Carrero Acosta Enrique Alfonso

REPBLICA BOLIVARIANA DE VENEZUELA
UNIVERSIDAD DEL ZULIA

FACULTAD DE INGENIERA
DIVISIN DE POSTGRADO
PROGRAMA DE POSTGRADO EN INGENIERA MECNICA
MENCIN TERMOCIENCIAS COMPUTACIONAL

ANLISIS DE SENSIBILIDAD GLOBAL EN LA RECUPERACIN MEJORADA DE
PETRLEO POR INYECCIN DE LCALI, SURFACTANTE Y POLMEROS

Trabajo de Grado presentado ante la Ilustre Universidad del Zulia para optar al Grado
Acadmico de:

MAGSTER SCIENTIARUM EN INGENIERA MECNICA

Enrique Alfonso Carrero Acosta

Maracaibo, Octubre de 2004
ii
APROBACION

Este jurado aprueba el Trabajo de Grado titulado ANLISIS DE SENSIBILIDAD
GLOBAL EN LA RECUPERACIN MEJORADA DE PETRLEO POR
INYECCIN DE LCALI, SURFACTANTE Y POLMEROS que el Ingeniero
Enrique Alfonso Carrero Acosta, C.I.: 13.930.147 presenta ante el Consejo Tcnico de la
Divisin de Postgrado de la Facultad de Ingeniera en cumplimiento del Articulo 51,
Pargrafo 51.6 de la Seccin Segunda del Reglamento de Estudios para Graduados de la
Universidad del Zulia, como requisito para optar al Grado Acadmico de

MAGSTER SCIENTIARUM EN INGENIERA MECNICA

________________________
Coordinador del Jurado
Nstor V. Queipo
C. I.: 7.606.331

_______________________ _______________________
Juan Gonzlez Jos Rincn
C. I. : 4.147.570 C. I. : 4.417.049

________________________
Director de la Divisin de Postgrado
Carlos Rincn

Maracaibo, Octubre de 2004
iii

Carrero Acosta, Enrique Alfonso. Anlisis de Sensibilidad Global en la Recuperacin
Mejorada de Petrleo por Inyeccin lcali, Surfactante y Polmeros. Trabajo de Grado.
Universidad del Zulia. Facultad de Ingeniera. Divisin de postgrado. Maracaibo, 2004.

RESUMEN

En Venezuela existen muchos yacimientos de petrleo que han sido explotados mediante
mtodos de recuperacin secundaria por inyeccin de agua dejando saturaciones residuales
de petrleo en el yacimiento de aproximadamente un 70 %. Esta elevada saturacin residual
se debe principalmente a: i) problemas de inyectividad asociados con caminos
preferenciales y/o segregacin gravitacional, y ii) fuerzas capilares en el medio poroso. La
recuperacin de petrleo por inyeccin de ASP ha sido utilizada exitosamente en la
reduccin de la saturacin residual de petrleo, mejorando la relacin de movilidades de las
fases y reduciendo la tensin interfacial de las fases presentes en el yacimiento. Para
mejorar la rentabilidad de los procesos de recuperacin por inyeccin de ASP es importante
cuantificar la influencia global de variables crticas del proceso (concentracin de lcali,
surfactante, polmero y tiempo de inyeccin). Esto puede ser realizado utilizando anlisis
de sensibilidad global, estos mtodos cuantifican la influencia de las variables de entrada en
la respuesta del modelo; sin embargo, necesitan realizar cientos y hasta miles de
evaluaciones del modelo para poder estimar la contribucin de cada una de las variables de
entrada en la respuesta del modelo (en nuestro caso produccin acumulada de petrleo).
Este trabajo propone una metodologa basada en mtodos de anlisis de sensibilidad global
que incluye la construccin de modelos sustitutos de rpida ejecucin (Regresin
Polinomial, Kriging, Funciones de Base Radial y un Modelo Ponderado Adaptativo) y
algoritmos de Anlisis de Sensibilidad Global, la cual ser evaluada utilizando una prueba
piloto de inyeccin de ASP. La metodologa propuesta muestra ser efectiva, pudiendo ser
utilizada en el modelado de cualquier proceso complejo en donde el nmero de variables y
el alto costo computacional de los modelos deterministicos sea grande.

Palabras Clave: modelado, modelos sustitutos, Regresin Polinomial, Kriging, Funciones
de Base Radial, Anlisis de sensibilidad, Anlisis de sensibilidad global, recuperacin
mejorada de petrleo, lcali, surfactante y polmero, simulacin numrica.

iv
Carrero Acosta, Enrique Alfonso. Global Sensitivity Analysis on the Enhanced Oil
Recovery by Injection Alkali, Surfactant and Polymers. Trabajo de Grado. Universidad del
Zulia. Facultad de Ingeniera. Divisin de Postgrado. Maracaibo, 2004.

ABSTRACT

In Venezuela exists many oil reservoirs that have been operated by secondary recovery
methods for example water injection, leaving residual petroleum saturations in the reservoir
of approximately 70 %. This high residual saturation is due mainly: i) injectivity problems
associated with preferential paths and/or gravitational segregation, and ii) capillary forces
in porous media. Oil recovery by ASP injection has been used successfully for the
reduction of residual oil saturation, improving the mobility ratio and reducing the interface
tension of the phases in the reservoir. In order to improve the rentability of the ASP
injection, it is important to quantify the global influence of critics variables of the process
(alkali, surfactant and polymer concentration, and injection time). This can be done using
global sensitivity analysis, these methods quantify the influence of the input variables in the
answer of the model; nevertheless, they need to do hundreds and up to thousands
evaluations of the model to be able to consider the contribution of each one of the input
variables in the model response (in our case cumulative oil production). This work propose
a methodology based on global sensitivity analysis methods that includes the construction
of surrogates models of fast execution (Polynomial Regression, Kriging, Radial Base
Functions and a Weighed Model Adaptive) and Global Sensitivity Algorithms, which will
be evaluated using a pilot test of ASP injection. The proposed methodology shows to be
effective, being able to model any complex process where the number of variables and the
high computational cost of the deterministics models are overwhelming.

Keywords: modeled, surrogate models, Polynomial Regression, Kriging, Radial Base
Functions, Sensitivity Analysis, Global Sensitivity Analysis, improved oil recovery, alkali,
surfactant and polymer, numerical simulation.

v
DEDICATORIA

A mis padres Eutimio y Nelly y mis hermanos Alonso, Luis y Hctor.

vi
AGRADECIMIENTO

A mis padres Eutimio y Nelly por darme su apoyo incondicional y haberme dado la
oportunidad de llegar a ser la persona que soy.

A mis hermanos Alonso, Luis y Hctor, por darme la alegra de ser parte importante en mi
vida.

A mi mam Celia por darme tantas alegras, te quiero mucho.

A Nstor Queipo, profesor del Instituto de Clculo aplicado, por darme la oportunidad y
confianza de realizar este trabajo de investigacin.

A todos mis compaeros del Instituto, Herick, Diego, Luis, Alexander y Edwin por toda su
ayuda incondicional.

Enrique

vii
LISTA DE SMBOLOS O NOMENCLATURA

: Viscosidad
: Tensin interfacial
ASP : lcali, Surfactante y Polmero
f : Funcin objetivo, produccin acumulada de petrleo
N
C
: Nmero capilar
p : Nmero de variables de diseo
POES : Petrleo Original En Sitio
WOR : Relacin Petrleo Agua
v : Velocidad del fluido de empuje
VP : Volumen Poroso
x : Vector de variables de diseo
X : Regin factible del espacio de diseo
S : ndice de Sensibilidad
S
T
: ndice de Sensibilidad Total
: Espacio de Entrada de las variables de estudio

viii
CONTENIDO

Pgina
CAPTULO I. INTRODUCCIN .

1
1.1 Hiptesis fundamentales de la investigacin

2
1.2 Objetivos de la Investigacin

2
1.2.1 Objetivo General ...

2
1.2.2 Objetivos Especficos ...

3
1.3 Alcance y Delimitacin de la Investigacin .

3
1.4 Estructura del Trabajo ..

4
CAPTULO II. REVISIN DE LA LITERATURA

5
CAPTULO III. MARCO TERICO

9
3.1 Fundamentos de ASP

9
3.1.1 Fuerzas Capilares vs. Fuerzas Viscosas

10
3.1.2 Surfactantes ...

12
3.1.2.1 Tipos de Surfactantes .

12
3.1.2.2 Mecanismos de Accin ..

13
3.1.2.3 Retencin de Surfactante ...

16
3.1.3 Polmeros ..

17
3.1.2.1 Tipos de Polmeros

18
3.1.2.2 Factores que Influencian la Accin de los Polmeros ..

19
3.1.4 lcali .

23
3.1.4.1 Mecanismos de Accin .. 24

ix
3.2 Modelos Sustitutos

27
3.2.1 Modelo de Regresin Polinomial (RGP) ..

28
3.2.2 Kriging (KRG) ..

30
3.2.3 Funciones de Base Radial (FBR) ..

32
3.2.4 Modelo Promedio Ponderado Adaptativo (PPA) .

34
3.3 Anlisis de Sensibilidad Global

37
3.3.1 Mtodo de Morris .

38
3.3.2 Mtodo de Sobol ...

41
3.3.3 Mtodo FAST ...

44
CAPTULO IV. MARCO METODOLGICO

49
4.1 Caso de Estudio. Piloto de Inyeccin de ASP. Archivo de muestra del
simulador UTCHEM EX07 ..

50
CAPTULO V. ANLISIS Y DISCUSIN DE LOS RESULTADOS ...

57
5.1 Resultados para el Conjunto de Datos Reducido ..

57
5.2 Resultados para el Conjunto de Datos Completo .

69
CAPTULO VI. CONCLUSIONES Y RECOMENDACIONES .

72
REFERENCIAS BIBLIOGRFICAS ..

74
APNDICES O ANEXOS

76
GLOSARIO ... 82

x
LISTA DE TABLAS

Tabla

Pgina
1 Resumen de trabajos reportados en el rea de anlisis de sensibilidad
global .

6
2 Restricciones de las variables de diseo ... 51

3 Caractersticas del yacimiento (Caso base) ...

52
4 Esquema de inyeccin de la prueba piloto de ASP (Caso base) ...

53
5 ndices de Sensibilidad Global para cada modelo sustituto al aplicar el
mtodo de Sobol con la entrada de datos reducida en forma porcentual (%)

59
6 Resumen del orden de importancia de las variables del modelo (Data
reducida). Mtodo de Sobol ..

63
7 Resumen de resultados por el mtodo de Morris (Data reducida)

64
8 ndices de Sensibilidad para el conjunto de datos reducido (Mtodo
FAST) ...

66
9 Clasificacin del orden de importancia de las variables del modelo para el
conjunto de Data reducida. (Mtodo FAST) .

69
10 ndices de sensibilidad global con el conjunto de Datos Completo.
(Mtodo de Sobol)

70
11 Resumen de resultados por el mtodo de Morris (Data completa) ...

70
A-1 Conjunto de datos de entrada del modelo (Data Completa) . 76

A-2 Conjunto de datos de salida del UTCHEM ...

77
A-3 Coeficientes del polinomio de regresin ...

78
A-4 Pesos calculados para el modelo de funciones de base radial ...

79
A-5 ndices de sensibilidad para los polinomios de Legendre para los mtodos
de Sobol y FAST extendido ..

81

xi
LISTA DE FIGURAS

Figura

Pgina
1 Atrapamiento capilar de una gota de petrleo .

11
2 Adsorcin de molculas de Surfactante ...

14
3 Tipos de Solubilizacin ...

16
4 Molcula de polmero tpica

17
5 Poliacrilamida parcialmente hidrolizada .

18
6 Polisacrido (biopolmero) ..

19
7 Respuesta tpica de viscosidad de solucin de polmero vs. tasa de
deformacin .

20
8 Adsorcin de polmeros en la interfase lquido-lquido y lquido-slido

21
9 Funcin de base radial Gaussiana

33
10 Representacin grfica de los resultados por el mtodo de Morris .

41
11 Curva de bsqueda de la funcin de transformacin utilizada, para
i
=11

46
12 Metodologa utilizada para el anlisis de sensibilidad global .

50
13 Patrn de pozos (Caso base)

51
14 Distribucin de presin inicial del yacimiento en las tres capas (Caso
base) .

54
15 Campos de saturacin inicial de agua en las tres capas (Caso base) ...

55
16 Campos de permeabilidad horizontal de las tres capas (Caso base)

56
17 ndices de Sensibilidad Global para el caso de estudio con data de entrada
reducida. a) Regresin Polinomial, b) Kriging, c) Funcin de Base Radial,
d) PPA. (Mtodo de Sobol) .

60
18 ndices de Sensibilidad Totales para el conjunto de data reducida a)
Regresin Polinomial, b) Kriging, c) Funcin de Base Radial, d) PPA.
(Mtodo de Sobol) ...

61
xii
19 Relacin entre los ndices de sensibilidad principales y totales utilizando
el mtodo de Sobol (data reducida): a) Regresin Polinomial, b) Kriging,
c) Funcin de Base Radial y d) PPA. (Mtodo de Sobol) ...

63
20 Media y desviacin estndar para cada uno de los modelos sustitutos con
el conjunto de data reducida (Mtodo de Morris) ...

65
21 ndices de sensibilidad Total para el conjunto de data reducida. (Mtodo
FAST) ..

66
22 Comparacin de los ndices de sensibilidad globales y totales para el
conjunto de data reducida. a) Regresin Polinomial, b) Kriging, c)
Funcin de Base Radial y d) PPA. (Mtodo FAST)

68
23 ndices de sensibilidad Total para el conjunto de datos completo. (Mtodo
FAST) ..

71

A-1 Polinomios de Legendre para x entre [-1,1] y d = {1,2,3,4,5} ...

81

CAPITULO I

INTRODUCCIN

En Venezuela existen muchos yacimientos de petrleo que han sido explotados
mediante mtodos de recuperacin secundaria por inyeccin de agua dejando saturaciones
residuales de petrleo en el yacimiento de aproximadamente un 70 %. Esta elevada
saturacin residual se debe principalmente a: i) problemas de inyectividad asociados con
caminos preferenciales y/o segregacin gravitacional, y ii) fuerzas capilares en el medio
poroso. La recuperacin de petrleo por inyeccin de ASP ha sido utilizada exitosamente
en la reduccin de la saturacin residual de petrleo, mejorando la relacin de movilidades
de las fases y reduciendo la tensin interfacial de las fases presentes en el yacimiento.

Para mejorar la rentabilidad de los procesos de recuperacin mejorada por inyeccin
de ASP es importante cuantificar la influencia global de variables crticas del proceso
(concentracin de lcali, surfactante, polmero y tiempo de inyeccin) en la recuperacin de
petrleo.

Los estudios hasta la fecha se han limitado a anlisis de sensibilidad local [1]- [3],
debido fundamentalmente a la complejidad de los modelos de simulacin de ASP
(computacionalmente costosos). Estos modelos se basan en los principios fundamentales de
balance de masa, ley de Darcy, conservacin de la energa y la ley de difusin de Fick,
adicionalmente utilizan modelos que permiten describir las propiedades fsico-qumicas
tales como comportamiento de fases, tensin interfacial, intercambio de iones y adsorcin
de qumicos, entre otras [4]- [7]. Tambin toman en cuenta las reacciones qumicas que se
pueden presentar entre las diferentes sustancias.

Los mtodos de anlisis de sensibilidad global necesitan realizar cientos y hasta
miles de evaluaciones del modelo estudiado, con el fin de poder estimar la contribucin de
Captulo I. Introduccin
2
cada una de las variables de entrada en la respuesta del modelo (en nuestro caso produccin
acumulada de petrleo), lo que aumenta an ms el costo computacional.

Este trabajo es un primer paso hacia superar estas limitaciones. Para esto se propone
una metodologa para el anlisis de sensibilidad global en modelos de simulacin
computacionalmente costosos, con aplicaciones en la recuperacin mejorada de petrleo
por inyeccin de ASP.

La metodologa incluye la construccin y ejecucin acoplada de modelos sustitutos
de rpida ejecucin (Regresin Polinomial, Kriging, Funciones de Base Radial y un
Modelo Ponderado Adaptativo) con algoritmos de sensibilidad global, con el objeto de
confirmar que los resultados obtenidos son independientes del tipo de modelo sustituto
seleccionado, el mtodo de anlisis de sensibilidad y del tamao de la data utilizada para el
entrenamiento de los modelos sustitutos.

1.1 Hiptesis Fundamentales de la Investigacin
La integracin de modelos sustitutos para el modelado de la respuesta de un
simulador de ejecucin de alto costo computacional acoplada con un algoritmo de
sensibilidad global permite determinar que factores tienen mayor influencia en la
prediccin de modelos de procesos de recuperacin de petrleo por inyeccin de lcali,
surfactante y polmero.

1.2 Objetivos de la Investigacin
1.2.1 Objetivo General:
Presentar una metodologa para el anlisis de la influencia de las variables que afectan
los procesos de recuperacin mejorada de petrleo por inyeccin de lcali, surfactante
y polmero basada en la integracin de modelos sustitutos y algoritmos de anlisis de
sensibilidad global.

3
1.2.2 Objetivos especficos:
Codificar la integracin de los modelos sustitutos con programas para el anlisis de
sensibilidad global.

Evaluar la metodologa propuesta utilizando un caso de estudio representativo del
proceso.

Clasificar en orden de importancia variables caractersticas de los procesos de
recuperacin mejorada de petrleo por inyeccin de lcali, surfactante y polmero.

1.3 Alcance y Delimitacin de la Investigacin

La investigacin propuesta en este Trabajo de Grado corresponde al rea de Modelado
de Procesos Complejos, la cual esta alineada con el contenido del programa acadmico de
la Maestra en Termociencias Computacional que adelanta la Divisin de Estudios para
Graduados y las lneas de investigacin del Instituto de Clculo Aplicado (Proyecto
FONACIT), ambos de la Facultad de Ingeniera de la Universidad del Zulia.

Este estudio esta delimitado por los siguientes aspectos:
El problema considerado como caso de estudio es de relativa pequea escala (4
variables).

