PROGRAMACIÓN ESTOCÁSTICA

PRESENTADO POR:

MARCO ANTONIO CHALA BARRERA COD1810650556

MIGUEL ANTONIO CONTRERAS BENAVIDES COD 0222061041
JEFERSSON ARBELL ACHICANOY ARCINIEGAS COD 1821983037
JAIME ANTONIO MESA MORALES COD 1821981179
MANUEL ANTONIO LONDOÑO CARTAGENA 1621022241

PRESENTADO A:

CARLOS ANDRES QUIROZ CASTELLANOS

INSTITUCIÓN UNIVERSITARIA POLITÉCNICO GRANCOLOMBIANO

FACULTAD DE INGENIERÍA Y CIENCIAS BÁSICAS
INGENIERÍA INDUSTRIAL
2020
Modelo probabilístico de sistema de válvulas

Para el análisis del sistema hemos definido la variable de estado como el funcionamiento de las
válvulas, determinando como 1 si esta funciona y como 0 si esta no lo hace, con el fin de poder
determinar cuál es el estado del sistema (si esta está conteniendo el crudo o no) de acuerdo a las
configuraciones posibles.

A continuación, presentamos las configuraciones en las cuales el sistema funciona (contiene el

crudo) descartando las posibles configuraciones en las que el crudo no es contenido (estado de falla)
y agrupándolas en dicho estado de falla.

En primer lugar, se presentan los estadios posibles del sistema compuesto por las válvulas siguientes,
se observa que mientras la válvula 1 se encuentre funcionando, no habrá derrame, mientras los
estados de las demás válvulas pueden ser 1 o 0.

V1 V8 V9 V10
1 0 0 0
1 0 0 1
1 0 1 0
1 0 1 1
1 1 0 0
1 1 0 1
1 1 1 0
1 1 1 1

Diferente es el caso del estado compuesto por las válvulas 2,3,4,5,6 y 7 en donde al manejarse 6
variables, estas pueden tener varios estados en los cuales el sistema si funciona:

V2 V3 V4 V5 V6 V7
0 0 0 0 0 1
0 0 0 0 1 1
0 0 0 1 0 1
0 0 0 1 1 1
0 0 1 0 0 1
0 0 1 0 1 1
0 0 1 1 0 1
0 0 1 1 1 1
0 1 0 0 0 1
0 1 0 0 1 1
0 1 0 1 0 1
0 1 0 1 1 1
0 1 1 0 0 1
0 1 1 0 1 1
0 1 1 1 0 1
0 1 1 1 1 0
0 1 1 1 1 1
1 0 0 0 0 1
 1 0 0 0 1 1
1 0 0 1 0 1
1 0 0 1 1 1
1 0 1 0 0 1
1 0 1 0 1 1
1 0 1 1 0 1
1 0 1 1 1 0
1 0 1 1 1 1
1 1 0 0 0 0
1 1 0 0 0 1
1 1 0 0 1 0
1 1 0 0 1 1
1 1 0 1 0 0
1 1 0 1 0 1
1 1 0 1 1 0
1 1 0 1 1 1
1 1 1 0 0 0
1 1 1 0 0 1
1 1 1 0 1 0
1 1 1 0 1 1
1 1 1 1 0 0
1 1 1 1 0 1
1 1 1 1 1 0
1 1 1 1 1 1

Análisis estadístico de datos

A continuación, se muestra el análisis estadístico de los datos de fallas detectadas, revisiones

periódicas y revisiones totales en el sistema de contención de fallas del pozo petrolero del ejemplo
planteado.

Para ello se utilizó el complemento de Excel llamado Crystal Ball con el fin de agilizar los análisis
estadísticos y así poder mostrar si se cumple con la hipotesis inicial que es sí los datos se encuentran
distribuidos de una manera exponencial, para ello se han calculado los tiempos en años para cada
evento mostrado en la tabla del anexo de proyecto, es decir, se restaron los valores de tiempos en
pares con el fin de establecer una tasa de tiempo para así analizar su distribución.

