muestras de un ciclo de recolección. Sin embargo, ya que los motes acoplan la adquisición de datos con la comunicación, si el mote no puede conectarse a la puerta de enlace, este omite el ciclo de recolección, 38 vuelve a dormir durante el intervalo configurado e intenta nuevamente al despertar. Sin embargo, todos los datos almacenados en la puerta de enlace finalmente se transmiten a través de GPRS al backend servidor, ya que la puerta de enlace archiva los datos si una conexión no puede ser establecida con el servidor. La fiabilidad de la transferencia de datos fue uno de los principales parámetros que se quería investigar en el despliegue de campo. La figura 18 muestra los paquetes recibidos durante el período de implementación (aproximadamente 500 días) Claramente, hay períodos de tiempo largos donde no se tuvieron datos recibidos principalmente debido al hecho del no cambio de las baterías por largos períodos de tiempo (por ejemplo, 14/05/06 - 30/8/06). Figure 18. Paquetes de información recibidos por horas Fuente: PipeNet Se puede ver una línea vertical de datos faltantes justo después medianoche. Esto es debido al reinicio de la puerta de enlace a media noche cada día usando el temporizador de vigilancia para garantizar que hubiera una recuperación diaria en el caso de posibles bloqueos. Sin embargo, durante el ciclo de reinicio, los motes no podían comunicarse con la puerta de enlace y los datos se descartaron en el primer ciclo de recopilación después del reinicio. Por otra parte, la duración de la batería (batería de 6V 12Ah) ha sido consistente con una duración de alrededor de 50-62 días. El Intel mote consume 2 mA en el modo de sueño, 16 mA al tomar muestras del sensor de presión y alrededor de 30 mA al muestrear y transmitir. La duración relativamente corta de la batería se debe a los ciclos de adquisición y comunicación de datos que se eligieron. Se espera que separando la adquisición de la comunicación y usando intervalos de comunicación de 15 minutos con datos adaptativos, la adquisición y el almacenamiento aumentarán la duración de la batería más allá de un año. 39 5.2.3 Aportes – Análisis del sistema de estudio Aunque el sistema fue desarrollado ya hace varios años, la idea de revisar los avances en desarrollos tecnológicos alrededor del monitoreo predictivo de integridad debía realizarse con una visión de trabajos antiguos en el tema. Lo que pudo ser evidenciado es que los conceptos de monitoreo son basados en el entendimiento de falla de los materiales, el comportamiento físico de las variables a analizar como lo es en este caso la física de la propagación de ondas y en el estudio y conceptualización de las nuevas tecnologías emergentes que proponen el desarrollo de nuevos softwares de aplicación, algoritmos con mayor capacidad de procesamiento y plataformas con más dispositivos vinculados para gestión de información. El sistema PipeNet proporciona una serie de propiedades notables que incluyen: detección automatizada de roturas y fugas en las tuberías de transmisión de agua, operación casi en tiempo real con pocas falsas alarmas, aplicabilidad a una gama de materiales de tubería bajo costo de producción, instalación o mantenimiento, recopilación de datos de alta frecuencia, habilidad para diferenciar entre fallas del sensor y del sistema y un ambiente de programación basado en flujos de datos reutilizables y flexibles. El estudio permitió evidenciar que los algoritmos de detección de fugas locales y de localización de fugas son bastante eficaces si se tienen en cuenta todas las condiciones operativas del sistema y los escenarios que pueden ocurrir ante los eventos esperados. Aunque la detección de fugas local no es perfecta, detecta una gran fracción de las fugas simuladas en la tubería experimental. El algoritmo de localización de fugas, aunque no está libre de errores, localizó fugas hasta dentro de 30 cm cuando los sensores se separaron por 3 m o menos. 5.2.4 Oportunidades de mejora Una de las principales oportunidades de mejora es el tema de la memoria para almacenar y enviar datos una vez sean recibidos sin bloqueos en el sistema. Hubo ocasiones donde el nodo sensor no pudo conectarse al Gateway, por lo que es necesario que este tipo de desarrollos tengan funciones independientes de recolección de datos y de comunicación, para que al fallar algún componente no queden todas las funciones bloqueadas. Otro problema evidenciado fue el hecho de tener información faltante durante algunos días de monitoreo, asociados posiblemente a falla de las antenas por causas como modificación de los terrenos (caso repavimentación), ingreso de agua a las conexiones de las antenas o fuertes movimientos de las tuberías por condiciones operativas. Esto es algo que siempre va a afectar los sistemas de comunicación a pesar de que ya no sean cableados, cuando no hay una antena bien ubicada que pueda 40 transmitir señales se estaría perdiendo información importante y relevante para los análisis o se estaría considerando como cierto, algo que en la realidad no es. 5.3 SWATS: WSN para monitoreo de tuberías de inyección de vapor e inyección de agua En este caso de estudio se desarrolla el sistema basado en red de sensores SWATS “Steamflood y Waterflood Tracking System” 9, el cual tiene como objetivo permitir el monitoreo continuo de los sistemas de inyección de vapor y agua con cobertura de bajo costo, cortos retrasos y a la vez proporcionar alta precisión y confiabilidad. 5.3.1 Características del Sistema Se diseñó el sistema, basado en WSN (Redes de sensores inalámbricos) para detectar, identificar y localizar problemas mayores que se encuentran en las redes de tuberías de inyección de vapor y de agua en los campos petroleros, como es el caso de bloqueos, fugas, daño por fuerza externa, malfuncionamiento del generador y del separador. Se realiza un sensamiento multimodal y un algoritmo de colaboración multisensor que utiliza un árbol de decisión para la identificación y localización de anomalías. Se construyó un árbol de decisión para capturar las características de presión y de flujo salientes de cada problema y distinguirlos de alarmas falsas. Aunque se usaron sensores de baja confiabilidad, se aumentó la precisión al combinar las lecturas de múltiples sensores y explotar las correlaciones de los datos. Se formaron grupos de WSN con comunicación multihop de corto rango de eficiencia de energía para pozos físicamente cercanos entre sí y se implementó una red de malla IEEE 802.11 con una red de comunicación de largo alcance y alta velocidad entre los grupos y la sala de control. 5.3.2 Descripción del Sistema Existen tres técnicas principales relacionadas con SWATS en la literatura: SCADA, fusión colaborativa y árbol de decisiones. Hoy en día hay nuevos enfoques para reemplazar los costosos sistemas SCADA. El sistema Pipenet, presentado anteriormente, es uno de ellos y fue 9 SunHee, Yoon, SWATS: Wireless Sensor Networks for steamflood and waterflood pipeline monitoring, Department of Computer Science, University of Southern California, 2011. 41 introducido su desarrollo en el año 2011, siendo un prototipo basado en WSN para sistemas de monitoreo de tuberías. Aunque Pipenet y SWATS detectan anomalías basadas en las correlaciones en las lecturas del sensor, Pipenet no proporcionó un algoritmo de procesamiento en red como SWATS que razona sobre los datos del sensor y toma
Compartir