Estimación de la velocidad de corrosión interna en un acero api 5l grado b de producción, utilizando una técnica neurofuzzy
| dc.contributor.advisor | Pena Ballesteros, Dario Yesid | |
| dc.contributor.author | Ordoñez Rodríguez, Rubiel | |
| dc.date.accessioned | 2024-03-03T16:18:46Z | |
| dc.date.available | 2006 | |
| dc.date.available | 2024-03-03T16:18:46Z | |
| dc.date.created | 2006 | |
| dc.date.issued | 2006 | |
| dc.description.abstract | Se propone una metodología neurofuzzy, para mejorar los resultados e interpretación de los modelos de corrosión interna en tuberías de producción de crudo (aceros API 5L Grado B), obtenidos mediante la aplicación de redes neuronales artificiales o técnicas basadas en regresiones lineales. El modelo permite estimar la velocidad de corrosión interna del acero al carbono en (mpy), utilizando como datos de entrada: el %BSW, el contenido de Fe, CO2 y H2S, el pH de la solución, la salinidad. El modelado se realizo mediante sistema adaptativo neuro difuso ANFIS, que es un hibrido derivado de las redes neuronales y la lógica difusa. Existen diferentes formas de combinar las redes neuronales y la lógica difusa, debido a flexibilidad que presentan ambas técnicas. Esto ha permitido la generación de múltiples combinaciones, cada una con diferente grado de integración entre las técnicas, pero dentro de estas posibles combinaciones se destaca un sistema híbrido conocido como ANFIS, que conserva las principales características de cada técnica y supera las principales desventajas de las mismas. En el presente trabajo, el procedimiento experimental consiste en el entrenamiento y evaluación de diferentes configuraciones para el ANFIS, con la finalidad de encontrar la mejor configuración que permita alcanzar un equilibrio entre el nivel de error y el número de reglas del sistema. El entrenamiento es la fase de aprendizaje, se realiza mediante la presentación iterada de los datos al ANFIS. En el entrenamiento es donde el experto suministra su conocimiento y experiencia, mediante una adecuada selección del tipo y número de funciones de pertenencia (FP), en cada variable de entrada. Aquí se hicieron pruebas con más de diez tipos de configuraciones, casi todas brindaron buenos resultados. | |
| dc.description.abstractenglish | A proposal of a neurofuzzy methodology to improve the results and interpretation of themodels of internal corrosion into pipes of oil production (Steel API 5L Degree B), obtained bymeans of the application of artificial neural networks or techniques based on the linealregressions. The model allows to estimate the corrosion speed of carbon steel (mpy), usingas inputs the %BSW, Fe dissolver, CO2 y H2S, pH of the solution, and salts. The modelingwas carried out by means of ANFIS that is a hybrid derived from the neural networks and thefuzzy logic. Different forms exist of combining the neural networks and the fuzzy logic, due to theflexibility that is present in both techniques. This has allowed the generation of multiplecombinations, each one with different integration grades among the techniques, but withinthese possible combinations stands out a well-known hybrid system as ANFIS that conservesthe main characteristics of each technique and it overcomes the main disadvantages of thesame ones. The experimental procedure consists on the training and evaluation of different configurationsfor the ANFIS, with the purpose of finding the best configuration that allows to reach abalance between the error level and the number of rules of the system. The training is thelearning phase, it is carried out by means of the presentation taken out from the data to theANFIS. In the training it is where the expert gives his knowledge and experience, by meansof an appropriate selection of the type and number of membership functions (MF), in eachinput variable. Here tests were made with more than ten types of configurations, almost alloffered good results. 1. | |
| dc.description.degreelevel | Maestría | |
| dc.description.degreename | Magíster en Ingeniería Metalúrgica | |
| dc.format.mimetype | application/pdf | |
| dc.identifier.instname | Universidad Industrial de Santander | |
| dc.identifier.reponame | Universidad Industrial de Santander | |
| dc.identifier.repourl | https://noesis.uis.edu.co | |
| dc.identifier.uri | https://noesis.uis.edu.co/handle/20.500.14071/19442 | |
| dc.language.iso | spa | |
| dc.publisher | Universidad Industrial de Santander | |
| dc.publisher.faculty | Facultad de Ingenierías Fisicoquímicas | |
| dc.publisher.program | Maestría en Ingeniería Metalúrgica | |
| dc.publisher.school | Escuela de Ingeniería Metalúrgica y Ciencia de Materiales | |
| dc.rights | http://creativecommons.org/licenses/by/4.0/ | |
| dc.rights.accessrights | info:eu-repo/semantics/openAccess | |
| dc.rights.creativecommons | Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) | |
| dc.rights.license | Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0 | |
| dc.subject | Corrosión Interna | |
| dc.subject | Lógica difusa | |
| dc.subject | Petróleo crudo | |
| dc.subject | CO2 y H2S. | |
| dc.subject.keyword | Internal corrosion | |
| dc.subject.keyword | Fuzzy Logic | |
| dc.subject.keyword | Oil | |
| dc.subject.keyword | CO and HS. | |
| dc.title | Estimación de la velocidad de corrosión interna en un acero api 5l grado b de producción, utilizando una técnica neurofuzzy | |
| dc.title.english | Modelling the process of internal corrosion by means of neurofuzzy | |
| dc.type.coar | http://purl.org/coar/version/c_b1a7d7d4d402bcce | |
| dc.type.hasversion | http://purl.org/coar/resource_type/c_bdcc | |
| dc.type.local | Tesis/Trabajo de grado - Monografía - Maestria |