Proposta de um Modelo para Estimar a Velocidade de Corrosão Externa em Tubulações Enterradas em Solos Argilosos

• José Faría González Centro de Estudios de Corrosión, Facultad de Ingeniería, Universidad del Zulia, Estado Zulia, Maracaibo 4001, Venezuela
• Lisseth Ocando Centro de Estudios de Corrosión, Facultad de Ingeniería, Universidad del Zulia, Estado Zulia, Maracaibo 4001, Venezuela https://orcid.org/0009-0002-7452-2605

DOI: https://doi.org/10.22209/rt.v46a16

Palavras-chave: árvore de classificação, corrosão externa, modelos de previsão, oleodutos redes neurais

Resumo

Diversos estudos destacam a necessidade urgente dentro da indústria petrolífera venezuelana de implementar alternativas viáveis na manutenção da integridade de dutos. Este estudo teve como objetivo propor um modelo para prever a velocidade de corrosão externa em dutos de transporte de petróleo bruto enterrados em um campo de produção localizado na região oeste do Estado de Zulia, Venezuela, caracterizado por solos predominantemente argilosos. Após a coleta, revisão e classificação de dados de campo que englobam parâmetros de solo e operacionais, foi realizada uma definição de variáveis de entrada e saída. Essas informações foram utilizadas para criar dois modelos, um baseado em regressão e outro em classificação. O modelo baseado em redes neurais apresentou um ajuste de regressão baixo (R2) de 6,62% e um RMSE de 2,13, sugerindo eficiência limitada devido a restrições nos dados fornecidos e no tamanho da amostra. Por outro lado, o modelo de classificação por árvore de decisão alcançou uma precisão de 98,14%, categorizando os dados de velocidade de corrosão em faixas ou níveis de severidade. Este modelo de árvore de classificação servirá como ponto inicial para futuras pesquisas que busquem uma exploração mais aprofundada nesse campo.

Referências

Agencia Nacional de Hidrocarburos. (2018). Estadísticas de Venezuela [en línea] disponible en: http://www.anh.gob.ve/estadisticas/index.php/estadisticas-venezuela [consulta: 7 julio 2023].
API 1160. (2019). Managing system integrity for hazardous liquid pipelines. Washington: American Petroleum Institute (API).
ASME B31.8S. (2020). Managing system integrity of gas pipelines. New York: The American Society of Mechanical Engineer (ASME).
Calderón, J. A., Delgado, J., Peñaranda, S. A. (2005). Análisis estadístico de los factores que intervienen en la corrosión de tuberías enterradas. Revista de la Facultad de Ingeniería Universidad de Antioquia, 34, 23-34.
De Arriba, L., Rodríguez, V., Villanueva, J., Ortega, F. (2020). Design of predictive models to estimate corrosion in buried steel structures. Sustainability, 12(23), 9879.
Ezuber, H., Alshater, A., Hossain, Z., El-Basir, A. (2020). Impact of soil characteristics and moisture content on the corrosion of underground steel pipelines. Arabian Journal for Science and Engineering, 46, 6177-6188.
Kiani-Khouzani, M., Bahrami, A., Hosseini-Abari, A., Khandouzi, M., Taheri, P. (2019). Microbiologically influenced corrosion of a pipeline in a petrochemical plant. Metals, 9(4), 459.
Kim, C., Chen, L., Wang, H., Castaneda, H. (2021). Global and local parameters for characterizing and modeling external corrosion in underground coated steel pipelines: a review of critical factors. Journal of Pipeline Science and Engineering, 1(1), 17-35.
Li, Y., He, X., Shuai, J. (2022). Risk analysis and maintenance decision making of natural gas pipelines with external corrosion based on Bayesian network. Petroleum Science, 19, 1250-1261.
Seghier, M. E. A. B., Keshtegar, B., Taleb-Berrouane, M., Abbassi, R., Nguyen-Thoi, T. (2021). Advanced intelligence frameworks for predicting maximum pitting corrosion depth in oil and gas pipelines. Process Safety and Environmental Protection, 147, 818-833.
Song, Y., Wang, Q., Zhang, X., Dong, L., Bai, S., Zeng, D., Zhang, Z., Zhang, H., Xi, Y. (2023). Interpretable machine learning for maximum corrosion depth and influence factor analysis. NPJ Mater Degradation, 7(1), 9.
UNIR. (2021). Árboles de decisión: en qué consisten y aplicación en Big Data [en línea] disponible en: https://www.unir.net/ingenieria/revista/arboles-de-decision [consulta: 7 julio 2023].
Xu, M., Liang, H., Liu, Y., Asselin, E. (2021). Predicting the external corrosion rate of X60 pipeline steel: a mathematical model. Metals, 1(4), 583.
Zakikhani, K., Nasiri, F., Zayed, T. (2021). A failure prediction model for corrosion in gas transmission pipelines. Proceedings of the Institution of Mechanical Engineers, Part O: Journal of Risk and Reliability, 235(3), 374-390.