FACULTAD DE INGENIERÍA Y

DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Modelo Probabilístico

Grupo B01 – Subgrupo 4

Emerson José Rodríguez Castellar (ejoserodriguez)

Facultad de Innovación e ingeniería, Universidad Politécnico Grancolombiano

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

Programación Estocástica -2024

Tutor Martha Suarez Rincón

11 de septiembre de 2024
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Contenido

1. SEMANA 3 – PRIMERA ENTREGA .................................................................... 3

Definición de la variable aleatoria a modelar .................................................................... 4

Análisis de parámetros estadísticos ................................................................................... 5

2. Análisis segunda entrega ....................................................................................... 8

5. Conclusión ............................................................................................................. 21
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Introducción

El presente trabajo se enfoca en el desarrollo de un modelo probabilístico para simular el

funcionamiento de un sistema de protección hidráulico en una torre de extracción de crudo.
El objetivo principal es utilizar las Cadenas de Markov en Tiempo Continuo (CMTC) para
representar el comportamiento de las válvulas de seguridad del sistema, cuya correcta
operación es crítica para evitar derrames de crudo y garantizar la eficiencia operativa. Este
tipo de modelo es particularmente útil en situaciones donde la incertidumbre es un factor
clave, como en los procesos industriales con equipos que requieren mantenimiento
periódico y presentan tasas variables de fallos.

Para construir el modelo, se realizará un análisis exhaustivo de los datos históricos

proporcionados, los cuales incluyen tasas de fallos y revisiones de las válvulas del sistema.
El uso de pruebas estadísticas permitirá justificar la selección de distribuciones de
probabilidad apropiadas para cada variable involucrada en el proceso. Una vez
parametrizado el modelo, se aplicará a un sistema simplificado de 10 válvulas, donde se
calcularán las probabilidades de fallos y revisiones a corto plazo, así como las métricas de
estado estable para prever el comportamiento futuro del sistema.

Finalmente, se llevará a cabo un análisis económico de largo plazo para evaluar el

impacto de las fallas del sistema en los ingresos netos de la torre de extracción. A partir de
este análisis, se presentarán conclusiones y recomendaciones que busquen optimizar la
operación del sistema de protección hidráulico, mejorando su confiabilidad y reduciendo
los costos asociados a las fallas. Este informe tiene como objetivo proporcionar una visión
clara del desempeño del sistema y ofrecer soluciones prácticas para su mejora continua.
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Objetivos

• Desarrollar un modelo estadístico probabilístico que refleje el comportamiento

del sistema de protección hidráulico, justificando las distribuciones de
probabilidad seleccionadas a partir del análisis de los datos de entrada.
• entrega: Aplicar el modelo al escenario de 10 válvulas, calculando las
probabilidades y valores esperados para el funcionamiento a corto plazo,
utilizando la matriz de tasas y tiempos de ocupación.
• Efectuar un análisis de estado estable del sistema y un estudio económico a largo
plazo, proporcionando conclusiones y sugerencias para optimizar el sistema de
protección hidráulico.

1. SEMANA 3 – PRIMERA ENTREGA

Definición de la variable aleatoria a modelar

Numero de eventos por unidad de tiempo o tiempo entre ocurrencia de los eventos:

Fallas registradas en las válvulas por periodo

Año Válvula Válvula Válvula Válvula Válvula Válvula Válvula Válvula Válvula Válvula
1 2 3 4 5 6 7 8 9 10
1960 3 2 2 7 5 1 1 7 4 6
1961 3 1 4 4 2 3 3 3 5 4
1962 9 3 2 5 3 2 2 7 7 3
1963 4 5 2 8 3 1 1 4 7 6
1964 6 2 2 7 6 2 2 3 7 6
1965 1 6 1 2 1 2 2 0 0 9
1966 4 3 4 2 0 3 3 2 8 8
1967 6 3 1 4 5 4 4 4 4 6
1968 5 4 3 4 5 3 3 7 9 7
1969 3 2 6 2 5 2 2 7 4 3
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1970 3 3 0 4 3 2 2 4 6 4
1971 3 4 2 9 4 3 3 2 8 6
1972 3 3 1 4 6 1 1 7 4 5
1973 1 6 0 1 2 1 1 8 7 5
1974 6 5 0 7 4 1 1 7 5 4
1975 4 1 0 2 4 1 1 5 7 7
1976 2 0 0 6 6 2 2 3 8 0
1980 2 4 4 3 1 3 3 0 0 0
1981 4 2 0 0 4 3 3 0 0 0
1982 2 2 1 1 5 3 3 0 0 0
1983 1 2 4 4 7 3 3 0 0 0
1984 3 7 2 3 8 3 3 0 0 0
1985 2 2 2 0 0 2 2 0 0 0
1986 2 5 3 0 0 0 0 0 0 0
1987 4 2 3 0 0 0 0 0 0 0
1988 1 1 2 0 0 0 0 0 0 0
1989 2 2 0 0 0 0 0 0 0 0
1990 3 1 3 0 0 2 2 0 0 0
1991 2 4 0 0 0 1 1 0 0 0
1992 2 4 2 0 0 3 3 0 0 0
1993 4 2 4 0 0 2 2 0 0 0
Total 100 93 60 89 89 59 59 80 100 89
Promedio 3,23 3,00 1,94 2,87 2,87 1,90 1,90 2,58 3,23 2,87
Varianza 3,08 2,77 2,45 7,40 6,18 1,18 1,18 8,37 11,14 9,14
Desviación 1,78 1,69 1,59 2,77 2,53 1,11 1,11 2,94 3,39 3,07
Estándar

