{"id":399975,"date":"2021-07-13T13:41:35","date_gmt":"2021-07-13T16:41:35","guid":{"rendered":"https:\/\/revistapesquisa.fapesp.br\/?p=399975"},"modified":"2021-07-13T13:41:35","modified_gmt":"2021-07-13T16:41:35","slug":"produccion-mas-eficaz-en-el-presal","status":"publish","type":"post","link":"https:\/\/revistapesquisa.fapesp.br\/es\/produccion-mas-eficaz-en-el-presal\/","title":{"rendered":"Producci\u00f3n m\u00e1s eficaz en el presal"},"content":{"rendered":"<p>Una metodolog\u00eda computacional h\u00edbrida que combina la mec\u00e1nica de fluidos con la inteligencia artificial, desarrollada por la Escuela de Ingenier\u00eda de S\u00e3o Carlos en la Universidad de S\u00e3o Paulo (Eesc-USP) podr\u00eda facilitar una de las tareas m\u00e1s complejas inherentes a la extracci\u00f3n de petr\u00f3leo en aguas profundas y ultraprofundas: la gesti\u00f3n del flujo de petr\u00f3leo y gas natural desde el pozo hasta las plataformas petroleras flotantes. La alteraci\u00f3n brusca del flujo puede desencadenar accidentes con graves implicaciones ambientales y econ\u00f3micas.<\/p>\n<p>El petr\u00f3leo y el gas natural fluyen junto con diferentes combinaciones de di\u00f3xido de carbono (CO<sub>2<\/sub>) y agua, habitualmente presentes en los yacimientos, a trav\u00e9s de largas tuber\u00edas \u2013denominadas <em>risers<\/em>\u2013 hasta las plataformas, donde se separan. A este flujo se lo denomina multif\u00e1sico, que es cuando uno o m\u00e1s fluidos y uno o m\u00e1s gases se transportan simult\u00e1neamente. El recorrido, que en el presal puede superar los 7.000 metros, est\u00e1 monitoreado con sensores controlados desde la plataforma por sistemas computacionales capaces de correlacionar datos y reconocer patrones, normalmente mediante redes neurales artificiales.<\/p>\n<p>Cuando se detectan desviaciones en las normas establecidas, el sistema emite alertas para que los operarios de la plataforma puedan tomar las medidas necesarias a los efectos de evitar una situaci\u00f3n cr\u00edtica, como la rotura de un <em>riser<\/em>. \u201cCuanto m\u00e1s precisos sean los datos que alimentan el sistema, m\u00e1s r\u00e1pido se detectar\u00e1n las anomal\u00edas y se tomar\u00e1n medidas correctivas, dice el ingeniero Oscar Maur\u00edcio Hern\u00e1ndez Rodr\u00edguez, del Departamento de Ingenier\u00eda Mec\u00e1nica (DEM) de la Eesc-USP y coordinador de la investigaci\u00f3n.<\/p>\n<p>Seg\u00fan Hern\u00e1ndez Rodr\u00edguez, actualmente, las previsiones y el seguimiento de la producci\u00f3n se realizan con c\u00f3digos inform\u00e1ticos que utilizan modelos matem\u00e1ticos basados en las leyes de la f\u00edsica que rigen la mec\u00e1nica de los fluidos. \u201cSon expresiones matem\u00e1ticas que no pueden predecir con exactitud las diferentes composiciones de fluidos y gases en cada pozo y su comportamiento durante el flujo en diferentes reg\u00edmenes de presi\u00f3n y temperatura\u201d, explica el ingeniero.<\/p>\n<p>La t\u00e9cnica desarrollada en la USP para perfeccionar los c\u00f3digos inform\u00e1ticos existentes se basa en el aprendizaje de m\u00e1quinas, una rama de la inteligencia artificial. Para ello, se utilizan los datos recogidos sobre el terreno, como la informaci\u00f3n espec\u00edfica sobre el escurrimiento de un pozo concreto, y en el laboratorio. Esta informaci\u00f3n se complementa con las predicciones de los modelos f\u00edsicos basados en las leyes de la mec\u00e1nica de fluidos. El resultado es un repositorio capaz de entrenar la red neural artificial con datos espec\u00edficos de cada pozo.