Deteccion de Fugas

Sistema de Deteccin de Fugas y Robos en DuctosPropuesta Tecnolgica Diciembre de 2010

Resumen ejecutivoDescripcin:Por aos se han implementado diferentes tipos de tecnologas en las industrias para la deteccin de fugas en tuberas a saber: Mtodos Externos o Dependientes como son tcnicas visuales, acsticas, presin negativa y muestreo, que han sido utilizados de una manera cualitativa y no muy precisa. Mtodos Internos o No Dependientes son muy utilizados hoy da ya que no requieren intervencin humana como son cambios de presin y ujo, balances de materia, anlisis de puntos de presin, y modelados dinmicos, y otras tecnologas se han utilizado por aos. La realidad es que el uso de estas tcnicas ha sido un dolor de cabeza para los usuarios ya que se requiere de grandes esfuerzos tcnicos para su implementacin adems que el costo asociado en estas implementaciones resulta realmente alto, habr que considerar sistema. Las diferentes tcnicas asociadas a la inteligencia articial y a los sistemas expertos como son la Lgica Difusa, Redes Neuronales, Algoritmos Genticos, Sistemas Basados en Reglas han abierto una nueva posibilidad en la implementacin de controles avanzados y sistemas de optimizacin de procesos, donde la experiencia y el conocimiento de los procesos y su comportamiento son la base de la implementacin. La siguiente propuesta tiene como objetivo el desarrollo de un software genrico para la deteccin de fugas y robos en ductos que pueden transportar Gasolinas, Crudo, Gas Natural, Gas LPG, Productos Petroqumicos, tanto en forma lquida, multifase o gaseosa. dependencia tecnolgica con la compaa que implemento el

Objetivo General:El objetivo de nuestra propuesta es el desarrollo de un sistema, metodologa y dispositivos para la deteccin de fugas y robos de productos; la cual puede ser implementada en ductos de Gas Natural y Gas LPG, productos qumicos, gasolinas, crudo, aceite.Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 1

Resultados Esperados:Los resultados esperados de nuestra propuesta son tres: 1) La creacin y adquisicin de conocimiento en las tcnicas existentes y futuras para la deteccin de fugas y robo de producto en ductos que transportan Gas Natural y Gas LPG, productos lquidos y gaseosos en desarrollos posteriores. 2) El desarrollo de un dispositivo compuesto de hardware y software para la deteccin de fugas y robos en ductos. 3) La implementacin del dispositivo en un ducto que para realizar pruebas.

Objetivos Cientcos y Tecnolgicos.Los objetivos cientcos y tecnolgicos de nuestra propuesta son: 1. Conocer y entender como funcionan las tecnologas existentes que detectan y localizan fugas y robos de productos en ductos. 2. Desarrollar un dispositivo (Hardware y Software) para la deteccin de fugas utilizando tcnicas de inteligencia articial. Entender y modelar matemticamente por medio de simuladores de software dinmicos el comportamiento de diferentes uidos en ductos. Desarrollar un producto de clase mundial y comercial para la deteccin de fugas y robos de productos en ductos. 5. Crear un modelo de desarrollo tcnico comercial para el desarrollo de productos de uso industrial, esto permitir el desarrollo de nuevas aplicaciones y conocimiento. 6. Impulsar el desarrollo de tecnologa.

3.

4.

JusticacinLa deteccin de fugas en tuberas es un reto en la ingeniera, hoy da no hay un mtodo que sea 100% conable, las falsas alarmas, la incertidumbre y los requerimientos de exactitud en la instrumentacin de campo son reales y adems los altos costos de implementacin y de mantenimiento han impulsado el desarrollo de nuevas tecnologas para resolver estos problemas Algunas de las principales caractersticas que las tecnologas en deteccin de fugas tienen son: Altamente Interactivos. Altamente Variables.2

Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos

Tiempos muertos signicativos y/o constantes de tiempo grandes. No linealidad en los mtodos de calculo. Variaciones econmicas en los mercados y en las estrategias de negocio.

Impacto:Sabemos que hoy uno de los principales problemas esta asociado a la operacin y seguridad en los ductos que transportan productos qumicos, petroqumicos, gasolinas y gas, se ha realizado un trabajo muy intensivo en los ltimos aos para aumentar la seguridad, conabilidad y disponibilidad en su red de tuberas, grandes inversiones se han realizado para evitar el robo de productos y fugas en su red de tuberas. Tambin sabemos que los modelos existentes en la deteccin de fugas tienen problemas en la deteccin de robos adems de que se ha creado una dependencia tecnolgica con empresas extranjeras que venden productos y servicios para la deteccin de fugas en tiempo real. El proyecto presentado tiene como objetivo el desarrollo de una tecnologa propia basada en tcnicas de inteligencia articial para la deteccin de fugas y robos en tuberas y redes de tuberas, creando con esto una tecnologa propia.

Fortalezas:El grupo de trabajo propuesto incluye personal con gran experiencia practica en la utilizacin de sistemas de control utilizando tecnologas de microprocesadores, contamos con un grupo de expertos en sistemas de medicin y control con gran experiencia practica en desarrollo de sistemas de control, sistemas SCADA, medicin y desarrollos basados en inteligencia articial.

Oportunidades Benecios:Las compaas petroleras en sus diferentes divisiones se encuentra trabajando en la implementacin de varios sistemas de control y adquisicin de datos (SCADA) hay grandes benecios al implementar sistemas que puedan detectar con gran exactitud el robo o la fuga de productos, tambin el hecho de que compaas privadas estn transportando Gas para servicio en las ciudades abre la oportunidad de implementacin de sistemas de monitoreo de fugas en tiempo real, las oportunidades estn orientadas a los siguientes puntos: 1. 2. 3. 4. 5. 6. Evitar Robos de Productos Evitar Fugas en los Ductos Evitar Daos potencialmente peligrosos al evitar fugas de productos txicos y explosivos. Evitar daos ecolgicos. Evitar perdidas de produccin Evitar daos a la red de ductos.3