Se considera exclusivamente el proceso de recuperacin mejorada de petrleo por
inyeccin de ASP, a pesar de que la metodologa propuesta se pudiera aplicar en
otros procesos en ingeniera.

Se utiliza el simulador composicional UTCHEM de la Universidad de Texas en
Austin para la simulacin del proceso de recuperacin mejorada de petrleo por
inyeccin de ASP.
4
Los modelos sustitutos considerados para la evaluacin de la metodologa
propuesta estn basados en Regresin Polinomial, Kriging, Funciones de Base
Radial y un modelo promedio ponderado adaptativo de los modelos sustitutos
individuales que minimiza la varianza de la estimacin.

El anlisis de sensibilidad global se realizar utilizando los mtodos de Morris,
Sobol y FAST extendido.

El caso de estudio utilizado para evaluar la metodologa propuesta est basado en
una prueba piloto a escala de campo de un proceso de inyeccin de ASP
disponible en los archivos de prueba del simulador UTCHEM, el anlisis de
sensibilidad global se realizar utilizando modelos sustitutos.

1.4 Estructura del Trabajo

El presente trabajo de investigacin se compone de los siguientes captulos: Captulo II,
Revisin de la Literatura, en donde se citan algunos de los trabajos ms importantes
relacionados con el tema de investigacin; Captulo III, Marco Terico, se discuten los
fundamentos de la recuperacin mejorada de petrleo por ASP, tambin se describen los
modelos sustitutos y por ltimo se presentan los algoritmos de anlisis de sensibilidad
global utilizados; Captulo IV, Marco Metodolgico, se describe la metodologa de
solucin utilizada y el caso de estudio diseado para la evaluacin de la metodologa
propuesta; en el Captulo V, Anlisis y Discusin de los Resultados, se presentan los
resultados obtenidos en la investigacin; y por ltimo el Captulo VI, Conclusiones y
Recomendaciones, se presentan los resultados ms importantes y los aportes ms
significativos de la investigacin.

CAPTULO II

REVISIN DE LA LITERATURA

En este captulo se presenta una revisin de los principales trabajos realizados en el
rea de anlisis de sensibilidad global y su aplicacin en procesos de recuperacin
mejorada de petrleo por inyeccin de ASP.

En la Tabla 1 se muestra un resumen de los trabajos ms importantes en el rea, las
siglas Si, ST y Sij son medidas de sensibilidad que sern explicadas en el captulo III. Los
mtodos de anlisis de sensibilidad global han tenido un gran auge en los ltimos aos
especialmente en el rea de cuantificacin de riesgos ambientales y deposicin de restos
nucleares [8]- [12], El presente trabajo es la primera aplicacin en la rama petrolera y ms
especficamente en los procesos de inyeccin ASP.

Cukier [13] presenta un mtodo para el clculo de ndices de sensibilidad globales
llamado FAST aplicado a problemas de combustin, especficamente en reacciones
qumicas. Para la prueba se utilizaron 10 variables de entrada al modelo y se cuantificaron
solamente los ndices de sensibilidad de primer orden.

Morris [14] presenta un mtodo basado en diseos de experimentos, en donde se
calculan efectos elementales de cada una de las variables de entrada al modelo. La medida
de sensibilidad se obtiene a travs de estimaciones de las medias y desviaciones estndar de
cada una de las variables a partir de los efectos elementales. La prueba del mtodo se
realiz con un modelo analtico de 20 variables de entrada.

Sobol [15] propone un mtodo para el clculo de ndices de Sensibilidad, este
clculo es llevado a cabo implementando mtodos de integracin de Monte Carlo. Adems
permite realizar clculos de los ndices de sensibilidad de primer orden, interacciones y los
llamados ndices de Sensibilidad Totales, logrndose: i) clasificar las variables de entrada
Captulo II. Revisin de la Literatura
6
al modelo por orden de importancia, ii) identificar la importancia de conjuntos de variables,
y iii) identificar variables que no influyen en la variabilidad del modelo y pueden ser fijadas
como parmetros. Se utiliz un modelo analtico para la validacin del mtodo con 5
variables de entrada.

Tabla 1 Resumen de trabajos reportados en el rea de anlisis de sensibilidad global

Dominio de Aplicacin
Anlisis de
Sensibilidad
Autor

Casos de Prueba
Si ST Sij
Nmero de
variables de
entrada
Mtodo
Utilizado
Cukier, (1973)
13
Combustin Reacciones Qumicas X 10
FAST
clsico
Morris, M (1991)
14
- Ejemplo analtico X 20 Morris
Sobol, I, Tarantora, S
(1998)
15

- Funcin G de Sobol X X X 5
ndices de
Sobol
Campolongo, F.
(1999)
10

Estudios del Clima Modelo KIM X X 68
FAST,
Morris
Saltelli, A et al (1999)
16
- Funcin G de Sobol X X 8 FAST
- Polinomio de Legrendre X X 2 Clsico y

Deposicin de
Restos Nucleares
Caso de Prueba Level E X X 33 Extendido
Saltelli, A et al (2000)
16
- Polinomio de Legendre X X 2 Sobol
Qumica Ecuaciones de Bateman X X 4
FAST
extendido

Deposicin de
Restos Nucleares
Modelo Level E X X 12 Morris

Deposicin de
Restos Nucleares
Modelo Level E/G X X 54
Ambiente Indicadores ambientales X X 196
Estudios de Clima Modelo KIM X X 68
Semiconductores Ejemplo de Calibracin X X 4
Carrero, E.
(Este trabajo)
Recuperacin
Mejorada por ASP
Proyecto Piloto de ASP X X X 4
Morris,
Sobol,
FAST

7
Campolongo [10] propone una metodologa para el anlisis de sensibilidad de
modelos computacionalmente costosos. Preliminarmente sugiere que se utilice una tcnica
de seleccin (screening) con el fin de identificar las variables ms importantes del modelo.
Luego de esto se recomienda el uso de mtodos de anlisis de sensibilidad cuantitativo
(FAST, Sobol) para determinar los ndices de sensibilidad global principales y totales de las
variables de entrada ms importantes. Se utiliz el modelo KIM para la implementacin de
la metodologa propuesta.

Saltelli [16] presenta una extensin del mtodo de FAST de Cukier que permite el
clculo de los ndices de sensibilidad totales (efectos principales y todas las interacciones
presentes) para cada una de las variables de entrada del modelo, adems se ofrecen ventajas
en el mbito de robustez y eficiencia computacional del mtodo. Para la prueba del mtodo
se utilizaron varios modelos, tanto analticos (Funcin G de Sobol, Polinomio de Legendre)
como numricos ( Modelo Level E).

Saltelli et al. [17] explora las reas de aplicacin en donde los mtodos de anlisis
de sensibilidad global pueden ser tiles, y evala la relevancia de estos mtodos en el
modelado de procesos. Se realiza una revisin de mtodos de anlisis de sensibilidad y se
sugieren cuales de estos pueden aumentar el alcance de los anlisis en el modelado de
procesos computacionales y estadsticos. La discusin est basada en varios casos de
estudio.

La aplicacin de estos mtodos de sensibilidad global en procesos de recuperacin
de petrleo por inyeccin de ASP no ha sido reportada en trabajos de investigacin previos,
sin embargo se han realizado estudios de sensibilidad locales aplicados a procesos de
optimizacin, a continuacin se discutirn los trabajos ms relevantes.

Wei-Ju Wu [1] realiz un estudio para determinar el potencial de los procesos de
inyeccin por ASP comparado con otros mtodos alternativos, para esto se diseo una
prueba piloto que se model utilizando el simulador UTCHEM. Se realizaron varias
simulaciones para desarrollar un anlisis de sensibilidad del proceso; las variables
8
seleccionadas para el anlisis incluyen propiedades del yacimiento, propiedades de los
fluidos inyectados, reacciones qumicas, interacciones roca-fluido. Este es el primer trabajo
en el cual se realiz la simulacin de inyeccin de ASP a escala de campo con un modelo
detallado de las reacciones qumicas.

Zhijian et al. [2] presenta una prueba piloto de inyeccin de ASP en el campo
petrolero Gudong, ubicado en la Provincia Shandong en China. Se realiza un estudio de
sensibilidad en base a los cotejos histricos de los diferentes agentes qumicos,
concentraciones qumicas, cantidad de las soluciones inyectadas y tiempo de inicio de la
inyeccin de ASP. Bajo condiciones similares, la recuperacin de petrleo lograda por
inyeccin de ASP fue mucho mayor que aquella correspondiente a uno o dos agentes
qumicos.

Hernndez et al. [3] presenta el resumen de un proyecto para implementar inyeccin
de ASP en el yacimiento La Salina LL-03 (fase III) ubicado en el Lago de Maracaibo. La
factibilidad de aplicar la tecnologa ASP se basa en una serie de experimentos que incluyen
compatibilidad de fluidos, estabilidad trmica de los qumicos a inyectar, emulsificacin
espontnea, tensin interfacial entre el petrleo y la solucin ASP, retencin de qumicos
en el medio poroso y simulaciones de yacimiento usando muestras de ncleo [3]. Tambin
se utiliza un estudio de sensibilidad para la evaluacin y diseo del proceso de inyeccin de
ASP.

CAPTULO III

MARCO TEORICO

En este captulo se discutirn los fundamentos del proceso de recuperacin
mejorada de petrleo ASP, luego la formulacin matemtica de los modelos sustitutos
utilizados (Regresin Polinomial, Kriging, Funciones de Base Radial y el Modelo
Promedio Ponderado Adaptativo). Por ltimo se presenta la formulacin matemtica de los
mtodos de anlisis de sensibilidad por Morris, Sobol y FAST.

3.1 Fundamentos de ASP

El proceso de inyeccin de lcali-Surfactante-Polmero (ASP) es un mtodo de
recuperacin mejorada diseado para ser utilizado despus de un proceso de inyeccin de
agua, el cual consiste en cambiar las propiedades del agua utilizada, aadiendo algunos
qumicos. El objetivo principal de estos qumicos es disminuir la tensin interfacial entre el
agua y el petrleo, e incrementar la viscosidad del agua para mejorar la relacin de
movilidades.

Los qumicos alcalinos reaccionan con el petrleo del yacimiento para formar
surfactantes en sitio. Adems se inyectan surfactantes sintticos para compensar la prdida
de lcali debido a su reaccin con la roca. Los surfactantes y el petrleo fluyen mejor a
travs del yacimiento debido a la reduccin de la tensin interfacial entre la fase acuosa y el
petrleo, emulsificacin espontnea que logra condiciones de flujo miscible, y cambios en
la humectabilidad. Se inyecta tambin una solucin de agua con polmeros dentro del
yacimiento para producir un barrido ms uniforme de los surfactantes y el petrleo.

Captulo III. Marco Terico
10
3.1.1 Fuerzas Capilares vs Fuerzas Viscosas

Las fuerzas capilares son las principales responsables de la saturacin residual de
petrleo presente en zonas barridas por agua. La relacin entre fuerzas viscosas y fuerzas
capilares esta dada por el nmero Capilar, N
C
,

v
N
C
(1)
donde,
v : Velocidad del fluido de empuje
: Viscosidad del fluido de empuje
: Tensin interfacial

Para tener una mejor idea del concepto consideremos dos poros en paralelo, como
se muestra en la Figura 1, la ecuacin de Laplace nos permite calcular la cada de presin
en un poro superior que contiene un glbulo de petrleo atrapado por fuerzas capilares:

= P ... (2)

donde,
P : Cada de presin
: Tensin Interfacial
: Curvatura, aproximadamente el inverso del radio del poro

En el poro inferior la fase continua, agua o salmuera, puede fluir y ejercer entonces
una fuerza de drenaje dada por las relaciones de Darcy o de Poiseuille para un capilar:

k
L v
P

=

... (3)

donde;
P : Diferencia de presin entre los extremos del glbulo
11
L : Longitud del glbulo (estimado por la longitud de un poro o grano de arena)
v : Velocidad superficial de desplazamiento de la fase continua
: Viscosidad de la fase continua
k : Permeabilidad del medio poroso

Se nota que esta diferencia de presin de arrastre es proporcional a la velocidad del
agua v la cual es extremadamente lenta (tpicamente 1 ft/da), por lo que el P es muy
modesto, an si se aumenta la viscosidad del agua aadiendo polmeros.

Figura 1 - Atrapamiento capilar de una gota de petrleo. Salager, J.L. (1999)

Para visualizar el efecto y las magnitudes de estas dos fuerzas se presenta el
siguiente ejemplo. Tomando como valores tpicos:

= 0.1 m
-1

L = 100 m
= 1 cP
v = 1 m/da
= 10 dina/cm
k = 100 milidarcies

P
capilar

P
capilar
= 1000 Pa 0.145 psi

P
viscoso
= 11.73 Pa 1.701x10
-3
psi
12
Note que las fuerzas capilares pueden llegar a ser 1000 a 10000 veces ms altas que
las fuerzas viscosas que se pueden lograr por inyeccin de fluidos.

De acuerdo a la definicin de nmero capilar, se podra pensar en aumentar la
velocidad de flujo o en aumentar la viscosidad. La primera posibilidad est limitada por
cuestiones de costo y tambin porque alcanzar altas velocidades puede resultar en la ruptura
de la roca del yacimiento. Al aumentar la viscosidad, mediante disolucin de polmeros,
solo se puede ganar un factor de 10. Por lo tanto la nica posibilidad es disminuir
drsticamente la tensin interfacial, y debido a que la tensin para combinaciones tpicas
de petrleo-salmuera est alrededor de 10 dinas/cm, reducir la tensin interfacial en el
orden de 10
-3
10
-4
dina/cm producir un nmero capilar en el intervalo requerido para
lograr saturaciones residuales de petrleo cercanas a cero. Este es el propsito de la
inyeccin de lcali y surfactantes.

3.1.2 Surfactantes

Los surfactantes son sustancias cuyas molculas poseen un grupo polar hidroflico,
soluble en agua, y un grupo apolar hidrfobo o lipoflico, soluble en aceite. Tal estructura
molecular ubica a los surfactantes en la clase de las sustancias anfiflicas, el vocablo
anffilo tiene su significado de las palabras en latn anfi = ambos lados, y filos = amigo, por
lo tanto es una sustancia qumica cuya molcula posee una afinidad por sustancias polares y
sustancias apolares a la vez, ubicndose preferencialmente en una superficie o una
interfase.

3.1.2.1 Tipos de Surfactantes
Generalmente los surfactantes se clasifican de acuerdo al tipo de disociacin del grupo
hidroflico en fase acuosa, en:

13
Aninicos: La molcula de surfactante est asociada con un metal inorgnico (un catin,
el cual es habitualmente sodio). Los surfactantes aninicos presentan una relativa
resistencia a la retencin, son estables, y su produccin es relativamente econmica.

Catinicos: La molcula de surfactante contiene un anin inorgnico para balancear su
carga elctrica. La solucin se ioniza en un monmero con carga positiva, y el anin
(contraion, con carga negativa). Los surfactantes catinicos son altamente adsorbidos
por arcillas y por lo tanto no se utilizan mucho para la recuperacin de petrleo.

No-inicos: La molcula de surfactante no posee contraion, es decir, no posee enlaces
inicos, pero cuando son disueltos en soluciones acuosas, exhiben propiedades de
surfactante principalmente por contrastes electronegativos a lo largo de sus
constituyentes. Los surfactantes no-inicos son mucho ms tolerantes a alta salinidad
que los aninicos, pero son ms pobres en cuanto a su accin interfacial. Se utilizan
principalmente como co-surfactantes.

Anfotricos: Esta clase de surfactantes contiene aspectos de dos o ms de las clases
anteriores. Por ejemplo, un anfotrico puede contener un grupo aninico y un grupo no
polar. Estos surfactantes no se han utilizado en procesos de recuperacin de petrleo.

3.1.2.2 Mecanismos de Accin

Todas las propiedades y usos de los surfactantes provienen de dos caractersticas
fundamentales de estas sustancias: i) la capacidad de adsorberse en las interfases, y ii) su
tendencia a asociarse para formar estructuras organizadas. A continuacin se describen
estos mecanismos.
Adsorcin

Cuando una molcula de surfactante se ubica en forma orientada en una interfase o
una superficie, se dice que se adsorbe (ver Figura 2). Debido a la naturaleza dual de la
14
molcula de surfactante, sta no puede satisfacer su doble afinidad ni en un solvente polar,
ni en un solvente orgnico. Cuando una molcula de surfactante se coloca en una interfase
agua-aire o agua-aceite, ella puede orientarse perpendicularmente a la interfase de manera
que el grupo polar est en el agua, mientras que el grupo apolar se ubica fuera del agua, en
el aire o en el aceite.

Figura 2 - Adsorcin de molculas de surfactante.

La adsorcin de un surfactante en una superficie gas-lquido o en una interfase
lquido-lquido, produce en general una reduccin de la tensin superficial o interfacial. La
disminucin de la tensin interfacial entre dos lquidos inmiscibles es favorable para la
deformacin y ruptura de una interfase y para la movilizacin del petrleo residual.

Asociacin

Cuando a una solucin se le aade cada vez ms surfactante, este comienza por
adsorberse a las interfases disponibles, luego su concentracin en forma monomolecular
aumenta hasta que se forman las primeras micelas.

El fenmeno de la micelizacin se produce como un compromiso entre dos tipos de
efectos:

los efectos favorables a la formacin de una micela, particularmente el efecto
hidrfobo, que aumenta con el tamao de la cadena hidrocarbonada del surfactante;
AGUA

AIRE
SLIDO
AGUA
15
y los efectos que tienden a oponerse a la formacin de una micela, tal como la repulsin
entre los grupos hidroflicos, particularmente importante en el caso de surfactantes
inicos.

La concentracin a la cual aparecen las primeras micelas es la Concentracin
Micelar Crtica (CMC), y puede detectarse mediante diferentes mtodos, ya que diversas
propiedades presentan en esta zona una discontinuidad en su variacin. Los mtodos ms
empleados se basan sobre la variacin de la tensin superficial (todos los tipos de
surfactante) y de la conductividad electroltica de las soluciones (slo surfactantes inicos).

Solubilizacin
Las soluciones micelares poseen una propiedad muy importante, llamada capacidad
de solubilizacin. Pueden solubilizar sustancias apolares (aceites) o anffilas (alcoholes) en
cantidades considerables dentro o en la superficie de las micelas (co-micelizacin).

