Professional Documents
Culture Documents
Autores:
M. C. Gustavo Calzada Orihuela, Colaborador en el desarrollo de proyecto TRIMS y
Responsable de Transferencia Tecnológica, ICF, UNAM, México.
gustavocalzada@gmail.com
Ing. Rodolfo René Superamo Zaleta, Líder de equipo de desarrollo de proyecto TRIMS,
Corrosión y Protección, México.
rene@corrosionyproteccion.com
Palabras Clave
Almacén de datos, Análisis de riesgo, Arquitecturas informáticas, Bases de datos,
Evaluación de integridad, Evaluación de riesgo, Inteligencia de negocios, Integridad de
ductos.
Introducción
El riesgo en las industrias a nivel mundial ha sido una preocupación constante. La
evaluación y administración del riesgo es una actividad crítica y de alto interés en diversas
áreas y procesos [Brito, 2010]. Una de las industrias más preocupadas por desarrollar
nuevas metodologías continuamente para la evaluación de riesgo es la industria petrolera.
Integridad de ductos
De forma general, la integridad de ductos es un proceso de evaluación con el fin de
asegurar, por medio de una metodología definida, que un ducto puede operar de forma
eficiente trasportando hidrocarburos de forma segura [Henderson, 2001]. Para que este
proceso se lleve a cabo, es necesario considerar diversos aspectos que se relacionan con el
ducto, como por ejemplo, diseño, operación, administración, inspecciones, mantenimiento,
procedimientos, factores humanos, ambientales y de entorno
Figura 1.- Proceso recomendado por el Instituto Americano del Petróleo para planificar, ejecutar y evaluar un
programa de administración de integridad de ductos.
Se han desarrollado diversas tecnologías para la evaluación de riesgo, sin embargo uno de
los autores más reconocidos en la actualidad en el desarrollo de metodologías para la
evaluación de riesgo para el trasporte de hidrocarburos por medio de ductos es [Muhlbauer,
2004], quien describe detalladamente el proceso de evaluación y la explica los factores
involucrados en los algoritmos. En este trabajo se describe que el proceso de evaluación de
riesgo se compone de los pasos en la Figura 2.
La frecuencia del mecanismo de falla o la Probabilidad (relativa) de falla (LOF por sus
siglas en inglés).
La Consecuencia de falla (COF por sus siglas en inglés).
Para cada elemento anterior, se definen distintos factores. Para el caso de la LOF, estos
factores son conocidos como amenazas, que son mecanismos de falla que pueden afectar la
integridad un segmento de ducto. Estas amenazas también dependen de muchos otros
factores que son involucrados para obtener valor de impacto de este mecanismo de falla. En
base a la recomendación de elementos a considerar según [Muhlbauer, 2006] y con el
propósito de dar cumplimiento a la norma oficial mexicana [NOM-027, 2010], y a las
recomendaciones descritas en los estándares como por ejemplo [ASME, 2004] y [ASME,
2010], se consideran once mecanismos de falla, incluyendo las nueve definidas por las
referencias anteriores, con las que se evalúa LOF. Estas once amenazas son las que
PEMEX, a través de su experiencia operativa e investigación, ha considerado indispensables
para la metodología a usar para su evaluación de integridad de ductos. Las amenazas se
clasifican conforme a la Tabla 1.
Categoría Amenaza
Corrosión Externa Corrosión exterior
Corrosión Interna Corrosión interior
Stress Corrosion Cacking Agrietamiento por corrosión bajo esfuerzo
Terceras partes Falla instantánea/inmediata
Modo de falla retardado
Vandalismo
Impacto de objetos arrojados sobre el ducto
Sabotaje
Fabricación Costura defectuosa
Metal base defectuoso
Construcción Soldadura circunferencial defectuosa
Falla por alineamiento
Doblez por flexión o pandeo
Materiales
Equipo Falla de los empaques o anillos tipo O
Componente rayado o roto
Mal funcionamiento del equipo de control o
relevo
Falla del sello/bomba
Químico
Clima y Fuerzas Externas Procedimientos de operación incorrectos o
no aplicados
Tormentas eléctricas
Viento, tormentas o inundaciones
Sismos
Deslaves
Huracanes
Erosión
Deslizamiento del lecho marino o del ducto
Tabla 1. Amenazas potenciales consideradas en la NOM-027-SESH-2010 y consideradas para proyecto
TRIMS.
Dentro del conjunto de elementos a considerar está la Consecuencia de falla (COF), la cual
se mide por medio de factores principales:
Impacto a la población.
Impacto al medio ambiente.
Impacto al negocio.
Arquitecturas informáticas
En general, los sistemas informáticos diseñados para la evaluación de riesgo para ductos
que trasportan hidrocarburos se basan en la metodología descrita anteriormente, variando
en tecnologías, procesos y algoritmos. En la Tabla 2 se hace una breve comparación entre
algunos de los sistemas más usados para la evaluación de integridad de ductos.