Propuesta de creacin de ValorImpacto Tecnolgico: La tecnologa desarrollada en este software de aplicaciones permitir tambin desarrollar nuevas aplicaciones, utilizando software genrico, la incorporacin de nuevas aplicaciones y modelos ser uno de nuestros objetivos, desarrollo de cadenas productivas de desarrollo de software y generacin de conocimiento en redes de tuberas. Impacto Cientco: El desarrollo de nuestra aplicacin impulsara el desarrollo de aplicaciones de hardware y software en la industria petrolera, qumica y petroqumica y en la industria en general, dado que el producto a desarrollar es altamente rentable y su marco de aplicacin es muy amplio dado a sus caractersticas de ser un software genrico se impulsara no solo su aplicacin, tambin requerir para su crecimiento y ampliacin el desarrollo de libreras, utileras y otras aplicaciones anes y complementarias, impulsara el trabajo en conjunto entre universidades, centros de investigacin empresas privadas y empresas del gobierno. Impacto Social: Podremos enfocar nuestro desarrollo desde dos puntos de vista social 1) El evitar problemas en las redes de ductos proveer operaciones mas conables y evitara fugas y suspensiones del suministro de productos esto afectara positivamente a comunidades, ciudades, escuelas, hospitales y a la industria, afectando econmicamente y socialmente a todo el pas. 2) Mandar el mensaje que es posible desarrollar este nivel de tecnologa. Por ultimo no podemos dejar de lado el impacto ecolgico y las perdidas en la industria, el campo y la pesca. Impacto Econmico: Las empresas petroleras a nivel mundial ha gastado grandes sumas de dinero en la reparacin de ductos que han colapsado ya sea por fallas en la tubera o por accidentes operativos y de mantenimiento, se han pagado grandes sumas dinero en reparar los daos ecolgicos y urbanos, por otro lado los software y servicios de compaas extranjeras son muy altos y las empresas ha tenido que pagar por la implementacin y el servicio de mantenimiento, un producto basado en un modelo desarrollado en conjunto con una empresa petrolera generara benecios econmicos rpidamente. Impacto Ecolgico: Poco hay que decir en este tema ya que en los ltimos aos los derrames de crudo, gasolina, amoniaco, gas y otros han afectado los ecosistemas, la sociedad, el campo, ganadera y pesca, el desarrollo esta orientado a la proteccin y cuidado de ductos, en su operacin, mantenimiento y supervisin.


4

Contenido Innovador.Los modelos actuales para la deteccin de fugas en ductos estn basados en modelos fsico-qumicos, las ecuaciones de estado y el comportamiento de ujo de uidos en ductos es bien conocido, sin embargo hoy da no existe un modelo que pueda ser utilizado indistintamente para diferentes tipos de productos y fases. Los modelos para deteccin de fugas no son adecuados para la deteccin de robos en ductos, ya que las perdidas de presin no son signicativas y los modelos no son capases de detectar y localizar el punto donde se esta sustrayendo el producto. En Mxico tradicionalmente su utilizan modelos desarrollados por compaas extranjeras, y si bien estas tecnologas conocidas y utilizadas pueden dar resultados aceptables, se ha convertido un problema el mantener estos productos operando de forma continua, los grandes recursos humanos y tecnolgicos requeridos para sintonizar los algoritmos ha conllevado el abandono de estos y el desperdicio de recursos tcnicos y econmicos. Las matemticas utilizadas para la creacin de cualquier tipo de modelo que describa el comportamiento de uidos en ductos se hace mas complejo al incrementar los grados de libertad. Sabemos que el comportamiento de un ducto cambia con el tiempo, la degradacin de equipos, la incertidumbre en la medicin, la utilizacin de diferentes tecnlogos en la instrumentacin y vlvulas de control, el cambio de las condiciones climticas a lo largo del ducto y de la poca del ao, y las condiciones de operacin. La tcnicas matemticas basadas el las metodologas que utilizan modelos de Inteligencia Articial, no son nuevas, de echo gran parte de los equipos y sistemas que utilizamos cada da utilizan modelos basados en estos conceptos. En la industria poco a poco se han desarrollado aplicaciones que utilizan sistemas expertos o sistemas basados en redes neuronales o algoritmos genticos. La gran ventaja de estas tcnicas es que no requieren de modelos rigurosos para encontrar una solucin, tampoco se requiere conocer a fondo la matemtica implicada. La base de la utilizacin de estas tecnologas es el conocimiento de los procesos, aplicacin y operacin, la gran ventaja es que los modelos construidos son adaptivos, es decir tienen la capacidad de considerar cambios en las condiciones de operacin y trabajo. Desarrollo de una metodologa propia para la deteccin de Robos de Producto y la deteccin de Fugas en Tuberas. Como? Utilizando un software probado en el manejo y solucin de problemas donde se pueda trabajar con la inexactitud y la falta de Informacin y utilizar tcnicas de Inteligencia Articial y manejo de Estadstica Cul sera la Ventaja? 1. 2. Se Tendra un dispositivo (hardware y software) propio. No se requiere gran exactitud en la medicin.5


3. 4. 5. 6. 7. 8.

No se requieren simulaciones extensas de tuberas. El sistema no se tendra que reparametrizar continuamente. El costo de implementacin seria aproximadamente 40% menor. Los tiempos de implementacin de los sistemas serian 4-6 meses ms rpidos. Los costos de mantenimiento seran menores en un 50% Detectar Robos y Fugas.

La idea bsica es desarrollar una metodologa para le deteccin de fuga y tomas clandestinas utilizando un software que utiliza herramientas de inteligencia articial para resolver problemas, una vez desarrollada este dispositivo la implementacin en diferentes aplicaciones, tipos de productos, redes de tuberas seria relativamente fcil, podra ser mantenido el sistema por personal local quitndonos la dependencia tecnolgica.


6

Descripcin de la Tecnologa basada en Inteligencia ArticialKnowledgeScape es un sistema de control revolucionario, basado en la Tecnologa de Optimizacin Adaptiva Basada en Sistemas Expertos, esta diseada para la optimizacin de procesos en tiempo real. KnowledgeScape utiliza el poder dado por su software Inteligente Basado en Objetos que permite el modelaje y el control de procesos. Sistemas Expertos Basados en Reglas provee a cada objeto de respuestas programadas que se incorporan a sus base de conocimientos existentes y basados en el proceso. Herramientas de modelos como Redes Neuronales dan a los objetos la habilidad de aprender de la dinmica del proceso y predecir as estados futuros de condiciones actuales de operacin del proceso. El optimizador utiliza la informacin contenida en los objetos que son modelos del proceso y utiliza Algoritmos Genticos para mejorar el desempeo econmico del proceso. Todas estas habilidades analticas y cognoscitivas estn construidas en cada objeto software de KnowledgeScape. Basado en sus capacidades KnowledgeScape puede modelar simultneamente modelos de una sola unidad de proceso o grandes circuitos de proceso, o bien una planta completa. Cada nivel en la jerarqua pasa su informacin de desempeo al nivel superior y recibe limitaciones de operacin de los niveles superiores. A continuacin describimos las capacidades de estas herramientas de Inteligencia Articial y veremos las posibilidades de control que estas proporcionan.