Fallas

Se tomaron cada una de las válvulas con el fin de analizar su distribución y comprobar si estas
seguían la distribución exponencial, para ello se introdujeron los datos de las diferencias de tiempos
en Crystal Ball bajo la prueba estadística de Chi cuadrado dando como resultado lo siguiente:

  P valor Tasa
Válvula 1 0,938 2,98
 Válvula 2 0,896 3,04
Válvula 3 0,938 2,00
Válvula 4 0,938 3,98
Válvula 5 0,938 4,01
Válvula 6 0,911 3,99
Válvula 7 0,96 1,98
Válvula 8 0,896 4,95
Válvula 9 0,88 5,97
Válvula 10 0,911 4,99

Se observa entonces que la prueba valida la hipotesis nula debido a que el P valor se acerca en
muchas ocasiones a 1 y en consiguiente está por encima de 0.5 para validarla. Por otra parte, la tasa
de ocurrencia de sucesos posee relación exponencial con el promedio de la tasa de ocurrencia en
años, lo que nos demuestra nuevamente el comportamiento exponencial de la distribución de los
datos.

Revisiones

De la misma manera que en la parte de fallas y siguiendo el mismo procedimiento, se presenta la

tabla resumen de las pruebas realizadas:

  P valor Tasa
Válvula 1 0,911 2,00
Válvula 2 0,96 3,97
Válvula 3 0,896 3,96
Válvula 4 0,88 3,97
Válvula 5 0,896 3,97
Válvula 6 0,938 4,01
Válvula 7 0,96 3,97
Válvula 8 0,911 2,02
Válvula 9 0,896 1,98
Válvula 10 0,938 2,01

Nuevamente y de la misma manera que en la sección anterior observamos la tendencia exponencial

de los datos debido a los altos valores de P en la prueba estadística de Chi cuadrado lo que nos indica
una vez más que los daros son susceptibles de un análisis por cadenas de Markov.

ENUNCIADO DETALLADO PARA LA SEGUNDA ENTREGA:

Descripción del Proyecto

Una de las aplicaciones con mayor potencial de los modelos probabilísticos, y en
particular de las cadenas de Markov, se presenta en el campo de la fiabilidad
(Reliability). En las compañías petroleras, el comportamiento de la maquinaría de
explotación es fundamental para todos los procesos de extracción y transporte de
crudo. Un derrame de crudo en alguno de los pozos se considera una catástrofe y
se debe evitar a toda costa.Cada válvula tiene una tasa de falla diferente y en caso
de falla permitiría fluir el petróleo libremente y si éste no es interrumpido por
alguna otra válvula se presentará un derrame de crudo. A continuación, se
presentan los parámetros del modelo:

Tiempo entre fallas se distribuye exponencial

Válvula 1 𝜇1 = 0.008 𝑓𝑎𝑙𝑙𝑎𝑠/𝑑í𝑎
Válvula 8 𝜇8 = 0.014 𝑓𝑎𝑙𝑙𝑎𝑠/𝑑í𝑎
Válvula 9 𝜇9 = 0.016 𝑓𝑎𝑙𝑙𝑎𝑠/𝑑í𝑎
Válvula 10 𝜇10 = 0.014 𝑓𝑎𝑙𝑙𝑎𝑠/𝑑í𝑎

Tiempo de revisión de válvulas se

distribuye exponencial
Válvula 1 𝜆1 = 0.005 𝑣á𝑙𝑣𝑢𝑙𝑎𝑠/𝑑í𝑎
Válvula 8 𝜆8 = 0.005 𝑣á𝑙𝑣𝑢𝑙𝑎𝑠/𝑑í𝑎
Válvula 9 𝜆9 = 0.005 𝑣á𝑙𝑣𝑢𝑙𝑎𝑠/𝑑í𝑎
Válvula 10 𝜆10 = 0.005
𝑣á𝑙𝑣𝑢𝑙𝑎𝑠/𝑑í𝑎

Tiempo de revisión general se distribuye exponencial

Todo el sistema 𝜆 = 0.143 𝑠𝑖𝑠𝑡𝑒𝑚𝑎𝑠/𝑑í𝑎

Considere que las válvulas son independientes. Además, si se presenta un derrame,

se hace una revisión total, en donde todas las válvulas serán revisadas y el sistema
se dejará como nuevo. Finalmente, considere que cada día que la torre de
extracción funciona (no hay derrame) se generan, en promedio, ingresos netos por
US$40000 y cada día que la torre no funcione (hay derrame) se tienen, en
promedio, pérdidas netas por US$ 60000.
RESUELVA

1. Con los datos brindados en este documento genere el modelo específico para el
sistema con las 4 válvulas (1, 8, 9, 10). Debe definir la variable de estado Xn, el
espacio de estados S y la matriz de probabilidades de transición de un paso (Guíese
por el ejemplo resuelto).