A partir de la CMC, la solubilizacin aumenta considerablemente, ya que el
hidrocarburo penetra dentro del corazn de las micelas.

En ciertos casos la solubilizacin puede ser considerable y se observan sistemas
llamados microemulsiones. El trmino microemulsin no debe confundirse con una
macroemulsin compuesta de gotas muy pequeas. Considere una microemulsin como
una solucin micelar en la cual las micelas estn hinchadas (tienen agua o petrleo en sus
ncleos) y se tocan entre ellas.

Existen cuatro tipos de solubilizacin, segn la naturaleza de la sustancia:

En el caso de compuestos no-polares, tales como los hidrocarburos o los aceites, la
solubilizacin se realiza en el interior lipoflico de las micelas. stas pueden entonces
hincharse hasta volverse microgotas de varios centenares de Angstroms, recubiertas de
una capa de surfactante.
16

En el caso de sustancias anffilas, tales como los alcoholes, se trata de una co-
micelizacin, es decir, de la formacin de micelas mixtas conteniendo los dos anffilos.
En cierto modo se puede decir que el alcohol se comporta como un co-surfactante.

En el caso de sustancias que son insolubles a la vez en agua y en el interior lipoflico de
las micelas, parece que se adsorben en la superficie de la micela.

El ltimo tipo de solubilizacin, es caracterstico de las micelas de surfactantes no-
inicos cuyo hidrfilo consiste en una o varias cadenas de poli-oxietileno o poli-
oxipropileno. Parece que ciertos compuestos orgnicos pueden ser secuestrados en estas
cadenas hidroflicas, que pueden alcanzar a veces varias decenas de unidades de xidos
de etileno.

La Figura 3 ilustra los tipos de solubilizacin.

Figura 3 - Tipos de Solubilizacin.

3.1.2.3 Retencin de Surfactante

La retencin de surfactante es probablemente la barrera ms significativa de la
aplicacin comercial del proceso de inyeccin ASP. El surfactante debe ser diseado para
tener una mayor afinidad a interfases petrleo/agua, y una menor afinidad a interfases
lquido/slido.

(1) (2)
(3)
(4)
17
Algunos mecanismos que explican la retencin de surfactante en la roca son:
Adsorcin en superficies de xido de metal. Mientras la concentracin de surfactante
sea menor que la concentracin crtica de micelas, los monmeros de surfactante
aninico se adsorbern por medio de enlaces de hidrgeno y enlaces inicos a
superficies catinicas.

Salmueras con alta concentracin de partculas divalentes (Ca++, Mg++) causan la
formacin de complejos surfactante-divalente que tienen baja solubilidad en salmuera.
Estos complejos se precipitan, saliendo de la solucin y causando retencin.

En yacimientos que contienen arcillas el surfactante puede intercambiar cationes con las
arcillas y adherirse a la superficie. La adicin de co-surfactantes reduce la densidad de
molculas de surfactante en la superficie.

3.1.3 Polmeros

Los polmeros son largas cadenas de molculas de menor tamao, llamadas
monmeros, unidas mediante enlaces covalentes, con un peso molecular alto (10000 o
mayor). Cuando son mezclados con agua, aumentan la viscosidad de la solucin. En la
Figura 4 se muestra una molcula de polmero.

La inyeccin de agua con polmero se realiza con el fin de bajar la movilidad del
agua. El aumento en la viscosidad resultante, as como el descenso en la permeabilidad de
la fase acuosa que ocurre con algunos polmeros, causan la menor relacin de movilidades.
Una menor relacin de movilidades aumenta la eficiencia del proceso de inyeccin, de aqu
la importancia de la inyeccin de polmeros.

Figura 4 - Molcula de polmero tpica.
18
3.1.3.1 Tipos de Polmeros

Poliacrilamidas

Estos son los polmeros cuya unidad monomrica es la molcula acrilamida (Figura
5), llamados tambin poliacrilamidas parcialmente hidrolizadas (HPAM, por sus siglas en
ingls).

La caracterstica de aumento de viscosidad de los HPAM se debe a su gran peso
molecular. El aumento de la viscosidad es acentuado por la repulsin (aninica) entre
grupos vecinos de un mismo polmero cargados igualmente. La repulsin causa que la
molcula en solucin se alargue y enganche con otras similarmente alargadas, un efecto que
acenta la reduccin de movilidad a altas concentraciones.

Figura 5 Poliacrilamida parcialmente hidrolizada. Lake, 1989 (Original de: Willhite y Dominguez, 1977)

Si la salinidad y la dureza de la salmuera son altas, la repulsin entre los grupos
vecinos se reduce significativamente debido a proteccin inica, por lo que el polmero se
dobla sobre s mismo. Este enrollamiento causa una disminucin en la efectividad del
polmero debido a que los enganches entre molculas de polmero son reducidos.
Virtualmente todas las propiedades de los HPAM muestran sensibilidad a la salinidad y a la
dureza, lo que representa un obstculo para su utilizacin en muchos yacimientos. Por otra
parte, el HPAM es barato y relativamente resistente al ataque bacterial.

19
Polisacridos
Estos polmeros son formados a partir de un proceso de fermentacin bacterial
(polimerizacin) de molculas sacridas (Figura 6). El polmero es susceptible al ataque
bacterial despus de ser introducido en el yacimiento lo cual se ve compensado por la
insensibilidad de las propiedades de los polisacridos ante la salinidad y dureza de la
salmuera.

Figura 6 Polisacrido (biopolmero). Lake, 1989 (Original de: Willhite y Dominguez, 1977)

3.1.3.2 Factores que Influencian la Accin de los Polmeros

En esta seccin se vern las propiedades de los polmeros y sus relaciones con otras
variables, de forma cualitativa y cuantitativa. Entre las propiedades ms importantes de los
polmeros encontramos su reologa, retencin en las rocas, volumen de poro inaccesible y
degradacin qumica, biolgica y mecnica.

20
Reologa de los Polmeros
La reologa es la ciencia que estudia la deformacin y flujo de materia describiendo
la manera en la cual los materiales responden al aplicarles un esfuerzo. De acuerdo a su
reologa los polmeros son clasificados como fluidos no-newtonianos, es decir, su
viscosidad no es constante. En la mayora de las condiciones son definidos como
pseudoplsticos, y su viscosidad disminuye con el aumento de la tasa de deformacin, lo
que est relacionado con un aumento de la tasa de flujo.

A tasas de flujo altas, los polmeros se desvan de un comportamiento
pseudoplstico y exhiben efectos viscoelsticos. Esto resulta en un aumento de la
viscosidad aparente, causado por el movimiento rpido del polmero a travs de
expansiones y contracciones dentro de la matriz de la roca. En la Figura 7 se muestra el
comportamiento de la viscosidad en funcin de la tasa de deformacin para la mayora de
soluciones de polmeros utilizadas en recuperacin de petrleo, observndose la transicin
entre el comportamiento pseudoplstico y viscoelstico.

Figura 7 Respuesta tpica de viscosidad de solucin de polmero vs. tasa de deformacin
Barrufet, M.A. (2000) (Original de: Core Laboratories Manual)
21
Retencin y Asociacin de Polmeros

El flujo de los polmeros a travs del yacimiento se ve influenciado por el tamao
de los poros. Los polmeros son retenidos en el medio permeable debido a su adsorcin
sobre superficies slidas o porque quedan atrapados en poros pequeos. La retencin de
polmero varia con el tipo de poro, el peso molecular, la composicin de la roca, la
salinidad y dureza de la salmuera, tasa de flujo, y temperatura. Valores de retencin
medidos en campo varan de 7 a 150 g de polmero/cm3 de volumen del yacimiento,
siendo los valores deseables de retencin menores a 20 g/cm3. La retencin causa la
prdida de polmero de la solucin, lo que a su vez causa la prdida del efecto de control de
movilidad.

La adsorcin de polmeros se realiza del mismo modo que para los surfactantes, ya
que estos poseen un comportamiento similar. La adsorcin se debe a tres fenmenos
fundamentales: minimizacin energtica, atraccin polar y al efecto hidrofbico.

La adsorcin de los polmeros tiene lugar en la interfase lquido-lquido y en la
interfase lquido-slido. La adsorcin de los polmeros es mucho ms fuerte que la de las
molculas de surfactante, ya que el polmero por su forma y mayor tamao se puede pegar
por varias partes simultneamente y la posibilidad de que dichas partes se despeguen al
mismo tiempo son casi nulas. Esto hace que un polmero que se adsorbe en la interfase sea
mucho ms difcil de sacar que un surfactante. En la Figura 8 se observan las distintas
formas de adsorcin de los polmeros tanto en la interfase lquido-lquido como lquido-
slido.

Figura 8- Adsorcin de polmeros en la interfase lquido-lquido (Izquierda) y lquido-slido
(derecha). Salager, J.L. 202T
22
Volumen de Poro Inaccesible

El retraso causado por retencin es compensado con una aceleracin de la solucin
de polmero a travs del medio permeable causado por el volumen de poro inaccesible. La
explicacin ms comn para el volumen de poro inaccesible es que las porciones ms
pequeas del espacio poroso no permiten que entren las molculas de polmero debido a su
tamao. Por lo tanto una porcin del espacio poroso total no es invadida o es inaccesible al
polmero, y en consecuencia se acelera el flujo de polmeros. El volumen de poro
inaccesible depende del peso molecular del polmero, la permeabilidad del medio,
porosidad, y distribucin del tamao de los poros. El efecto de volumen de poro inaccesible
se hace ms pronunciado al aumentar el peso molecular y disminuir la relacin entre
permeabilidad y porosidad (tamao de poro caracterstico). En un caso extremo el volumen
de poro inaccesible puede ser un 30% de espacio poroso total.

Degradacin Qumica y Biolgica

El peso molecular promedio del polmero puede disminuir debido a degradacin
qumica, biolgica o mecnica, hasta causar un efecto perjudicial en el proceso de
recuperacin de petrleo.

El trmino degradacin qumica denota procesos tales como oxidacin trmica,
sustitucin de radicales libres, hidrlisis, y degradacin biolgica.

El tiempo que permanecen los polmeros en el yacimiento es tpicamente muy largo,
en el orden de algunos aos, por lo tanto, incluso reacciones lentas son potencialmente
serias. La velocidad de reaccin tambin depende de variables tales como el pH o la dureza.
A pH neutro, la degradacin no es significativa, mientras que a pH muy bajo o muy alto, y
especialmente a altas temperaturas, la degradacin puede ser significativa.

Para una solucin de polmero dada, existir una temperatura por encima de la cual
el polmero se degrada termalmente. Aunque esta temperatura no est bien establecida para
la mayora de los polmeros utilizados en recuperacin mejorada de petrleo, esta
temperatura es bastante alta, en el orden de 260 F (400 K).
23
La oxidacin o reacciones de radicales libres son usualmente considerados la fuente
ms seria de degradacin. Por lo tanto, inhibidores de oxgeno y antioxidantes son aadidos
frecuentemente para prevenir o retardar stas reacciones. Adicionalmente estos qumicos
ayudan a prevenir la formacin de gel, aglomeracin, y otros efectos indeseables que
pueden causar bloqueos en el agujero del pozo y reducir la inyectividad.

La degradacin biolgica puede ocurrir en HPAM y polisacridos, pero es ms
probable en los polisacridos. Las variables que afectan la degradacin biolgica son el tipo
de bacteria contenida en la salmuera, presin, temperatura, salinidad, y otros qumicos
presentes. Se recomienda el uso de biocidas. A menudo se utiliza muy poco biocida o se
comienza a utilizar muy tarde, y luego los problemas de degradacin se vuelven casi
imposibles de corregir.

Degradacin Mecnica

La degradacin mecnica ocurre cuando la solucin de polmero es expuesta a altas
velocidades de flujo. Como se dijo anteriormente, tasas de flujo altas pueden romper las
cadenas lineales de polmeros y reducir la viscosidad de la solucin, efecto que se ve
aumentado con la salinidad. La degradacin mecnica puede estar presente en equipos de
superficie (vlvulas, orificios, bombas, y tuberas), en el fondo de pozo (perforaciones o
pantallas), y hasta en las rocas. Las completaciones perforadas son una causa de
preocupacin debido a que grandes cantidades de polmero son forzadas a pasar a travs de
agujeros pequeos. Por esta razn, la mayora de las inyecciones de polmero son realizadas
en completaciones de agujero abierto o con paquetes de grava.

3.1.4 lcali

lcali es el nombre dado a los xidos metlicos solubles en agua que tienen
reaccin bsica. A continuacin se dan algunos conceptos bsicos referentes a los lcalis.

24
Alcalinidad
Desprendimiento de iones OH- de una sustancia en solucin, permitiendo la
neutralizacin de sustancias cidas.

pH (Potencial De Hidrgeno)
Es una medida de la acidez o alcalinidad de una solucin. Se define como el valor
logartmico negativo de la concentracin de iones hidrgeno (H+), expresada en moles por
litro (kgmol/m3). La escala de pH vara de 0 a 14. Las soluciones neutras tienen un pH 7,
las cidas menor que 7 y las bsicas o alcalinas, mayor que 7. Debido a que la escala de pH
es logartmica, un valor de pH = 4 es 10 veces ms cido que el de 5 y 100 veces ms cido
que el valor de pH = 6 y as sucesivamente.

[ ]
+
= H log pH
.. (4)

3.1.4.1 Mecanismos de Accin

Formacin de Surfactantes en Sitio
Los qumicos alcalinos son utilizados en procesos de recuperacin mejorada por
inyeccin de qumicos cuando el petrleo crudo contiene sustancias cidas, frecuentemente
cidos carboxlicos.

Los qumicos alcalinos reaccionan con los cidos del crudo para producir un
surfactante en sitio, que acta en la interfase agua-petrleo reduciendo la tensin interfacial.

Para la formacin de surfactante a partir de la reaccin de qumicos alcalinos con
componentes cidos del petrleo se necesitan valores altos de pH. Un pH alto significa
grandes concentraciones de aniones de hidrxido [OH-]. En una solucin acuosa, mientras
la concentracin de OH- aumenta, la concentracin de H+ disminuye ya que las dos
concentraciones estn relacionadas por la disociacin de agua:

25

[ ][ ]
[ ] O H
H OH
k
2
1
+
=
..(5)

Tomando en consideracin que la concentracin de agua en una fase acuosa es casi
constante se observan dos medios para la introduccin de altos pH en el yacimiento:
disociacin de especies que contienen hidrxil, tales como NaOH y KOH, aadiendo
qumicos que se enlazan preferiblemente con iones de hidrgeno.

Se pueden utilizar muchos qumicos para generar alto pH, pero los ms comunes
son hidrxido de sodio (soda custica NaOH), carbonato de sodio (Na2CO3), y ortosilicato
de sodio (Na4SiO4).

El NaOH genera OH- por disociacin,

+
+ OH Na NaOH
.(6)

El ortosilicato de sodio y el carbonato de sodio generan los hidrxidos a travs de la
formacin de dbiles cidos disociados (slice y cido carbnico, respectivamente), los
cuales remueven iones libres H+ de la solucin. Para el carbonato de sodio:

+
+
2
3 3 2
2 CO Na CO Na
...(7)

+ + OH CO H CO O H 2 2
3 2
2
3 2
..(8)

El OH- por si solo no es un surfactante ya que debido a la ausencia de una cola
lipoflica es exclusivamente soluble en agua. Aqu se asume que las especies cidas en el
petrleo estn representadas por un componente genrico llamado HAo. Este componente
cido no ser soluble en una fase acuosa con pH neutro. Sin embargo, si el pH es
incrementado con una solucin alcalina el componente cido ser extrado del petrleo
hacia la fase acuosa (HAw),

26

w o
HA HA
(particin) ...(9)

y puede reaccionar de acuerdo a:

+
+ H A HA
w
(reaccin) ...(10)

Aunque la naturaleza exacta de los componentes cidos del petrleo (HAo) es
desconocida, es probable que sea altamente dependiente del tipo de petrleo. La deficiencia
de protones en la fase acuosa debido al alto pH promueve la particin de HAo hacia la fase
acuosa. La especie aninica A- (iones de carboxilato) es un surfactante aninico que tiene
muchas de las propiedades y participa en la mayora de los fenmenos descritos en la
seccin de surfactantes, adems por ser un surfactante aninico es sensible a cambios de
salinidad.

Si originalmente ninguna especie cida est presente en el crudo, no se puede
generar surfactante. Un procedimiento til para caracterizar el crudo con el objetivo de
comprobar si es apto para la inyeccin de lcali es a travs del nmero cido. El nmero
cido son los miligramos de hidrxido de potasio (KOH) requeridos para neutralizar un
gramo de petrleo. Un buen candidato para inyeccin de lcali es el petrleo que tenga un
nmero cido de 0.5 mg/g o mayor, aunque nmeros cidos tan bajos como 0.2 mg/g
pueden ser candidatos debido a que solo una pequea cantidad de surfactante es requerida
para saturar la interfase agua-petrleo.

Generalmente, los qumicos de alto pH que han sido utilizados en aplicaciones de
campo se encuentran en concentraciones de hasta 5 wt% (pHs inyectados de 11 a 13) y con
slug de tamaos de hasta 0.2 PV.

Disminucin de la Tensin Interfacial

El surfactante generado A1- agregado en la interface petrleo-agua puede disminuir
la tensin interfacial. En general, esta disminucin de la tensin interfacial no es tan
27
pronunciada como la disminucin lograda por surfactantes inyectados, pero bajo ciertas
condiciones, puede ser lo suficientemente grande como para producir una buena
recuperacin de petrleo. La tensin interfacial es sensible a la concentracin de NaOH y a
la salinidad, siendo mnima para un intervalo de concentraciones de NaOH de 0.01 - 0.1
wt%.

Inversin de la Humectabilidad

Un factor importante puede ser el cambio en la humectabilidad en lugar de la
humectabilidad final del medio. En el estado de humectabilidad original del medio, la fase
no humectante ocupa poros grandes, y la fase humectante ocupa poros pequeos. Si la
humectabilidad del medio es invertida, existir fluido no humectante en poros pequeos y
fluido humectante en poros grandes. La redistribucin de fluidos resultante, mientras las
fases intentan llegar a su estado natural, har a ambas fases vulnerables a la recuperacin a
travs de fuerzas viscosas.

