Blog

Jul 20, 2023

Predicción de fallas en válvulas de compresores alternativos mediante tecnología digital

El tiempo de inactividad no planificado es uno de los mayores puntos débiles para la industria

El tiempo de inactividad no planificado es uno de los mayores puntos débiles para los fabricantes industriales en la actualidad, y les cuesta aproximadamente $ 50 mil millones cada año. Los costos del tiempo de inactividad son aún más conmovedores 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 midstream y upstream requiere una operación continua de compresores alternativos de relación de alta presión para alcanzar las presiones de la tubería. 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 mantenimiento, los operadores con frecuencia no tienen más remedio 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 pronosticando fallas en los equipos con anticipación y detectando las fallas antes de que provoquen paradas no programadas. 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. Si bien el monitoreo de la condición de las válvulas de los compresores alternativos existe desde hace mucho tiempo, la tecnología adecuada para predecir las fallas de las válvulas ha tardado en madurar. Las mejores soluciones disponibles generalmente solo brindan alerta temprana. Predecir las fallas de las válvulas del compresor es difícil principalmente por dos razones:

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

Con la quinta edición de la norma 670 del Instituto Americano del Petróleo (API), los requisitos específicos para los fabricantes de equipos originales (OEM) para incluir disposiciones para puntos de monitoreo han permitido y fomentado 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 del ciclista, el desgaste de la cruceta, las fallas de los cojinetes y más. En particular, los sensores de ángulo del cigüeñal y el monitoreo de la presión en el cilindro, junto con el análisis de presión-volumen, permiten la detección y el diagnóstico de fallas en las válvulas, fugas en el empaque y el anillo del pistón 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 incorporadas para la instrumentación de monitoreo de condición de acuerdo con los estándares API, muchos no están actualmente instrumentados, particularmente los equipos más antiguos.

La reconversión 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, CBM y PdM pueden habilitarse al reducir los costos asociados con la instalación de sistemas de monitoreo en equipos que ya están en servicio. Usando un enfoque híbrido de modelos basados ​​en la física y algoritmos de aprendizaje automático, pueden ser necesarios menos puntos de monitoreo para lograr el mismo valor para un programa CBM o PdM. Con el uso de hardware de detección y adquisición de datos de alta frecuencia más nuevo, se puede extraer más información de las señales monitoreadas, lo que proporciona una mejor comprensión de la condición 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 una mayor claridad sobre cuándo y dónde aplicar el mantenimiento, lo que aumenta el valor de su programa PdM.

Se implementó un algoritmo de pronóstico en los compresores instrumentados para predecir la vida útil remanente (RUL) de las válvulas del compresor. El algoritmo de pronóstico proporciona una advertencia mucho más temprana de futuras fallas en las 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 con el tiempo un ejemplo de una falla que progresó en el transcurso de 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 haya desviado significativamente de la condición saludable.

Muy a menudo, las fallas de 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 las alertas se pueden activar con confianza, normalmente 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 de umbral de advertencia (línea horizontal roja). Las primeras alertas pueden haber sido interpretadas como falsos positivos ya que el daño aún no era significativo. Sin embargo, como se ve en la Imagen 3, las alertas de advertencia posteriores ocurrieron solo unos días antes de la falla, mientras que el pronosticador predijo con precisión que el final de la vida útil estaba solo a unos días de distancia. A medida que avanza el tiempo y el algoritmo de pronóstico consume más historial de la falla creciente, la fecha de falla estimada se vuelve más estable y la predicción más precisa.

Antes de la implementación de la solución de pronóstico de válvulas, la compañía petrolera dependía de la medición periódica de las temperaturas de las tapas de las válvulas con equipos portátiles para determinar si había una válvula con fugas. Normalmente, se esperaba que estas mediciones se realizaran diariamente, pero no siempre era así, según la carga de trabajo y las prioridades diarias de mantenimiento. 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 el monitoreo periódico se combinó con la solución de pronóstico, la compañía petrolera pudo ver una ventana de advertencia de cinco a siete días sobre la falla del equipo. Esto ha permitido al personal de mantenimiento planificar el trabajo y mantener los requisitos más urgentes utilizando menos personal. Además, la advertencia temprana de falla de la válvula permite realizar el mantenimiento durante los turnos cuando el tiempo de inactividad es menos costoso.

Históricamente, predecir las fallas de 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 después de que ya se hayan desarrollado, lo que obliga al personal de mantenimiento a reaccionar ante las fallas de las válvulas después de que ocurran. Además, la instalación del equipo y la instrumentación necesarios para el control del estado, por no hablar de los pronósticos, suele ser una propuesta costosa. Sin embargo, con la combinación adecuada de algoritmos basados ​​en la física y basados ​​en datos y la aplicación de tecnología de pronóstico de vanguardia, se puede lograr la predicción de fallas en las válvulas antes de que sean detectables normalmente con los medios tradicionales.

Una compañía petrolera opera una planta de procesamiento en la Cuenca Pérmica como parte de sus operaciones de gas natural midstream. La planta de procesamiento contiene varios compresores alternativos para comprimir gas natural dulce y amargo a presiones de tubería. 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. Los compresores instrumentados eran todos reacondicionados de 4 tiros y 3 etapas. Para predecir la fuga de la válvula, se utilizó un enfoque híbrido basado en la física y basado en 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 era validar el rendimiento de un nuevo enfoque para predecir fugas en válvulas utilizando un análisis de presión-volumen que no requiere una señal de ángulo del cigüeñal. Esto se logró comparando el nuevo enfoque con un enfoque más tradicional.

Se presentaron varios desafíos que dificultaron la reconversión 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 la instrumentación de medición del ángulo del cigüeñal a menudo no están disponibles en el mercado y generalmente requieren varias semanas o meses de tiempo de adquisición.

Además, la actualización de un compresor alternativo para la medición del ángulo del cigüeñal requiere varias horas de tiempo de instalación para limpiar la ubicación de instalación, instalar la banda multieventos, alinearla con el punto muerto superior e instalar el sensor de posición con soportes personalizados para usar solo ubicaciones de tomas 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 costo del hardware era prohibitivo. Por lo tanto, eliminar la necesidad de mediciones del 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 de un cilindro normalmente se sincroniza con la posición angular medida por un sensor de ángulo del cigüeñal. Entonces se puede calcular el volumen de gas comprimido en función de la posición angular. La fuga se calcula comparando la termodinámica medida de la presión frente al 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 la física y basado en datos. 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 de la señal de presión del cilindro, eliminando así la necesidad de un sensor de ángulo de 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, las predicciones de fallas se pueden hacer con la señal estimada en lugar de la señal real, con poca pérdida en el rendimiento.

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