Considerando que una base de datos por definición, es una estructura computacional que
almacena colecciones de datos de interés particular de uno o muchos usuarios, con un
objetivo definido [Rob, 2009], podemos concluir que el número de estructuras o arquitecturas
de bases de datos para la evaluación de la integridad de ductos depende del número de
metodologías, tecnologías, arquitecturas informáticas con las que se relacionan y el número
de diseños. Sin embargo, las estructuras en general de las bases de datos utilizadas para la
integridad de ductos, funcionan bajo los principios de bases de datos relacionales y de
acuerdo a [Brook, 2013], las ventajas más relevantes de este tipo de bases de datos son:
Control centralizado
Redundancia reducida
Transacciones de datos más eficientes
Reglas para la edición de datos
Independencia de los datos con las aplicaciones
Los sistemas informáticos actuales utilizan SIG (o GIS por sus siglas en inglés para
Geographic Information System) que, de acuerdo al trabajo [Waicelunas, 2007] y conforme a
uno de los líderes mundiales respecto a información geográfica [Brook, 2013], son un mapa
computarizado que combina una capa de mapa digital con una base de datos relacional,
como se muestra en la Figura 3. De esta forma se puede visualizar dinámicamente los datos
de las evaluaciones en un mapa geográfico combinado con estas capas con las que se
pueden dibujar líneas, formas poligonales, rutas, etc.
El proyecto TRIMS reúne la interacción de estos elementos y sus factores por medio de los
algoritmos de cálculo recomendado por [Muhlbauer, 2006], la norma [NOM-027, 2010] y
algunos de los estándares como [ASME, 2010] e [ISO-14224, 2004]. Para lo que se
desarrolló la metodología que se muestra de forma general el proceso de evaluación de
riesgo en la Figura 4.
El proceso inicial de este método, es la colecta de los datos necesarios para alimentar el
algoritmo de evaluación y para la presentación gráfica y geográfica de los datos. Esta
información proviene de diferentes fuentes, ya sea de bases de datos existentes o por
captura directa de algún operador del ducto. En el caso de que los datos estén almacenados
en otras bases de datos, es necesario un pre proceso de migración para centralizar la
información necesaria. Este pre proceso se lleva a cabo como una serie de cargas masivas
que se necesitan para alimentar el sistema.
Antes de que los datos sean insertados y almacenados en la base de datos central de
TRIMS, se implementa un proceso de estandarización de datos, que básicamente es un
conjunto de sub procesos o reglas previamente definidas con el objetivo de trasformar los
datos provenientes de distintas fuentes y en diferentes formatos, en lo que requiere
específicamente el sistema. Este elemento es muy importante porque es el que va a
normalizar todos los datos de entrada y detectar posibles errores para ser correctamente
admisibles por el algoritmo de cálculo. Una vez que han sido limpiados los datos, se insertan
en la base de datos central donde se almacenan en una estructura de almacén de datos,
para permitir no sólo la parte operativa de la evaluación de integridad sino el
almacenamiento de información histórica. De esta forma, el concepto de la base de datos
propuesta para el proyecto, integra la estructura, arquitectura y características de almacén
de datos. Las principales de acuerdo con el trabajo de [Bernabeu, 2009] son que:
Proceso de Segmentación
Los eventos para cada uno de las amenazas se dividen como se muestra en la Figura 5, de
acuerdo a [Godoy, 2011], sin embargo estos son los eventos generales se pueden integrar
todas las variables o eventos necesarios.
Corrosión interior
Operación
Terceras partes
Desde la perspectiva de almacén de datos, la ventaja principal de este tipo de base de datos
es principalmente el uso de estructuras especializadas (modelo en estrella, copo de nieve y
constelación) que permiten la consulta y el tratamiento de los datos, de forma resumida, pero
conservando la atomicidad, permitiendo apertura a cambios, nuevos algoritmos, nuevas
metodologías o estrategias [Kimball, 2002] y [Inmon, 2005]. Entre las características más
importantes para el repositorio de datos según [Inmon, 2005] y [Bernabeu, 2009] se
muestran en la Figura 6.
Básicamente un almacén de datos es una base de datos relacional, pero que está
estructurada de una forma tal que provee la ventaja de integrar características de datos
planos, datos históricos y datos de tipo geográficos. En la Figura 7 se describe una serie de
relaciones simples con las cuales se ejemplifica la relación de la tabla de riesgo, por medio
del elemento Lof que a su vez es relacionado a un conjunto de elementos independientes
denominados como amenazas.
Figura 7.Ejemplo de cómo se compone una tabla central alimentada por otras entidades.