3.2 Modelos Sustitutos

La simulacin computacional de recuperacin mejorada de petrleo por inyeccin de
qumicos es compleja y de alto costo computacional, debido a que el fenmeno es
tridimensional, Multifsico, composicional, que cuenta con complejos cambios de fase,
transformaciones fisico-quimicas y heterogeneidades en el medio poroso. Por esto se hace
necesario construir modelos sustitutos, ya que estos permiten evaluar de manera rpida el
modelo estudiado.

El modelado usando modelos sustitutos es un problema inverso donde debido a la
cantidad limitada de data: i) distintos modelos sustitutos alternativos pueden proveer
aproximaciones razonables de una funcin f, y ii) cada sustituto puede ofrecer un mejor
ajuste de f dependiendo de la regin del espacio de diseo.

28
A continuacin se explican tres alternativas para modelos sustitutos los cuales son:
Regresin Polinomial (RGP), Kriging (KRG) y Funciones de Base Radial (FBR).
Adicionalmente, se incluye un modelo Promedio Ponderado Adaptativo (PPA) de estos
sustitutos. Se puede demostrar que el modelo PPA reduce la varianza de la estimacin con
respecto a la de los modelos sustitutos individuales [18]. A lo largo de esta seccin, debido
a la naturaleza estocstica de los modelos sustitutos, se considera a la data disponible como
una muestra de una poblacin.

3.2.1 Modelo de Regresin Polinomial (RGP)

El anlisis de regresin es una metodologa que estudia la asociacin cuantitativa entre
una funcin de inters y, y m variables de prediccin z
j
, donde se supone la existencia de n
valores de la funcin y
i
, observadas bajo un conjunto de condiciones experimentales z
i
j
de
las variables de prediccin [19]. Para cada observacin i se formula una ecuacin lineal de
la forma:
( ) ( )
2
1
0 = = + =
=
i i i
m
i
j
i j i
V E z y ......................................................... ..(11)
donde los errores
i
son independientes con valor esperado igual a cero y varianza
2
.

El modelo es lineal en los parmetros
j
. Supuesta la validez del modelo, se estiman,
por mnimos cuadrados, los parmetros
j
y la varianza
2
. Los parmetros estimados
j

son insesgados y de varianza mnima por lo que se consideran ptimos. Una vez estimados
los
j
, pueden hallarse los valores yp
i
estimados por el modelo, asociados al conjunto de
valores z
i
j
de las variables de prediccin, as como los residuales respectivos: res
i
= y
i
- yp
i
.

Puesto que se obtienen estimadores de
j
de
j
, es necesario formular pruebas de
hiptesis para determinar si los verdaderos valores de
j
son nulos. Si un
j
es nulo,
entonces el predictor z
j
no debe pertenecer al modelo. Su exclusin es debida a que no est
asociado con y, o, si lo est, su efecto ya est expresado por las dems variables del
modelo.
29

La eleccin de un buen modelo exige un anlisis cuidadoso de los predictores a incluir
en el modelo, as como de los residuales que deben ser independientes e igualmente
distribuidos. Los parmetros estimados deben ser consistentes con el sentido fsico del
modelo.

La ecuacin (11) puede ser expresada en forma matricial como:
( ) ( ) I V E Z y
2
0 = = + = ...................................................................... ..(12)
donde y es un vector columna de las n observaciones y
i
, Z es la matriz n m de las
observaciones x
i
j
de las variables de prediccin.

Si el modelo incluye una constante (por ejemplo, si el modelo es: y = a + bz
1
+ cz
2
), la
matriz Z debe tener 3 columnas, donde su primer columna est formada por unos y las
siguientes por los valores de z
1
y z
2
.

Los parmetros, y
2
, involucrados en el modelo deben ser estimados. As mismo se
desea poder predecir con el modelo identificado.

La solucin de la ecuacin (12) por el mtodo de mnimos cuadrados consiste en
minimizar en la funcin,
2
min
Z y SSE = .............................................................................................. ..(13)

Derivando la ecuacin (13) respecto de se tiene que: Z
T
Z = Z
T
y, y si las columnas de la
matriz Z son independientes, Z
T
Z es invertible y la solucin est dada por:
( ) y Z Z Z
T T
1

= ................................................................................................... (14)
el estadstico
j
tiene la propiedad de ser un estimador insesgado y de varianza mnima de

.

El estimador de la varianza
2
est dado por el promedio de los errores, el error medio
cuadrtico MSE:
30
m n
SSE
MSE
= =
2
............................................................................................... (15)
donde se divide por n - m para obtener una estimacin insesgada de
2
.

Considerando un nuevo conjunto de valores de diseo z, la respuesta del modelo para
este valor esta dada por:
( ) ( ) y Z Z Z z z z y
T T T T
1

= = ................................................................................ (16)
y la varianza de esta estimacin es la varianza de la prediccin
T
z ms la varianza del
residual de modelo:
( ) ( ) ( ) ( ) 1
1
2
+ =

z Z Z z z y V
T T
............................................................................... (17)

En este trabajo se considera un modelo de regresin de segundo orden de la forma:

= = =
+ + =
p
i
p
j
j i ij
p
i
i i
x x x y
1 1 1
0
.......................................................................... (18)

3.2.2 Kriging (KRG)

Los modelos Kriging tienen su origen en aplicaciones de minera y geoestadstica, y
supone que la data est correlacionada espacial y temporalmente. Estos modelos sugieren la
estimacin de funciones determinsticas como la combinacin de un modelo global (media
de la poblacin) con desviaciones localizadas (error), de acuerdo a la siguiente expresin:
( ) ( )
j j
x x y + = ................................................................................................... (19)
donde, y es la funcin a modelar, es la media de la poblacin, y es el error con valor
esperado cero, y con una estructura de correlacin que es una funcin de una distancia
generalizada entre los conjuntos de valores de diseo. Mientras aproxima globalmente el
espacio de diseo, crea desviaciones localizadas de manera que el modelo Kriging
interpole los puntos de la muestra.

En este trabajo se usa una estructura de correlacin Gaussiana [20] dada por:
31
( )

=

=
p
h
h
j
h
i h j i
x x x x
1
2
2
exp )) ( ), ( cov( .................................................. (20)
donde, p denota el nmero de dimensiones en el conjunto de variables de diseo x;
identifica la desviacin estndar de la poblacin, y
h
es un parmetro el cual es una medida
del grado de correlacin entre la data a lo largo de la direccin h.

Especficamente, dado un conjunto de n pares de entradas y salidas (x,y), los
parmetros, y son estimados de forma tal que se maximice una funcin de
verosimilitud (Sacks et al. [20]). Las estimaciones de mxima verosimilitud (i.e. mejores
estimaciones) para
h
usadas para ajustar el modelo Kriging son obtenidas resolviendo un
problema de optimizacin no-lineal sin restricciones p-dimensional dado por,
( ) ( ) ( ) [ ] 2 ln ln max
2
0
R + =
>

n
h
k
...................................................................... (21)

Las estimaciones del modelo para un conjunto nuevo de valores de diseo esta dado
por:
) ( ) (
1
L y R r x y
T
+ =

..................................................................................... (22)
donde la lnea arriba de las letras denota estimaciones, r identifica el vector de correlacin
entre el conjunto nuevo de valores de diseo y los puntos usados para construir el modelo,
R es la matriz de correlacin entre los n puntos muestreados, y L denota un vector de unos
de n elementos.

La varianza de la estimacin esta dada por:
( ) ( )
( )

+ =

L R L
r R L
r R r x y V
T
T
T
1
1
1 2
1
1 .............................................................. (23)

Los modelos Kriging son extremadamente flexibles debido al amplio rango de
funciones de correlacin espacial que pueden ser escogidas para la construccin de la
aproximacin. Como resultado, los modelos Kriging pueden aproximar funciones lineales o
no-lineales interpolando la data disponible.

32
3.2.3 Funciones de Base Radial (FBR)

El mtodo usa combinaciones lineales de un conjunto de m funciones radialmente
simtricas, h, basada en la distancia Euclidiana entre el centro de la funcin y un nuevo
punto donde se quiere aproximar la funcin, de la siguiente manera,
( )
i
m
i
i i i
x h w y + =
=1
............................................................................................... (24)
donde w son los coeficientes de las combinaciones lineales, h las funciones de base radial y
i
representan errores independientes con igual varianza
2
.
La flexibilidad del modelo, es decir, su habilidad para ajustar diferentes funciones, se
deriva slo de la libertad en la seleccin de diferentes valores para los pesos. Las funciones
de base radial y cualquier parmetro que puede contener son fijos.

Las funciones de base radial pertenecen a una clase especial de funciones. Su principal
caracterstica es que su respuesta disminuye (o aumenta) montonamente con la distancia
desde un punto central. El centro, la escala de distancia, y la forma precisa de la funcin de
base radial son parmetros del modelo.

Una funcin tpica es la Gaussiana, la cual en el caso de una entrada escalar, es
( )
( )

=
2
2
exp
r
c x
x h .......................................................................................... (25)
sus parmetros son el centro c y su desviacin estndar (radio) r. La Figura 9 muestra una
funcin de base radial Gaussiana con centro c = 0.5 y radio r = 0.2. La respuesta de la
funcin Gausiana disminuye montonamente con la distancia desde el centro, dando una
respuesta significativa slo en la vecindad del centro.

33

Figura 9 Funcin de base radial Gaussiana

Un modelo de funciones de base radial puede ser expresado como
+ = Hw y ( )
2
= V .............................................................................. (26)

donde H es la matriz de diseo

( ) ( ) ( )
( ) ( ) ( )
( ) ( ) ( )
=
p m p p
m
m
x h x h x h
x h x h x h
x h x h x h
H
L
M O M M
L
L
2 1
2 2 2 2 1
1 1 2 1 1
...................................................................... (27)

Puesto que (26) es una modelo lineal, este se resuelve por mnimo cuadrados para
obtener el vector de pesos ptimos,
y H A w
T 1

= .......................................................................................................... (28)
donde A
-1
es la matriz de varianza y esta dada por,
( )
1
1

= H H A
T
...................................................................................................... (29)
34

El estimador de la varianza
2
del error est dado por,
( ) P traza
Y P y
T 2
2
= ....................................................................................................... (30)
donde P es la matriz de proyeccin y esta dada por,
T
H HA I P
1
= .................................................................................................... (31)

La prediccin en un punto nuevo x, esta dada por,
( ) w Z x y
T
= ............................................................................................................ (32)
donde, Z es un vector columna con las evaluaciones del las funciones de base radial,
( )
( )
( )
=
x h
x h
x h
Z
k
M
2
1
........................................................................................................... (33)
y la varianza de esta estimacin es la varianza de la prediccin w z
T
ms la varianza del
error de modelo:
( ) ( ) ( ) ( ) ( )
parametros datos
T
T T T
n n
Py y
Z H H Z V w Z V y V
+ = + =

1
1
............................... (34)

3.2.4 Modelo Promedio Ponderado Adaptativo (PPA) [18]

La importancia de integrar la respuesta de mltiples modelos sustitutos en una sola
aproximacin (comit) es que se pueden obtener mejoras significativas en las predicciones
sobre la nueva data con un pequeo esfuerzo computacional adicional. De hecho el
desempeo de un comit puede ser mejor que el desempeo del mejor modelo por si solo.

Se supone un conjunto de k modelos y
i
(x) donde i = 1,,k. Se denota la verdadera
funcin de regresin que se est buscando para aproximar por g(x). Ahora, se puede escribir
la funcin de mapeo de cada modelo como la funcin deseada ms un error:

35
( ) ( ) ( ) x x g x y
i i
+ = ............................................................................................... (35)

El promedio de la suma del error cuadrtico para el modelo y
i
(x) es,
( ) ( ) { } [ ] [ ]
2 2
i i i
x g x y E = = ............................................................................. (36)

donde [ ] . denota el valor esperado, y corresponde a una integracin sobre x pesada por la
densidad incondicional de x tal que
[ ] ( ) ( )
dx x p x
i i
2 2
........................................................................................ (37)

De la ecuacin del error cuadrtico medio, el error medio hecho por los modelos
individuales est dado por
[ ]

= =
= =
k
i
i
k
i
i AV
k
E
k
E
1
2
1
1 1
.................................................................................. (38)

Ahora se puede introducir una forma simple de comit. sta consiste en tomar la salida
del comit como el promedio de las salidas de los k modelos sustitutos que conforman el
comit. Entonces, se escribe la prediccin del comit en la forma
( ) ( )
=
=
L
i
i COM
x y
L
x y
1
1
.......................................................................................... (39)

El error del comit puede ser escrito como
( ) ( )
=

= =
2
1
2
1
1 1
k
i
i
k
i
i COM
k
x g x y
k
E ............................................... (40)

Si se supone que el error ( ) x
i
tiene media igual a cero y no es correlacionado, tal que
[ ] [ ] i j si
j i i
= = 0 0 .......................................................................... (41)

36
entonces, se puede relacionar el error del comit con el error promedio de los modelos
individuales como sigue,
[ ]
AV
k
i
i COM
E
k k
E
1 1
1
2
2
= =

=
................................................................................ (42)

Esto significa que el error cuadrtico medio puede ser reducido por un factor de k
simplemente por promediar las predicciones de los modelos. En la prctica, la reduccin
del error es generalmente mucho menor que esto, debido a que los errores ( ) x
i
de
diferentes modelos estn tpicamente altamente correlacionados, y por lo tanto la
suposicin de que el error no est correlacionado no aplica. Sin embargo, se puede mostrar
fcilmente que el proceso de promediado del comit no puede producir un incremento en el
error esperado usando la inecuacin de Cauchy en la forma:

= =

k
i
i
k
i
i
k
1
2
2
1
................................................................................................ (43)

que da como resultado
AV COM
E E ....................................................................................................... (44)

Tpicamente, se obtiene una reduccin til del error, y el mtodo tiene la ventaja de ser
trivial de implementar. La reduccin en el error puede ser vista como resultado de la
reduccin de la varianza debido al promedio realizado sobre las soluciones. Esto sugiere
que los miembros del comit no deben ser seleccionados individualmente para tener una
ptima relacin entre desviacin (bias) y varianza, sino ms bien una desviacin
relativamente pequea, debido a que la varianza extra puede ser removida al promediar.

Esta forma simple del comit incluye el promedio de las predicciones de modelos
individuales. Sin embargo, se puede esperar que algunos miembros del comit hagan
mejores predicciones que otros. Entonces, se puede poder reducir an ms el error si se da
mayor peso a algunos miembros del comit que a otros. Especficamente se propone un
modelo Promedio Ponderado Adaptativo (PPA) que sugiere estimar funciones
determinsticas como:
37
( ) ( ) ( )
=
=
k
i
i sust i PPA
x y x x y
1
..................................................................................... (45)
donde y
PPA
es la respuesta del modelo ponderado, y
sust i
y
i
es la prediccin y el peso del i
modelo sustituto, respectivamente, y k el nmero de modelos sustitutos. Note la naturaleza
adaptativa del modelo debido a que los pesos son funcin de x.

Asumiendo predicciones insesgadas e independientes, el modelo ponderado insesgado
tiene varianza mnima cuando los pesos son determinados de la siguiente forma:
( )
( )
=
=
k
i j
i
j V
i V
1
1
......................................................................................................... (46)
donde V(i) es la varianza de la prediccin de los i modelos sustitutos.

3.3 Anlisis de Sensibilidad Global

El Anlisis de sensibilidad (AS) es el estudio de la variabilidad en la salida de un
modelo al modificar sus variables de entrada. Este mtodo permite identificar:

Variables que no contribuyen significativamente en la variabilidad del modelo y en
consecuencia pueden ser tomadas como parmetros.

Posibles problemas en la validez de los modelos.

Si existen interacciones entre las variables de entrada de un modelo.

Existen muchos mtodos que han sido desarrollados para la aplicacin de anlisis de
sensibilidad en modelos. Todos estos se clasifican principalmente en dos grandes grupos:
los mtodos de Anlisis de sensibilidad locales y los globales. Existen otros mtodos
llamados de seleccin (screening) que pueden ser vistos tanto como mtodos locales o
globales. [21]. Los mtodos de seleccin son una alternativa para evaluar modelos
38
computacionalmente costosos y que tengan un gran nmero de variables de entrada. Estos
mtodos permiten identificar las variables que tienen mayor impacto en la respuesta de un
modelo de forma cualitativa.

Los mtodos de sensibilidad locales como su nombre lo indica, concentran su
anlisis en el impacto local de las variables de entrada en el modelo. Generalmente estos
mtodos calculan derivadas parciales de una funcin de salida del modelo con respecto a
sus variables de entrada. Con el fin de evaluar estas derivadas numricamente, las variables
de entrada son movidas dentro de un pequeo intervalo alrededor de un valor nominal,
mientras que el resto de las variables permanecen constantes. Estos mtodos fallan cuando
el modelo es no lineal.

Por su parte los mtodos de sensibilidad global difieren a los otros en dos aspectos:
i) el espacio de la variables de entrada es explorado dentro de una regin finita (o infinita) y
ii) la variacin en la salida debido a una variable de entrada es tomada globalmente, esto
quiere decir, que es promediada sobre el cambio de todas las variables de entrada del
modelo.

En este trabajo se implementaran dos mtodos de Anlisis de Sensibilidad Global
(Sobol y FAST) y un mtodo de seleccin (Morris). A continuacin se presenta la
formulacin matemtica de cada uno de los mtodos de anlisis de sensibilidad estudiados
en este trabajo.

3.3.1 Mtodo de Morris

Este mtodo estima el efecto principal de una variable calculando un nmero de
medidas locales sobre el espacio de entrada y luego los promedia. Para esto son
necesarias un nmero de corridas proporcionales a k (nmero de variables); y el mtodo
permite determinar que factores poseen a) efectos despreciables, b) efectos lineales y
aditivos, c) efectos no lineales e interacciones [14].