Análisis de parámetros estadísticos

V1 V2
Promedio fallas año 3,30 Promedio fallas año
Varianza 5 Varianza
Desviación Estandar 2 Desviación Estandar

Se define los datos estadísticos relevantes como media, varianza y desviación estándar
con el fin de conocer el comportamiento de cada válvula en cuanto fallas promedio por año,
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

con que frecuencia, desviación de los datos, este proceso se repite para las 10 válvulas y
permite evaluar la válvula que más fallas presenta en promedio durante un año de
funcionamiento.

Prueba de bondad para ajuste de datos (Distribución Poisson, prueba chi cuadrado)

Fallas: mediante el uso de la distribución Poisson y un estadístico o valor de chi crítico

con un 95% de confianza se determina el comportamiento en general de las válvulas
durante sus años de funcionamiento dando el siguiente resultado:

Resumen de fallas
Válvula Probabilidad
Válvula 1 10,39
Válvula 2 1,76
Válvula 3 5,15
Válvula 4 2,01
Válvula 5 6,43
Válvula 6 6,39
Válvula 7 7,96
Válvula 8 3,73
Válvula 9 2,01
Válvula 10 10,03
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Con un 95% de confianza los datos analizados para el promedio de fallas en cada
válvula y su distribución probabilística se ajustan a una distribución Poisson, en todas las
válvulas el estadístico de prueba es menor el valor crítico de Chi, por lo cual cae en zona de
aceptación.

Revisiones: en un modelo similar, pero en este caso para la frecuencia de las revisiones
se obtuvieron los siguientes resultados:
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Resumen revisiones
Válvula Probabilidad
Válvula 1 106,44
Válvula 2 41,19
Válvula 3 39,32
Válvula 4 12,72
Válvula 5 123,32
Válvula 6 48,47
Válvula 7 33,55
Válvula 8 93,13
Válvula 9 170,16
Válvula 10 100,40

En el caso de las revisiones los valores del estadístico de prueba en todas las válvulas
son mayor al valor crítico de chi, por lo cual con un 95% de confianza se puede establecer
que el comportamiento y promedio de tiempo entre las revisiones de cada válvula no
presenta una distribución Poisson.

2. Análisis segunda entrega

Análisis Estadístico De Fallas
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Se presentan a continuación los resultados del análisis estadístico de las fallas de las
válvulas, incluyendo los valores de media, mediana y varianza:

Resultado de Media, Mediana y Varianza

Las válvulas 3 y 7 presentan una media y varianza altas (182,48 y 49454,54), lo que
indica que fallan con mayor frecuencia y su rendimiento es más variable. Por otro lado, las
válvulas 1 y 2 también tienen valores elevados de media y varianza (121,65 y 21979,79),
aunque son menores comparadas con las válvulas 3 y 7. Las válvulas 4, 5 y 6 tienen medias
y varianzas más bajas (91,24 y 12363,63), lo que sugiere un funcionamiento más estable.
Finalmente, las válvulas 8, 9 y 10 presentan los valores más bajos (72,99 y 7912,73 para las
válvulas 8 y 10, y 60,83 y 5494,95 para la válvula 9), lo que indica un rendimiento más
uniforme y menos propenso a fallas importantes.

Una válvula con alta media y varianza, como la válvula 3, podría causar un impacto
significativo en caso de fallar, mientras que una válvula más estable, como la válvula 9,
tendría un efecto menor en el sistema debido a su menor riesgo de fallas graves.