<\/p>\n<p>Hern\u00e1ndez Rodr\u00edguez informa de que la inteligencia artificial necesitar\u00eda por s\u00ed sola una base de datos gigantesca con la informaci\u00f3n recabada en a\u00f1os de producci\u00f3n para poder establecer un patr\u00f3n reconocible. \u201cLas soluciones h\u00edbridas que combinan la mec\u00e1nica de fluidos y el aprendizaje autom\u00e1tico constituir\u00e1n la tendencia en la industria petrolera de los pr\u00f3ximos a\u00f1os\u201d, dice. Un art\u00edculo en el que se detalla la investigaci\u00f3n sali\u00f3 publicado en el <em>Journal of Fluids Engineering<\/em> de la Sociedad Americana de Ingenieros Mec\u00e1nicos (Asme).<\/p>\n<p>Existen varios factores que hacen que la tarea de definir los patrones de flujo de un pozo de petr\u00f3leo sea compleja, analiza Antonio Carlos Bannwart, de la Escuela de Ingenier\u00eda Mec\u00e1nica de la Universidad de Campinas (FEM-Unicamp) y coordinador del Centro de Investigaci\u00f3n en Ingenier\u00eda y Producci\u00f3n de Energ\u00eda e Innovaci\u00f3n (CPE-Epic), financiado por la FAPESP. El primero es que no hay un solo tipo de petr\u00f3leo, sino varios, con diferentes densidades y contenidos de azufre. Adem\u00e1s, cada pozo est\u00e1 compuesto por distintas combinaciones de petr\u00f3leo, gas natural, CO<sub>2<\/sub> y agua, lo que complica la tarea de establecer la composici\u00f3n del yacimiento.<\/p>\n<p>Otro factor es que cada uno de estos fluidos tiene un comportamiento termodin\u00e1mico que var\u00eda seg\u00fan las condiciones de presi\u00f3n y temperatura. En un mismo pozo en aguas ultraprofundas, la presi\u00f3n puede variar entre 500 y 600 bares \u2013entre 500 y 600 veces m\u00e1s que la presi\u00f3n atmosf\u00e9rica a nivel del mar\u2013 y la temperatura supera los 40 grados Celsius. Bajo estas condiciones, el petr\u00f3leo puede solidificarse o formar cristales, y el gas pasa al estado supercr\u00edtico, en el que no hay distinci\u00f3n entre los estados l\u00edquido y gaseoso. \u201cEstos fluidos ser\u00e1n transportados a las plataformas enfrent\u00e1ndose a constantes cambios de presi\u00f3n y temperatura. Estas alteraciones hacen que los fluidos tengan configuraciones geom\u00e9tricas distintas en cada etapa del flujo\u201d, explica Bannwart.<\/p>\n<p>Aunque los accidentes con los <em>risers<\/em> son inusuales, la Agencia Nacional del Petr\u00f3leo, Gas Natural y Biocombustibles (ANP) ha registrado al menos dos casos desde el inicio de la explotaci\u00f3n del presal, en 2017 y en 2020. Seg\u00fan dicha agencia, no hubo da\u00f1os ambientales, ya que los pozos pudieron cerrarse a tiempo gracias al sistema de seguridad de las plataformas respectivas. El control del flujo de salida de la producci\u00f3n en un pozo de petr\u00f3leo se realiza mediante la operaci\u00f3n de un conjunto de v\u00e1lvulas que conforman un dispositivo conocido como \u00e1rbol de Navidad, cuya tarea consiste en establecer el flujo hacia los <em>risers<\/em>. Son estas las v\u00e1lvulas que deben cerrarse inmediatamente en caso de accidentes.<\/p>\n<p>Las v\u00e1lvulas instaladas en los campos del presal fueron dise\u00f1adas para durar 15 a\u00f1os, pero en la pr\u00e1ctica, su vida \u00fatil promedio es mucho m\u00e1s breve, dijo Hern\u00e1ndez Rodr\u00edguez. Seg\u00fan informa una gran empresa que opera en el presal, las v\u00e1lvulas requieren gastos de mantenimiento anuales de m\u00e1s de doscientos millones de d\u00f3lares, sin contar las p\u00e9rdidas derivadas de la necesaria interrupci\u00f3n de la producci\u00f3n. Ese perjuicio, eval\u00faa el ingeniero, puede mitigarse en parte con un dimensionamiento m\u00e1s preciso del escurrimiento est\u00e1ndar de los fluidos. \u201cCreemos que as\u00ed ser\u00e1 posible anticiparse a los problemas, saber cu\u00e1les son las v\u00e1lvulas que est\u00e1n sometidas a un r\u00e9gimen de funcionamiento m\u00e1s exigente y requieren una intervenci\u00f3n\u201d, sostiene.