Operación Óptima de Bombas Centrifugas con Inteligencia Artificial

OPERACIÓN ÓPTIMA DE BOMBAS CENTRÍFUGAS CON INTELIGENCIA ARTIFICIAL

El equipo Ing. Mecánico

Magister en Mejoramiento Continuo +12 años en confiabilidad y gestión de activos para el sector minero y energético

Ing. Electrónico

Profesional de Confiabilidad CMRP +13 años en confiabilidad y gestión de activos para el sector O&G

Ing. de Control M.Sc, Ph.D

Doctorado en Mercados Energéticos +12 años en construcción de modelos matemáticos para los sectores industrial, tecnológico y financiero

Ing. Mecánico M.Sc

Especialista en Producción de Hidrocarburos +9 años en gestión de activos y proyectos para el sector O&G

Contenido • Introducción • Definición del problema • Estrategia de modelamiento • Desempeño del modelo • Análisis y caso de uso • Conclusiones

Introducción

Bombas centrifugas multietapa • Ampliamente usadas en producción y transporte de líquidos.

• Unidades principales por encima de 1.000 hp.

• Instrumentación suficiente para medir la condición del equipo.

• Historiador o repositorio de datos.

Tomado de Centrifugal Pump Handbook 3rd Ed

Vibración / Eficiencia / Cabeza

En teoría

Punto de mejor eficiencia

Caudal

Modificado de API STD 610 9th Ed

En práctica

Rango óptimo de operación

≈3550 rpm

Vibración Algunas fuentes de variación en el patrón de vibraciones son: • Dimensionamiento • Defectos de fabricación • Defectos de montaje • Ondas de presión • Cavitación • Otros equipos

Tomado de Centrifugal Pump Handbook 3rd Ed

Definición del problema

La condición cuesta Operar una bomba en rangos de velocidad inadecuados puede:* • Reducir la vida media de los componentes hasta un 80%.

• Aumentar las tasas de falla anuales hasta 6 veces.

• Incrementar los costos de mantenimiento hasta 500%. * Fuente: Triol, The Use of VFD for Pumping Units, 2021.

Tomado de Centrifugal Pump Handbook 3rd Ed

La pregunta de negocio De acuerdo con el contexto anterior…

¿Cuál es la velocidad de operación indicada para optimizar la vibración y la eficiencia de la bomba? …considerando los requerimientos operacionales.

Estrategia de modelamiento

Esquema de modelo Requerimiento operacional

Fluido Caudal

Variable de control

Velocidad

Variables objetivo

Gemelo analítico Modificado de Centrifugal Pump Handbook 3rd Ed

Vibración Eficiencia

Datos disponibles Entrenamiento: Validación:

171 días 73 días

Linea base de operación

Incremento inusual de vibración

Datos disponibles Variables disponibles

Unidad

Presión de succión

psi

Presión de descarga

psi

Flujo Temperatura de carcasa

bbl/hr °F

Velocidad angular

rpm

Potencia del motor

kW

Vibración horizontal lado libre

mils

Vibración vertical lado libre

mils

Vibración horizontal lado acople

mils

Vibración vertical lado libre

mils

Potencia de la bomba

kW

Densidad de fluido

s.g.

Viscosidad de fluido

cSt

Bombas activas

Lado acople vertical

Lado libre vertical Lado acople horizontal

Lado libre horizontal Tomado de Centrifugal Pump Handbook 3rd Ed

Inteligencia artificial La inteligencia artificial es un campo que combina la informática y los grupos de datos robustos, para permitir la solución de problemas.

Aprendizaje automático Machine learning

|

Aprendizaje profundo Deep learning

Modificado de ibm.com/cloud/learn/what-is-artificial-intelligence

Inteligencia artificial La inteligencia artificial es un campo que combina la informática y los grupos de datos robustos, para permitir la solución de problemas.

Aprendizaje automático Machine learning

|

Aprendizaje profundo Deep learning

1. Su desempeño aumenta con la cantidad de datos suministrados.

2. Solución de principio a fin con múltiples salidas.

Modificado de ibm.com/cloud/learn/what-is-artificial-intelligence

Inteligencia artificial

Inteligencia artificial

keep it simple & stupid

El modelo de predicción Capas ocultas Propiedades de fluido Vibración horizontal lado libre Estrategia de bombeo Vibración vertical lado libre Concentración diluyentes Vibración horizontal lado acople Caudal bombeado Vibración vertical lado libre Cabeza hidráulica Eficiencia hidráulica Velocidad de bombeo

Desempeño del modelo

Métricas de entrenamiento Criterios de entrenamiento: • División aleatoria de entrenamiento y prueba de 67%/33% (171 días en total).

• Error mínimo cuadrado MSE como criterio de precisión.

• Precisión de entrenamiento: 86% • Precisión de prueba: • Precisión de validación:

92% 85%

Variación no explicada por el modelo.

Obedece a cambios físicos del equipo, no a variaciones normales de la operación.

Análisis y caso de uso

Simulación de vibraciones caudal = 2000

caudal = 3000

caudal = 4000

caudal = 5000

Modelo de optimización caudal = 2000

caudal = 2000

caudal = 2000

Máxima eficiencia Mínima vibración ¡Optimo!

Modelo de optimización caudal = 2000

caudal = 3000

Mantener velocidad baja en densidades bajas

caudal = 4000

caudal = 5000

Aumentar velocidad para densidades altas

Recomendador de velocidad

Reducir velocidad

Aumentar velocidad para mantener eficiencia

Reducción en aumento de vibraciones

Cuantificación de beneficios Vibración actual: 2,0 mils

Incremento de 3% Eficiencia actual: 60%

Eficiencia esperada: 63%

Reducción de 0,63 mils

-30% Vibración esperada: 1,37 mils

Conclusiones

Conclusiones • El punto de vibración mínima puede diferir del punto de mejor eficiencia de la bomba.

• Un gemelo analítico de IA entrenado en intervalos de operación normal y estable permite simular el comportamiento ideal del equipo bajo diferentes condiciones operacionales.

• Balancear la eficiencia y las vibraciones permite encontrar valores de velocidad óptimos para cada requerimiento operacional.

• El gemelo analítico facilita la toma de decisiones a los operadores promoviendo el cuidado del activo.

Conclusiones • El incremento potencial de la eficiencia puede alcanzar valores de 2 - 3%.

• La reducción de vibraciones puede alcanzar el 10 a 30%.

• El gemelo analítico es escalable y replicable en la familia de bombas centrifugas para diferentes aplicaciones industriales.

• La línea base establecida por el gemelo analítico permite detectar variaciones anómalas en los sistemas, habilitando el mantenimiento predictivo.

Contacto Oscar Hoyos oscar.h@uptimeanalytics.com 3182527551 Alejandro Celemín alejandro.c@uptimeanalytics.com 3005707926

Gracias