Los sistemas de control basados en sistemas expertos normalmente utilizan reglas Precisas Crisp, o bien juegos de reglas estadsticas, para denir sus estrategias de control. KnowledgeScape comienza con estas capacidades. Pero para procesos donde la experiencia (Operacin) normalmente experimenta cambios continuos, un control eciente probablemente requerira de reglas complejas y la edicin y actualizacin de estas reglas. Para resolver esto KnowledgeScape utiliza una tcnica muy poderosa de Inteligencia Articial llamado Lgica Difusa. Una regla estricta evala una condicin de entrada, o un juego de condiciones, para producir una salida apropiada. Para incrementar la precisin de la salida, esta requiere de reglas que especiquen rangos ms pequeos, l numero de reglas y su complejidad incrementaran de acuerdo a la exactitud deseada, aumentando l numero de reglas y su complejidad, por obvias razones el sistema se vuelve difcil de mantener y de implementar aumentando el costo del sistema. La Lgica Difusa es una tcnica que reduce dramticamente l numero de reglas y a la ves aumenta el desempeo del proceso. Los valores de entrada son manejados de acuerdo grados de operacin denidos porDesarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 7

el usuario. Los rangos pueden ser manejados como adjetivos, esto es utilizando operaciones como: bajo, medio, alto, haciendo las reglas simples de escribir.

Modicar las reglas es una tares fcil, mucho mas fcil que el de redenir reglas estrictas y especicas. Todos los objetos en el software KnowledgeScape manejan reglas basadas en Lgica Difusa. KnowledgeScape utiliza una tcnica muy innovadora como herramienta de Mltiple Modelaje y Aprendizaje que es las Redes Neuronales. Las Redes Neuronales es una tcnica de computo basada en la operacin de Cerebro Humano, provee la habilidad de construccin de modelos basados en procesos de manera adaptable, basndose en la observacin de las dinmicas del proceso. Este modelo puede ser utilizado para predecir el futuro dadas condiciones actuales y nuevos puntos de ajuste. Auto

Durante la fase de entrenamiento, las seales de entrada a los procesos de redes y sus salidas son comparadas con resultados dados en el proceso real. Parmetros internos conocidos como pesos "weights" son ajustados para minimizar el error de salida. Conforme el modelo construye una base de experiencia basada en predicciones el modelo se vuelve ms preciso, cuando esta precisin es suciente de acuerdo a los requerimientos de operacin, los valores son disponibles para realizar una optimizacin. Dado que un solo modelo no puede predecir el desempeo del proceso en todas las situaciones, KnowledgeScape permite crear varios modelos para cada proceso, utilizando diferentes tcnicas de aprendizaje y observando su respuesta en el tiempo se crean diferentes modelos del proceso. Estos modelos compiten por el privilegio de prediccin del mejor desempeo del proceso.


8

Un valuador interno compara continuamente las predicciones de cada modelo contra el desempeo del proceso. La mejor prediccin es utilizada para la optimizacin, hasta que el desempeo del proceso es mejorado por otro modelo. Con modelos exactos y probados con los datos reales del proceso los objetos inteligentes en software estn listos para realizar la optimizacin. Las Redes Neuronales son modelos no lineales y robustos que pueden ser conguradas en muchas combinacin desde Entrada Sencilla, Salida Sencilla (SISO) hasta Entradas Mltiples, Salidas Mltiples (MIMO). En la realidad mucho de los modelos que el software de KnowledgeScape utiliza son n dimensional lo que signica que no es posible crear una sola grca que represente todo el modelo visualmente, esto no es una limitacin del software ya que conoce como examinar matemticamente el modelo y utilizarlo para predecir y optimizar. Antes de que la operacin de un proceso sea mejorada, los valores de desempeo optimo deben de ser denidos. En el software de KnowledgeScape, la economa de los procesos es descrita por el usuario utilizando funciones de convergencia que asignan costos relativos y valores para cualquier proceso real. Esto esta acompaando por la asociacin de los valores econmicos con cualquiera de los sensores de proceso asociados a cada objeto inteligente. Utilizando la solucin de supercies de n dimensiones provistas por el predictor el software de KnowledgeScape emplea Algoritmos Genticos para crear gracas en el curso de las reas de mayor retorno econmico dadas las varias limitaciones o restricciones impuestas por la organizacin jerrquica y la agrupacin de objetos inteligentes. El Software de optimizacin primero genera una serie de valores de entrada, llamados genes, que son utilizados como series de entradas al modelo del proceso. La poblacin inicial de genes es creada de forma aleatoria as todas las reas en el espacio de solucin son exploradas. Basada en los valores de entrada jados inicialmente y de manera aleatoria el modelo del proceso produce unas salidas, que son comparadas con otras salidas en el juego de poblacin actual. A travs de un mtodo probabilstica especial, los genes con los valores mas altos son recombinados para crear una nueva generacin de genes o soluciones que son genticamente superiores al juego de valores iniciales. El ciclo es repetido y las generaciones de genes migran a los valores de las reas de mayor valor econmico, como se deni en las funciones de convergencias. Cuando el juego de genes ya no evoluciona a mejores puntosDesarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 9

econmicos en los objetos inteligentes los valores son enviados a los sistemas de control estabilizados utilizando reglas expertas, para ser utilizados como valores ptimos de punto de ajuste. Trabajando conjuntamente los software de prediccin y los software de optimizacin constantemente se exploran nuevos juegos de puntos para encontrar nuevas oportunidades de optimizacin.

El Software de KnowledgeScape utiliza tcnicas de inteligencia articial que demandan gran capacidad de software, nter construido en el software se cuenta con la capacidad de computo distribuido que provee la capacidad de poder utilizar redes de computadoras para distribuir la informacin y los programas. Sistemas de control sosticados permiten identicar CPU en las redes y as distribuir las tareas de computo.

KnowledgeScape es un software de control adaptivo, de optimizacin basada en reglas expertas y combina las tcnicas de Inteligencia Articial mas desarrolladas y probadas en el mercado, es un control robusto y escalable que permite el control y optimizacin en tiempo real y permite el continuo aprendizaje de procesos e incorpora tcnicas de optimizacin econmica continua. Ventajas: 1. 2. 3. 4. 5. 6. Efectivo para procesos iterativos con tiempos muertos y largos. Trabaja con procesos lineales y no lineales. No requiere de la construccin de modelos. Se ejecuta en tiempo real y en lnea. Puede generar analizadores virtuales. El software puede trabajar en modo de aprendizaje o en lnea.


10

7.

