Search

El intento fallido en el control de un brote o el descontrol de un pozo petrolero trae consigo pérdidas económicas muy graves, por ejemplo, la pérdida total del mismo. Sin embargo, la posibilidad de analizar, seleccionar y aplicar las acciones y actividades correctas brinda la oportunidad de controlar su manifestación, cuyo resultado es la reducción y eliminación de la gravedad del descontrol. En el presente artículo se describe el desarrollo de una herramienta didáctica computacional, gráfica y numérica, diseñada para el adiestramiento y capacitación de las metodologías en el control de pozos petroleros de Petróleos Mexicanos-Asociación Internacional de Contratistas de Perforación (Pemex-IADC). Dicha aplicación se desarrolló con Macros de Visual Basic en el entorno de Microsoft y ha sido validada mediante una investigación exhaustiva para el diseño de su configuración y probada mediante la ejecución de ejercicios numéricos y la comparación con ejemplos de los manuales de WellCap de Pemex y de diversas compañías afiliadas.

El objetivo del presente trabajo fue elaborar un software para la evaluación de diseño de tuberías de revestimiento y su estado mecánico confiable, sencillo y de fácil adaptación entre el programa y el usuario. Para ello, se combinó la teoría técnica y científica con la experiencia en el manejo de software especializado en el diseño de pozos petroleros. La estrategia para su desarrollo consistió en la descomposición del problema original en tres secciones: 1) identificación y manejo de las diferentes propiedades mecánicas de las tuberías de revestimiento, 2) identificación y evaluación de los diferentes tipos de esfuerzos que se presentan en las tuberías de revestimiento según el diseño del pozo y 3) esquematización del arreglo de tuberías acorde a la profundidad y diseño del pozo. Entre los resultados se logró combinar la programación con el material especializado técnico y científico: seleccionar, evaluar y esquematizar las diversas tuberías de revestimiento según los datos operativos del diseño del pozo, así como determinar un costo aproximado de las tuberías y de las operaciones en su selección y asentamiento para, finalmente, seleccionar el porcentaje y costo total de la perforación. En conclusión, el trabajo desarrollado resuelve la problemática presentada, pero solo aplica a pozos verticales, dada la limitación de gráficos 3D para la perforación direccional y con una profundidad máxima de 5200 m (17 060 ft).

The outbreak of the new COVID-19 disease is a serious health problem that has affected a large part of the world population, especially older adults and people who suffer from a previous comorbidity. In this work, we proposed a classifier model that allows for deciding whether or not a patient might suffer from the COVID-19 disease, considering spatio-temporal variables, physical characteristics of the patients and the presence of previous diseases. We used XGBoost to maximize the likelihood function of the multivariate logistic regression model. The estimated and observed values of percentage occurrence of cases were very similar, and indicated that the proposed model was suitable to predict new cases (AUC = 0.75). The main results revealed that patients without comorbidities are less likely to be COVID-19 positive, unlike people with diabetes, obesity and pneumonia. The distribution function by age group showed that, during the first and second wave of COVID-19, young people aged ≤20 were the least affected by the pandemic, while the most affected were people between 20 and 40 years, followed by adults older than 40 years. In the case of the third and fourth wave, there was an increased risk for young individuals (under 20 years), while older adults over 40 years decreased their chances of infection. Estimates of positive COVID cases with both the XGBoost-LR model and the multivariate logistic regression model were used to create maps to visualize the spatial distribution of positive cases across the country. Spatial analysis was carried out to determine, through the data, the main geographical areas where a greater number of positive cases occurred. The results showed that the areas most affected by COVID-19 were in the central and northern regions of Mexico.

Air pollution by carbon monoxide is a serious problem that affects many cities around the world, and the theory of extreme values has played a crucial role in the study of this issue. In this paper, we proposed a Bayesian hierarchical spatial model of extreme values to evaluate the risk of extreme events of air pollution due to carbon monoxide in the metropolitan area of Mexico City. Spatial trends are modeled through of a Gaussian process for the generalized extreme value (GEV) distribution parameters, and prediction maps are produced for each of these. The results show a marginal spatial behavior for the location, scale, and shape parameters of GEV distribution, which indicate the existence of local variations that would not be possible to model using only stationary models. A return map of the maximum concentrations with a return period of one year is obtained. We found that the return levels for a one-year return period of CO concentration above 8 ppm in the Metropolitan Area of the Valley of Mexico are concentrated in the central part of this region, and the areas with the lowest estimates are distributed in the periphery. In addition, a quantile-quantile (QQ) plot between the theoretical and empirical quantiles was provided, which showed a very good fit of data to the proposed model.