Con la utilización de modelos físicos y datos disponibles obtenidos con sensores, en tres meses se logró desarrollar un software que devela y anticipa la composición del producto que llega a través de un oleoducto de cientos de kilómetros.

​¿Cómo se logra “mirar” lo que ocurre dentro de un ducto de cientos de kilómetros, que transporta diariamente un promedio de más de 10.000 m3 de petróleo y que a lo largo de su recorrido es abastecido mediante varios puntos de inyección?

Se trata de un ducto que conecta dos extremos muy alejados entre sí y que a lo largo de su trayectoria (y a través de varios puntos de inyección) recibe petróleo de distintos yacimientos, con distinta periodicidad y diferentes características físicas. Y que en todos los casos debe cumplir una especificación determinada de calidad (porcentaje de agua de hasta el 1%). Este es uno de los numerosos problemas que tuvo que resolver el equipo de Logística en la empresa YPF y que para lograrlo recurrió a la tecnología.

LA COMPLEJIDAD DEL FLUIDO

Entonces, volvemos a nuestra pregunta: ¿cómo se logra saber lo que ocurre diariamente dentro de ese ducto? La respuesta parece obvia: se logra midiendo. Se colocan sensores a lo largo del oleoducto que capturan información sobre diferentes variables físicas. Pero, lamentablemente, con esto no alcanza. El petróleo no se comporta como “cajas” que van por una cinta transportadora. Es un fluido: su composición varía, se mezcla, tarda en desplazarse, y a veces presenta propiedades no deseadas (como, por ejemplo, mayor porcentaje de agua del estipulado). Agreguemos a esto que el fluido inyectado en una punta demora una semana aproximadamente en llegar al otro extremo. Además, ese tiempo puede variar dependiendo de los caudales de inyección en las diferentes estaciones de bombeo.

El desafío y su abordaje

La pregunta que los profesionales necesitaban responder era: ¿qué es lo que va a venir por el oleoducto? Para responderla no alcanzaba con tomar promedios o considerar el fluido como un flujo lineal con variaciones constantes. Las aproximaciones resultaban demasiado burdas como para ser usadas en la práctica. Construir un modelo físico completo de toda la longitud del ducto con sus respectivos puntos de inyección, teniendo en cuenta todas las variables, parecía una tarea ciclópea.

Y es allí cuando una combinación de modelos físicos, ciencia de datos y control automático logró el resultado. Para abordar el problema, se procesaron los datos provenientes de tres fuentes principales:

  • Datos de las garrafas, muestras de crudo, de las estaciones de inyección que se obtienen mediante un muestreador automático y que son representativas de todo el batch.
  • Datos de scrapers (dispositivos que barren los restos de sedimentos y agua acumulada en el ducto).
  • Datos de SCADA, el sistema de control automático que centraliza los sensores de variables físicas del oleoducto (presión, caudal, temperatura y sondas de medición de porcentaje de agua).

No fue esta la única pregunta que se contestó, en otros casos se graficó la información y se establecieron correlaciones entre grupos de variables, para responder preguntas concretas sobre el funcionamiento del ducto. Para esta pregunta (“¿qué va a venir?”) se quería generar una solución a largo plazo.

Lo que se propuso fue crear un modelo predictivo que permitiera visualizar la evolución en el tiempo. De esta forma, el modelo quedaría incorporado al trabajo de los profesionales del área dentro de las herramientas que usan a diario. Esto facilitaría la incorporación del modelo al proceso del negocio.

Los resultados obtenidos

En un proyecto que tuvo una duración total de menos de tres meses, mediante gráficos y correlaciones se lograron resolver las necesidades del área generando los siguientes beneficios:

  • Alertas tempranas sobre desvíos en las mediciones habituales, a partir del comportamiento de los histogramas identificando los cortes abruptos.
  • Identificación de posibles problemas de medición en estaciones de bombeo, a partir de cambios de comportamiento en las variables mensuradas.
  • Métodos de auditoría para evaluar la calidad de los controles y las muestras tomadas.
  • Planificación de cortes en los casos en que una estación esté ingresando flujos fuera de término y calcular la llegada de los batch y su composición.
  • En resumen: con el nuevo sistema, Logística podía prever el arribo de los volúmenes fuera de especificación y realizar las alertas correspondientes.

Además, para facilitar el tratamiento de los datos se desarrolló un software que implementa el modelo propuesto. Este software permite estimar con un margen de error menor del 0,6% el momento en que el scraper llega a destino y las propiedades de cada batch en función de las propiedades de los crudos inyectados en las diferentes estaciones. Este cálculo considera el caudal inyectado y la composición del material de cada inyección, entre otros. Es decir, cuando el petróleo llega a la refinería, puedo preguntar “¿cuánto de este fluido viene de la primera estación de bombeo, cuánto del segundo y de los demás, y en qué fechas y horas fueron inyectados?”. Asimismo, si sé que estoy inyectando en un determinado caudal con determinadas características, puedo estimar (con un error muy bajo) en qué momento va a llegar a la refinería. Todo esto resultó de mucha ayuda para la toma de decisiones operativas.

Este trabajo representó una base para realizar más controles en el futuro. Se puede continuar avanzando en la generación de tableros que permitan capitalizar todo lo aprendido y mejorar la previsibilidad y custody del ducto.
Un aprendizaje fundamental es que en un período de tiempo muy breve se pueden construir modelos que se incorporan en forma sencilla al proceso de negocio, agregando valor a la toma de decisiones, sin necesidad de proyectos faraónicos o de modificar completamente la forma de operar.