Se basa en los comportamientos del proceso y el conocimiento de los operadores e ingenieros de proceso. No requiere de reparemetrizacion. Puede proyectar trayectorias futuras. No requiere realizar pruebas escaln o de disturbio en la planta para obtener datos. Se congura con una PC. Es mucho mas econmico que otras tecnologas y mas rpido de implementar.

8. 9. 10. 11. 12.

Desventajas:

1. 2.

Requiere de trabajo en conjunto con operadores, ingenieros de proceso y desarrolladores Requiere romper el paradigma de que un tercero desarrolla la aplicacin, en estos sistemas quien conoce el proceso es el que debe de desarrollar la aplicacin.

Antecedentes:Cada pas y cada aplicacin tiene sus propias caractersticas y complejidad. En general las problemticas ms comunes en la deteccin de fugas son: 1. Desde el punto de vista de la tecnologa el modelo debe discriminar si el problema es la deteccin de Fugas o el robo de Producto Despus debemos preguntarnos como queremos atender el problema, es decir un sistema de deteccin de fugas puede detectar robo de producto? La seleccin de la tecnologa esta orientada a resolver nuestro problema? La tecnologa seleccionada de encontrarse disponible en el mercado es adecuada para nuestro entorno? Quin va a disear el sistema? Quin lo va a mantener? Cunto va a costar? En cuanto tiempo se puede implementar?11

2.

3. 4.

5. 6. 7. 8.


9. 10. 11. 12.

Sirve para deteccin de lquidos, gases y ujo multifasico? Sirve para multi-productos? Sirve para manejo de lotes? Que infraestructura requiere?

Objetivos y Metas.Objetivos: Desarrollo de una metodologa propia y el desarrollo de un software de uso genrico para la deteccin de fugas y robos de producto en las redes de ductos , tanto para el manejo de productos lquidos, gases y multifase. Metas: 1. Desarrollo de una metodologa de implementacin de software para deteccin de fugas y robos en ductos. Desarrollo de un software robos en ductos. 3. Comprende el desarrollo de especicaciones funcionales, bases de diseo, especicacin de cumplimiento de normas y especicaciones nacionales y normas internacionales. 4. Desarrollo de Nuevos Algoritmos de deteccin de fugas y robos utilizando el concepto de Inteligencia Articial para modelar fugas y robos detallada mas adelante. Comprende el desarrollo de los siguientes Algoritmos. 5. 6. Incorporacin de diferentes Protocolos de Comunicacin Implementacin de Tecnologas de Inteligencia Articial para la deteccin de Distancia. genrico basado en Inteligencia Articial para deteccin de fugas y

2.

Proponemos el desarrollo de un modelo propio para la deteccin de fugas y deteccin de tomas clandestinas el modelo estar desarrollado utilizando un software de Inteligencia Articial dedicado a procesos industriales y probado en la industria. La idea es utilizar una serie de tcnicas matemticas conocidas como IA Inteligencia Articial para crear un modelo de reconocimiento de patrones de variaciones de Flujo y Presin. Se creara un modelo de simulacin de ductos sencillo para ayudar en aprendizaje y modelado del patrn de reconocimiento y se avalara los resultados del patrn utilizando tcnicas de convergencia estadstica. Los objetivos propuestos en el desarrollo de este modelo son:Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 12

1. 2.

Desarrollar una metodologa propia para la deteccin de fugas. Inicialmente proponemos la deteccin de fugas de ujos de 1%, con el objetivo de deteccin de 0.5% en tiempos de 30 minutos a 5 minutos.

3.

Utilizar una metodologa que no requiera modelos de ductos fuera de lnea ni modelos basado en trascientes en tiempo real, por lo tanto un software que no requiera reparametrizacion. Crear un modelo donde solo se requiera mediciones de ujo y presin a la entrada y salida del ducto. Crear un modelo donde no se requiera gran exactitud en la medicin se podr utilizar mediciones de placas de oricio con transmisores multivariable as como medidores ultrasnicos o masicos.

4.

5.

6. 7.

Tener un modelo que pueda ser utilizado en ductos con instrumentacin y SCADA existentes. Tener un modelo que pueda ser utilizado en ductos que transporten diferentes productos de forma bi-direccional y con manejo de lotes y redes de tuberas.

Metodologa.Para el desarrollo e implementacin seguimos el modelo tambin planteado por la CIGRE, en su metodologa de diseo de productos basada en el Modelo de Ciclo de Vida de Costos mostrado en la gura.

Diseo DETECCION DE ROBOS Y FUGAS EN y Fugas SISTEMA de Sistema para Deteccin de RobosDUCTOS en Ductos

Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidosmircoles 21 de julio de 2010

13

Podemos resumir el desarrollo de la tecnologa a tres fases:

1.

Requerimientos, Lo primero y mas importante es entender que la estimacin de los costos en un desarrollo tecnolgico deben de ser estables y bien entendidos, si los requerimientos no son estables el grado de incertidumbre en la estimacin de costos puede ser tan grande que la conclusin obtenida puede afectar la decisin o marginar el proyecto y aun mas grave puede generar una expectativa incierta del proyecto. Para lograr esto establecemos como objetivo el desarrollo del producto en Versin 1.0, estableciendo un plan de actividades claro y conciso.

2.

En el diseo de nuestro software y metodologa consideramos estos puntos, somos realistas en la estimacin de costos y en las oportunidades del mercado, es por eso que buscamos un modelo de desarrollo tecnolgico donde utilizaremos tecnologa existente y probada por muchos aos en el mercado, planteamos la utilizacin del hardware y software comercial en el desarrollo tecnolgico en adquisicin de datos y control, entonces nuestro enfoque ser la implementacin de los algoritmos de deteccin de fuga y distancia en el hardware y la adecuacin de este para cumplir con requerimientos de deteccin de fuga y normas internacionales.

3.

Estructura de la Tecnologa. La creacin de un software y metodologa de deteccin de fugas y localizacin de distancia involucra muchos aspectos de desarrollo tecnolgico, el hardware, el software los algoritmos de deteccin, los canales de comunicacin, el soporte tcnico, manuales, servicio partes de repuesto y otros tantos aspectos tcnicos que se debern de cumplir.

4.

Nuestra propuesta se basa en un software genrico existente el cual cumple con la mayora de los requerimientos tcnicos utilizados en la industria.

5.

Plan de Manejo de Riesgos. Una de las ventajas de nuestro desarrollo es que no hay que crear un hardware, utilizamos una plataforma conable de alta disponibilidad utilizada en el mercado por ms de 20 aos y que incorpora la ltima tecnologa en microprocesadores, aun as se har una revisin detallada de la conabilidad y la disponibilidad del sistema, desarrollando rboles de falla y matrices causa y efecto, esto nos ayudara a disear una estrategia comercial en las partes de repuesto y en el soporte tcnico requerido para soportar a nuestros clientes.