Media mediana varianza

valvula 1 121,65 85,99 21979,79
valvula 2 121,65 85,99 21979,79
valvula 3 182,48 128,98 49454,54
valvula 4 91,24 64,49 12363,63
valvula 5 91,24 64,49 12363,63
valvula 6 91,24 64,49 12363,63
valvula 7 182,48 128,98 49454,54
valvula 8 72,99 51,59 7912,73
valvula 9 60,83 42,99 5494,95
valvula 10 72,99 51,59 7912,73

Desviación, coeficientes y curtosis

 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Desviación C. de variacion Curtosis Coeficiente de asimetria

valvula 1 148,26 1,22 27,05 4,21
valvula 2 148,26 1,22 27,05 4,21
valvula 3 222,38 1,22 27,05 4,21
valvula 4 111,19 1,22 27,05 4,21
valvula 5 111,19 1,22 27,05 4,21
valvula 6 111,19 1,22 27,05 4,21
valvula 7 222,38 1,22 27,05 4,21
valvula 8 88,95 1,22 27,05 4,21
valvula 9 74,13 1,22 27,05 4,21
valvula 10 88,95 1,22 27,05 4,21

El análisis de las válvulas basado en la desviación estándar, coeficiente de variación, curtosis

y asimetría revela diferencias claras en el comportamiento de las fallas. Las válvulas 1, 2, 3
y 7 muestran una alta desviación estándar (148,26 o 222,38) y un coeficiente de variación
constante (1,22), lo que sugiere una gran dispersión en los tiempos de falla. También tienen
una curtosis alta (27,05) y un coeficiente de asimetría elevado (4,21), lo que indica una
distribución de fallas con tendencia a valores extremos.

En contraste, las válvulas 8, 9 y 10 tienen desviaciones estándar más bajas (74,13 o 88,95),
pero con el mismo coeficiente de variación, curtosis y asimetría, lo que implica una menor
dispersión en los tiempos de falla, aunque con un comportamiento similar en términos de
eventos extremos.

Si una válvula como la válvula 3, con alta desviación estándar y asimetría, llegara a fallar, el
impacto sería significativo. En cambio, una válvula más predecible, como la válvula 9,
presentaría fallas menos severas y más controladas.

Análisis estadístico de revisiones

A continuación se detallan los resultados del análisis estadístico de las revisiones:

 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Resultado de Media, Mediana y Varianza

Media mediana varianza

valvula 1 182,48 128,98 49454,54
valvula 2 91,24 64,49 12363,63
valvula 3 91,24 64,49 12363,63
valvula 4 91,24 64,49 12363,63
valvula 5 91,24 64,49 12363,63
valvula 6 91,24 64,49 12363,63
valvula 7 91,24 64,49 12363,63
valvula 8 182,48 128,98 49454,54
valvula 9 182,48 128,98 49454,54
valvula 10 182,48 128,98 49454,54

Las válvulas 1, 8, 9 y 10 muestran medias y varianzas elevadas (182,48 y 49454,54), lo que

indica que requieren revisiones más frecuentes y variables. En contraste, las válvulas 2, 3, 4,
5, 6 y 7 tienen medias y varianzas más bajas (91,24 y 12363,63), lo que sugiere que sus
revisiones son más predecibles y menos frecuentes.

Una válvula con una alta media y varianza en sus revisiones, como la válvula 1, podría
generar mayores problemas debido a la imprevisibilidad de sus revisiones, mientras que una
válvula con valores más bajos, como la válvula 4, proporcionaría un mantenimiento más
consistente y controlado.

Coeficientes, curtosis y desviaciones

desv estandar Coef de variacion Curtosis Coeficiente de asimetria

valvula 1 222,38 1,22 27,05 4,21
valvula 2 111,19 1,22 27,05 4,21
valvula 3 111,19 1,22 27,05 4,21
valvula 4 111,19 1,22 27,05 4,21
valvula 5 111,19 1,22 27,05 4,21
valvula 6 111,19 1,22 27,05 4,21
valvula 7 111,19 1,22 27,05 4,21
valvula 8 222,38 1,22 27,05 4,21
valvula 9 222,38 1,22 27,05 4,21
valvula 10 222,38 1,22 27,05 4,21

El análisis basado en desviación estándar, coeficiente de variación, curtosis y asimetría

muestra que las válvulas 1, 8, 9 y 10 tienen una alta desviación estándar (222,38), lo que
refleja una considerable variabilidad en los tiempos de revisión. A pesar de que el coeficiente
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

de variación es constante (1,22), el coeficiente de asimetría elevado (4,21) sugiere que los
tiempos de revisión pueden variar ampliamente.

