Uso da distância de Mahalanobis para a detecção de rompimentos em linhas de injeção de gás

Abstract

O transporte dos mais variados fluidos através de tubulações sempre representou uma alternativa de baixo custo para a distribuição de produtos de extrema importância para a sociedade. Ademais, a tentativa constante de melhoria em processos industriais promove a busca pelo controle e minimização de perdas por vazamentos em redes de distribuição, não sendo diferente no segmento do Óleo e Gás. Devido à implementação de recentes tecnologias em unidades de exploração e produção de petróleo, incidentes relacionados com a ruptura de dutos flexíveis utilizados para a injeção de gases em reservatórios têm despertado interesse para a pesquisa sobre as causas e tentativas de mitigação dessa falha. Na área da Engenharia de Segurança de Processos, pesquisas se concentram na identificação da ocorrência dos vazamentos nas tubulações com o objetivo de minimizar as consequências provocadas pelos eventos. Contudo, abordagens que utilizem métodos estatísticos são pouco exploradas pela literatura. Dessa forma, o presente estudo propôs o cálculo da Distância de Mahalanobis, utilizado para o reconhecimento de padrões e a clusterização de bancos de dados, como método para a identificação da ocorrência de rompimentos em tubulações de transporte de gás. O algoritmo implementado para o monitoramento do processo apresentou a capacidade de identificar o rompimento das tubulações em 9 dos 10 casos e apresentou resultados de falsos positivos em 9 dos 33 desvios ou distúrbios de processo estudados. Os resultados da detecção foram comparados com a técnica de classificação por Redes Neurais a fim de avaliar, de forma comparativa, os resultados do método. Os resultados para a detecção por redes neurais apresentaram 100% de acurácia na detecção dos rompimentos, tornando-se uma alternativa promissora para a detecção da falha estudada. Também foi possível determinar que o método de detecção pelo cálculo da Distância de Mahalanobis pode ser utilizado como forma de monitoramento da ocorrência de rompimentos de risers em aplicações de injeção de gás em águas profundas desde que avaliados os limites de confiabilidade da sua detecção e os riscos associados à presença de falsos positivos.

Fluid transport through pipelines always represent a low-cost alternative for the distribution of extremely important products. Moreover, the constant pursuit for industrial process improvements promotes the search for controlling and minimizing leakages losses in distribution networks, also in Oil and Gas segment. Due to recent technologies implementation in petroleum extraction and production units, events related to rupture of riser pipelines used for gas injection in oil wells have been drawing attention of this flaw cause and possibilities of mitigating it. Process safety engineering research focus on identifying the leakage, in order to mitigate the negative effects caused by the event. However, statistical methods are rarely proposed by literature. Thus, the current study proposes a new method for leakage events identification in off-shore units flexible pipelines from Mahalanobis Distance, commonly used for pattern recognition and data base classification. The algorithm presented for the process monitoring showed a potential of rupture detection in 9 of 10 case and false positives results in 9 of 33 process’ changes. Detection results obtained were compared to Neural Network classification technic to assess the method efficiency. The results for the detection by neural networks showed 100% accuracy, making it a promising alternative for the detection of the studied failure. It was also possible to determine that the detection method by calculating the Mahalanobis Distance can be used as an alternative to monitor the occurrence of riser ruptures in deep water gas injection applications provided that the limits of reliability of its detection and risks associated with the presence of false positives.