Figura 8. Ejemplo interacción entre los elementos de cálculo de valores de riesgo y los datos particulares de la
geodatabase.
Las relaciones son clave para crear una arquitectura eficiente, donde se evite la mayor
redundancia posible y dejar disponible una amplia accesibilidad para las futuras consultas a
la base de datos, la cual se construyó en uno o varios esquemas estrella o copo de nieve,
como se muestra en la Figura 9, ejemplo de arquitectura lógica de un segmento de ducto.
Figura 9. Diagrama que ejemplifica un fragmento de la arquitectura de la base de datos planteada para el
proyecto TRIMS.
Este tipo de esquema facilita a repositorio de datos almacenar en una estructura simple,
completa y accesible. Con toda la información histórica almacenada, se pueden incluir otro
tipo de procesos que quedarán considerados para trabajos futuros.
Conclusiones
PEMEX, como empresa responsable y de clase mundial, tiene un alto interés en
implementar metodologías, técnicas y tecnologías en el estado del arte que asista a sus
procesos y procedimientos para brindar servicios y productos responsablemente y de alta
calidad. A su vez coloca su mirada en posicionar a México como una nación en la
vanguardia tecnológica para la administración y evaluación de la integridad de ductos e
instalaciones usados para el trasporte, almacenamiento y distribución de hidrocarburos.
La industria petrolera por su naturaleza conlleva un alto riesgo, sin embargo, PEMEX
promueve la modernización tecnológica no sólo en áreas de operación sino también de
logística son el firme objetivo de prever incidentes que pongan en riesgo a terceros y al
medio ambiente.
Agradecimientos
En colaboración con este trabajo, se extiende un agradecimiento a Corrosión y Protección
Ingeniería S. C. y al Instituto de Ciencias Físicas de la UNAM. En particular al Dr. Lorenzo
Martínez Gómez, al Dr. Jorge A. Ascencio Gutiérrez, Dr. Arturo Godoy Simón, M. Alejandra
de León Ibarra y todos los miembros del equipo de desarrollo de software del proyecto
TRIMS, comenzando por la invaluable ayuda de su líder el Ing. Rodolfo René Superamo
Zaleta.
Tabla de Figuras.
Figura 1.- Proceso recomendado por el Instituto Americano del Petróleo para planificar, 3
ejecutar y evaluar un programa de administración de integridad de ductos.
Figura 2. Modelo general cascada para el proceso de evaluación de riesgo. 4
Figura 3. Diagrama de composición de una geodatabase para una aplicación genérica. 8
Figura 4. Descripción de proceso de evaluación de riesgo de proyecto TRIMS. 9
Figura 5. Clasificación de eventos relacionados a la división de segmentos en el proceso 11
de segmentación dinámica.
Figura 6. Características de un almacén de datos. 12
Figura 7.Ejemplo de cómo se compone una tabla central alimentada por otras entidades. 13
Figura 8. Ejemplo interacción entre los elementos de cálculo de valores de riesgo y los 13
datos particulares de la geodatabase.
Figura 9. Diagrama que ejemplifica un fragmento de la arquitectura de la base de datos 14
planteada para el proyecto TRIMS.
Tabla de Tablas.
Tabla 1. Amenazas potenciales consideradas en la NOM-027-SESH-2010 y consideradas 5
para proyecto TRIMS.
Tabla 2. Tabla de características de los sistemas informáticos más usados para la 6
evaluación de integridad de ductos
Referencias
[Henderson, 2001] Henderson Paul, Hopkins Phil, Cosham Andrew; “Extending the life of
ageing pipelines”; Andrew Palmer and Associates; PENSEPEN; Estados Unidos e Inglaterra;
2001.
[ASME, 2010] ASME B31.8S 2010, Supplement to B31.8 on Managing System Integrity of
Gas Pipelines; The American Society of Mechanical Engineers; 2010.
[ASME, 2002] ASME B31.4 2002, “Pipeline Transportation Systems for Liquid Hydrocarbons
and other Liquids”; The American Society of Mechanical Engineers; 2002.
[API, 2005] API Standard 2610, “Design, Construction, Operation, Maintenance, and
Inspection of Terminal and Tank Facilities”; American Petroleum Institute; 2005.
[API, 2006] API Standard 353, “Managing Systems Integrity of Terminal and Tank Facilities –
Managing the Risk of Liquid Petroleum Releases”; American Petroleum Institute; 2006.
[ISO224, 2005] ISO224:1999; “Petroleum and natural gas industries - Collection and
exchange of reliability and maintenance data for equipment”, Revision 2005.
[Weigold, 2006] “A semi-quantitative pipeline risk assessment toll for piggable and un-
piggable pipelines”; Gunnar Weigold, Colin Argent, John Healy, Ian Diggory; Proceedings of
IPC 2006, 6th International Pipeline Conference; September 25, 2006; Calgary, Alberta,
Canada; IPC2006-10280.
