1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Veracruz
4. Instituto Tecnológico de Orizaba
5. Tesis de Posgrado
6. Tesis de Maestría
7. Maestría en Ingeniería Industrial

Titre:	SISTEMA INTELIGENTE PARA DETERMINAR COMPORTAMIENTOS GENERACIONALES DE CORROSION A TRAVES DE MICROSCOPIA Y METALOGRAFIA EN OLEODUCTOS PARA TRANSPORTE DE HIDROCARBUROS
Auteur(s):	PARDO ESCANDON, ISAI
Date de publication:	2025-04-01
Editeur:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Orizaba
Description:	“La construcción de la red de ductos en México comenzó hace más de 30 años, y se encuentran alojados a lo largo de tierras agrícolas, parajes naturales, territorios indígenas, propiedades privadas, ciudades, carreteras, etc., por lo que el riesgo de accidentes por fugas, contaminación y explosión son altos. El monitoreo y control de corrosión electroquímica en ductos enterrados es la principal manera de mitigar estos riesgos y alargar la vida útil de las instalaciones” (Gonzáleza et al., 2006). “La industria petrolera debe seguir actualizando sus sistemas para ser eficaz, teniendo en cuenta que es altamente competitiva y volátil a las fuerzas del mercado que cambian de vez en cuando. Por lo tanto, las empresas deben buscar los medios que les permitan alcanzar este objetivo” (Hidalgo-Bonifaz et al., 2020). En este trabajo se presenta el diseño y desarrollo de un sistema inteligente para determinar comportamientos generacionales de corrosión que se presentan en los sistemas de transporte por oleoductos mexicanos empleando distintos indicadores para determinar el nivel de perdida mecánica provocado por el fenómeno de corrosión. Para cumplir con este propósito se emplea Python y Anaconda (Jupyter Notebook y Jupyter Lab), así como equipo de metalográfica, microscopia y cromatografía de gases, creando una base de datos de 140 capturas de imagen con relación a la perdida mecánica por corrosión de oleoductos. Esta base de datos se emplea para el procesamiento de imágenes a escala de grises, binario y entrenamiento de algoritmos de clasificación para aprendizaje automático, optimizando los hiperparámetros del algoritmo, resultando en un modelo con una exactitud del F1-score promedio de 0.98 el cual confirma un balance adecuado entre precisión y sensibilidad y una baja pérdida (0.0977) lo cual confirma que el modelo también es confiable al asignar probabilidades cercanas a las verdaderas clases. Estos resultados validan la eficacia del modelo al momento de la clasificación de imágenes analizadas. Finalmente, el modelo culmina con la creación de una interfaz denominada “Sistema Inteligente para determinar comportamientos de Corrosión a través de Microscopia y Metalografía” (SICMM), para simplificar la interacción del modelo al mismo tiempo que se empleó Simulación Montecarlo para el impacto económico que puede llegar a tener la implementación de este trabajo.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Collection(s) :	Maestría en Ingeniería Industrial

Ce document est protégé par copyright Voir la licence

Ce document est autorisé sous une licence de type Licence Creative Commons