En contraste, las válvulas 2, 3, 4, 5, 6 y 7 tienen desviaciones estándar más bajas (111,19), lo

que indica un comportamiento más predecible en las revisiones, aunque presentan el mismo
coeficiente de variación y curtosis.

Si una válvula con alta desviación estándar y asimetría, como la válvula 1, llegara a fallar,
podría ocasionar interrupciones significativas debido a la imprevisibilidad de sus revisiones.
Por otro lado, una válvula con menor desviación, como la válvula 4, permitiría un
mantenimiento más predecible y menos interrupciones.

Análisis estadístico de revisión total

Revision total
Media 6,999
Mediana 4,95
varianza 72,76
Desviación estandar 8,53
Coeficiente de variación 1,218679081
Curtosis 27,05
Coeficiente de asimetria 4,21
Cantidad de datos 100
Distribución Exponencial
Tasa de revision total 0,142873
(Rt /dia)

En general, el análisis muestra una media de 6,999 y una mediana de 4,95 en los tiempos de
revisión, lo que sugiere que la mayoría de los intervalos son relativamente cortos, aunque
con una considerable dispersión (varianza de 72,76 y desviación estándar de 8,53). Esto
indica que, aunque las revisiones tienden a ser frecuentes, pueden ocurrir algunos intervalos
más largos que lo esperado.

El coeficiente de variación (1,22) refuerza la idea de que la variabilidad en los tiempos de

revisión es considerable. La curtosis alta (27,05) y la asimetría (4,21) indican una distribución
sesgada hacia eventos extremos, donde algunos intervalos de revisión pueden ser
significativamente más largos.
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Variable de estado y estados de transición

a) Las variables de estado para el caso de k válvulas es el siguiente :

• Del sistema:
J (t): estado del sistema de protección petrolera en el instante de tiempo t
• De las válvulas :
g(t): estado de la válvula k en el instante de tiempo t

Concluyendo se representaría así:

J(t)= {g1(t), g2(t), g3(t), g4(t), g5(t), g6(t), g7(t), g8(t), g9(t), g10(t)}

* asociándose cada uno a una Valvula del grupo k, sabiendo que k va hasta 10.

b) Los espacios de estado en un análisis de k válvulas seria:

• Del sistema
S(J(t)) = espacio de estado del sistema en el instante de tiempo t

Ahora bien, se puede tener en cuenta:

S(J(t)) = [(0,l),(0,l),(0,l),(0,l),(0,l),(0,l),(0,l),…,(0,l),(0,l)]

En donde los espacios de estado para cada Valvula se integran de la siguiente manera:

S(g(t))={0=se presenta daño en la Valvula ,l=No se presenta daño en la Valvula }

Si se producen fallas en las combinaciones de válvulas 1-8, 2-4-10, 2-5-10, 2-6-10, 3-4-
10, 3-5-10, 3-6-10, 2-4-7, 2-5-7, 2-6-7, 3-4-7, 3-5-7 o 3-6-7, el sistema enfrentaría un
derrame. Estas combinaciones de fallas generan una interrupción crítica en el
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

funcionamiento del sistema de protección, lo que aumenta significativamente el riesgo de

un derrame debido a la incapacidad de mantener la integridad del flujo controlado.

c) Estimación de pruebas de bondad de ajuste

Los procedimientos matemáticos de las pruebas de bondad de ajuste están en el documento

Excel; tras calcular el recíproco del promedio y verificar la hipótesis nula — que los datos
siguen una distribución exponencial — se presenta el siguiente resumen.

Resumen del análisis de fallas, identificado con la prueba chi cuadrado, que sigue
una distribución exponencial.

Valvula (ph) 1 0,008220 Fallas/día

Valvula (ph) 2 0,008220 Fallas/día
Valvula (ph) 3 0,005490 Fallas/día
Valvula (ph) 4 0,010960 Fallas/día
Valvula (ph) 5 0,010960 Fallas/día
Valvula (ph) 6 0,010960 Fallas/día
Valvula (ph) 7 0,005480 Fallas/día
Valvula (ph) 8 0,013700 Fallas/día
Valvula (ph) 9 0,016440 Fallas/día
Valvula (ph) 10 0,013700 Fallas/día
Resumen del análisis de revisiones, identificado con la prueba chi cuadrado, que
sigue una distribución exponencial.
Valvula (ph) 1 0,00548 Revisiones/día
Valvula (ph) 2 0,010960 Revisiones/día
Valvula (ph) 3 0,010960 Revisiones/día
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Valvula (ph) 4 0,010960 Revisiones/día

