Los autores; Joao Pedro Bachega Cruz, Edilson Gabriel Veruz, Idalina Vieira Aoki, Adriana Miralles Schleder, Gilberto Francisco Martha de Souza, Gustavo Leitão Vaz, Leonardo Oliveira de Barros, Rene Thiago Capelari Orlowski y Marcelo Ramos Martins, publicado en Process Safety and Environmental Protection en 2022.
El estudio "Uniform corrosion assessment in oil and gas pipelines using corrosion prediction models – Part 1, models performance and limitations for operational field cases" analiza la evaluación de la corrosión uniforme en tuberías de acero utilizadas en la industria del petróleo y gas. El estudio se enfoca en los modelos predictivos de corrosión, comparando su desempeño y limitaciones en casos operacionales. La corrosión uniforme, provocada por gases corrosivos como el CO2 y el H2S en los flujos internos, es una preocupación significativa debido a la pérdida generalizada de espesor en las paredes internas de las tuberías (ofshore, onshore).
El objetivo del estudio fue revisar y comparar los modelos predictivos más comunes en la industria, como NORSOK, OLI y Predict, aplicándolos a casos operacionales documentados en la literatura. Los investigadores realizaron un análisis de sensibilidad preliminar de los parámetros de estos modelos para evaluar su precisión y limitar las incertidumbres en la predicción de la corrosión. Además, utilizaron una metodología que involucró la recopilación y análisis de datos de campo de casos operacionales, seguidos por la implementación de los modelos predictivos mencionados. Se examinaron parámetros clave como el pH, la presión parcial de CO2 y H2S, y las velocidades de flujo de fases múltiples para evaluar su influencia en la corrosión. El estudio también incluyó la comparación teórica de las clasificaciones y los parámetros de entrada de los modelos.
Los resultados mostraron que el pH es el parámetro más influyente en la predicción de la corrosión uniforme. Se observó que los modelos presentan diferentes grados de conservadurismo, con NORSOK siendo el más conservador, seguido por OLI y Predict. La aplicación de estos modelos a los casos de campo permitió identificar las principales limitaciones en la recopilación de datos y en la aplicación de los modelos predictivos, destacando la necesidad de una comprensión más profunda de los parámetros operacionales para mejorar la precisión de las predicciones.
Cabe mencionar que el estudio es novedoso e innovador ya que proporciona una evaluación exhaustiva y comparativa de los modelos predictivos de corrosión uniforme, algo que no había sido ampliamente explorado en la literatura. La investigación destaca la importancia del pH y otros parámetros clave, proponiendo mejoras en la implementación de modelos predictivos en la industria.
Este estudio es altamente aplicable a la industria del petróleo y gas. Los resultados del estudio pueden ayudar a las empresas a optimizar sus estrategias de gestión de la corrosión, reduciendo los costos de mantenimiento y mejorando la seguridad operativa. La implementación de modelos predictivos más precisos y la comprensión de sus limitaciones permitirán a la industria mitigar eficazmente la corrosión, prolongar la vida útil de las tuberías y minimizar el riesgo de fallos catastróficos, beneficiando así tanto la rentabilidad como la sostenibilidad operativa.
En este contexto, CEACEX, con 15 años de trayectoria académica y 5 años en recomendación de productos químicos industriales. CEACEX aplica los conocimientos en física, química, ciencia de materiales y metalurgia para evaluar y diseñar soluciones personalizadas contra la corrosión en sectores industriales clave.
Te invitamos a tomar nuestro próximo curso de Mecanismos y evaluación de la corrosión.
Servicios:
Análisis predictivo y evaluación estadística: Utilizamos modelos estadísticos y de aprendizaje automático para optimizar el mantenimiento, reducir costos y prevenir gastos inesperados.
Selección y aplicación de productos anticorrosivos: Ofrecemos asesoría en la selección y aplicación de productos anticorrosivos para infraestructuras energéticas y marinas.
Comments