RTA:

Definimos la variable de estado como:

𝑿𝒏 = {( 𝐴(𝑡) 𝐵(𝑡) 𝐶(𝑡) 𝐷(𝑡) )}

Esta variable se observará cada día, es decir, se observará en el día 𝑛.

Donde

𝐵 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 1 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

(𝒕): { 𝑀 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 1 𝑛𝑜 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

𝐵 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 8 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

(𝒕): { 𝑀 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 8 𝑛𝑜 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

𝐵 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 9 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

(𝒕): { 𝑀 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 9 𝑛𝑜 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

𝐵 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 10 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

(𝒕): { 𝑀 𝑠𝑖 𝑙𝑎 𝑣á𝑙𝑣𝑢𝑙𝑎 10 𝑛𝑜 𝑒𝑠𝑡á 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎𝑛𝑑𝑜

El espacio de estados S estará conformado por todas las combinaciones de los

valores que pueden tomar las variables (𝑡) (𝑡) 𝐶(𝑡) 𝐷(𝑡), por lo tanto:

(𝐵𝐵𝐵𝐵), (𝐵𝐵𝐵𝑀), (𝐵𝐵𝑀𝐵), (𝐵𝐵𝑀𝑀), (𝐵𝑀𝐵𝐵), (𝐵𝑀𝐵𝑀), (𝐵𝑀𝑀𝐵), (𝐵𝑀𝑀𝑀),

𝑺 = { (𝑀𝐵𝐵𝐵), (𝑀𝐵𝐵𝑀), (𝑀𝐵𝑀𝐵), (𝑀𝐵𝑀𝑀), (𝑀𝑀𝐵𝐵), (𝑀𝑀𝐵𝑀), (𝑀𝑀𝑀𝐵), (𝑀𝑀𝑀𝑀). }
V1 V V9 V10 S
8
B BBBB
B M BBB
M
B
B BBM
M B
B M BBM
M

B BMB
B B
M BMB
M M

B BMM
M B
M BMM
M

B MBB
B B
M MBB
B M

B MBM
M M B
M MBM
M

B MMB
B B
M MMB
M M

B MM
M MB
M MM
MM
Para poder calcular las probabilidades de la matriz necesitamos las probabilidades
de los eventos individuales que pueden ocurrir en el transcurso de un día, que es el
periodo que se escogió para observar el sistema.

TIEMPO ENTRE FALLAS SE DISTRIBUYE EXPONENCIAL

Probabilidad de que la válvula 1
falle en un tiempo menor a 1 día 𝑃(𝑋 < 1) = 1 − 𝑒−0.008(1) = 0.008
Probabilidad de que la válvula 8
falle en un tiempo menor a 1 día 𝑃(𝑋 < 1) = 1 − 𝑒−0.014(1)= 0.014
Probabilidad de que la válvula 9
falle en un tiempo menor a 1 día 𝑃(𝑋 < 1) = 1 − 𝑒−0.016(1) = 0.016
Probabilidad de que la válvula 10
falle en un tiempo menor a 1 día 𝑃(𝑋 < 1) = 1 − 𝑒−0.014(1)=0.014

TIEMPO DE REVISIÓN DE VÁLVULAS SE DISTRIBUYE

EXPONENCIAL
Probabilidad de que la válvula 1 se haya
revisado y reparado en un tiempo 𝑃(𝑋 < 1) = 1 − 0.005
menor a 1 día
𝑒−0.005(1) =
Probabilidad de que la válvula 8 se
haya revisado y reparado en un tiempo 𝑃(𝑋 < 1) = 1 − 0.005
menor a 1 día
𝑒−0.005(1) =
Probabilidad de que la válvula 9 se
haya revisado y reparado en un tiempo 𝑃(𝑋 < 1) = 1 − 0.005
menor
a 1 día 𝑒−0.005(1) =
Probabilidad de que la válvula 10 se
haya revisado y reparado en un tiempo 𝑃(𝑋 < 1) = 1 − 0.005
menor a 1 día
𝑒−0.005(1) =

TIEMPO DE REVISIÓN GENERAL SE DISTRIBUYE

EXPONENCIAL
Probabilidad de todo el sistema se haya
revisado y reparado en un tiempo 𝑃(𝑋 < 1) = 1 − 𝑒−0.143(1) = 0.133
menor
a 1 día.

