Noticias

Apr 03, 2024

Predicción de fallas de válvulas de compresores alternativos mediante tecnología digital

El tiempo de inactividad no planificado es uno de los mayores problemas para los fabricantes industriales en la actualidad, y les cuesta aproximadamente 50 mil millones de dólares cada año. Los costos del tiempo de inactividad son aún más significativos para las industrias petrolera y

El tiempo de inactividad no planificado es uno de los mayores problemas para los fabricantes industriales en la actualidad, y les cuesta aproximadamente 50 mil millones de dólares cada año. Los costos del tiempo de inactividad son aún más significativos para la industria del petróleo y el gas, donde los ingresos están directamente relacionados con el tiempo de actividad de los equipos críticos. Por ejemplo, el procesamiento de gas natural a mitad y ascendente requiere el funcionamiento continuo de compresores alternativos de alta relación de presión para alcanzar las presiones de las tuberías. Debido a que el flujo de gas es continuo, si se detiene el procesamiento, el gas sin procesar generalmente se quema, lo que resulta en una pérdida de producto. A menudo, estos compresores tienen pocos o ningún repuesto. Entonces, cuando se desconectan para realizar tareas de mantenimiento, los operadores frecuentemente no tienen más opción que reducir la capacidad o detener el proceso, quemando el exceso.

La adopción de tecnologías digitales, como el Internet industrial de las cosas (IIoT), promete mitigar estas amenazas al pronosticar fallas en los equipos con anticipación y detectar fallas antes de que provoquen apagones no programados. Sin embargo, en la práctica, surgen varios desafíos cuando el personal de mantenimiento y los líderes de operaciones trabajan para implementar una solución IIoT destinada a eliminar el tiempo de inactividad no planificado.

Las válvulas del compresor son una gran fuente de tiempo de inactividad del compresor alternativo. Aunque el monitoreo del estado de las válvulas de los compresores alternativos existe desde hace mucho tiempo, una tecnología adecuada para predecir fallas en las válvulas ha tardado en madurar. Las mejores soluciones disponibles generalmente sólo proporcionan alerta temprana. Predecir fallas en las válvulas del compresor es difícil principalmente por dos razones:

Al abordar estos desafíos, se puede permitir la predicción de fallas de válvulas.

Con la quinta edición de la norma 670 del Instituto Americano del Petróleo (API), los requisitos específicos para que los fabricantes de equipos originales (OEM) incluyan disposiciones para puntos de monitoreo han permitido y alentado la expansión del monitoreo de condición en línea para compresores alternativos. Se pueden detectar y diagnosticar varios modos de falla comunes mediante instrumentación de acuerdo con los estándares API, incluido el desgaste de la banda guía, el desgaste de la cruceta, las fallas de los rodamientos y más. En particular, los sensores de ángulo del cigüeñal y el monitoreo de la presión dentro del cilindro, junto con el análisis de presión-volumen, permiten la detección y el diagnóstico de fallas de válvulas, fugas de anillos de pistón y empaquetaduras y problemas a nivel del sistema, como cambios en la presión y capacidad del proceso aguas arriba. Fallas en los equipos de control.

Aunque la mayoría de los compresores en servicio tienen ubicaciones de montaje integradas para instrumentación de monitoreo de condición de acuerdo con los estándares API, muchos no están instrumentados actualmente, particularmente los equipos más antiguos.

La modernización de equipos actualmente en servicio enfrenta varios desafíos:

Frente a estos obstáculos, la adopción generalizada del mantenimiento basado en la condición (CBM) y el mantenimiento predictivo (PdM) ha sido lenta para los compresores alternativos en comparación con otros tipos de equipos. Sin embargo, con la aplicación de tecnologías digitales nuevas y emergentes, se pueden habilitar CBM y PdM reduciendo los costos asociados con la instalación de sistemas de monitoreo en equipos que ya están en servicio. Utilizando un enfoque híbrido de modelos basados ​​en la física y algoritmos de aprendizaje automático, es posible que se necesiten menos puntos de monitoreo para lograr el mismo valor para un programa CBM o PdM. Utilizando hardware más nuevo de detección y adquisición de datos de alta frecuencia, se puede extraer más información de las señales monitoreadas, lo que proporciona una mejor comprensión del estado del equipo.