39
Para el clculo de cada uno de los factores elementales se sigue el siguiente
algoritmo:

1. Construir una matriz B de muestreo de dimensiones ( ) k k +1 , triangular inferior
de unos.

2. Construir una matriz diagonal
*
D de dimensin
k k
, en la que cada elemento
diagonal puede ser 1 o -1 con igual probabilidad.

3. Construir una matriz
*
P de dimensin
k k
, en donde cada columna contiene un
elemento igual a 1 y todos los dems elementos 0 (cero), y en donde dos columnas
no pueden poseer unos en la misma posicin.

4. Construir un vector x
*
de dimensin k en donde a cada elemento es asignado
aleatoriamente un valor desde ( ) ( ) { } 1 ,..., 1 / 2 , 1 / 1 , 0 p p con igual probabilidad.

5. Construir la matriz de orientacin aleatoria a partir de las matrices calculadas en los
pasos anteriores,

( ) [ ]

+ =
+ + +
*
, 1
*
, 1
*
1 , 1
*
2
2
P J D J B x J B
k k k k k
....(47)

Donde
1 , 1 + k
J es una matriz ( ) k k +1 de 1`s, es el incremento seleccionado para
los componentes de x.

6. Calcular los factores elementales de cada una de las variables de entrada,

( )
( ) ( ) [ ]
+
=
+
x y x x x x x x y
x d
k i i i
i
,..., , , ,..., ,
1 1 2 1
....(48)

40
Donde ( )
n
x x x ,...,
1
= es cualquier valor en tal que el punto + x se encuentre
dentro de .

7. Calcular la distribucin F
i
de efectos elementales para cada variable de entrada, est
es obtenida realizando un muestreo de x en . El nmero de elementos para cada F
i

es ( ) [ ] 1
1

p p p
k
.

8. Calcular la media y desviacin estndar a partir de la distribucin F
i,
esto da
valiosa informacin acerca de la influencia de una variable en la salida del modelo.
Una media alta representa un factor con una influencia global importante en la
salida del modelo, mientras que una desviacin estndar alta representa un factor
que interacta con otras variables del modelo o que tiene efectos no lineales.

La principal ventaja que ofrece el mtodo es el relativo bajo costo computacional,
mientras que la principal desventaja es que el mtodo solo da una medida cualitativa de que
variables son importantes.

En la Figura 10 se muestra una representacin grfica del mtodo en donde se
muestran los valores obtenidos de las medidas de media y desviacin estndar. Las lneas
mostradas son de referencia; por ejemplo si las coordenadas de una variable se encuentran
por debajo de la lnea de referencia indica que el efecto elemental de la variable no es cero.
Ahora, una posicin de las coordenadas por encima de las lneas indica que los efectos de
interaccin con otros parmetros efectos no lineales son dominantes.

41

Figura 10. Representacin grfica de los resultados por el mtodo de Morris.

3.3.2 Mtodo de Sobol

El mtodo de Sobol permite estimar los ndices de sensibilidad global de un modelo
determinado, dada la naturaleza global del mtodo las variables de entrada son variadas
sobre todo el dominio del hipercubo finito de estudio. [15]. Bajo este esquema se pueden
estudiar dos tipos de problemas, i) la clasificacin de variables por orden de importancia,
incluyendo efectos de interaccin e ii) Identificar variables innecesarias en el modelo y que
pueden ser fijadas como parmetros.

A continuacin se dar la formulacin matemtica del mtodo. Consideremos la
siguiente descomposicin de dimensionalidad incrementada en :

( ) ( ) ( ) ( )

<
+ + + + =
i j i
n n j i ij i i o
x x x f x x f x f f x f ,..., , ... ,
2 1 ... 12
(49)

Esta descomposicin es nica, y se satisface si cumple con la siguiente condicin,

is i k dx f
k is i
,..., 1 Para 0
1
0
,..., 1
= =
...(50)

42
Integrando cada uno de los trminos en la ecuacin (49) sobre se obtiene,

( )
( )
( ) ) ( ) ( ) , (
) (
,
j j i i o k
j i k
j i ij
o k
i k
i i
o
x f x f f dx x f x x f
f dx x f x f
dx x f f
=
=
=
...(51)

De igual forma se obtienen los n-1 trminos restantes de la descomposicin a
excepcin del ltimo trmino ( )
n n
x x x f ,..., ,
2 1 ... 12
que es obtenido por identidad.

Note que
o
f es la media, ( )
i i
x f son los efectos principales, ( )
j i ij
x x f , son los
efectos de interaccin de segundo orden y as sucesivamente.

La varianza Total puede ser expresada en trminos de varianzas parciales utilizando
la propiedad de que todos los sumandos en (50) son ortogonales, por lo tanto:

= 0
... 1 ... 1
dx f f
jl j is i
Para ( ) ( ) jl j is i ,..., 1 ,..., 1 ....(52)

La varianza total D de ( ) x f puede mostrarse que es:

( )
2 2
o
f dx x f D =
...(53)

Mientras que las varianzas parciales estn definidas de la siguiente forma:

= < <
=
n
S
n
is i
is i
D D
1 ... 1
... 1
..(54)

donde,

is i
is i
is i
dx dx f D
1
... 1
2
... 1

= ...(55)
43

Los ndices de sensibilidad global son calculados como sigue:

D
D
S
is i
is i
... 1
... 1
= (56)

En donde la sumatoria de todos los ndices debe ser igual a 1.

1
1 ... 1
... 1
=

= <
n
S
n
is i
is i
S ...(57)

La evaluacin de la varianza total y parcial es realizada utilizando el mtodo de
integracin de Monte Carlo. Hay que destacar que el atractivo del mtodo de Sobol es que
solo es necesaria una integracin de Monte Carlo por factor. Las integrales a resolver son
las siguientes:

( )
( )
( ) ( )
=
=
=

N
m
i
P
o
im m i ~ im m i ~
N
m
P
o m
N
m
o
P
m
D f X X f X X f
N
D f X f
N
f X f
N
1
2 ) 1 ( ) 2 ( ) 1 ( ) 1 (
1
2 2
1
, ,
1
1
1
.....(58)

En donde N es el nmero de ensayos realizados para obtener las estimaciones de
Monte Carlo. Con el fin de resolver las integrales es necesario evaluarlas en dos puntos de
muestra distintos
m
X y
im ~
X uniformemente distribuidos en , donde
( ) ( )
( )
nm m i m i m im ~
x x x x X ,..., , ,...,
1 1 1 +
= ; es decir todas las variables de entrada menos la
variable i.

44
Los supraindices
) 2 ( ) 1 (
y en la ecuacin (58) indican que se estn utilizando 2
matrices de muestra para X, ambas de dimensin (N,n), donde n es el nmero de variables
de entrada al modelo.

Note que cuando se utilizan modelos sustitutos las integrales en (53) pueden ser
resueltas utilizando integracin numrica.

Con el fin de determinar la influencia total de las variables de entrada en la
variabilidad de la salida del modelo, se calculan los ndices de sensibilidad total,
supongamos que se tienen 3 variables de entrada
1
x ,
2
x y
3
x , el ndice de sensibilidad total
para
1
x es:

123 13 12 1 1
S S S S S
Tx
+ + + = ..(59)

3.3.3 Mtodo FAST

FAST es un mtodo que permite estimar el valor esperado y la varianza de la salida
de un modelo, as como tambin las contribuciones individuales de cada variable de entrada
en esta varianza.

La idea fundamental del mtodo es la de convertir la integral multidimensional
mostrada en (60) en una integral unidimensional [22].

( ) ( )dx x x x f Y E
n
K
n
= ,..., ,
2 1
..(60)

Esto es hecho a lo largo de una curva que explora todo el dominio K
n
, la cual es
definida por el siguiente conjunto de ecuaciones paramtricas,

( ) ( ) n i s sen G s x
i i i
,..., 2 , 1 , = = ..(61)
45
Donde s es una variable escalar entre + < < s , G
i
es una funcin de
transformacin que se discutir ms adelante, y
i
es un conjunto de frecuencias angulares
asociadas a cada factor.

Una vez escogido
i
y G
i
el valor esperado de Y puede ser aproximado por

( ) ( )
ds s f Y E
2
1
..(62)

Donde ( ) ( ) ( ) ( ) ( ) ( ) s Sen G s Sen G f s f
k k I I
,..., = .

Utilizando propiedades de las series de Fourier, se puede obtener una aproximacin
de la varianza de Y de la siguiente manera,

( ) ( ) ( ) [ ]
( ) ( )
( )
+
+ +
=
1
2 2
2 2 2 2
j
2 2
2

2
1
j
j j
O O
j
j
B A
B A B A
Y E ds s f Y D

..(63)

Donde A
j
y B
j
son coeficientes de Fourier definidos de la siguiente forma,

( )
( )
=
=
jsds s f B
jsds s f A
j
j
sin
2
1
cos
2
1
..(64)

Sobre el dominio de frecuencias enteras { } + = ,..., 1 , 0 , 1 ,..., j .

46
Ahora evaluando el espectro de frecuencias fundamentales
i
y sus armnicos
superiores
i
p , se puede estimar la varianza parcial de primer orden del factor i (D
i
).

( )
=
+ =
1
2 2
.. 1
2
j
j j is i
i i
B A D

(65)

La relacin D D
is i
/
.. 1
es conocida como el ndice de sensibilidad
is i
S
... 1
, y
proporciona una medida para determinar la contribucin de las variables de entrada en la
respuesta del modelo.

A continuacin se presenta la funcin de transformacin curva de bsqueda G
i

propuesta por Saltelli [16] y utilizada en este trabajo,

( ) ( ) s G
i i

sin arcsin
1
2
1
+ = (66)

La curva descrita por la funcin en (66) se muestra en la Figura 11.

-1.5 -1 -0.5 0 0.5 1 1.5
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
s
G
(
s
)

Figura 11. Curva de bsqueda de la funcin de transformacin utilizada con
i
=11.

47
Como puede observarse en la Figura 11, la curva descrita es un conjunto de lneas
rectas que oscilan entre 0 y 1. Debido a que s vara, todos los parmetros cambian
simultneamente de acuerdo a la transformacin utilizada y sistemticamente se explora
todo el dominio de entrada del modelo.

Sin embargo para que esta curva de bsqueda explore correctamente del dominio de
entrada es necesario que el conjunto de frecuencias utilizada sea inconmensurable, esto
quiere decir que ninguna frecuencia puede ser obtenida como una combinacin lineal de
otras con coeficientes enteros.

El clculo de los ndices de sensibilidad totales se realiza asignando diferentes
valores a las frecuencias de cada variable
i
para i=1,2,,n. Primero se asigna una
frecuencia
i
para el factor que se desea calcular y una frecuencia
i ~
al resto de factores.
De esta manera evaluando el espectro de frecuencias de
i ~
y sus armnicos superiores
i ~
p es posible estimar la varianza parcial
i ~
D , en donde
i ~
D incluye todos los efectos de
cualquier orden de todas las variables excepto la variable i.

Una vez obtenidas las varianzas parciales, es fcil calcular la varianza total del
factor i de la siguiente manera,

i ~ Ti
D D D = .(67)

Donde D es la varianza total del modelo y es calculada utilizando la ecuacin (63).
Esta aproximacin ofrece dos ventajas: i) Para cada factor i, solo es necesario seleccionar
dos valores de frecuencia
i
para el factor i y
i ~
para el conjunto complementario, sin
importar el nmero de factores. ii) Se elimina el problema de interferencia debido a que
siempre es posible encontrar un par de frecuencias que no se intercepten.

Usualmente la seleccin de las frecuencias se hace como sigue. Se selecciona un
valor de frecuencia alto para el factor
i
y uno bajo para el complemento
i
, si es posible
48
1, de esta forma se evita que las frecuencias correspondientes a
i
D y
i ~
D se solapen y
i ~
D
puede ser obtenida con los primeros componentes del espectro de frecuencias.

Una desventaja del mtodo es que es necesario un conjunto de evaluaciones para la
estimacin de cada ndice de sensibilidad ST(i), n i ,..., 1 = . No obstante, con el mismo
conjunto de evaluaciones es posible estimar el ndice de primer orden S
i
y el ndice total ST
i

para cada factor del modelo.

CAPTULO IV

MARCO METODOLOGICO

Con el fin de determinar la influencia global de las variables involucradas en la
recuperacin mejorada de petrleo por inyeccin de ASP se proponen los siguientes pasos,

1. Generar una muestra de puntos en el espacio de las variables de diseo del modelo
utilizando un diseo de experimentos basado en Hipercubo Latino. Se tomar una
muestra de 64 valores, tambin se considera una muestra ampliada de 88 valores
que contienen los valores correspondientes a las caras y vrtices del hipercubo 4D.

2. Realizar las simulaciones numricas correspondientes a los puntos generados en el
paso anterior.

3. Construir los modelos sustitutos a partir de la data de entrada y salida recolectada en
los dos primeros pasos. Se utilizaron modelos sustitutos basados en Regresin
Polinomial, Kriging, Funcin de Base Radial (FBR) y un Modelo Promedio
Ponderado Adaptativo (PPA). El modelado y validacin de los modelos sustitutos
utilizados en este trabajo pueden encontrarse en el articulo de Zerpa et al [23].

4. Realizar el Anlisis de Sensibilidad Global utilizando los modelos sustitutos
construidos en el paso anterior. Los mtodos de anlisis de sensibilidad utilizados
son Morris, Sobol y FAST. En cada caso se determinaron los ndices de sensibilidad
principales y los totales (excepto en Morris) para cada una de las variables de
estudio (concentracin de qumicos y tiempo de inyeccin). Adems se clasificaron
los variables por orden de importancia.

En la siguiente figura se representa la metodologa utilizada.

Captulo IV. Marco Metodolgico
50

Figura 12. Metodologa utilizada para el anlisis de sensibilidad global

La metodologa de solucin utilizar un caso de estudio tpico de inyeccin de
qumicos por ASP. El Apndice 1 muestra los modelos sustitutos y la data de entrada y
salida en su construccin; y en el Apndice 2 se presenta la verificacin de la codificacin
de los mtodos de anlisis de sensibilidad con un ejemplo tpico de la literatura
especializada.

4.1. Caso de Estudio. Piloto de Inyeccin de ASP. Archivo de muestra del simulador
UTCHEM EX07

Este caso de estudio tiene como objetivo aplicar distintos mtodos de anlisis de
sensibilidad global a un proceso de recuperacin mejorada de petrleo por inyeccin de
ASP para determinar que variables tienen mayor influencia sobre la recuperacin
acumulada de petrleo. Para este fin se utilizarn los datos correspondientes a una prueba
piloto disponible en el programa UTCHEM de la Universidad de Texas en Austin, USA. El
intervalo de las variables de diseo se muestra en la Tabla 2. La produccin acumulada de
petrleo es calculada a los 487 das a partir del inicio de la simulacin; esto corresponde al
horizonte de produccin de un caso con el menor tamao de tapn de ASP.

Muestreo del espacio de diseo (entrada)
Evaluacin de la funcin objetivo para la muestra de entrada (salida)
Construccin de los modelos sustitutos usando los pares entrada/salida
Anlisis de Sensibilidad Global
51
Tabla 2 Restricciones de las variables de diseo

INTERVALO
VARIABLE DE DISEO
Min Max
UNIDADES
Concentracin de lcali (Na
2
CO
3
) 0 0.5898 meq/ml
Concentracin de surfactante 0.001815 0.005 Fracc. Vol.
Concentracin de polmero 0.0487 0.12 wt%
Tiempo de inyeccin
(Tamao del tapn de ASP)
111
(0.2)
326
(0.6)
Das
(VP)

El yacimiento presenta un patrn invertido de cinco pozos (Five-Spot), que cuenta
con 13 pozos, 9 productores y 4 inyectores, tal y como se muestra en la Figura 13. El
yacimiento se encuentra a una profundidad de 4150 ft. (1265 m), el espesor de la zona
productiva es de 40 ft. (12.19 m), tiene una presin inicial promedio de 1770 psi, y se
asume que la porosidad es constante en todo el yacimiento e igual a 0.3. En la Tabla 3 se
muestran las caractersticas ms importantes del yacimiento. La malla de simulacin est
compuesta de 19193 bloques en las direcciones x, y, z, respectivamente.

x
Productor
Inyector
5 2 1
4
7
10
15 12
9
1 1
3 6
5 2 1
4
7
10
15 12
9
1 1
3 6
623.2 ft
623.2 ft
y
3
1 8
x
Productor
Inyector
5 2 1
4
7
10
15 12
9
1 1
3 6
5 2 1
4
7
10
15 12
9
1 1
3 6
623.2 ft
623.2 ft
y
3
1 8

Figura 13 Patrn de pozos (Caso base)

52
Tabla 3 Caractersticas del yacimiento (Caso base)

Parmetro Valor Unidad
Profundidad del yacimiento 4150 (1265) ft (m)
POES
395,427
(62,868)
bbls
(m
3
)
Viscosidad del petrleo 40 cp
Porosidad 0.3 fraccin
Presin inicial 1770 psi
Radio de los pozos 0.49 (15) ft (m)
Factor de dao de los pozos 0.0 adim
Saturacin inicial de agua
ver
Figura
fraccin
Permeabilidad absoluta en la
direccin horizontal
ver Figura md
C
Na
0.0583 meq/ml
Salinidad del agua
C
Ca
0.0025 meq/ml

La prueba piloto de inyeccin de ASP esta formada por cinco etapas de inyeccin:
Primera etapa (26 das): solucin de polmero
Segunda etapa (25 das): solucin de lcali y surfactante
Tercera etapa (175 das): solucin de ASP, esta es la etapa principal de la prueba
piloto
Cuarta etapa (50 das): solucin de empuje con polmero
Quinta etapa (275 das): solucin de empuje con agua (sin qumicos)

En la Tabla 4 se presenta el detalle del esquema de inyeccin en cuanto a la
concentracin de las soluciones inyectadas.

