Prueba piloto de software industrial de analítica de datos aplicado al modelado de un activo de una planta industrial colombiana de Oil and Gas
Cargando...
Autores
Director
Tipo de contenido
Document language:
Español
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Documentos PDF
Resumen
Este trabajo presenta el desarrollo e implementación de una solución analítica predictiva aplicada a un compresor reciprocante de una planta de compresión de gas natural en Colombia. El objetivo principal fue diseñar y validar una herramienta de modelado predictivo como piloto de aplicación del software ThingWorx en entornos industriales reales. Se adoptó una metodología híbrida basada en marcos de ciencia de datos y metodologías nativas de la plataforma, adaptada al contexto técnico y operativo del activo.
La solución integra modelos de detección de anomalías —basados en control estadístico de procesos (SPC)— para 12 variables críticas, y modelos de pronóstico multivariable para predecir 18 variables en ventanas de hasta 24 horas. Se emplearon datos históricos reales de dos años remuestreada a 30 y 60 minutos. La validación incluyó pruebas retroactivas con datos no vistos y análisis comparativo con eventos de falla documentados. La herramienta fue desplegada en la plataforma ThingWorx, con interfaces HMI diseñadas para el operario, y una estrategia de transferencia de conocimiento mediante curso estructurado en Moodle.
Los resultados demuestran la viabilidad técnica y operativa de soluciones analíticas en activos críticos del sector Oil & Gas, y su potencial para anticipar fallas, apoyar decisiones operativas y facilitar la transición hacia modelos de mantenimiento predictivo digital (Texto tomado de la fuente).
Abstract
This work presents the development and implementation of a predictive analytics solution applied to a reciprocating compressor in a natural gas compression plant in Colombia. The main objective was to design and validate a predictive modeling tool as a pilot application of the ThingWorx software in real industrial environments. A hybrid methodology was adopted, based on data science frameworks and native platform methodologies, adapted to the technical and operational context of the asset.
The solution integrates anomaly detection models —based on Statistical Process Control (SPC)— for 12 critical variables, and multivariable forecasting models to predict 18 variables with forecast windows of up to 24 hours. Two years of real historical data were used, resampled at 30 and 60 minutes. Validation included retrospective testing with unseen data and comparative analysis with documented failure events. The tool was deployed on the ThingWorx platform, featuring HMI interfaces designed for operators, and a knowledge transfer strategy implemented through a structured Moodle course.
The results demonstrate the technical and operational feasibility of analytical solutions in critical assets of the Oil & Gas sector, and their potential to anticipate failures, support operational decisions, and facilitate the transition toward digital predictive maintenance models.
Descripción
ilustraciones a color, diagramas, fotografías