Por último, con la aplicación de métodos de pronóstico, el tiempo hasta la falla y la ubicación de la falla se pueden estimar explícitamente, lo que permite a los operadores tener mayor claridad sobre cuándo y dónde aplicar el mantenimiento, mejorando el valor de su programa PdM.

Se implementó un algoritmo de pronóstico en los compresores instrumentados para predecir la vida útil restante (RUL) de las válvulas del compresor. El algoritmo de pronóstico proporciona advertencias mucho más tempranas sobre futuras fallas de válvulas en comparación con los enfoques CBM, así como una estimación explícita del RUL del equipo que se está monitoreando. En general, pronosticar fallas en las válvulas de los compresores alternativos es un desafío porque la degradación es altamente no lineal y ocurre en varias escalas de tiempo. Para abordar esto, se utilizó un enfoque de pronóstico inteligente que adapta el nivel de no linealidad y la escala de tiempo de la degradación a los datos históricos disponibles para cada falla. Para ilustrar el comportamiento de un enfoque de pronóstico, se examinó a lo largo del tiempo un ejemplo de una falla que progresó durante varias semanas en la planta de procesamiento. Como se ve en la Imagen 1, el RUL comenzó a disminuir en respuesta a la tendencia a la baja en los datos, mucho antes de que el nivel de daño se desviara significativamente de la condición saludable.

Muy a menudo, las fallas en la maquinaria fallan gradualmente al principio y luego rápidamente cerca del final de su vida útil. Por lo tanto, una vez que la gravedad de una falla ha alcanzado un nivel en el que se pueden activar alertas con confianza, generalmente está cerca del final de la vida útil del componente. Como se ilustra en la Imagen 2, los umbrales de advertencia para esta falla activaron alertas repetidamente una vez que la gravedad de la falla alcanzó la condición del umbral de advertencia (línea horizontal roja). Es posible que las primeras alertas se hayan interpretado como falsos positivos, ya que los daños aún no eran significativos. Sin embargo, como se ve en la Imagen 3, las alertas de advertencia posteriores se produjeron sólo unos días antes del fallo, mientras que el pronosticador predijo con precisión que el final de la vida estaba a sólo unos días de distancia. A medida que pasa el tiempo y el algoritmo de pronóstico consume más historial de la falla en crecimiento, la fecha estimada de la falla se vuelve más estable y la predicción más precisa.

Antes de implementar la solución de pronóstico de válvulas, la compañía petrolera dependía de medir periódicamente las temperaturas de la tapa de la válvula con equipo portátil para determinar si había una válvula con fugas. Normalmente se esperaba que estas mediciones se realizaran diariamente, pero no siempre fue así dependiendo de la carga de trabajo y las prioridades de mantenimiento diario. Con la solución de monitoreo que se implementó, las fallas se rastrean continuamente y se pueden enviar alertas a los mecánicos de campo a través de mensajes de texto. Cuando se combinó el monitoreo periódico con la solución de pronóstico, la compañía petrolera pudo ver un período de advertencia de cinco a siete días sobre fallas en el equipo. Esto ha permitido al personal de mantenimiento planificar el trabajo y mantener requisitos más urgentes utilizando menos personas. Además, la alerta temprana de falla de la válvula permite realizar el mantenimiento durante los turnos cuando el tiempo de inactividad es menos costoso.

Históricamente, predecir fallas en las válvulas de los compresores alternativos ha sido difícil en la práctica porque la tecnología de pronóstico requerida no ha sido lo suficientemente madura. Hasta ahora, los operadores de compresores han confiado casi exclusivamente en el monitoreo de condición para detectar fugas en las válvulas una vez que ya se han desarrollado, lo que obliga al personal de mantenimiento a reaccionar ante las fallas de las válvulas después del hecho. Además, instalar el equipo y la instrumentación necesarios para el monitoreo de condiciones, y mucho menos para los pronósticos, suele ser una propuesta costosa. Sin embargo, con la combinación adecuada de algoritmos basados ​​en la física y en datos y la aplicación de tecnología de pronóstico de vanguardia, se puede lograr la predicción de fallas de válvulas antes de que normalmente sean detectables con medios tradicionales.