Valvula (ph) 5 0,010960 Revisiones/día
Valvula (ph) 6 0,010960 Revisiones/día
Valvula (ph) 7 0,010960 Revisiones/día
Valvula (ph) 8 0,00543 Revisiones/día
Valvula (ph) 9 0,00543 Revisiones/día
Valvula (ph) 10 0,00543 Revisiones/día

Resumen del análisis del sistema, identificado con la prueba chi cuadrado, que sigue
una distribución exponencial.
Sistema de protección hidráulico 0,14287 Revisiones totales/día

Finalmente, y con el propósito de hacer análisis tanto a largo plazo como a corto plazo se
estudiará únicamente el comportamiento de las válvulas criticas 1,7,9 y 10.

Analisis a corto plazo

A través del análisis de las fallas diarias del sistema, se han identificado las válvulas 1, 7, 9
y 10 como las más críticas. Estas válvulas presentan un mayor riesgo de fallar en
comparación con otras, y su fallo podría generar graves consecuencias, como un derrame de
petróleo. Por ello, se ha puesto especial atención en su monitoreo constante y en la
identificación de patrones que permitan anticipar posibles problemas.

Para facilitar su supervisión y análisis, se han definido claramente los estados de operación
de cada una de estas válvulas, lo que permite un seguimiento más preciso y una respuesta
oportuna ante cualquier anomalía.

• Válvula 1: 1 (Operativa) / 0 (Derrame) = g₁(t)

• Válvula 7: 1 (Operativa) / 0 (Derrame) = g₇(t)
• Válvula 9: 1 (Operativa) / 0 (Derrame) = g₉(t)
• Válvula 10: 1 (Operativa) / 0 (Derrame) = g₁₀(t)
Las válvulas secundarias también fueron analizadas, aunque su impacto es menor:
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

• Válvula 2: 0 (Operativa) / 1 (Falla) = g₂(t)

• Válvula 3: 0 (Operativa) / 1 (Falla) = g₃(t)
• Válvula 4: 0 (Operativa) / 1 (Falla) = g₄(t)
• Válvula 5: 0 (Operativa) / 1 (Falla) = g₅(t)
• Válvula 6: 0 (Operativa) / 1 (Falla) = g₆(t)
• Válvula 8: 0 (Operativa) / 1 (Falla) = g₈(t)

2. Escenarios de Falla

A continuación, se detallan los 16 posibles escenarios de fallo de las válvulas críticas 1, 7, 9

y 10. Cada uno de estos escenarios refleja las combinaciones de estados de operación o fallo
de estas válvulas, que son clave para el correcto funcionamiento del sistema. Dependiendo
de si cada válvula está operativa o en estado de derrame, el impacto en el sistema puede variar
significativamente.

Estos escenarios permiten anticipar las situaciones de riesgo y tomar medidas preventivas
oportunas para minimizar las probabilidades de fallos críticos. Al analizar cada combinación,
se puede optimizar el mantenimiento de las válvulas y ajustar los protocolos de intervención
para asegurar la continuidad operativa y reducir el riesgo de derrames en el futuro.

Escenario 1111: Ninguna falla. Todas las válvulas (1, 7, 9, 10) están
operativas, y el sistema funciona sin problemas ni riesgo de derrames.

Escenario 0111: Falla solo la válvula 1. Las válvulas 7, 9 y 10 permanecen

operativas, pero el fallo de la válvula 1 puede comprometer parcialmente el
funcionamiento del sistema.

Escenario 1011: Falla solo la válvula 7. En este caso, las válvulas 1, 9 y 10

están operativas, aunque la falla en la válvula 7 podría aumentar el riesgo de un
derrame o interrupción parcial del sistema.

Escenario 1101: Falla solo la válvula 9. Las válvulas 1, 7 y 10 continúan en

funcionamiento, pero el sistema queda parcialmente comprometido debido al
fallo de la válvula 9.
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Escenario 1110: Falla solo la válvula 10. Las válvulas 1, 7 y 9 están

operativas, pero el fallo de la válvula 10 puede representar un riesgo de falla
localizada en esa área del sistema.

Escenario 0011: Fallan las válvulas 1 y 7. Aunque las válvulas 9 y 10 están

operativas, la doble falla en las válvulas 1 y 7 aumenta significativamente el
riesgo de una falla mayor en el sistema.

Escenario 0101: Fallan las válvulas 1 y 9. Las válvulas 7 y 10 continúan

operando, pero el sistema se encuentra comprometido en dos puntos clave, lo que
incrementa el riesgo de derrame.