53
Tabla 4 Esquema de inyeccin de la prueba piloto de ASP (Caso base)

Concentracin de componentes
Tapn
Tiempo
de iny.
(das)
VP
Cw
1
Csurf
1
Cpol
2
Ccl
3
Cca
3
Cmg
3
Cco3
3
Cna
3
Ch
+

3

Predescarga
con
polmero
26 0.05 1.0 0 0.0974 0.015667 0.0019 0.004774 0.009122 0.01461 111.0034
Predescarga
con AS
25 0.1 0.99574 0.00426 0 0.07168 0.0034 0.0067 0.3339 0.52517 111.0767
Tapn de
ASP
175 0.41 0.99637 0.00363 0.0974 0.04948 0.0067 0.00831 0.3351 0.3929 111.839
Empuje con
polmero
50 0.5 1.0 0 0.05 0.03586 0.00665 0.00132 0.0164 0.09 111.0034
Empuje con
Agua
275 1.0 1.0 0 0 0.0135 0.00185 0.004774 0.008 0.0146 111.0034
1. Unidad de Concentracin = Fraccin volumtrica
2. Unidad de Concentracin = wt%
3. Unidad de Concentracin = meq/ml

Las Figuras de la 14 a la 16 muestran los campos de presin inicial del yacimiento,
saturacin inicial de agua y permeabilidad horizontal en cada capa, respectivamente.

54

Figura 14 Distribucin de presin inicial del yacimiento en las tres capas (Caso base)

55

Figura 15 Campos de saturacin inicial de agua en las tres capas (Caso base)

56

Figura 16 Campos de permeabilidad horizontal de las tres capas (Caso base)

CAPTULO V

ANLISIS Y DISCUSIN DE LOS RESULTADOS

A continuacin se presentan los resultados obtenidos al implementar la metodologa
de solucin propuesta en un caso de estudio tpico de inyeccin de ASP. La discusin se
basar en los resultados de las estimaciones de los ndices de sensibilidad principales y
totales de los mtodos de sensibilidad global de Sobol y FAST extendido, utilizando cada
uno de los modelos sustitutos construidos y los conjuntos de datos reducido y completo;
adems se clasificarn las variables de entrada por orden de importancia. El anlisis de
sensibilidad por el mtodo de Morris de realizar a partir de los valores obtenidos de media
y desviacin estndar de los efectos elementales de cada variable de entrada. A
continuacin se presentan los resultados.

5.1. Resultados para el Conjunto de Data Reducida

Mtodo de Sobol

La Figura 17 muestra los resultados obtenidos del anlisis de sensibilidad global
utilizando el mtodo de Sobol para cada uno de los modelos sustitutos; en la Tabla 5 se
resumen los resultados, estos fueron obtenidos al realizar 1000000 de evaluaciones a los
modelos anteriormente citados. Las variables de estudio son las siguientes: x
1
:
Concentracin de lcali, x
2
: Concentracin de Surfactante, x
3
: Concentracin de Polmero
y x
4
: Tiempo de Inyeccin. Esta misma nomenclatura se utilizar para el resto de los
mtodos de Anlisis de Sensibilidad Global (ASG).

Se puede observar que para todos los casos la concentracin de polmero (x
3
)
presenta el mayor valor de ndice de sensibilidad, seguido del tiempo de inyeccin de ASP
(x
4
) y la concentracin de lcali (x
1
), mientras que el ndice de sensibilidad de la
concentracin de surfactante (x
2
) es casi despreciable en comparacin con los otros ndices.

Captulo V. Anlisis y Discusin de los Resultados
58
Tambin se puede observar que existen efectos de orden superior, esto se debe a las
interacciones entre las variables de estudio del proceso de recuperacin por inyeccin de
ASP, siendo las interacciones entre lcali, Surfactante (x
1
x
2
) y Polmero, tiempo de
inyeccin (x
3
x
4
) las ms significativas.

Este comportamiento en la interaccin lcali-Surfactante puede explicarse de la
siguiente manera. Si inyectamos solamente surfactante una parte de este es absorbido por el
medio poroso disminuyendo as el impacto en la reduccin de la tensin interfacial roca-
fluido y manifestndose esto en la insensibilidad en la recuperacin acumulada de petrleo,
con el lcali sucede que no se genera suficiente surfactante en sitio con los componentes
cidos del petrleo teniendo poco efecto en la recuperacin de petrleo, por esto un efecto
combinado de las dos variables tiene un mayor impacto en la recuperacin de petrleo ya
que el surfactante generado en sitio sustituye el que se absorbe en la formacin logrndose
una mayor reduccin de la tensin interfacial y un aumento en la recuperacin acumulada
de petrleo. En el caso de la interaccin Polmero-Tiempo de Inyeccin de ASP hay que
recordar que el efecto del polmero es de estabilizar la relacin de movilidades entre la fase
agua-petrleo, por lo tanto mientras el tiempo de inyeccin de polmero sea mayor, mejor
ser la relacin de movilidades a lo largo del proceso teniendo un mayor impacto en la
recuperacin acumulada de petrleo.

La discrepancia entre el modelo sustituto por Funciones de Base Radial (FBR) y los
otros modelos se podra deber a que el entrenamiento de este modelo no fue el adecuado
para este tipo de proceso, en particular pueden existir problemas con la ubicacin de los
centros de las funciones de base radial. Esto no influye significativamente en el modelo
Promedio Ponderado Adaptativo (PPA), ya que este modelo pesa las estimaciones de los
modelos sustitutos basados en la varianza de cada estimacin.

59
TABLA 5 - ndices de Sensibilidad Global para cada modelo sustituto al aplicar el mtodo de
Sobol con la entrada de datos reducida en forma porcentual (%).

NDICES DE
SENSIBILIDAD
REGRESIN
POLINOMIAL
KRIGING FUNCIN DE
BASE RADIAL
PPA
Sx1 4.3 5.5 13.9 5.0
Sx2 0.3 2.2 16.3 1.0
Sx3 56.3 38.9 18.8 44.8
Sx4 23.9 19.4 2.3 21.2
Sx1x2 8.2 12.0 4.7 10.9
Sx1x3 1.2 6.4 7.2 4.2
Sx1x4 0.0 2.4 4.1 1.6
Sx2x3 0.0 1.2 2.3 1.1
Sx2x4 0.0 0.4 4.1 0.3
Sx3x4 5.6 3.9 2.2 5.0
Sx1x2x3 0.1 3.1 2.3 2.0
Sx1x3x4 0.1 2.4 2.0 1.2
Sx1x2x4 0.1 1.7 1.4 1.1
Sx2x3x4 0.1 0.6 7.9 0.3
Sx1x2x3x4 0.0 0.1 10.4 0.3

a) Regresin Polinomial
0
0.1
0.2
0.3
0.4
0.5
0.6
Sx1 Sx2 Sx3 Sx4 Sx1x2 Sx1x3 Sx1x4 Sx2x3 Sx2x4 Sx3x4 Sx1x2x3 Sx1x3x4 Sx1x2x4 Sx2x3x4 Sx1x2x3x4

b) Kriging
0
0.1
0.2
0.3
0.4
0.5
0.6

60

Figura 17 - ndices de Sensibilidad Global para el caso de estudio con data de entrada
reducida. a) Regresin Polinomial, b) Kriging, c) Funcin de Base Radial, d) PPA. (Mtodo de
Sobol)

En la Figura 18 se muestra los ndices de sensibilidad totales de las variables de
entrada de los modelos. Debido a que la suma de los ndices totales no es necesariamente 1,
los resultados fueron normalizados con el fin de realizar su comparacin grfica. Puede
observarse que la inyeccin de Polmero (x
3
) es la responsable de la mayor variabilidad en
la respuesta de todos los modelos evaluados (PRG: 55%, KRG: 39%, RBF: 29%, PPA:
44%). El tiempo de inyeccin de ASP tambin afecta significativamente la respuesta de los
modelos (PRG: 27%, KRG: 22%, RBF: 19%, PPA: 23%), seguida por concentracin de
lcali y por ltimo concentracin de Surfactante.

d) PPA
0
0.1
0.2
0.3
0.4
0.5
0.6
c) RBF
0
0,1
0,2
0,3
0,4
0,5
0,6
61

Figura 18 - ndices de Sensibilidad Totales para el conjunto de data reducida a) Regresin
Polinomial, b) Kriging, c) Funcin de Base Radial, d) PPA. (Mtodo de Sobol)

En Figura 19 se puede observar que el lcali y el surfactante a pesar de poseer bajos
ndices de sensibilidad principales poseen efectos de interaccin que hacen que estas
variables tambin tengan un impacto significativo en la produccin acumulada de petrleo,
especficamente el efecto combinado de estas dos variables como se discuti anteriormente.

ndices de Sensibilidad Total Regresin Polinomial
(a)
ST1
13%
ST2
5%
ST3
55%
ST4
27%
ndices de Sensibilidad Total Kriging
(b)
ST1
24%
ST2
15%
ST3
39%
ST4
22%
ndices de Sensibilidad Total RBF
(c)
ST1
25%
ST2
27%
ST3
29%
ST4
19%
ndices de Sensibilidad Total WAM
(d)
ST1
20%
ST2
13%
ST3
44%
ST4
23%
62
(a) Regr esin Polinomial
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales

(b) Kr iging
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales

C) FBR
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales

63
d) PPA
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales

Figura 19. Relacin entre los ndices de sensibilidad principales y totales utilizando el
mtodo de Sobol (data reducida): a) Regresin Polinomial, b) Kriging, c) Funcin de Base
Radial y d) PPA. (Mtodo de Sobol)

Una de las principales aplicaciones del clculo de los ndices de sensibilidad totales
es que permiten clasificar por orden de importancia las variables de entrada del modelo de
estudio. De acuerdo a los resultados obtenidos para cada modelo sustituto a continuacin se
muestra la clasificacin por orden de importancia:

Tabla 6 Clasificacin orden de importancia de las variables del modelo (Data reducida).
Mtodo de Sobol

Modelo Sustituto Orden de Importancia
Regresin Polinomial i) Concentracin de polmero, ii) Tiempo de Inyeccin, iii) Concentracin
de lcali, iv) Concentracin de Surfactante.
Kriging i) Concentracin de polmero, ii) Concentracin de lcali, iii) Tiempo de
Inyeccin, iv) Concentracin de Surfactante.
Funcin de base
radial
i) Concentracin de polmero, ii) Concentracin de Surfactante, iii)
Concentracin de lcali, iv) Tiempo de Inyeccin.
Modelo Promedio
Ponderado
i) Concentracin de polmero, ii) Tiempo de Inyeccin, iii) Concentracin
de lcali, iv) Concentracin de Surfactante.

Puede observarse que dentro del rango de valores de las variables consideradas
todos los modelos sustitutos utilizados muestran prcticamente la misma clasificacin por
orden de importancia, lo que confirma que no existe alguna dependencia en la utilizacin
de algn modelo sustituto en especfico. La concentracin de polmero (x
3
) fue la variable
con mayor influencia en la recuperacin acumulada de petrleo, esto se podra deber a que
64
el polmero estabiliza la relacin de movilidades entre el agua y el petrleo, permitiendo un
mejor barrido del yacimiento.

Tambin puede observarse que todas las variables de diseo utilizadas son
importantes, ya que el modelo es altamente no lineal, presentndose efectos de interaccin.
Se observaron 2 interacciones importantes: i) concentracin de lcali con concentracin de
Surfactante y ii) concentracin de polmero con tiempo de inyeccin de ASP.

Mtodo de Morris

Para el conjunto de datos reducido los valores asignados a los parmetros del
experimento son los siguientes: k=44, p=4, =2/3 y r=36. La tabla 7 y la Figura 20
muestran los valores de la media y desviacin estndar de cada una de las variables de
entrada por modelo sustituto.

Tabla 7 Resumen de resultados por el mtodo de Morris (Data reducida)
Medida lcali Surfactante Polmero Tiempo de Inyeccin
Polinomial
Media 1.7553 3.7526 13.168 7.5781
Desviacin Estndar 7.1437 3.5379 2.6515 5.2381
Kriging
Media 2.4122 2.6085 6.9604 5.0021
Funcin de Base Radial
Media 0.026473 -3.0908 10.515 -0.58686
Modelo Promedio Ponderado
Media 2.3696 1.6078 6.7415 4.6492

Se puede observar que para el modelo de regresin polinomial las variables
concentracin de polmero (x
3
) y tiempo de inyeccin (x
4
) tienen los mayores valores de
media, lo que indica que sus efectos principales podran ser importantes, por otro lado, la
65
concentracin de lcali (x
1
) y la concentracin de surfactante (x
2
) tienen valores de media
bajos, pero sus desviaciones estndar son relativamente altas, por lo tanto sus efectos de
interaccin pueden ser importantes. Este comportamiento se repite en el resto de los
modelos sustitutos, con excepcin del modelo de funciones de base radial, como ocurri en
el mtodo de Sobol.

Figura 20. Media y desviacin estndar para cada uno de los modelos sustitutos con el
conjunto de data reducida (Mtodo de Morris)

0 2 4 6 8 10 12 14
0
5
10
15
1
2
3
4
Media Estimada (d)
D
e
s
v
i
a
c
i
o
n

E
s
t
a
n
d
a
r

(
s
)
Media y Desviacion Estandar de los Efectos Elementales Regresion Polinomial
1 2 3 4 5 6 7 8 9 10 11
0
5
10
15
1
2
3
4
Media Estimada (d)
D
e
s
v
i
a
c
i
o
n

E
s
t
a
n
d
a
r

(
s
)
Media y Desviacion Estandar de los Efectos Elementales Kriging
-4 -2 0 2 4 6 8 10 12
0
2
4
6
8
10
12
14
16
1
2
3
4
Media Estimada (d)
D
e
s
v
i
a
c
i
o
n

E
s
t
a
n
d
a
r

(
s
)
Media y Desviacion Estandar de los Efectos Elementales RBF
1 2 3 4 5 6 7 8 9 10 11
0
5
10
15
1
2
3
4
Media Estimada (d)
D
e
s
v
i
a
c
i
o
n

E
s
t
a
n
d
a
r

(
s
)
Media y Desviacion Estandar de los Efectos Elementales WAM
66
Mtodo FAST Extendido.

Se realiz un nmero de muestras N=1221 para calcular cada uno de los ndices de
sensibilidad principales y totales (Si, STi) con M = 20 (nmero de armnicos superiores) y
61 =
i
. El costo total fue de 4884 = Nxk evaluaciones, para un nmero k de variables
igual a 4. Los resultados obtenidos se muestran en la Tabla 8.

Tabla 8. ndices de Sensibilidad para el conjunto de datos reducido (Mtodo FAST)

ndices de
sensibilidad Regresin Kriging FBR PPA
S1 0.0462 0.061 0.140 0.054
S2 6.59E-05 0.033 0.248 0.012
S3 0.441 0.512 0.225 0.482
S4 0.193 0.334 0.053 0.300
S1T 0.150 0.309 0.469 0.260
S2T 0.089 0.172 0.501 0.141
S3T 0.539 0.697 0.485 0.649
S4T 0.237 0.472 0.432 0.421

Figura 21. ndices de sensibilidad Total para el conjunto de data reducida. (Mtodo
FAST)
a) ndi ces de Sensi bi l i dad Tot al Regresi n
Pol i nomi al
S1T
15%
S2T
9%
S3T
53%
S4T
23%
S1T
S2T
S3T
S4T
b) ndi ces de Sensi bi l i dad Total Kri gi ng
S1T
19%
S2T
10%
S3T
42%
S4T
29%
S1T
S2T
S3T
S4T
c) ndi ces de Sensi bi l i dad Tot al RBF
S1T
25%
S2T
26%
S3T
26%
S4T
23%
S1T
S2T
S3T
S4T
d) ndi ces de Sensi bi l i dad Tot al MPA
S1T
18%
S2T
10%
S3T
43%
S4T
29%
S1T
S2T
S3T
S4T
a) ndi ces de Sensi bi l i dad Tot al Regresi n
Pol i nomi al
S1T
15%
S2T
9%
S3T
53%
S4T
23%
S1T
S2T
S3T
S4T
b) ndi ces de Sensi bi l i dad Total Kri gi ng
S1T
19%
S2T
10%
S3T
42%
S4T
29%
S1T
S2T
S3T
S4T
c) ndi ces de Sensi bi l i dad Tot al RBF
S1T
25%
S2T
26%
S3T
26%
S4T
23%
S1T
S2T
S3T
S4T
d) ndi ces de Sensi bi l i dad Tot al MPA
S1T
18%
S2T
10%
S3T
43%
S4T
29%
S1T
S2T
S3T
S4T
67
En la Figura 21 se muestran los resultados del clculo de los ndices de sensibilidad
totales. Al igual que en el mtodo de Sobol la concentracin de Polmero (x
3
) es la
responsable de la mayor variabilidad en la respuesta del modelo (RP: 55%, KRG: 39%,
FBR: 29%, PPA: 44%), seguido del tiempo de inyeccin de ASP (RP: 27%, KRG: 22%,
FBR: 19%, PPA: 23%), concentracin de lcali (RP: 15%, KRG: 19%, FBR: 25%, PPA:
18%) y por ltimo la concentracin de Surfactante (RP: 9%, KRG: 10%, FBR: 26%, PPA:
10%) .

La Figura 22 muestra la comparacin de los ndices principales con los totales para
cada una de las variables de estudio. Las contribuciones de los ndices principales del lcali
y el surfactante son bajas, por ejemplo para el modelo sustituto PPA son 5 y 1.2 %
respectivamente, mientras que sus ndices totales son de 26 y 14 %, lo que muestra que
estas variables tienen interacciones con las otras variables del modelo (Figura 22d).
a) Regresin Polinomial
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales
b) Kriging
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales
68

Figura 22. Comparacin de los ndices de sensibilidad globales y totales para el conjunto de
data reducida. a) Regresin Polinomial, b) Kriging, c) Funcin de Base Radial y d) PPA.
(Mtodo FAST)

A continuacin se muestra la clasificacin por orden de importancia los resultados
obtenidos para cada modelo sustituto:

c) FBR
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales
d) PPA
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7
S1
S2
S3
S4
Totales
Principales
69
Tabla 9 Clasificacin del orden de importancia de las variables del modelo para el
conjunto de Data reducida. (Mtodo FAST)

Modelo Sustituto Orden de Importancia
Regresin
Polinomial
i) Concentracin de polmero, ii) Tiempo de Inyeccin, iii)
Concentracin de lcali, iv) Concentracin de Surfactante.
Kriging i) Concentracin de polmero, ii) Tiempo de Inyeccin, iii)
Funcin de base
radial
i) Concentracin de polmero, ii) Concentracin de Surfactante, iii)
Concentracin de lcali, iv) Tiempo de Inyeccin.
Modelo Promedio
Ponderado
i) Concentracin de polmero, ii) Tiempo de Inyeccin, iii)

Puede observarse nuevamente que la clasificacin por orden de importancia de las
variables de entrada al modelo es independiente del tipo de modelo sustituto utilizado. Para
todos los casos la concentracin de polmero fue la variable con mayor influencia en la
recuperacin acumulada de petrleo, seguido por el tiempo de inyeccin, la concentracin
de lcali y por ltimo el surfactante.