14

Estudio de Mercado:Anlisis estructural del sector: En este documento discutiremos varias de las tcnicas de deteccin de fugas y los requerimientos de hardware y software necesarios en la implantacin de un sistema SCADA. Cada mtodo tiene ventajas y desventajas, para poder evaluar las caractersticas de cada mtodo jaremos siete atributos de referencia; 1) 2) 3) 4) 5) 6) 7) Sensibilidad a la fuga, Capacidad de localizacin de la fuga, Cambios de operacin, Disponibilidad, Relacin de falsas alarmas, Requerimientos de mantenimiento y Costo.

Desafortunadamente encontramos que ninguna tecnologa disponible nos ofrece todos los atributos y encontramos un problema comn en todos los mtodos que es la alta relacin de falsas alarmas, las falsas alarmas son indeseables por que:

a. b. c.

Generan trabajo adicional en el personal de operaciones. Reducen la conanza de los operadores en el sistema. Una fuga real puede ser discriminada.

Diferentes mtodos han sido aplicados a la deteccin de fugas, la gura #1 muestra estos.


15

De acuerdo a esta clasicacin se cuentan con: 1. Mtodos Biolgicos: Estos mtodos estn basados en el uso de perros entrenados para localizar una fuga por medio de inspeccin visual, olfato y sonido. 2. Mtodos Externos Dependientes o Directos: Diferentes dispositivos son utilizados para la deteccin, entre estos mtodos tenemos sensores acsticos, detectores de gases, detectores de presin negativa y termografa infrarroja, transmisin de ondas de presin, utilizacin de radares o radio frecuencia en dispositivos internos en tuberas. 3. Mtodos Internos, No Dependientes Inferenciales: Varios son las tcnicas de software que han sido utilizadas en la deteccin de fugas entre los cuales tenemos; Cambios de ujo y presin, deteccin del cambio de balance masa/volumen, sistemas basados en modelos dinmicos y anlisis de punto de presin.


16

Este mtodo es muy susceptible a fallas ya que su calculo se basa en la asuncin del estado estacionario de los uidos en la tubera, para eliminar ruidos generados por los componentes en la tubera por los instrumentos de medicin el muestreo de informacin ucta entre 30 minutos y 1 hora.

Este mtodo utiliza la cada de presin como el detector de fugas, dado a esto es susceptible a falsas alarmas al haber un cambio de presin dada por las condiciones de operacin o cambios en los uidos, este mtodo no detecta la localizacin ni la magnitud de la fuga.Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 17

Modelos Basados en Trascientes en Tiempo RealEste mtodo esta basado en el incremento de la sensibilidad y la reduccin de los tiempos de respuesta esto se logra simulando cambios en la tubera en tiempo real y detectando los efectos generados por una fuga y separndolos de otros fenmenos. Por que se requiere utilizar modelos basados en trascientes Dado que en una tubera la presin y el ujo pueden cambiar dadas las condiciones de operacin de esta, ya que en la mayora de los casos los tramos son grandes y la topografa del terreno varia, los modelos basados en trascientes en tiempo real compensan estos cambios para que la deteccin de fugas detectada sea real y no solo cambios en las condiciones de operacin del uido en la trayectoria de la tubera la gura #2 muestra los principales pasos en la construccin de un modelo basado en trascientes.

Los modelos de simulacin requieren del uso de dos o tres estimaciones en una tubera, como son: 1) Calculo del Momentum. 2) Calculo de Continuidad. 3) Calculo de la Energa.


18

Hay dos tcnicas reportadas para realizar la simulacin de una tubera; a) Anlisis de desviaciones y b) El mtodo de compensacin por balance volumtrico. El primer mtodo se basa en el principio de simular la hidrulica en la tubera, midiendo los nales de cada segmento de tubera, este mtodo no es muy efectivo cuando hay cambios en la tubera, el segundo mtodo es una derivacin de balance por volmenes, este mtodo detecta fugas aun cuando hay cambios en la operacin de la tubera o en los productos. La simulacin del modelo se realiza por medio de la integracin de las ecuaciones de momentum y continuidad, del uido en la tubera, la ecuacin de energa nos describe el ujo de calor entre la entrada y salida del uido en la tubera, la mayora de los mtodos de deteccin de fugas utiliza una solucin matricial de dos o tres ecuaciones. Para resolver adecuadamente estas ecuaciones se requiere de informacin detallada de la instrumentacin y de la tubera. Parmetros como tamaos de segmento, dimetros de tubera, grosor de la tubera tambin debern de estar disponibles, algunos datos son difciles de obtener como son la aspereza de la tubera y los factores de calibracin de los instrumentos.

La conclusin logia seria utilizar el mtodo de RTTM con compensacin de Volumen ya que localiza fugas tamao y ubicacin, pero tiene varios problemas, 1) Genera Falsas Alarmas, 2) El Precio es muy Alto 3) Requiere un gran mantenimiento.


19

Mercado:Entre las compaas que desarrollas software de deteccin de fugas tenemos: Acustic System Inc. Controlotron Corporation Detex international. EFA Technologies. EnviroPipe Applications Inc. FCI Enviroment Inc LICEnergy Inc. Logstor Ror NESCO PermAlert Physical Acoustics Corporation. Reuchem Corporation. Siemens AG. Simulations Inc. Stoner Associates Tracer Research Corporation. Energy Solutions Inc REL Instrumentation Limited


20

Existe una Solucin Practica?Este documento plantea el desarrollar un modelo propio utilizando la combinacin de tcnicas estadsticas e Inteligencia Articial. Quienes estn trabajando en esta idea? Shell Petrobras,. La Universidad del Agua en Italia

Que estn haciendo, que planteamos? Dos mtodos para la deteccin de fugas han sido utilizados y reportados en los ltimos aos, el Tercer mtodo implica el desarrollo de una metodologa propia: 1. 2. El mtodo estadstico desarrollado por el Dr Jun Zhang y que ha sido utilizado con xito por Shell. El mtodo utilizando Inteligencia Articial e Ingeniera Inversa desarrollado por los Italianos Antonio Coputo y Pacico Pelagagge y utilizado por Petrobras. 3. Desarrollar un modelo propio utilizando un software de Inteligencia Articial

1. Mtodo estadstico: Este mtodo llamado ATMOS PIPE esta basado en la incorporacin de funciones avanzadas de reconocimiento de patrones, fue desarrollado por Shell utilizando una tcnica avanzada estadstica para el anlisis del ujo y la presin en una tubera. Las variaciones generadas por la operacin son registradas para asegurar que no se detectes falsas alarmas. Este mtodo no utiliza matemticas para calcular el ujo o la presin a travs de la tubera, pero detecta y registra los cambios y la relacin entre estos, el sistema monitorea continuamente la tubera y aprende de los cambios en los instrumentos.

