Una solución para predecir la corrosión en la industria de gas y petróleo

Industria
Oil & Gas
Fundación
1924
Ubicación
Empresa francesa con operaciones en Argentina

Uno de los grandes desafíos de la industria de gas y petróleo radica en bajar los costos económicos directos y ambientales de la corrosión. Este proceso puede desencadenar una serie de problemas que cuestan miles de millones de dólares al año en reparaciones, costos de capital y producción, además de poner en riesgo tanto a trabajadores como al medio ambiente, ya que la corrosión puede provocar fugas y derrames.

Junto a Total Energies desarrollamos una solución que permite predecir la corrosión en sus instalaciones y, a partir de esto, definir las estrategias de mitigación óptimas para ahorrar tiempo y dinero.

El cliente

Total Energies es una compañía multinacional con presencia en más de 130 países que emplea a más de 100.000 personas en sus operaciones alrededor del mundo.

Desde el comienzo de sus actividades en Argentina, en 1978, fue adquiriendo un rol protagónico en la exploración y producción de petróleo y gas y en el transporte y distribución de los productos derivados. Hoy, la producción de gas representa el 26% del total que se extrae en Argentina.

Total Energies apunta a ser pionera en la optimización de métodos de producción y perforación.  A través de la innovación y la I+D en robótica y tecnologías digitales, busca maximizar la eficiencia energética de sus instalaciones y, además, garantizar que no se desperdicie ni una sola gota de combustible.

El contexto

Total Energies inició su proceso de transformación energética alineándose a lo que estaba ocurriendo con otras empresas del sector. El desarrollo sustentable y afín al cuidado del medioambiente, comenzó a tener un peso cada vez mayor en su agenda productiva. Luego de emprender junto a Axonier su primer MVP de Innovación en la producción de gas, la compañía decidió incorporar nuevas soluciones de machine learning aplicadas directamente a atender los puntos más críticos de su negocio.

En el marco del desarrollo de un Discovery en el que participaron representantes de las áreas de ingeniería, producción y soluciones IT de la compañía junto al equipo de Axonier, surgió el interrogante que sirvió como punto de partida para un nuevo MVP: ¿Cómo anticiparse a las señales de desgaste de los pozos en sus explotaciones de gas y petróleo?

El desafío 

Predecir la corrosión en tuberías de producción depende, en su mayoría, de métodos empíricos para medir y detectar los niveles de corrosión de los pozos. Cada una de estas mediciones representa costos operativos de aproximadamente USD 22.000 y, a la vez, implican la intervención del pozo y su cese productivo. 

Nuestro desafío consistió en desarrollar un método no invasivo que permitiese bajar la cantidad de mediciones a realizarse anualmente, mediante la predicción de la evolución de la corrosión en cada instalación, junto a otros parámetros.

La solución

Desarrollamos un modelo de Deep Learning basado en redes neuronales en lenguaje Python 3.10 que funciona tomando parámetros comúnmente medidos como diámetro de pozo, presión, temperatura, caudal de gas, caudal de agua y nivel de Co2. Esta solución determina el nivel de corrosión presente en cada pozo a partir de información histórica, de variables recopiladas on line y de inputs geográficos particulares. Complementariamente, predice la velocidad de corrosión generando alertas según los parámetros definidos de niveles críticos.

El resultado

Esta solución le ofrece un nuevo horizonte a Total Energies en cuanto a la predicción de la corrosión en sus instalaciones productivas, permitiéndole desarrollar estrategias de mitigación de la corrosión que, además de ahorrar tiempo y dinero, representan un mejor uso de los recursos en términos económicos y ambientales.

Luego de 5 meses de trabajo, el proyecto logró un MVP que recorrió todas sus etapas de construcción y prueba, quedando operativo para 30 pozos y generando ahorros de más de USD 270.000 anuales sólo en el primer año. La solución de machine learning es escalable a la totalidad de pozos y ofrece la posibilidad de customización mediante la incorporación de nuevas variables al sistema, proyectando incrementar los ahorros para la compañía, así como las ventajas de su aplicación.

Total Energies ha sido pionera en desarrollar este tipo de modelo con tecnologías aplicadas a la explotación de gas y petróleo y sus progresos serán en beneficio de su negocio, así como también aportarán a la industria y al medio ambiente.

CASOS DE ÉXITO

Algunas de nuestras experiencias de transformación

Hacer el cambio preciso en el momento correcto

En los negocios muchas veces no hay segundas chances cuando el mercado ofrece un oportunidad para crecer. Ilolay supo cómo hacerlo.

Adopción de una cultura ágil dentro de una organización

El desafío fue más allá de transformarse como PMO, requirió generar un profundo cambio a nivel de cultura en toda la organización.

Innovación en la producción de gas

Esta solución no sólo habla de optimización y uso inteligente de los datos, sino también de cuidar los recursos del planeta.

Evolucionando la tecnología

Existía la necesidad estratégica e imperiosa de modernizar su plataforma tecnológica y optimizar los procesos internos. Era nuestro desafío.

Transformación de la Arquitectura de Venta de Banco Galicia

El objetivo consistía en encontrar la manera de resolver las necesidades de los clientes de manera estructural, para que luego se puedan ofrecer propuestas rápidas y eficaces.