Revison-sistemas-gestion-integridad

•

Outros

Estudia Aquí

23/12/2022

¡Este material tiene más páginas!

Entonces, ¿te gustó este material?

Ayude a animar a otros estudiantes a mejorar el contenido

¿Te gustó este material? ¡Compartir! 🧡

Biología

332.811 Materiales compartidos

Descarga la aplicación para disfrutar aún más

Lea materiales sin conexión, sin usar Internet. Además de muchas otras características!

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

Tunja, Octubre de 2019

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

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

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

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.

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.

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.

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.

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.

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.

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.

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.

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

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.

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.

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.

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.

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