La analítica de datos será fundamental para afrontar el reto de mejorar la fiabilidad de componentes que operan en condiciones exigentes en la industria energética con objeto de garantizar la seguridad reduciendo las probabilidades de fallo y las consecuencias medioambientales y económicas.
Las fuentes tradicionales de energía basadas en combustibles fósiles como el petróleo, son limitadas, y la brecha creciente entre el aumento de la demanda y la contracción de la oferta obliga a disponer de fuentes alternativas de energía primaria. No obstante, al menos en la próxima década, las tecnologías libres de gases de efecto invernadero (GEI), como son la energía nuclear y las energías renovables, convivirán con otras tecnologías basadas en combustibles fósiles.
Además, recientemente está emergiendo con firmeza lo que puede acabar siendo una verdadera revolución tecnológica con un aprovechamiento cada vez más eficiente de la energía solar y eólica para la producción del llamado “hidrógeno verde”.
De igual modo, no habría que olvidar la apuesta que Europa lleva años liderando en la carrera por la construcción del primer prototipo comercial de reactor de fusión nuclear (Proyecto ITER, International Thermonuclear Experimental Reactor) en el que participan numerosos países europeos, incluido España.
Por otro lado, las otras tecnologías existentes basadas en la producción de combustibles fósiles se están viendo obligadas a optimizar sus procesos para que sean más eficientes, seguros, limpios y, por tanto, sostenibles. En la próxima década, existe un reto por delante en relación con mejorar la fiabilidad de componentes que operan en condiciones exigentes, con objeto de garantizar la seguridad reduciendo las probabilidades de fallo y, por ende, aumentando la disponibilidad y reduciendo las consecuencias medioambientales y económicas derivadas de la rotura de componentes estructurales y/o presurizados.
Estas dos tipologías de industrias que actualmente coexisten, tendrán por tanto algunos puntos en común para establecer metodologías de evaluación de la integridad mecánica de materiales basadas en modelos avanzados de análisis de datos, con objeto de garantizar la fiabilidad condicionada por determinados mecanismos de degradación de materiales.
Una reducción de la fiabilidad de un componente puede causar una serie de consecuencias no deseables relacionadas con la seguridad, la competitividad, así como con las inversiones económicas en materia de mantenimiento y reparación. De este modo, la fiabilidad de un componente y la del equipo y/o sistema en el que está instalado está estrechamente relacionada con el número de fallos que presentará en un intervalo de tiempo dado. No obstante, esta fiabilidad puede optimizarse mediante el empleo de modelos avanzados de análisis.
El modelado de datos resulta, por tanto, esencial para caracterizar matemáticamente la tendencia en el comportamiento de los materiales y componentes que definen un sistema. En muchas ocasiones, los datos obtenidos suelen mostrar patrones (modelos o tendencias). Así mismo, el empleo de tecnologías IoT (Internet of Things) permite disponer de datos de operación en tiempo real que pueden modificar las “ventanas de operación” (del inglés, “Operating Windows”) consideradas, mejorando el ajuste del modelo a las condiciones reales de operación.
Cabe concluir que estas estrategias permiten predecir daños asociados a mecanismos de degradación, mejorando la detección temprana de fallos, aumentando la disponibilidad de la planta, minimizando pérdidas de producción y gastos de reparación así como reduciendo el riesgo de accidentes fatales.
Álvaro Rodríguez Prieto
Inspección y Asistencia Técnica de SGS