Escenario 0110: Fallan las válvulas 1 y 10. A pesar de que las válvulas 7 y 9
funcionan correctamente, la falla de las válvulas 1 y 10 pone en peligro la
estabilidad del sistema en dos áreas críticas.

Escenario 1001: Fallan las válvulas 7 y 9. Las válvulas 1 y 10 siguen

operativas, pero el doble fallo en las válvulas 7 y 9 genera un riesgo elevado de
interrupciones significativas en el sistema.

Escenario 1010: Fallan las válvulas 7 y 10. Las válvulas 1 y 9 permanecen

funcionales, pero el sistema se ve comprometido por la falla simultánea de las
válvulas 7 y 10.

Escenario 1100: Fallan las válvulas 9 y 10. Las válvulas 1 y 7 están operativas,
pero el fallo de las válvulas 9 y 10 representa un riesgo considerable de
interrupciones y posibles derrames.

Escenario 0001: Fallan las válvulas 1, 7 y 9. Solo la válvula 10 está operativa,

lo que coloca al sistema en un estado crítico con una alta probabilidad de falla
generalizada.

Escenario 0010: Fallan las válvulas 1, 7 y 10. Con la única válvula 9 operativa,
el sistema se encuentra en un estado extremadamente comprometido, cercano al
colapso.
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Escenario 0100: Fallan las válvulas 1, 9 y 10. Solo la válvula 7 sigue

funcionando, pero el riesgo de una falla total del sistema es muy alto debido a los
múltiples puntos de fallo.

Escenario 1000: Fallan las válvulas 7, 9 y 10. Únicamente la válvula 1 está

operativa, lo que deja al sistema en una situación crítica con un alto riesgo de
colapso.

Escenario 0000: Todas las válvulas fallan. El sistema está completamente

inoperativo, con un riesgo máximo de derrame y daños significativos. Este es el
escenario más grave y requiere una intervención inmediata.

Para realizar el análisis a corto y a largo plazo se tienen en cuenta las siguientes tasas:

• Válvula 1:
o Tasa de Falla (λ): 0.00818
o Tasa de Revisión (µ): 0.00547
o Revisión Total: 0.14287
• Válvula 7:
o Tasa de Falla (λ): 0.00543
o Tasa de Revisión (µ): 0.01087
• Válvula 9:
o Tasa de Falla (λ): 0.01634
o Tasa de Revisión (µ): 0.00543
• Válvula 10:
o Tasa de Falla (λ): 0.01366
o Tasa de Revisión (µ): 0.00550

Y adicional la matriz de tasas de transición

 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

1111 1101 1110 0111 1011 0011 0101 0110 1001 1010 1100 0001 0010 1000 0100 0000
1111 0 0,0163432 0,013659972 0,0081765 0,005434 0 0 0 0 0 0 0 0 0 0 0
1101 0,142873313 0 0 0 0 0 0,0081765 0 0,005434 0 0,01366 0 0 0 0 0
1110 0,142873313 0 0 0 0 0 0 0,0081765 0 0,005434 0,0163432 0 0 0 0 0
0111 0,142873313 0 0 0 0 0,005434 0,0163432 0,01366 0 0 0 0 0 0 0 0
1011 0,142873313 0 0 0 0 0,0081765 0 0 0,0163432 0,01366 0 0 0 0 0 0
0011 0 0 0 0,1428733 0,1428733 0 0 0 0 0 0 0,0163432 0,01366 0 0 0
0101 0 0,1428733 0 0,1428733 0 0 0 0 0 0 0 0,005434 0 0,01366 0 0
0110 0 0 0,142873313 0,1428733 0 0 0 0 0 0 0 0 0,005434 0,0163432 0 0
1001 0 0,1428733 0 0 0,1428733 0 0 0 0 0 0 0,0081765 0 0 0,01366 0
1010 0 0 0,142873313 0 0,1428733 0 0 0 0 0 0 0 0,0081765 0 0,0163432 0
1100 0 0,1428733 0,142873313 0 0 0 0 0 0 0 0 0 0 0,0081765 0,005434 0
0001 0 0 0 0 0 0,1428733 0,1428733 0 0,1428733 0 0 0 0 0 0 0,01366
0010 0 0 0 0 0 0,1428733 0 0,1428733 0 0,1428733 0 0 0 0 0 0,0163432
1000 0 0 0 0 0 0 0 0 0,1428733 0,1428733 0,1428733 0 0 0 0 0,0081765
0100 0 0 0 0 0 0 0,1428733 0,1428733 0 0 0,1428733 0 0 0 0 0,005434
0000 0 0 0 0 0 0 0 0 0 0 0 0,1428733 0,1428733 0,1428733 0,1428733 0