5.2 Resultados del Conjunto de Datos Completo

Adicionalmente se aplic la metodologa utilizando el conjunto de datos completo (88
puntos), los resultados obtenidos no difieren significativamente de los obtenidos utilizando
la data reducida, por lo que se puede concluir que se puede obtener un buen modelo del
proceso independientemente del nmero de datos utilizados para el entrenamiento de los
modelos sustitutos.

En la tabla 10 se resumen los resultados obtenidos para el mtodo de Sobol. Se
puede observar nuevamente que la concentracin de polmero (x
3
) presenta el mayor valor
de ndice de sensibilidad, seguido del tiempo de inyeccin de ASP (x
4
), para el resto de las
variables el comportamiento es similar al obtenido con la data reducida. Tambin se puede
observar que existen efectos de orden superior en los modelo evaluados, siendo
70
nuevamente las interacciones entre lcali, Surfactante (x
1
x
2
) y Polmero, tiempo de
inyeccin (x
3
x
4
) las ms significativas.

TABLA 10 - ndices de sensibilidad global con el conjunto de Datos Completo. (Mtodo de
Sobol)

NDICES DE
SENSIBILIDAD
REGRESIN
POLINOMIAL
KRIGING FUNCIN DE
BASE RADIAL
PPA
Sx1 0.013 0.072 0.109 0.051
Sx2 0.023 0.024 0.136 0.022
Sx3 0.542 0.392 0.220 0.451
Sx4 0.330 0.211 0.023 0.249
Sx1x2 0.029 0.117 0.053 0.082
Sx1x3 0.024 0.039 0.082 0.040
Sx1x4 0.012 0.027 0.030 0.023
Sx2x3 0.012 0.0 0.027 0.002
Sx2x4 0.023 0.0 0.041 0.0
Sx3x4 0.027 0.034 0.037 0.032
Sx1x2x3 0.0 0.024 0.037 0.012
Sx1x3x4 0.0 0.026 0.041 0.010
Sx1x2x4 0.0 0.037 0.025 0.022
Sx2x3x4 0.0 0.013 0.085 0.006
Sx1x2x3x4 0.012 0.0 0.054 0.0

Los resultados para el mtodo de Morris se muestran en la Tabla 11. Se puede
observar que la concentracin de polmeros (x
3
) tiene la media ms alta seguido del tiempo
de inyeccin de ASP (x
4
), por su parte la concentracin de lcali y surfactante presentan
efectos de interaccin o no linealidades significativas. Este comportamiento es el mismo
obtenido utilizando el conjunto de datos reducidos.

Tabla 11 Resumen de resultados por el mtodo de Morris (Data completa)

Medida lcali Surfactante Polmero Tiempo de Inyeccin
Polinomial
Media 1.813 1.152 8.473 6.725
Kriging
Media 1.418 4.368 6.593 5.972
Funcin de Base Radial
Media 6.709 -0.247 -1.650 -1.104
Modelo Promedio Ponderado
Media -1.875 2.414 10.24 5.715

71
Para el mtodo de FAST extendido tambin se obtuvo el mismo comportamiento
que el obtenido utilizando el conjunto de datos reducido. En la Figura 23 se muestran los
ndices de sensibilidad total utilizando el conjunto de datos completo.

Figura 23. ndices de sensibilidad Total para el conjunto de datos completo. (Mtodo
FAST)

a) ndi ces de Sensi bi li dad Total Regresin
Poli nomi al
S1T
5%
S2T
9%
S3T
51%
S4T
35%
S1T
S2T
S3T
S4T
b) ndi ces de Sensibil i dad Total Kri gi ng
S1T
19%
S2T
6%
S3T
45%
S4T
30%
S1T
S2T
S3T
S4T
c) ndices de sensi bil i dad Total RBF
S1T
28%
S2T
26%
S3T
26%
S4T
20%
S1T
S2T
S3T
S4T
d) ndices de Sensi bil i dad Total MPA
S1T
16%
S2T
6%
S3T
46%
S4T
32%
S1T
S2T
S3T
S4T
a) ndi ces de Sensi bi li dad Total Regresin
Poli nomi al
S1T
5%
S2T
9%
S3T
51%
S4T
35%
S1T
S2T
S3T
S4T
b) ndi ces de Sensibil i dad Total Kri gi ng
S1T
19%
S2T
6%
S3T
45%
S4T
30%
S1T
S2T
S3T
S4T
c) ndices de sensi bil i dad Total RBF
S1T
28%
S2T
26%
S3T
26%
S4T
20%
S1T
S2T
S3T
S4T
d) ndices de Sensi bil i dad Total MPA
S1T
16%
S2T
6%
S3T
46%
S4T
32%
S1T
S2T
S3T
S4T

CAPTULO VI

CONCLUSIONES Y RECOMENDACIONES

Se ha propuesto una metodologa para el anlisis de sensibilidad de procesos de
recuperacin mejorada de petrleo por inyeccin de lcali, Surfactante y Polmero
(ASP) en donde se incluye la construccin y ejecucin acoplada de modelos sustitutos
de rpida ejecucin (Regresin Polinomial, Kriging, Funciones de Base Radial y un
Modelo Ponderado Adaptativo) con algoritmos de sensibilidad global. Las simulaciones
numricas para la construccin de los modelos sustitutos son realizadas utilizando el
simulador composicional UTCHEM de la Universidad de Texas en Austin.

Se prob el clculo de los ndices de sensibilidad principales y totales para los mtodos
de Sobol y FAST utilizando un caso de prueba obtenindose resultados muy
aproximados a la solucin analtica, esto verifica que la codificacin de estos mtodos
es correcta y confiable para su uso en el modelo de recuperacin mejorada de petrleo
por inyeccin de lcali, Surfactante y Polmero (ASP).

Para el caso de estudio todas las variables resultaron ser importantes, teniendo un
impacto significativo en la produccin acumulada de petrleo. Para todos los modelos
sustitutos y mtodos de anlisis de sensibilidad global la concentracin de Polmero fue
la variable ms importante del proceso, seguida del tiempo de inyeccin de ASP,
concentracin de lcali y por ltimo la concentracin de surfactante.

Para todos los mtodos de anlisis de sensibilidad global evaluados se encontr que los
resultados no se ven afectados por el tipo de modelo sustituto utilizado. Se encontr una
gran consistencia en la clasificacin de las variables del modelo para los distintos
modelos sustitutos, con excepcin del modelo de Funciones de Base Radial.

El mtodo de Morris es efectivo cuando se tiene un gran nmero de variables de estudio
y se quiere tener una estimacin rpida de las variables ms importantes del modelo. En
Captulo VI. Conclusiones y Recomendaciones
73
el caso de estudio de ASP solo se tomaron en cuenta 4 variables del proceso, sin
embargo se pudo observar que el mtodo da una buena representacin cualitativa de la
importancia de las variables. Estos resultados concuerdan en gran medida con los
obtenidos por los mtodos de Sobol y FAST que brindan un anlisis cuantitativo del
modelo de ASP.

Los resultados del mtodo de Sobol muestran que existen efectos de orden superior,
esto se debe a las interacciones entre las variables de estudio siendo las interacciones
entre concentracin de lcali-surfactante y concentracin de polmero-tiempo de
inyeccin las ms significativas.

Se encontr que los resultados al aplicar la metodologa al espacio de muestra de 88
puntos no difieren significativamente de los obtenidos utilizando la data reducida (66
puntos), por lo que es posible obtener un buen modelo del proceso con una muestra
relativamente pequea.

La metodologa propuesta muestra ser efectiva, pudiendo ser utilizada en el modelado
de cualquier proceso complejo en donde el nmero de variables y el alto costo
computacional de los modelos determinsticos sea grande.

Referencias Bibliogrficas
74
REFERENCIAS BIBLIOGRFICAS

[1] Wei-Ju Wu, Optimum Design of Field-Scale Chemical Flooding Using Reservoir
Simulation Ph.D. Thesis, The University of Texas at Austin, 1996.

[2] Zhijian, Q., Yigen, Z. Xiansong, Z. and Jialin, D., A Succesful ASP flooding in
Gudong Oil Field, SPE 39613, 1998.

[3] Hernndez, C., Chacn, L., Anselmi, L., Baldonedo, A., Qi, J., Phillip, C. and
Malcolm J., ASP System Desing for an Offshore Application in the La Salina Field,
Lake Maracaibo SPE 69544, 2001.

[4] Salager, J.L., Bourrel, M., Schechter, R.S., and Wade, W.H., Mixing Rules for
Optimum Phase-Behavior Formulations of Surfactant/Oil/Water Systems, SPE
7584, 1979.

[5] Prouvost, L.P., Satoh, T., Sepehrnoori, K., and Pope, G.A., A New Micellar
Phase-Behavior Model for Simulating Systems With Up to Three Amphiphilic
Species, SPE 13031, 1984.

[6] Prouvost, L., Pope, G.A., and Rouse, B., Microemulsion Phase Behavior: A
Thermodynamic Modeling of the Phase Partitioning of Amphiphilic Species, SPE
12586, 1985.

[7] Hirasaki, G.J, and Lawson, J.B., An Electrostatic Approach to the Association of
Sodium and Calcium With Surfactant Micelles, SPE 10921, 1986.

[8] Saltelli, A. and Bolado, R., An Alternative Way to Compute Fourier Amplitude
Sensivility Test (FAST), Computational Statistics & Data Analysis, 1998.

[9] Tarantola, S., Jesinghaus, J., Poulamaa, M. and Saltelli, A., Global Sensitivity
Analysis: A Tool for Environmental Modelling Quality Assessment,

[10] Campolongo, F., Tarantola, S. and Saltelli, A., Tackling Quantitatively Large
Dimensionality Problems, Computer Physics Comunications, 1999.

[11] Saltelli, A. and Tarantola, S., On the Relative Importance of Input Factors in
Mathematical Models: Safety Assessment for Nuclear Waste Disposal, Journal of
the American Statistical Association, 2002.

[12] Saltelli, A., Sensitivity Analysis for Importance Assessment, Risk Analysis, 2002.

Referencias Bibliogrficas
75
[13] Cukier, R., Shuler, K., Petschek, A. and Schaibly, J., Study of the Sensivility of
Coupled Reaction Systems to Uncertainties in Rate Coefficients. I Theory, J. Chem.
Phys. 1973.

[14] Morris, M., Factorial Sampling Plans for Preliminary Computational Experiments,
American Statistical Association and the American Society for Quality Control, 1991.

[15] Sobol, I. and Tarantola, S., Global Sensitivity Analysis for Non-Linear Simulation
Models, Submitted to the International Journal of Non-Linear Mechanics, 1998.

[16] Saltelli, A., Tarantola, S. and Chan, K., A Quantitative Model-Independent
Method for Global Sensitivity Analysis of Model Output, American Statistical
Association, 1999.

[17] Saltelli, A., Tarantola, S. and Campolongo, F., Sensitivity Analysis as an
Ingredient of Modelling, Statistical Science, 2000.

[18] Bishop, C.M. Neural Networks for Pattern Recognition, Oxford University Press
1995. pp. 364-371.

[19] Draper, N.R., and Smith, H. Applied Regression Analysis, John Waley & Sons, Inc.
(1966) 128.

[20] Sacks, J., Welch. W., Mitchell, T., and Wynn, H. Design and Analysis of
Computer Experiments, Statistical Science (1989), Vol. 4, pp. 409-435.

[21] Saltelli, A., Chan, K. and Scott, E., Sensitivity Analysis, John Wiley & Sons, 2000.

[22] Chan, K., Saltelli, A. and Tarantola, S., Sensitivity Analysis of Model Output:
Variance-Based Methods Make the Difference, 1997 Winter Simulation Conference,
1997.

[23] Luis E. Zerpa, Nestor V. Queipo, Salvador Pintos, and Jean Louis Salager: An
Optimization Methodology of Alkaline-Surfactant-Polymer Flooding Processes
Using Field Scale Numerical Simulation and Multiple Surrogates, paper SPE 89387
presented at the SPE/DOE Fourteenth Symposium on Improved Oil Recovery, Tulsa,
Oklahoma, 17-21 April 2004. Abstract

[24] McKay, M., Nonparametrics Variance-Based Methods of Assessing Uncertainty
Importance, Reliability Engineering and System Safety, 1997.

76
APENDICES ANEXOS

APENDICE 1. Modelos sustitutos

A continuacin se presenta el conjunto de entrada utilizado en la construccin de los
modelos sustitutos.

Tabla A-1. Conjunto de datos entrada del modelo (Data Completa)

Muestra X1 X2 X3 X4 Muestra X1 X2 X3 X4
1 0 0.00363 0.0974 175 45 0.1977 0.0089 0.0927 194.26
2 0.5898 0.00363 0.0974 175 46 0.1286 0.005 0.0811 277.45
3 0.3929 0.001815 0.0974 175 47 0.3807 0.006 0.0684 307.7
4 0.3929 0.01 0.0974 175 48 0.082 0.0077 0.057 235.62
5 0.3929 0.00363 0.0487 175 49 0.287 0.0038 0.1029 213.34
6 0.3929 0.00363 0.1461 175 50 0.3498 0.0052 0.1241 208.63
7 0.3929 0.00363 0.0974 111 51 0.1623 0.0093 0.1192 279.25
8 0.3929 0.00363 0.0974 326 52 0.0759 0.0068 0.1415 322.49
9 0 0.001815 0.0487 111 53 0.2689 0.0094 0.1238 113.26
10 0 0.001815 0.0487 326 54 0.1833 0.0049 0.1112 134.31
11 0 0.001815 0.1461 326 55 0.392 0.0059 0.1366 171.61
12 0 0.001815 0.1461 111 56 0.0495 0.0077 0.0987 147.5
13 0 0.01 0.0487 111 57 0.5051 0.0033 0.0632 155.28
14 0 0.01 0.0487 326 58 0.4203 0.0029 0.0598 174.16
15 0 0.01 0.1461 326 59 0.5645 0.0021 0.0843 124.01
16 0 0.01 0.1461 111 60 0.489 0.0026 0.0854 141.78
17 0.5898 0.001815 0.0487 111 61 0.4073 0.0032 0.0731 312.32
18 0.5898 0.001815 0.0487 326 62 0.5454 0.0022 0.0679 222.24
19 0.5898 0.001815 0.1461 326 63 0.4617 0.0024 0.0943 180.45
20 0.5898 0.001815 0.1461 111 64 0.5078 0.0032 0.0585 275.1
21 0.5898 0.01 0.0487 111 65 0.5876 0.0028 0.125 286.04
22 0.5898 0.01 0.0487 326 66 0.4486 0.0036 0.1001 225.2
23 0.5898 0.01 0.1461 326 67 0.4947 0.0019 0.1426 201.59
24 0.5898 0.01 0.1461 111 68 0.3991 0.0025 0.1163 323.86
25 0.1284 0.0032 0.0543 128.19 69 0.5878 0.0024 0.134 164.64
26 0.2875 0.0023 0.0694 146.09 70 0.4264 0.0033 0.1314 122.55
27 0.3613 0.0028 0.0923 165.07 71 0.4941 0.0019 0.1098 158.5
28 0.0073 0.002 0.0792 115.42 72 0.4717 0.0028 0.1081 129.49
29 0.1723 0.002 0.0591 183.63 73 0.537 0.0037 0.0632 150.67
30 0.2616 0.0028 0.0894 320.79 74 0.4122 0.0087 0.0973 118.94
31 0.0868 0.0032 0.0666 275.29 75 0.4673 0.0066 0.0817 163.6
32 0.3214 0.0023 0.0842 246.39 76 0.5451 0.0082 0.0593 127.98
33 0.1991 0.0019 0.1448 268.29 77 0.5784 0.004 0.0728 205.28
34 0.051 0.0031 0.1332 180.64 78 0.4899 0.0055 0.093 313.48
35 0.3136 0.0023 0.1015 293.38 79 0.4281 0.0072 0.0797 238.08
36 0.1685 0.0034 0.1149 232.85 80 0.5298 0.0095 0.059 281.48
37 0.3015 0.0031 0.1097 136.11 81 0.4523 0.0042 0.1146 277.95
38 0.2802 0.0025 0.1082 161.55 82 0.5485 0.0073 0.1073 207.01

77
39 0.1159 0.0019 0.1445 120.51 83 0.5228 0.0053 0.1445 240.25
40 0.0032 0.0033 0.1248 148.3 84 0.3929 0.0086 0.122 324.31
41 0.1966 0.0054 0.0859 163.98 85 0.5279 0.006 0.1273 155.59
42 0.0776 0.0087 0.0602 113.7 86 0.4249 0.0046 0.1079 169.5
43 0.1487 0.0043 0.0627 141.35 87 0.4884 0.0069 0.12 127
44 0.3156 0.0075 0.0777 148.16 88 0.5816 0.0093 0.1397 113.1

Los valores de salida correspondientes a la entrada mostrada en la Tabla A-1 se
muestran a continuacin:

Tabla A-2. Conjunto de datos de salida del simulador UTCHEM

Muestra Y Muestra Y Muestra Y Muestra Y
1 24.2 23 39.81 45 23.796 67 26.26
2 21.69 24 25.042 46 24.58 68 28.11
3 23.03 25 19.76 47 22.454 69 24.18
4 24.51 26 24.546 48 21.175 70 23.55
5 19.13 27 25.194 49 30.186 71 22.28
6 27.61 28 21.546 50 31.181 72 21.69
7 21.43 29 21.568 51 27.976 73 18.89
8 26.09 30 31.903 52 31.061 74 22
9 19.577 31 23.07 53 24.407 75 21.54
10 21.695 32 29.972 54 23.719 76 19.27
11 28.197 33 32.777 55 27.424 77 20.18
12 25.724 34 27.582 56 23.017 78 25.59
13 18.601 35 33.695 57 19.08 79 23.8
14 27.63 36 27.856 58 19.69 80 24.16
15 32.87 37 27.358 59 19.5 81 31.39
16 24.065 38 28.624 60 20.37 82 38.47
17 17.6 39 26.006 61 22.44 83 36.6
18 17.93 40 25.361 62 19.53 84 35.26
19 30.73 41 22.787 63 21.97 85 24.63
20 22.68 42 19.405 64 19.22 86 23.78
21 18.713 43 20.652 65 27.78 87 23.29
22 24.9 44 24.217 66 23.89 88 24.47

Con estos conjuntos de entrada y salida se entrenaron cada uno de los modelos
sustitutos utilizados. A continuacin se muestran los modelos.

