Identificación de patrones de flujo bifásico conformado por aceite lubricante y agua en tuberías verticales aplicando técnicas de inteligencia artificial

dc.contributor.advisorGonzález Estrada, Octavio Andrés
dc.contributor.advisorRuiz Diaz, Carlos Mauricio
dc.contributor.advisorHernández Cely, Marlon Mauricio
dc.contributor.authorQuispe Suarez, Brayan Gonzalo
dc.contributor.evaluatorAmaris Castilla, Carlos Fidel
dc.contributor.evaluatorFuentes Díaz, David Alfredo
dc.date.accessioned2022-11-17T13:27:31Z
dc.date.available2022-11-17T13:27:31Z
dc.date.created2022-11-15
dc.date.issued2022-11-15
dc.description.abstractLa estructuración de mapas de flujo en la industria de hidrocarburos se ha desarrollado a partir de correlaciones empíricas que integran características del flujo, como velocidades superficiales y fracciones volumétricas, en conjunto con propiedades físicas de las sustancias en análisis como densidad y viscosidad, además de utilizar parámetros geométricos como la inclinación y el diámetro interno de las tuberías. En la actualidad, se han desarrollado avances tecnológicos que permiten optimizar el proceso de identificación de patrones de flujo, a partir de la implementación de técnicas de inteligencia artificial, debido a que existen limitaciones para monitorear el patrón de flujo generado al interior de las tuberías de las plataformas instaladas en altamar, dadas las condiciones de trabajo extremas que allí se presentan. En este estudio se desarrolló una red neuronal recurrente de memoria a largo y corto plazo (LSTM), capaz de predecir los patrones de flujo generados al interior de tuberías verticales. La red LSTM fue entrenada y posteriormente validada con la información contenida en una base de datos obtenida de la literatura, mostrando un error generado en las predicciones del modelo inferior al 1%.
dc.description.abstractenglishFlow map structuring in the hydrocarbon industry has been developed from empirical correlations that integrate flow characteristics such as surface velocities and volume fractions, together with physical properties of the substances under analysis such as density and viscosity, and geometric parameters such as pipe inclination and internal diameter. Currently, technological advances have been developed to optimize the process of identifying flow patterns, from the implementation of artificial intelligence techniques, because there are limitations to monitor the flow pattern generated inside the pipes of offshore platforms, given the extreme working conditions that occur there. In this study, a long-short term memory network (LSTM) was developed in free software, capable of predicting the flow patterns generated inside vertical pipes. The LSTM network was trained and then validated with the information contained in a database obtained from the literature, showing an error generated in the prediction model less than 1%.
dc.description.degreelevelPregrado
dc.description.degreenameIngeniero Mecánico
dc.format.mimetypeapplication/pdf
dc.identifier.instnameUniversidad Industrial de Santander
dc.identifier.reponameUniversidad Industrial de Santander
dc.identifier.repourlhttps://noesis.uis.edu.co
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/12163
dc.language.isospa
dc.publisherUniversidad Industrial de Santander
dc.publisher.facultyFacultad de Ingeníerias Fisicomecánicas
dc.publisher.programIngeniería Mecánica
dc.publisher.schoolEscuela de Ingeniería Mecánica
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectLSTM
dc.subjectRedes neuronales recurrentes
dc.subjectFlujo bifásico líquido-líquido
dc.subjectPatrones de flujo
dc.subject.keywordLSTM
dc.subject.keywordRecurrent neural networks
dc.subject.keywordLiquid-liquid two-phase flow
dc.subject.keywordFlow pattern
dc.titleIdentificación de patrones de flujo bifásico conformado por aceite lubricante y agua en tuberías verticales aplicando técnicas de inteligencia artificial
dc.title.englishIdentification of two-phases flow patterns made up of lubricating oil and water in vertical pipes applying artificial intelligence techniques
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bcce
dc.type.localTesis/Trabajo de grado - Monografía - Pregrado
dspace.entity.type
Files