La tcnica estadstica se llama Sequential Probability Ratio Test, se basa en observaciones del ujo y presin a la entrada y salida de la tubera. El concepto es relativamente sencillo se basa en la deteccin estadstica de


21

reconocimiento de patrones, utiliza la observacin de los comportamientos y cambios operativos en una tubera.

Las guras anteriores muestran el comportamiento del ujo a la entrada y salida de una tubera, podemos ver la uctuacin estadstica, por lo tanto el sistema compensa cambios en la operacin y cambios en la instrumentacin sin provocar falsas alarmas, este mtodo ha sido probado por mas de cinco aos de forma continua en una tubera que transporta propileno por 30 km y en una tubera de 4 pulgadas, se ha podido detectar fugas en un rango de 0.5% a 9.3%. Las siguientes guras muestran el tiempo de deteccin de la fuga y la exactitud en la localizacin de la fuga.


22

2. El mtodo utilizando Inteligencia Articial Esta basado en la utilizacin de Redes Neuronales, una tcnica matemtica de la inteligencia articial para resolucin de problemas, donde no se tiene gran cantidad de informacin para resolver un problema y la exactitud con que se cuenta no es muy buena, Antonio Caputo y Pacico Pelegagge de la universidad del agua en Italia han utilizado esta tcnica para encontrar fugas en redes de tuberas de agua muy complejas, con grandes resultados. Este mtodo se basa en dos fases: 1) Evaluacin de las condiciones relacin ujo/presin, esto por medio de una simulacin la cual tome en cuanta las condiciones de operacin. Realizar una correlacin de causas y efectos por medio de mecanismos de Inteligencia Articial.

2)


23

La metodologa que se ha propuesto se basa en un acercamiento inverso a las tcnicas que se tienen hoy da en los modelos basados en trasciendes, estos generan un modelo en tiempo real y lo comparan con un modelo de la tubera generado por una simulacin fuera de lnea, la diferencia entre los dos modelos genera un error y por ende una fuga, mientras que la metodologa propuesta por los Italianos se basa en la idea de generar un modelo de simulacin fuera de lnea para que las redes neuronales tomen los valores de esta simulacin como el punto de partida para encontrar una fuga basndose en el patrn de operacin de la tubera y en un modelo de bsqueda para resolver la ubicacin y tamao de la fuga. Los mtodos tradicionales se basan bsicamente en la idea de simular la tubera en estado estacionario y comparar el comportamiento con los valores en tiempo real, tomando los paramentos iniciales de comportamiento de la tubera, incluyendo vlvulas, bombas, compresores, estaciones de medicin, etc, pero no toman en cuanta las variaciones operativas de estos dispositivos en el tiempo como puede ser la calibracin de los instrumentos, la eciencia de las bombas, el desgaste de las vlvulas, por lo tanto para que el modelo funcione se debe de mantener continuamente, esto implica correr los simuladores y ajustar el modelo en tiempo real, esto es costoso y tcnicamente complicado. Las tcnicas propuestas utilizando inteligencia articial se basa en obtener un patrn de comportamiento de la tubera por lo que las variaciones operativas y la exactitud de los instrumentos no impacta en la resolucin del modelo ni genera falsas alarmas.


24

La inteligencia articial ha sido utilizada en el control de procesos desde hace varios aos, denitivamente representa el futuro en las tcnicas matemticas de resolucin de ecuaciones, en los ltimos 10 aos el 80% de las patentes otorgadas por la ocina de patentes de los Estados Unidos de Norteamrica involucradas en control, simulacin y optimizacin utilizan alguna tcnica basada en la Inteligencia Articial como podran ser; Redes Neuronales, Lgica Difusa, Sistemas Expertos, Algoritmos Genticos, Teora del Caos.


25

Programa de Actividades:Actividades Estructuramos nuestro desarrollo en tres etapas, aun cuando de acuerdo a la convocatoria los ejercicios sern semestrales. A continuacin describimos las actividades y anexamos un documento con las estimaciones de presupuesto, requerimientos y gracas de Gantt. Etapa 1. Generacin de especicaciones funcionales del prototipo y compra de instrumentos, algoritmos de deteccin de fugas y localizacin, mercadotecnia, anlisis de marcado y diseo funcional de un software de deteccin de fugas y robos en ductos. Evaluacin de Tecnologas existentes en el mercado 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Investigacin de Tecnologas en Deteccin de Fugas Ductos Gas Investigacin de Tecnologas en Deteccin de Fugas Ductos Lquidos Investigacin de Tecnologas en Deteccin de Fugas Ductos Multifase Investigacin de Tecnologas en Medicin de Flujo y Temperatura Investigacin en Tcnicas de Inteligencia Articial Reporte Tecnolgico Compra de Equipo Compra Medidor de Flujo y Temperatura Compra de Software Compra de RTU

Productos: 1. 2. Documentacin del proyecto diseo del prototipo. Especicaciones funcionales.26


3. 4. 5.

Cronograma de tiempo y actividades revisado. Compra de Instrumentos. Informacin bibliogrca.

Justicacin En esta fase gran parte del equipo trabaja la mayora de los gastos tienen que ver con los grupos de trabajo que desarrollan la aplicacin documentando el proyecto, generando las especicaciones funcionales y adquiriendo la informacin para los diseos de los algoritmos de deteccin y localizacin de fugas y la construccin del prototipo.