<\/p>\n<p>Otra aplicaci\u00f3n de la t\u00e9cnica desarrollada en la USP capaz de generar dividendos econ\u00f3micos es que proporcionan informaci\u00f3n m\u00e1s precisa para el desarrollo de proyectos de exploraci\u00f3n de nuevos pozos. En la actualidad, se utilizan como referencia modelos matem\u00e1ticos est\u00e1ndar de la industria, que simulan el potencial de extracci\u00f3n para per\u00edodos superiores a 25 a\u00f1os. La t\u00e9cnica h\u00edbrida de la Eesc realiza simulaciones con los datos recabados en cada yacimiento, lo que permite un dimensionamiento m\u00e1s adecuado de los equipos y de su vida \u00fatil.<\/p>\n<p>El Laboratorio de Escurrimientos Multif\u00e1sicos Industriales (Lemi) del Eesc ya est\u00e1 trabajando en los primeros modelos h\u00edbridos que se aplicar\u00e1n en los sistemas computarizados que monitorean el flujo de petr\u00f3leo y gas en las plataformas de Petrobras en el presal. Las pruebas con ese sistema est\u00e1n previstas para llevarse a cabo en el segundo semestre de este a\u00f1o. Ante una consulta efectuada por <em>Pesquisa FAPESP<\/em>, la empresa no se manifest\u00f3 sobre los ensayos y la nueva tecnolog\u00eda.<\/p>\n<p>Petrobras es la principal financista de la investigaci\u00f3n, cuyo presupuesto asciende a la suma de 3,95 millones de reales. La empresa estatal cubre 3,77 millones de reales y el resto proviene de la USP (62.400 reales), del Consejo Nacional de Desarrollo Cient\u00edfico y Tecnol\u00f3gico (79.200 reales) y de la FAPESP, que financi\u00f3 cuatro becas de iniciaci\u00f3n a la investigaci\u00f3n cient\u00edfica, por un total de 37.000 reales. \u201cLos becarios han realizado aportes importantes al aplicar t\u00e9cnicas innovadoras de colecta de informaci\u00f3n para alimentar la base de datos\u201d, dice Hern\u00e1ndez Rodr\u00edguez. En los pr\u00f3ximos meses, la USP y Petrobras tienen previsto presentar una solicitud de patente internacional compartida para la nueva t\u00e9cnica.<\/p>\n<p class=\"bibliografia separador-bibliografia\"><strong>Art\u00edculo cient\u00edfico<\/strong><br \/>\nQUINTINO, A. M. <em>et al.<\/em> <a href=\"https:\/\/asmedigitalcollection.asme.org\/fluidsengineering\/article-abstract\/143\/3\/031401\/1089017\/Flow-Pattern-Transition-in-Pipes-Using-Data-Driven?redirectedFrom=fulltext\" target=\"_blank\" rel=\"noopener\">Flow pattern transition in pipes using data-driven and physics-informed machine learning<\/a>. <strong>Journal of Fluids Engineering<\/strong>. mar. 2021.<\/p>\n","protected":false},"excerpt":{"rendered":"Una nueva t\u00e9cnica podr\u00eda facilitar el flujo de crudo y gas natural de los pozos hacia las plataformas","protected":false},"author":538,"featured_media":400272,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_exactmetrics_skip_tracking":false,"_exactmetrics_sitenote_active":false,"_exactmetrics_sitenote_note":"","_exactmetrics_sitenote_category":0,"footnotes":""},"categories":[192],"tags":[297],"coauthors":[1346],"class_list":["post-399975","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia-es","tag-ingenieria"],"acf":[],"_links":{"self":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/399975","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/users\/538"}],"replies":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/comments?post=399975"}],"version-history":[{"count":3,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/399975\/revisions"}],"predecessor-version":[{"id":401399,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/posts\/399975\/revisions\/401399"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media\/400272"}],"wp:attachment":[{"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/media?parent=399975"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/categories?post=399975"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/tags?post=399975"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/revistapesquisa.fapesp.br\/es\/wp-json\/wp\/v2\/coauthors?post=399975"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}