Introducción

La presencia de grietas en ductos de transporte de hidrocarburos plantea uno de los desafíos más complejos para la integridad estructural. No sólo por su potencial de falla frágil, sino también por la dificultad de caracterizarlas con precisión y por la sensibilidad que muestran ante condiciones operativas reales.

Estas grietas pueden originarse por diversos mecanismos: defectos de fabricación en soldaduras longitudinales, corrosión bajo tensión (SCC), fatiga por presión cíclica, o una combinación de estos. En todos los casos, su evaluación técnica exige un análisis riguroso, en especial cuando aparecen en zonas de alta consecuencia o en tramos donde ya se han registrado antecedentes.

Nuestra visión: hacia un enfoque no determinístico

En GIE, consideramos que complementar los análisis determinísticos tradicionales con herramientas probabilísticas permite enriquecer la comprensión del riesgo asociado a defectos tipo grieta.

Las normas técnicas actualmente vigentes —como API 579 Parte 9— habilitan evaluaciones basadas en valores únicos: profundidad, longitud, espesor, tensión de fluencia, fractotenacidad. Esa lógica ha sido la base para la gestión de la integridad durante décadas. Sin embargo, sabemos que todos esos parámetros están sujetos a incertidumbre, tanto por el origen de los datos como por la variabilidad natural del sistema.

Incorporar esa variabilidad no es reemplazar la normativa, sino utilizarla con mayor conciencia del contexto estadístico de cada variable.

¿De dónde proviene la incertidumbre?

Cada uno de los parámetros críticos del modelo de evaluación de grietas puede ser representado como una variable aleatoria, en lugar de una constante exacta:

• Profundidad y longitud de la grieta: derivadas de inspecciones internas (ILI) como UTCD, cuyas especificaciones técnicas declaran errores típicos del ±10% del espesor, al 80% de confianza.
• Espesor de pared y diámetro externo: ambos con tolerancias de fabricación especificadas en API 5L, que permiten modelar su dispersión como distribuciones normales.
• Tensión de fluencia (SMYS): aunque suele utilizarse el valor mínimo especificado por API 5L, puede ser representada con una distribución que refleje la dispersión estadística real del lote.
• Tenacidad a la fractura (KIC): probablemente una de las variables con mayor incertidumbre, que puede provenir de ensayos Charpy, valores empíricos típicos por tipo de acero, o resultados históricos de ensayos destructivos.

Estas fuentes de variabilidad son reconocidas en normas como API 1176, que destacan el impacto de la incertidumbre y del error de medición en la confiabilidad de las evaluaciones.

Simulaciones Monte Carlo: del valor puntual a la distribución de resultados

En lugar de ingresar valores fijos al modelo del Failure Assessment Diagram (FAD), en GIE hemos desarrollado una herramienta que implementa simulaciones Monte Carlo, donde cada parámetro se representa como una distribución estadística.

En cada iteración, se sortean valores de profundidad, longitud, espesor, KIC, σ_y, etc., según sus respectivas distribuciones, y se evalúa si el punto (Kr, Lr) cae dentro del dominio aceptable del FAD según API 579 Parte 9.

El resultado no es un único punto, sino una nube estadística de escenarios posibles. Aquellos que exceden los límites de aceptación se interpretan como fallas.

El error en los datos de entrada se propaga naturalmente al resultado: las variables de entrada tienen una dispersión y, por tanto, la presión de falla simulada también tiene una distribución. Aunque esta no se calcule de manera explícita, la probabilidad de falla resulta de cuántos de esos valores simulados son menores que la presión operativa.

Gracias a las mejoras en la capacidad de cómputo actuales, podemos ejecutar millones de evaluaciones en segundos o minutos, dentro de plazos compatibles con cualquier programa de análisis de integridad

Figura 1: Evaluación de grietas por Simulación de Montecarlo

Esta visualización permite ver que incluso cuando el caso promedio es aceptable, una fracción de los escenarios simulados puede caer fuera del dominio seguro.

Acumulación de riesgo: cuando muchas PoF pequeñas hacen una grande

Una de las ventajas del enfoque probabilístico es que permite estimar el riesgo acumulado en un tramo de ducto que contiene múltiples anomalías. Esto es especialmente relevante cuando se combinan cientos de defectos menores, cada uno con baja probabilidad de falla individual.

En este contexto, la probabilidad de que al menos uno falle dentro de un segmento se estima como:

$$ POF_{Segmento} = 1 – \prod_{i=1}^{n} (1 – POF_i) $$

Donde:
• n es la cantidad de defectos en el tramo,
• POF _i es la probabilidad de falla individual de cada grieta.

Este fenómeno no puede ser captado por evaluaciones determinísticas tradicionales que analizan cada defecto de forma aislada. En cambio, el enfoque probabilístico permite detectar zonas críticas por densidad de defectos, aun cuando ninguno de ellos sea, por sí solo, crítico.

Conclusión
Las normas actuales siguen siendo la base para la evaluación de grietas. Pero cuando se requiere un análisis más profundo —por densidad de defectos, por contexto de operación, o por requerimientos regulatorios o corporativos—, el enfoque probabilístico aporta una capa adicional de entendimiento técnico, que permite fundamentar mejor las decisiones.
Mas importante aún, permite identificar escenarios de riesgo inaceptable que, de otra manera, no hubiesen sido contemplados.
Desde GIE, desarrollamos e implementamos esta metodología como parte de nuestras herramientas de análisis de integridad, aplicables a evaluaciones de defectos tipo grieta detectados por ILI.