Etapa 2. Construccin de un Prototipo en Modelo y Software para la Deteccin de Robos y Fugas en Ductos. En esta Etapa se propone la construccin del equipo de proteccin diseado en las especicaciones funcionales. Dentro de esta etapa se incluyen las actividades: Elaboracin de un prototipo. Con un mbito limitado y acotado, basado en la interpretacin de fallas, fugas y robos en una situacin concreta, y con el objetivo de demostrar la viabilidad tecnolgica y funcional de la solucin propuesta. Permitir establecer un primer entorno de simulacin y prueba de los rboles conceptuales a especicar por los expertos de sistemas de control y medicin. Desarrollo de la plataforma bsica. Creacin de la estructura del sistema y construccin de los mdulos comunes para la integracin de los diferentes algoritmos de deteccin y localizacin de fugas. Construccin de un software genrico, conguracin y pruebas bsicas unitarias de cada uno de los componentes de Observacin. Diseo e integracin en el sistema de los algoritmos de deteccin y localizacin de fugas. Descripcin de la Meta: Nuestra propuesta se basa en el desarrollo de un prototipo funcional, es decir dado a que tenemos un tiempo limitado para la construccin de este sistema la fase de creacin de un prototipo ser un paso en la creacin del producto nal, el prototipo ser el mismo producto diseado para operar en subestaciones de distribucin, donde se podr observar la operativilidad del software genrico de deteccin y localizacin de fugas, los resultados esperados y los benecios. La plataforma bsica en la que ser construido el sistema permitir escalar el sistema ya que se utilizara una base de datos en tiempo real y manejadores y reportes de alarmas estndar, hemos planteado la plataforma bsica en este software de manejo de datos en tiempo real. Los mdulos de observacin sern dos; el sistema de redes neuronales y los sistemas expertos Actividades:Desarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 27

Diseo del Prototipo 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. Diseo del Modelo de Software Diseo del Hardware RTU Revisin de las Tecnologas requeridas Medicin de Flujo Revisin de las Tecnologas requeridas Medicin de Temperatura Diseo conceptual del prototipo Reporte Tecnolgico Documentacin y Registro de Patentes Documentacin de Algoritmos de Deteccin de Fugas Documentar RTU y Protocolos de Comunicacin Iniciar Registro de Marcas y Patentes

Justicacin De nuevo el gasto fuerte en el diseo de prototipos y productos tiene que ver con el personal involucrado en el proyecto hay que entender que nuestro proyecto se basa en la capacidad intelectual de los participantes y de su experiencia, este proyecto aporta un gran acervo intelectual al mismo tiempo que se crea una herramienta de diseo y manejo de alarmas inteligentes.

Productos: 1. 2. 3. Documentacin del proyecto Construccin de Prototipo Desarrollo de algoritmos

Etapa 3. Implantacin. Incluye la puesta en explotacin, ejecucin de los planes de pruebas y aceptacin, y el seguimiento post-implantacin durante las primeras semanas de puesta en explotacin. Descripcin de la Meta: En esta fase se estima que el software desarrollado y la integracin en el hardware esta prcticamente terminado, se han desarrollado las pruebas prototipo y se ha ajustado el producto a losDesarrollo de un Sistema de deteccin de fugas y tomas clandestinas en ductos de transporte de gas y lquidos 28

requerimientos de cliente, tambin se ha desarrollado la interfase de comunicacin al SCADA y se tiene construida la base de datos para la implementacin nal del sistema, se tiene parcialmente documentado el sistema a espera de los ajustes nales. Actividades Construccin del Modelo y Prototipo 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. 19. 20. 21. Construccin de los Algoritmos de Software Construccin de Modelos Lgica Difusa Construccin de los Modelos Neuronales Construccin de Algoritmos Genticos Construccin del Protocolo de comunicaciones. Desarrollo de Protocolo de comunicaciones Construccin Algoritmos AGA/API Constriccin Algoritmos de Flujo Integracin de Aplicacin en Sistema y RTU Pruebas de Comunicacin es SCADA con OPC Pruebas en SCADA Prueba de Integracin en Laboratorio Simulacin de Operacin Revisin de Desempeo Revisar procedimientos de revisin o de codicacin de estndares y desarrollo de aplicaciones Revisar directivas y procedimientos de pruebas Revisar procedimientos de control de calidad Resumir conclusiones sobre oportunidades de mejora Conrmar diseo de control Identicar directivas y procedimientos Revisar narraciones y diagramas de ujo29


22. 23. 24. 25.

Revisar documentacin de conguracin del sistema Validar puntos de control y procesos de control interno Evaluar ecacia operativa Identicar o conrmar controles internos que requieran demasiado personal o no justiquen el gasto Dar prioridad a inecacias: costos permanentes/riesgos de control interno/impacto sobre costo y ecacia Desarrollar estimaciones de costo y esfuerzos para dar prioridad a mejora Finalizar anlisis de costos o benecios Oportunidades de mejora de grupo en proyectos de mejora tecnolgica Desarrollar anlisis de costos o benecios Desarrollar futuros escenarios de estado y ahorros de oportunidad Identicar carencias Identicar riesgos del proyecto e impactos de no hacer nada Identicar recursos clave y fuentes de informacin adicionales Validar mbito, participantes y esfuerzos Diseo de mejoras completado Implementacin completada Pruebas Pruebas en Campo del Sistema Documentar casos y resultados de prueba en resmenes y planes de prueba detallados Validar las acciones de mejora o correccin realizadas Documentar resultados de pruebas Pruebas completadas Entrega del Proyecto Actualizar documentacin de control y procedimientos30

26.

27. 28. 29. 30. 31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45.


46. 47. 48.

Supervisar resultados y mejoras Documentar resultados y resumirlos para los altos directivos Implementacin completada

Productos: 1. 2. 3. Software y Metodologa de Deteccin y Localizacin de Fugas Pruebas en Simulacion Pruebas en Campo

Mecanismos de Transferencia:Nuestro desarrollo tecnolgico para la deteccin de fugas de productos en ductos esta basado en el desarrollo de una solucin que combina un Hardware y un Software a continuacin describimos las caractersticas y los mecanismos de transferencia y uso de la propiedad intelectual. Hardware: El hardware que utilizaremos para el desarrollo de la tecnologa comprende los siguientes rublos: Medidores transmisores de Flujo: Nuestra propuesta no incluye el desarrollo de una tecnologa para medicin de ujo en ductos, sin embargo nuestra investigacin incluir la evaluacin a nivel mundial de las tecnologas existentes y los desarrollos futuros.

Medidores transmisores de Temperatura: Nuestra propuesta no incluye el desarrollo de una tecnologa para medicin de temperatura en ductos, sin embargo nuestra investigacin incluir la evaluacin a nivel mundial de las tecnologas existentes y los desarrollos futuros. Unidad Terminal Remota (RTU): Este equipo es quien recibe la informacin de los medidores y transmisores de ujo, temperatura y presin, nuestro desarrollo incluye la implementacin de algoritmos de medicin de ujo y compensacin por presin y temperatura para obtener ujos masicos y volumtricos, nuestro desarrollo incluye la evaluacin detallada de las tecnologas existentes y futuras en RTU, el desarrollo podr implicar el desarrollo


31

o adecuaciones de RTU existentes (es decir RTU desarrolladas actualmente por alguna compaa) para poder utilizar los algoritmos desarrollados por nosotros (esto si es necesario desarrollar algoritmos a nivel RTU). Computadoras Personales: Los modelos de software y algoritmos para la deteccin de robos y fugas trabajaran en un ambiente de computadoras personales, no hay transferencia de tecnologa en este nivel.