3.1 Cálculo de la Probabilidad de Funcionamiento

La probabilidad de que el sistema esté en condiciones óptimas se calcula de la siguiente

manera:

Auditoría Fórmula Calculo Result

ado
Primera e−λ1⋅16×e−λ7⋅16×e−λ9 e−0.00818⋅16×e−0.00543⋅1 84.2%
auditoria ⋅16×e−λ10⋅16 6×e−0.01634⋅16×e−0.01366
⋅16
Segunda e−λ1⋅40×e−λ7⋅40×e−λ9 e−0.00818⋅40×e−0.00543⋅4 65.1%
auditoria ⋅40×e−λ10⋅40 0×e−0.01634⋅40×e−0.01366
⋅40

3.2 Cálculo del Tiempo de Revisión

El tiempo promedio de revisión de las válvulas se obtiene de la siguiente forma:

Auditoría Fórmula Calculos

Resultad
o
Primera auditoria 120(μv1+μv7+μv9+ 120(0.00547+0.01087+0.0 4 días
μv10) 0543+0.00550)
Segunda auditoria 300(μv1+μv7+μv9+ 300(0.00547+0.01087+0.0 9 días
μv10) 0543+0.00550)

3.3 Cálculo del Tiempo Hasta el Próximo Derrame

 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

Este tiempo se calcula de la siguiente manera:

Tiempo = 1λv1+λv7+λv9+λv10

Tiempo= 10.00818+0.00543+0.01634+0.01366≈22.81 días

Estudio a largo plazo

El análisis financiero se basa en el ingreso diario neto cuando el sistema está operando y las
pérdidas cuando no lo está:

Concepto Valor
Ingreso $35,000 al día
Pérdida $55,000 al día

Posteriormente, se halla la tasa de falla total del sistema de protección es:

Ing y Perd Probabilidades de estado estable Utilidad final

1111 $ 35.000,00 0,746321218 $ 34.998,33
1101 $ 35.000,00 0,085371096
1110 $ 35.000,00 0,071354662
0111 $ 35.000,00 0,042591951
1011 $ 35.000,00 0,028504842
0011 $ 35.000,00 0,001626184
0101 $ 35.000,00 0,004809697
0110 $ 35.000,00 0,004009245
1001 $ 35.000,00 0,00332281
1010 $ 35.000,00 0,002788015
1100 $ 35.000,00 0,008162019
0001 $ 35.000,00 0,000186594
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

0010 $ 35.000,00 0,00015606

1000 $ 35.000,00 0,000459267
0100 $ 35.000,00 0,000317823
0000 -$ 55.000,00 0,000019

3. Conclusiones y recomendaciones

Según el análisis de los datos (como media, varianza y desviación estándar), hemos
observado cuántas veces fallan las válvulas durante el año. Con esta información, podemos
calcular la probabilidad de que una válvula falle, y para comprobar si los resultados son los
esperados, usamos la prueba de chi-cuadrado.

El valor más alto de chi-cuadrado encontrado para las fallas es 11.08. Al aplicar esta prueba
a cada válvula, vimos que todas están por debajo de este valor, lo que significa que el
análisis de fallas es confiable. Sin embargo, cuando analizamos las revisiones, aunque el
valor esperado es también de 11.08, todas las válvulas superan este número, siendo la
válvula 9 la que más se aleja de lo esperado.

Este análisis nos ayudó a calcular el promedio de fallas anuales de las válvulas, lo que nos
da una mejor idea de su rendimiento y facilita la planificación del mantenimiento
preventivo. Descubrimos que la válvula 5 tiene más probabilidad de fallar, mientras que las
válvulas 6 y 7 son las que fallan menos. Además, notamos que todas las válvulas pasaron
por revisiones frecuentes, lo que sugiere que las revisiones no influyen mucho en evitar
fallas.
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

En cuanto a la distribución de los datos, las fallas encajan bien con una distribución de
Poisson, pero los datos de las revisiones parecen ajustarse más a una distribución
exponencial.

