Análisis de factores de corrosión en ductos de petróleo mediante algoritmos de aprendizaje  automático

Coque González, Bryan Anthony

DSpace Home
→
Unidades Académicas
→
Facultad de Ingeniería en Ciencias de la Tierra
→
Tesis de Petróleos
→
View Item

dc.contributor.advisor	Escobar, Kenny, Director
dc.contributor.author	Coque González, Bryan Anthony
dc.creator	ESPOL. FICT
dc.date.accessioned	2024-01-19T21:04:25Z
dc.date.available	2024-01-19T21:04:25Z
dc.date.issued	2023
dc.identifier.citation	Coque González, B. A. (2023). Análisis de factores de corrosión en ductos de petróleo mediante algoritmos de aprendizaje automático. [Tesis]. ESPOL. FICT .
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/59703
dc.description	La corrosión por picaduras en ductos que transportan petróleo con respecto a la proporción de corrosión. Además, se determinan qué variables resultan más importantes y predecir mediante algoritmos de aprendizaje automático, la existencia o no de corrosión en el ducto X80. Para ello se desarrolló la metodología CRISP-DM, lo que permitió, mediante un conjunto de datos representativo del fenómeno de corrosión, realizar el análisis univariado y de correlación de las 26 variables dependientes, así como, a través de la ingeniería de características, averiguar las variables más importantes del conjunto de datos. En esta metodología se aplicó la etapa de modelado que consistió en la predicción del mejor estimador sobre la existencia o no, de corrosión por picaduras. El estudio del análisis univariado de los factores que afectan a la corrosión reveló que para un rango de valores de Co2 entre 1400-4200kpa, se tiene una mayor proporción de corrosión, con un 67% de probabilidad. Se determinó también que las variables más importantes en este estudio fueron: el azufre(S), el cobre(Cu), el dióxido de carbono(Co2) y el ácido sulfúrico (So4). El estudio proporciona información sobre las condiciones en las que la corrosión es más pronunciada y permitir identificar rangos específicos de factores de corrosión asociados a una mayor tasa de corrosión, a partir del cual se recomienda realizar un estudio detallado con la finalidad de comprender como estas variables interactúan entre sí y como sus efectos se potencian o contrarrestan mutuamente.
dc.format	application/pdf
dc.format.extent	74 páginas
dc.language.iso	spa
dc.publisher	ESPOL. FICT
dc.rights	openAccess
dc.subject	Corrosión
dc.subject	Características
dc.subject	Aprendizaje automático
dc.title	Análisis de factores de corrosión en ductos de petróleo mediante algoritmos de aprendizaje automático
dc.type	Ingeniero de Petróleos
dc.identifier.codigoespol	T-70784
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	ING-2066
dc.description.abstractenglish	Corrosion in pipelines that transport oil with respect to the proportion of corrosion. In addition, the variables that are most important are determined and predicted through automatic learning algorithms, the existence or not of corrosion in the X80 pipeline. For this, the CRISP-DM methodology was developed, which allowed, through a representative data set of the corrosion phenomenon, to carry out the univariate and correlation analysis of the 26 dependent variables, as well as, through characteristic engineering, to find out the most important variables in the data set. In this methodology, the modeling stage was applied, which consisted of the prediction of the best estimator on the existence or not of pitting corrosion. The study of the univariate analysis of the factors that affect corrosion revealed that for a range of Co2 values between 1400-4200kpa, there is a higher proportion of corrosion, with a 67% probability. It was also determined that the most important variables in this study were: sulfur (S), copper (Cu), carbon dioxide (Co2) and sulfuric acid (So4). The study provides information on the conditions in which corrosion is more pronounced and allows the identification of specific ranges of corrosion factors associated with a higher corrosion rate, from which it is recommended to carry out a detailed study in order to understand how these variables interact with each other and how their effects enhance or counteract each other.