Software: La base de nuestro desarrollo esta enfocado en el desarrollo de algoritmos de software para la deteccin de robos y fugas en ductos, este es el producto de mayor importancia en el desarrollo y la base de conocimiento a transferir la tecnologa, el desarrollo de la tecnologa esta sustentado en la correcta y exacta medicin de las variables de proceso (Flujo, Presin y Temperatura entre otras variables) mas no es dependiente de estas variables, a decir; nuestra tecnologa podr inferir valores de procesos basados en la respuesta en el tiempo y en valores histricos y en el comportamiento de las variables en el ducto, esta es una de las caractersticas inherentes en los sistemas expertos, lgica difusa y en los modelos basados en algoritmos de inteligencia articial (Redes Neuronales y Algoritmos Genticos).

Los modelos desarrollados estarn basados en dos tecnologas:

1.

La creacin de los modelos para deteccin de fugas y robos utilizando un software comercial en este caso basamos nuestra propuesta en el uso del producto llamado KnogledgeScape (http:// www.kscape.com/) este software de uso comercial en una excelente plataforma para el desarrollo de aplicacin donde se requiere o desea utilizar tecnologas basada en sistemas expertos, lgica difusa y algoritmos de inteligencia articial como son Redes Neuronales y Algoritmos Genticos, el software esta respaldado con la patente obtenida en los Estados Unidos de Norteamrica numero 6,434,435.

2.

Entendemos que no podemos basar nuestro desarrollo nicamente al la viabilidad de la aplicacin utilizando el software KnowledgeScape, si durante la primera fase detectamos que el software no cubre los requerimientos planteados de conabilidad, exactitud, rapidez y efectividad para la deteccin de robos y fugas, tomaremos la decisin de tambin desarrollar la plataforma de aplicacin (software) que pueda realizar las funciones de sistemas expertos, lgica difusa y algoritmos de inteligencia articial como son Redes Neuronales y Algoritmos Genticos, para esto utilizaremos una herramienta de desarrollo como puede ser Matlab de la compaa Mathworks Inc (http://www.mathworks.com/) o bien un software de programacin como Visual C. La decisin de utilizar estas herramientas ser planteado en los 6 primeros meses despus de iniciado el proyecto.


32

Conclusiones:En trminos prcticos existen tres posibles soluciones para los sistemas de deteccin de fugas y robos de producto en tuberas: 1. Utilizar las tecnologas probadas aun cuando presentan problemas de operacin y mantenimiento, generando falsas alarmas o no detectando robos y fugas. 2. Desarrollar una tecnologa propia utilizando mtodos externos o dependientes como podran ser: Acsticos, Espectroscopia de impedancia electroqumica, Trazadores, ect. 3. Desarrollar una metodologa propia utilizando tcnicas de inteligencia Articial e incorporar las tecnologas probadas en mtodos internos o no dependientes.

Creemos que es necesario desarrollar una metodologa propia para la deteccin de fugas y tomas clandestinas, es un echo que compaas en diferentes partes del mundo estn desechando los mtodos basados en balances de materia y energa y modelos basados en trescientes, ya que adems de ser costosos generan gran cantidad de falsas alarmas, ocasionando la desconanza en estas tecnologas. Como parte de esta metodologa esta el desarrollo de interfaces para comunicarnos a diferentes tecnologas de deteccin de fugas, es necesario poder monitorear la eciencia y la operacin de estas en tiempo real. A continuacin mostramos una tabla con las conclusiones nales de evaluacin de las diferentes opciones que se tienen hoy da para desarrollo de una tecnologa propia.


33

Bibliografa:1. An Inverse Approach for Piping Networks Monitoring, 4 International Conference on Inverse Problems in Engineering, Rio de Janeiro Brazil, 2002, Antonio C. Caputo, Pacico M. Pelagagge. 2. Using Neural Networks to Monitor Piping Systems, Antonio C. Caputo, Pacico M. Pelagagge, Process Safety Progress, June 2003, (Vol22, No2). 3. Designing a Cost Effective and Reliable Pipeline Leak Detection System, by Dr Jun Zhang, REL Instrumentation Limited, Manchester, UK. 4. Technical Review of leak Detection Technologies, Volumen 1, Crude Oil Transmission Pipelines, Alaska Department of Environmental Conservation. Worldwide Assessment of Industry Leak Detection Capabilities for Single & Multiphase Pipelines, Department of Petroleum Engineering Texas A&M University, August 6, 2003.

5.


34

6.

For Instrument Engineers Handbook II, Process Control and Analysis, 3er Edition Chilton, 1994 Rhinehart, by Liptak, Section 1.8. Process Control Through Nonlinear Modeling. R.Russell Rhinehart and James B. Riggs, Reprinted from CONTROL, July 1990.

7.

8.

Model base control streamlines process, James B. Riggs and Jackie Watts, Reprinted from CONTROL, July 1991.

9.

Weighing the pros and cons of advance control solutions, by Constantine Lau, Foxboro MA. Chemical Processing Magazine on the web, March 1998.

10.

Process Plant Productivity Improvements Through Neural network Applications, by Stephen A Matthews, Manager Process Optimization Group, Callidus Technologies Inc, Tulasa Oklahoma. Neural Network help optimize solvent extraction, A.L. Riddle and J.R.Hopper, HPI 12/27/1999. Articial Intelligence Put Brain Power in Control, by Terry Owen, CONTROL July 1997. Articial Sentience? By Rich Merritt, CONTROL November 1999. Advance Control Software Goes Beyond PID, by Vance J. VanDoren, Control Engineering, 01-02-99. An Overview of Industrial Model Predictive Control Technology, S.Joe Qin, Department of Chemical Engineering The University Of Texas at Austin, Austin, TX and Thomas A. Badwell Department of Chemical Engineering Rice University, Houston TX.

11. 12. 13. 14.

15.

16.

Advance Process Control and Optimization Technology Comparison and Alternatives Analysis for HPI/CPI Applications, Paper from GE CCI. Neural Logic and Fuzzy Nets? By Bob Sperber, reprinted from CONTROL August 1994. Process Model Based Multivariable Control Alternatives by J.O. Perino and M.K Moran CCI and J.P.Gamez GRI, reprinted from Hydrocarbon Processing September 1994.

17. 18.

19.

KnowledgeScape manual de implementacion por Victor Machiavelo, REDCA.


35

Deteccion de Fugas

Documents

Transcript of Deteccion de Fugas