El modelo de Cadenas de Markov es una herramienta fundamental para mejorar la gestión

del sistema de protección hidráulico. Este modelo permite representar de manera detallada
los estados posibles del sistema, como el tiempo en que cada válvula permanece operativa o
las probabilidades de que una válvula falle en un momento determinado. Además, al
incorporar datos históricos de rendimiento y fallos previos, el modelo puede predecir
cuándo es probable que ocurran fallas en el futuro, proporcionando información clave para
planificar el mantenimiento de manera más estratégica. Esto significa que las revisiones y
las reparaciones pueden programarse antes de que las fallas interrumpan el funcionamiento
del sistema, lo que reduce las interrupciones no planificadas y los costos asociados a
reparaciones de emergencia. A largo plazo, esta herramienta permite a los gestores
optimizar el tiempo de vida útil de los componentes y mejorar la eficiencia global del
sistema, contribuyendo a un uso más racional de los recursos y a una mayor estabilidad
operativa.

El mantenimiento predictivo es crucial para maximizar el rendimiento y la vida útil del

pozo petrolero, evitando tiempos de inactividad costosos. Un plan de mantenimiento
predictivo implica el uso de datos en tiempo real y análisis de tendencias históricas para
anticiparse a las fallas de los componentes críticos del sistema, como las válvulas. Dado
que algunas válvulas son más propensas a fallar que otras, este enfoque sugiere priorizar el
monitoreo continuo de las que presentan mayor riesgo de avería. A través de sensores y
software especializado, es posible detectar pequeños cambios en el comportamiento de las
válvulas que podrían ser indicativos de un fallo inminente. Con esta información, los
intervalos de revisión pueden ajustarse para intervenir justo antes de que ocurra una falla,
minimizando la cantidad de tiempo que el pozo permanece inactivo y evitando
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

interrupciones inesperadas que puedan afectar gravemente la producción. Este enfoque

también reduce la dependencia de mantenimientos reactivos, que suelen ser más costosos y
menos eficientes, al permitir una planificación más controlada y a largo plazo.

El sistema actual muestra una disminución significativa en su rendimiento operativo a lo

largo del tiempo, lo que subraya la necesidad urgente de adoptar nuevas estrategias de
mantenimiento preventivo y correctivo. A medida que el sistema envejece, las auditorías o
inspecciones periódicas revelan una caída en la probabilidad de que los componentes
funcionen de manera óptima. Esto puede deberse a una combinación de factores,
incluyendo el desgaste natural de las piezas y la falta de revisiones frecuentes o adecuadas.
Sin un mantenimiento adecuado, el rendimiento del sistema comienza a degradarse
lentamente, lo que afecta la eficiencia general y aumenta el riesgo de fallos catastróficos.
Este tipo de problemas no solo afecta la producción a corto plazo, sino que también puede
tener consecuencias económicas significativas si no se abordan a tiempo. Por lo tanto, es
imprescindible implementar una estrategia de mantenimiento más proactiva, que considere
no solo las reparaciones reactivas, sino también intervenciones regulares basadas en el
estado actual del sistema. Estas estrategias pueden incluir la renovación de componentes
clave, mejoras tecnológicas o incluso la implementación de sistemas automatizados de
monitoreo para asegurar que el sistema opere a su máxima capacidad durante el mayor
tiempo posible.

El comportamiento inconsistente de algunas válvulas críticas está contribuyendo al

deterioro general del sistema, y se requiere un enfoque de mantenimiento más proactivo y
riguroso para abordar este problema. Las válvulas que presentan fallas de manera
impredecible son un desafío particular, ya que su inestabilidad incrementa el riesgo de
fallos mayores y afecta la fiabilidad general del sistema. Este tipo de comportamiento
inestable puede ser causado por factores como el desgaste, defectos de fabricación o
condiciones operativas adversas. Sin embargo, lo que agrava el problema es la falta de
 FACULTAD DE INGENIERÍA Y
DISEÑO E INNOVACIÓN

PROYECTO GRUPAL Institución Universitaria Politécnico Grancolombiano

monitoreo continuo y la demora en realizar revisiones y mantenimientos oportunos. Cuanto

más tiempo pase sin que se detecten y corrijan estos problemas, mayor es la probabilidad de
que las fallas se extiendan a otros componentes del sistema, lo que podría llevar a paradas
no planificadas, mayores costos de reparación y posibles pérdidas económicas. Para
contrarrestar esto, es esencial adoptar un enfoque de mantenimiento más avanzado que
incluya la implementación de tecnologías de monitoreo en tiempo real, como sensores que
detecten variaciones en la presión, el flujo o la temperatura. Estas tecnologías permitirían
detectar signos tempranos de desgaste o falla, permitiendo realizar reparaciones preventivas
antes de que los problemas se conviertan en averías más graves. Además, un enfoque más
proactivo en la programación de las revisiones puede ayudar a identificar y abordar las
causas subyacentes de las fallas, asegurando que el sistema mantenga su rendimiento
óptimo durante más tiempo.