[Muhlbauer, 2004] “Pipeline Risk Management manual ideas, Techniques, and Resources”;
W. Kent Muhlbauer; Third Edition, Elsevier Inc, 2004.
[Bouman 2009] Roland Bouman, Jos van Dongen, Pentaho Solutions Business Intelligence
and Data Warehousing with Pentaho and MySQL, WILEY Publishing, Inc, 2009
[Bernabeu, 2009] Bernabeu Ricardo Dario, Hefesto v 1.1,Córdoba, Argentina, Abril 2009
[Brito, 2010] “A multicriteria model for risk sorting of natural gas pipelines based on
ELECTRE TRI integrating Utility Theory”; Anderson J. Brito, Adiel Teixeira de Almeida,
Caroline M. M. Mota; Federal University of Pernambuco, European Journal of Operational
Research 200, 812-821, 2010.
[Kimball, 2002] “The Data Warehouse Toolkit”, Ralph Kimball; Margy Ross; Wiley, Estados
Unidos, 2002.
[Kimball, 2004] “The Data Warehouse ETL Toolkit”, Ralph Kimball; Joe Caserta, Wiley,
Estados Unidos, 2004.
[Inmon, 2005] “Building The Data Warehouse”; William H Inmon; Wiley, Estados Unidos,
2005.
[Curto, 2010] “Introducción al Business Intelligence”; Josep Curto Díaz; (Primera edición).
Barcelona, España, 2010.
[McLaughlin, 2008] “Oracle Database 11g PL/SQL Programing”; Michael McLaughlin; (2008).
(Primera Edición). USA: MC Graw Hill.
[Rob, 2009] “Database Systems Design, Implementation, and Management” Peter Rob;
Carlos Coronel (2009). (Octava Edición). USA: Course Technology.
[Dayal, 2009] “Data Integration Flows for Business Intelligence” Dayal U., Castellanos M.,
Simitsis A., Wilkinson K., 2009, Proceedings of the 12th International Conference on
Extending Database Technology: Advances in Database Technology, ISBN: 978-0-7695-
3545-6, ACM Digital Library
[Gaurav, 2012] Gaurav Jindal, Simmi Bali, “Hierarchical Model Leads To the Evolution of
Relational Model “, International Journal of Engineering and Management Research, Vol. 2,
Issue-4, August 2012, ISSN No.: 2250-0758.
[Brook, 2013] Robert Brook, "Data modeling for GIS”, ESRI, NG oil &Gas US, GDS
Publishing Ltd, United States, 2013.
[Piccardino, 2006] Jean Régis Piccardino, Marie Pajot, Jean Alain Moreau, "How to use data
to highlight pipeline threat and prepare an inspection schedule", Management de l’integrité,
TIGF, 2006.
[Dupuis, 2004] Bruce Dupuis, Jason Humber “Pipeline integrity: Establishment Data
Management Value”; Proceedings of IPC 2004, International Pipeline Conference; October 8,
2004; Calgary, Alberta, Canada; IPC04-0246.
[Waicelunas, 2007] Alex Waicelunas, Danial Wittas, Mike Garci, “Using GIS for pipeline data
management at the Palo Verde Nuclear Facility”; Advances and Experiences with Trenchless
Pipelines Projects; 2007.
[Godoy, 2011] Arturo Godoy, Fernando Rubi, Alejandra de León Ibarra, Lorenzo M. Martinez-
dela-Escalera, Jorge Canto, Leonardo de Silva-Munoz, Jorge A. Ascencio, and Lorenzo
Martínez; “Likelihood evaluation of pipelines corrosion in the mexican soil assisted by
geographic information systems”; NACE international. Paper No. 11401; 2011.
[Cadkin, 2002] Alex Jennifer Cadkin; “Understanding Dynamic Segmentation”; ESRI; 2002.
[Curtin, 2007] Kevin M. Curtin, Greta Nicoara, Rumana Reaz Arifin; “A Comprehensive
Process for Linear Referencing”. URISA Journal • Vol. 19, No. 2, 2007.
http://help.arcgis.com/es/arcgisdesktop/10.0/help/index.html#//003900000026000000;
Visitado en 2012.
[Chen, 2003] Gen-Huey Chen, Maw-Sheng Chern, Jin-Hwang Jang; “Pipeline architectures
for dynamic programming algorithms”; Elsevier; 2003.
[Chen, 2003] Gen-Huey Chen, Maw-Sheng Chern, Jin-Hwang Jang; “Pipeline architectures
for dynamic programming algorithms”; Elsevier; 2003.
[Iyer, 2005] Shivprakash Iyer , Sunil K. Sinha; “A robust approach for automatic detection and
segmentation of cracks in underground pipeline images”; Elsevier; 2005