78
Modelo de Regresin Polinomial

El polinomio de ajuste utilizado es el siguiente:

2
3
2
3
2
2
2
2
2
1
2
1 4 3 34
4 2 24 3 2 23 3 1 13 2 1 12 4 4 3 3 2 2 1 1
...
x a x a x a x x a
x x a x x a x x a x x a x a x a x a x a a y
o
+ + +
+ + + + + + + + + =
..(68)

En la siguiente tabla se muestran los coeficientes determinados para el modelo.

Tabla A-3. Coeficientes del polinomio de regresin

a
0
a
1
a
2
a
3
a
4
a
12
a
13
a
23
a
24
a
34
a
1
2
a
2
2
a
3
2

18.267 -2.0739 -1075.9 78.248 -0.0086565 1180 80.5

-326.92

2.7863 0.25707 -21.887

35294 -322.47

El error medio cuadrtico del modelo para el conjunto de entrenamiento es 6.052.

Modelo Kriging

La estructura de correlacin utilizada en este trabajo es la Gaussiana:
( )

=

=
p
h
h
j
h
i h j i
x x x x
1
2
2
exp )) ( ), ( cov( ..(69)

En donde para el conjunto de datos utilizados se obtuvieron los siguientes coeficientes,

[ ]
042237 . 0
55 . 29
2
=
=
=
0.58992 0.11892 0.41714 1.4031

h

Las estimaciones del modelo para un conjunto nuevo de valores de diseo esta dado
por:
) ( ) (
1
L y R r x y
T
+ =

(70)

donde la lnea arriba de las letras denota estimaciones, r identifica el vector de correlacin
entre el conjunto nuevo de valores de diseo y los puntos usados para construir el modelo,

79
R es la matriz de correlacin entre los n puntos muestreados, y L denota un vector de unos
de n elementos.

Debido a que el mtodo de Kriging es interpolante el error cuadrtico medio del
conjunto de entrenamiento es cero.

Modelo de Funciones de Base Radial

El modelo de funciones de base radial esta dado por la siguiente expresin,

+ = Hw y ( )
2
= V .(71)

en donde el conjunto de pesos
w
se dan en la siguiente tabla,

Tabla A-4. Pesos calculados para el modelo de Funciones de Base Radial

# de Peso Peso # de Peso Peso # de Peso Peso
1 -7.9777 27 10.197 53 6.7893
2 3.2944 28 19.416 54 8.1549
3 0.9279 29 28.448 55 9.6278
4 10.236 30 11.056 56 8.1986
5 25.531 31 14.18 57 14.909
6 3.1534 32 9.5086 58 16.035
7 27.172 33 6.3202 59 4.912
8 27.338 34 18.756 60 12.872
9 6.9428 35 13.008 61 -10.765
10 1.7298 36 17.881 62 13.581
11 25.373 37 16.716 63 13.615
12 36.753 38 8.933 64 20.291
13 25.35 39 14.754 65 14.021
14 1.5561 40 17.755 66 6.7624
15 11.598 41 8.2575 67 -31.292
16 15.003 42 15.661 68 9.884
17 5.2381 43 9.6408 69 10.158
18 18.341 44 5.3819 70 9.9994
19 26.86 45 9.9266 71 14.399
20 24.093 46 13.515 72 22.351
21 14.314 47 11.791 73 9.0182
22 27.282 48 11.92 74 10.571
23 22.794 49 8.5155 75 -5.9735
24 8.5724 50 13.567 76 6.3326
25 24.476 51 11.529 77 -3.1433
26 14.141 52 12.865 78 -2.4525

80
Debido a que la matriz de diseo es de dimensin (88x78) no se mostrar.

El error medio cuadrtico del modelo para el conjunto de entrenamiento es 1.17E-005.

APENDICE 2. Verificacin de Cdigo de Anlisis de Sensibilidad Global
Con el propsito de verificar la correcta ejecucin de los mtodos de Sobol y FAST
extendido se utilizar la funcin analtica de prueba de los polinomios de Legendre
propuesta por McKay [24]. Estos polinomios tienen la siguiente expresin matemtica,

( ) ( )
( )
( )
( )
=
2 /
0
2
! 2 !
! 2 2
! !
!
1
2
1
d
m
m d m
d
d
x
m d d
m d
m d m
d
x L ..(72)

Esta funcin es dependiente de x y d, con [ ] 1 , 1 x y { } 5 , 4 , 3 , 2 , 1 = d . Los ndices de
sensibilidad de este modelo tienen solucin analtica: Sx=0.2, Sd=0 y Sxd=0.8, por lo tanto
los resultados numricos de cada uno de los mtodos sern comparados con estas
soluciones. En la Figura A-1 se muestran los distintos polinomios de Legrendre en el rango
de las variables de entrada.

81
-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
-1
-0.8
-0.6
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
X
X

Figura A-1. Polinomios de Legendre para x entre [-1,1] y d = {1,2,3,4,5}.

En la Tabla 5 se pueden observar los resultados obtenidos para cada uno de los
mtodos.

Tabla A-5. ndices de sensibilidad para los polinomios de Legendre para los mtodos
de Sobol y FAST extendido
ndices de
Sensibilidad
Solucin
Analtica
Sobol FAST
Ext.
S(x) 0.2 0.211 0.203
S(d) 0.0 0.002 0.0
S(xd) 0.8 0.787 0.793
ST(x) 1.0 0.998 0.998
ST(d) 0.8 0.787 0.793

Como puede observarse en la tabla los resultados son muy aproximados a los
valores analticos de los ndices de sensibilidad de la funcin de Legendre, lo que verifica la
codificacin de los mtodos a utilizarse en la metodologa de solucin.

82
GLOSARIO

cido carboxlico:
Cualquier compuesto de carbono que contenga el grupo funcional
C(O)OH.
Adsorcin:
La Adsorcin es un fenmeno espontneo impulsado por la disminucin
de energa libre del surfactante al ubicarse en la interfase y satisfacer
total o parcialmente su doble afinidad polar-apolar. La adsorcin ocurre
tambin cuando una sola afinidad es satisfecha como en el caso de la
adsorcin en la superficie aire-agua o lquido-slido. La adsorcin de un
surfactante en una superficie gas-lquido o en una interfase lquido-
lquido, produce en general una reduccin de la tensin superficial o
interfacial.

lcali:
Nombre dado a los xidos metlicos solubles en agua que tienen
reaccin bsica.

Alcalinidad:
Desprendimiento de iones OH
-
de una sustancia en solucin,
permitiendo la neutralizacin de sustancias cidas.

Alcano:
Compuesto de carbono que contiene slo carbono e hidrgeno, y
enlaces sencillos

Anfiflico:
Tiene su significado de las palabras griegas anfi = ambos lados, y filo =
amigo. Es una molcula que tiene una fuerte atraccin hacia solventes
polares y solventes no-polares, y terminar ubicndose en la interfase
entre los dos solventes.

Anin:
Una especie qumica con carga negativa, e.g. hidrxido OH
-
, carbonato
CO
3
2-
, o sulfato SO
4
2-
.

Asociacin:
Asociacin es un fenmeno impulsado por los efectos hidrfobos cuando
se aade surfactante a una solucin acuosa, y la superficie o la interfase
se encuentra saturada por molculas de surfactante, provocando la
sustraccin de la parte apolar del surfactante del contacto de las

83
molculas de agua y la formacin de un contacto ms favorable con las
partes apolares de otras molculas de surfactante, formando estructuras
organizadas (micelas).

Biopolmero:
Un polmero producido por una planta, un hongo, bacterias, u otra
entidad biolgica.

Black-oil:
Hidrocarburo lquido (petrleo) con una relacin gas/petrleo inicial
menor que 0.31 m
3
/Lt y una gravedad API menor de 45.

Copolmero:
Un polmero compuesto por 2 o ms clases de monmeros.

Diseo de
experimentos:
Representa una secuencia de experimentos a ser realizados, expresada
en trminos de las variables de diseo con unos valores predefinidos. Un
diseo de experimentos es representado por una matriz donde las filas
denotan los experimentos y las columnas denotan valores particulares
de las variables de diseo.

Dureza:
Es la presencia de sales de calcio y magnesio en el agua.

Emulsin:
Una dispersin donde hay lquido disperso en otro lquido, e.g. la
mayonesa es una emulsin de agua en aceite y la leche es una emulsin
de aceite en agua. Estrictamente hablando, una dispersin es una
emulsin si las gotas dispersadas tienen dimensiones coloidales.

Gravedad API:
Es una escala que refleja la densidad de un fluido como por ejemplo
crudo lquido, agua, o gas natural. Se calcula de la siguiente manera:
5 131
5 141
.
.
API =

donde es la gravedad especfica del fluido a 60 F.

Grupo Funcional:
Es un tomo o grupo de tomos que tiene comportamiento qumico
similar, sin importar como luce el resto de la molcula. Por ejemplo, el
grupo hidrxido (OH) en todos los alcoholes tiene reactividad similar.

Hidrocarburos:
Cualquier compuesto qumico que contiene slo hidrgeno y carbono.

Hidrlisis:
Una reaccin qumica en la cual agua reacciona con un compuesto para

84
producir otro compuesto, incluye la separacin de un enlace y la adicin
de un catin de hidrgeno y un anin de hidrxido del agua. Un ejemplo
de hidrlisis es la ruptura de los enlaces de ster para formar jabn a
partir de un aceite. En esta reaccin, el enlace del ster es roto,
liberando un alcohol y un cido.

Hidroflico:
De las palabras griegas Hidro = agua, y filo = amigo. Un compuesto
hidroflico es aquel que se disuelve fcilmente en el agua. Un compuesto
es hidroflico si presenta gran potencial para enlaces con hidrgeno o
tiene una carga.

Hidrofbico:
De las palabras griegas Hidro = agua, y fobia = temor. Un compuesto
hidrofbico es aquel que odia al agua y no se disuelve en el agua. Un
compuesto es hidrfbico si presenta muy poca capacidad de enlazarse
con hidrgeno o no tiene carga.

Micela:
La micela es un polmero de asociacin en el cual el surfactante alcanza
una posicin ms favorable. Las micelas formadas en un ambiente
acuoso pueden tener una variedad de formas, con un exterior hidroflico
y un ncleo hidrofbico. En un ambiente no polar, como aceite, se
formaran micelas inversas con un exterior lipoflico y un ncleo
hidroflico. Las micelas son responsables de una propiedad fundamental
de las soluciones de surfactantes, su poder solubilizante. El tamao de
las micelas es del orden de 10 a 100 , ms pequeas que las partculas
del humo del cigarrillo, y pueden contener varias decenas y an
centenas de molculas.

Microemulsin:
Una microemulsin es una solucin micelar en la cual las micelas estn
hinchadas (tienen agua o petrleo en sus ncleos) y se tocan entre ellas;
no debe confundirse con una emulsin que posee gotas muy pequeas.
En realidad en una microemulsin, se encuentran micelas y micelas
inversas en coexistencia, a menudo en una estructura bicontinua. Estas
estructuras estn asociadas a propiedades fsico-qumicas
excepcionales como tensiones interfaciales extremadamente bajas y alta
solubilizacin.

Miliequivalente:
Es la concentracin equivalente que reaccionara con un miliequivalente
de otra sustancia. En clculos de anlisis de agua, se emplea la

85
Normalidad como unidad de concentracin de las soluciones que se
utilizan para llevar a cabo las reacciones de titulacin N = eq/l o N =
meq/ml.

Monmero:
Compuesto qumico constituido por molculas simples.

Permeabilidad:
Es una medida de la facilidad con que una roca permite que los fluidos
se muevan dentro del volumen poroso interconectado. As como la
porosidad es la forma de medir la capacidad de almacenar fluidos en la
roca, la permeabilidad regula la tasa a la cual los fluidos pueden ser
producidos o desplazados de este medio poroso.

Permeabilidad
Absoluta:
Es aquella que tiene un medio poroso saturado 100% por una nica
fase.

Permeabilidad
Efectiva:
Es aquella que corresponde a una determinada fase cuando fluyan en el
medio poroso dos o ms fases. Es una funcin de la saturacin de la
fase en consideracin y su valor siempre es menor que la permeabilidad
absoluta.

Permeabilidad
Relativa:
Es el cociente entre la permeabilidad efectiva de una fase y la absoluta.

Poliacrilamidas:
Son polmeros cuya unidad monomrica es la molcula acrilamida. Los
poliacrilamidas experimentan hidrlisis parcial, lo que causa que los
grupos carboxil aninicos (cargados negativamente), COO
-
, sean
esparcidos a lo largo de la cadena del polmero. Por esta razn el
polmero es llamado poliacrilamida parcialmente hidrolizado (HPAM, por
sus siglas en ingls).

Polimerizacin:
Es una reaccin qumica en la cual una molcula individual (lquido o
gas) reacciona con otra para producir lo que se puede describir como
una cadena larga, o polmero. Estas cadenas se pueden formar para
diferentes aplicaciones. Un ejemplo muy conocido es el poliestireno, el
cual se forma cuando molculas de estireno lquido reaccionan entre s
(o polimerizan) formando un slido, por lo tanto su nombre cambia de
estireno a poliestireno ("poli" significa muchos).

Polmero:
Los polmeros son largas cadenas de molculas de menor tamao,

86
llamadas monmeros, unidas mediante enlaces covalentes, con un peso
molecular alto (10000 o mayor). Cuando son mezclados con agua,
aumentan la viscosidad de la solucin. La unidad de concentracin ms
utilizada con los polmeros es g/m
3
de solucin, la cual es
aproximadamente la misma que ppm. Una conversin muy til para
recordar es que 1000 g/m
3
es aproximadamente igual a 0.1% en peso.

Polisacridos:
Son polmeros formados a partir de un proceso de fermentacin bacterial
(polimerizacin) de molculas sacridas. El polmero es susceptible al
ataque bacterial despus de ser introducido en el yacimiento lo cual se
ve compensado por la insensibilidad de las propiedades de los
polisacridos ante la salinidad y dureza de la salmuera.

Porosidad absoluta:
Es la fraccin volumtrica total correspondiente al volumen de poros
conectados o no entre si. Cabe destacar que una roca puede tener una
considerable porosidad absoluta y no permitir el flujo debido a la falta de
interconexin entre los poros.

Porosidad Efectiva:
Es la fraccin del volumen

total correspondiente al volumen de poros
conectados entre si. Es un indicador de la conductividad del medio
poroso. La porosidad efectiva es la que interesa para las estimaciones
de petrleo y gas en sitio.

pH (potencial de
hidrgeno):
Es una medida de la acidez o alcalinidad de una solucin. Se define
como el valor logartmico negativo de la concentracin de iones
hidrgeno (H+), expresada en moles por litro (kgmol/m3). La escala de
pH vara de 0 a 14. Las soluciones neutras tienen un pH 7, las cidas
menor que 7 y las bsicas o alcalinas, mayor que 7. Debido a que la
escala de pH es logartmica, un valor de pH = 4 es 10 veces ms cido
que el de 5 y 100 veces ms cido que el valor de pH = 6 y as
sucesivamente.
[ ]
+
= H log pH

Reologa:
Es la ciencia que estudia la deformacin y flujo de materia describiendo
la manera en la cual los materiales responden al aplicarles un esfuerzo.

87
Salmuera (Brine):
La salmuera es el agua salada del yacimiento producida con el petrleo
en un pozo, generalmente tiene concentraciones de sal mayores que la
del agua del ocano (35 ppt). La sal ms comn en el agua que se
encuentra en un yacimiento petrolero es cloruro de sodio (NaCl).

Saturacin:
Es la fraccin del volumen poroso del yacimiento ocupado por
determinado fluido.

Solvatacin:
Fenmeno en virtud del cual las molculas de un cuerpo disuelto pueden
combinarse con las del solvente.

Surfactante:
Surfactante, de la palabra del ingls surfactant = surface active agent,
agente de superficie o tensoactivo, son sustancias cuyas molculas
poseen un grupo polar hidroflico, soluble en agua, y un grupo apolar
hidrfobo o lipoflico, soluble en aceite. Tal estructura molecular ubica a
los surfactantes en la clase de las sustancias anfiflicas, el vocablo
anffilo tiene su significado de las palabras en latn anfi = ambos lados, y
filos = amigo, por lo tanto es una sustancia qumica cuya molcula posee
una afinidad por sustancias polares y sustancias apolares a la vez,
ubicndose preferencialmente en una superficie o una interfase.

Tensin interfacial:
Es la fuerza por unidad de longitud que existe en la interfase entre dos
fluidos inmiscibles. La tensin interfacial acta para mantener el rea
interfacial a un mnimo. Comnmente es medida en dina/cm o
milidinas/cm.

Yacimiento:
Es una roca sedimentaria porosa, permeable que contiene cantidades
comerciales de petrleo y/o gas. Un yacimiento tiene un solo sistema
de presiones y no se comunica con otros yacimientos.

Carrero Acosta Enrique Alfonso

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Carrero Acosta Enrique Alfonso

Uploaded by

Copyright:

Available Formats

REPBLICA BOLIVARIANA DE VENEZUELA

UNIVERSIDAD DEL ZULIA

Z y SSE = .............................................................................................. ..(13)

tiene la propiedad de ser un estimador insesgado y de varianza mnima de

0.58992 0.11892 0.41714 1.4031

You might also like