Una compañía petrolera opera una planta de procesamiento en la Cuenca Pérmica como parte de sus operaciones midstream de gas natural. La planta de procesamiento contiene varios compresores alternativos para comprimir gas natural dulce y amargo a las presiones del gasoducto. Como parte de un programa piloto de PdM, se instrumentaron varios de los compresores y se implementó una solución de PdM para predecir fugas en las válvulas. Todos los compresores instrumentados eran compresores reacondicionados de 4 pasos y 3 etapas. Para predecir las fugas de las válvulas, se utilizó un enfoque híbrido basado en la física y en los datos, basado en el análisis de presión-volumen. Los compresores estaban equipados con transductores de presión en los puertos indicadores del cilindro y sensores de ángulo del cigüeñal para medir la posición de rotación. Uno de los objetivos del programa piloto fue validar el rendimiento de un nuevo enfoque para predecir fugas en válvulas mediante un análisis de presión-volumen que no requiere una señal del ángulo del cigüeñal. Esto se logró comparando el nuevo enfoque con un enfoque más tradicional.

Se presentaron varios desafíos que dificultaron la adaptación de los compresores. Los desafíos más importantes fueron el tiempo de entrega del hardware y el tiempo de instalación requerido. Los sistemas de posición rotacional y los instrumentos de medición del ángulo del cigüeñal no suelen estar disponibles en el mercado y normalmente requieren de varias semanas a meses de tiempo de adquisición.

Además, actualizar un compresor alternativo para medir el ángulo del cigüeñal requiere varias horas de instalación para limpiar la ubicación de instalación, instalar la banda multievento, alinearla con el punto muerto superior e instalar el sensor de posición con soportes personalizados para usar solo ubicaciones de grifos preexistentes. Sin embargo, los plazos de entrega de varios meses y los tiempos de instalación de varias horas no eran ideales para el cliente. Además, el coste del hardware era prohibitivo. Por lo tanto, eliminar la necesidad de medir el ángulo del cigüeñal aumentaría en gran medida el valor de la solución PdM y permitiría una adopción generalizada.

La detección de fugas se realiza mediante análisis de presión-volumen. Con el análisis de presión-volumen, la señal de presión del cilindro normalmente se sincroniza con la posición angular medida por un sensor de ángulo del cigüeñal. A continuación se puede calcular el volumen de gas comprimido en función de la posición angular. Las fugas se estiman comparando la termodinámica medida de la presión versus el volumen con un proceso politrópico ideal.

Para permitir la detección de fugas sin el uso de la medición del ángulo del cigüeñal, los algoritmos de predicción de fugas emplean un enfoque híbrido basado en datos y basado en la física. El elemento basado en la física se basa en el análisis tradicional de presión-volumen para estimar la cantidad de fuga, mientras que los elementos basados ​​en datos proporcionan un medio para extraer la posición de rotación y calcular el volumen directamente a partir de la señal de presión del cilindro, eliminando así la necesidad de un Sensor de ángulo del cigüeñal sincronizado. Como se ve en la Imagen 4, la posición de rotación estimada a partir de la señal de presión coincide estrechamente con la posición de rotación medida. Por lo tanto, se pueden realizar predicciones de fallas con la señal estimada en lugar de la señal real, con poca pérdida de rendimiento.

Daniel Nelson es ingeniero de modelos principal en Novity. Tiene más de 12 años de experiencia en modelado multifísico de equipos industriales, con especial enfoque en degradación mecánica y análisis de fallas. El Dr. Nelson obtuvo su licenciatura y doctorado. en Física Computacional de la Universidad Estatal de San Diego. Para obtener más información, visite www.novity.us.