Data & Innovation • Oil & Gas
Detección temprana de fallas y predicción de merma en pozos petroleros
Cómo el análisis avanzado de datos y Machine Learning permiten anticipar el deterioro en bombas electro-sumergibles, asegurando la continuidad productiva en la industria de Oil & Gas.
El Desafío
Para una compañía del sector de Oil & Gas enfocada en la eficiencia de extracción a través de sistemas de levantamiento artificial, la degradación progresiva y las fallas inesperadas en las bombas electro-sumergibles (BES) operativas en 250 pozos representaban un reto crítico. Esta situación impactaba directamente en la continuidad productiva y elevaba los costos de mantenimiento de las instalaciones.
El proceso de monitoreo dependía de la validación manual de medidas de sensores visualizadas en tableros de BI. Esta modalidad operativa ralentizaba la detección temprana de mermas de producción y dificultaba significativamente la capacidad de anticipar eventos críticos en los equipos, generando una brecha operativa entre el dato capturado y la acción preventiva oportuna.
La Solución
A través del Nubiral AI Center of Excellence (CoE), implementamos una solución de analítica avanzada con un enfoque 100% basado en datos, apalancada en Azure Machine Learning Studio y Storage Accounts.
Diseñamos un pipeline analítico a nivel backend estructurado para procesar la telemetría horaria de variables operativas críticas como corriente, frecuencia, RPM y torque. La arquitectura aplica correlaciones dinámicas (como Pearson y Spearman) y análisis de estabilidad temporal para identificar desviaciones y pérdidas de acoplamiento en el comportamiento esperado de cada activo.
Complementariamente, el sistema integra el algoritmo no supervisado Isolation Forest para la detección de anomalías multivariadas, generando un modelo robusto que consolida todas las variables en un único indicador analítico de salud de la bomba.