2. Adicionalmente, el director de mantenimiento operacional instalará el sistema de protección

hidráulico en un nuevo pozo que acaba de presentar un derrame de crudo (estado MMM)
(por fortuna, sin consecuencias mayores para la compañía) y realizará dos auditorías
para comprobar su funcionamiento. La primera en tres meses y la segunda en 6 meses
(Asuma que un mes tiene exactamente 30 días). Por lo tanto, quiere que su modelo calcule:
 3.
EVEN PROBABILIDAD DE QUE OCURRA EL
TO EVENTO
E1: La válvula 1 falla en un
𝑃(𝐸1) = 0.008
tiempo menor a 1 día.
E2: La válvula 1 falla en un
𝑃(𝐸2) = 1 − 𝑃(𝐸1) = 0.992
tiempo mayor a 1 día.
E3: La válvula 8 falla en un
𝑃(𝐸3) = 0.014
tiempo menor a 1 día.
E4: La válvula 8 falla en un
𝑃(𝐸4) = 1 − 𝑃(𝐸3) = 0.986
tiempo mayor a 1 día.
E5: La válvula 9 falla en un
𝑃(𝐸5) = 0.016
tiempo menor a 1 día.
E6: La válvula 9 falla en un
tiempo mayor a 1 día. 𝑃(𝐸6) = 1 − 𝑃(𝐸5) = 0.984
E7: La válvula 10 falla en un
𝑃(𝐸7) = 0.014
tiempo menor a 1 día.
E8: La válvula 10 falla en un
𝑃(𝐸8) = 1 − 𝑃(𝐸7) = 0.986
tiempo mayor a 1 día.
E9: La válvula 1 se revisa y
repara en un tiempo menor a 1 𝑃(𝐸9) = 0.005
día
E10: La válvula 1 se revisa y
repara en un tiempo mayor a 1 𝑃(𝐸10) = 1 − 𝑃(𝐸9) = 0.995
día
E11: La válvula 8 se revisa y
repara en un tiempo menor a 1 𝑃(𝐸11) = 0.005
día
E12: La válvula 8 se revisa y
repara en un tiempo mayor a 1 𝑃(𝐸12) = 1 − 𝑃(𝐸11) = 0.995
día
E13: La válvula 9 se revisa y
repara en un tiempo menor a 1 𝑃(𝐸13) = 0.005
día
E14: La válvula 9 se revisa y
repara en un tiempo mayor a 1 𝑃(𝐸14) = 1 − 𝑃(𝐸13) = 0.995
día
E15: La válvula 10 se revisa y
repara en un tiempo menor a 1 𝑃(𝐸15) = 0.005
día
E16: La válvula 10 se revisa y
repara en un tiempo mayor a 1 𝑃(𝐸16) = 1 − 𝑃(𝐸15) = 0.995
día
E17: Todo el sistema se revisa y
repara en un tiempo menor a 1 𝑃(𝐸17) = 0.133
día.
E18: Todo el sistema se revisa y
repara en un tiempo mayor a 1 𝑃(𝐸18) = 1 − 𝑃(𝐸17) = 0.867
día.
 2. Los datos son tomados de la matriz que esta adjunto a la segunda entrega.

2.1.1 La probabilidad de que en la primera auditoría el sistema esté funcionando

como nuevo es de un 19% (0,191).

2.1.2 La probabilidad de que en la segunda auditoría el sistema esté funcionando

como nuevo es de un 17% (0,173).

Conclusiones

. El ejercicio y sus formas de adquirir el conocimiento se basan aplicando cada una de las normas
con las cuales se fundamenta una labor de desarrollo secuencial, las oportunidades están dadas en
cada conocimiento y ante todo aplicada a cada normatividad que se entiende como el resultado
positivo adquisitivo en los niveles mismos que contribuyen a la formación de los informes técnicos.

. Este trabajo nos lleva a identificar como una matriz de incidencia nos ayuda a visualizar el número
de fallas que puede tener el sistema de contención del pozo petrolero.

. utilizando los diversos procedimientos estadísticos el modo y la facilidad de identificar de manera

más ágil el tiempo de fallas de las válvulas y la periodicidad con que ocurren.