Tipos de causas de accidentes de oleoductos en EE.UU. (2010-2017)
Grupo 1
1.Carga de datos
setwd("/cloud/project/")
datos<-read.csv("DerramesEEUU.csv", header = TRUE, sep=";" , dec=".",na.strings ="-")
str(datos)## 'data.frame': 2760 obs. of 59 variables:
## $ NumeroInforme : int 20100064 20100054 20100092 20100098 20100101 20100102 20100113 20100120 20100039 20100150 ...
## $ NumeroComplementario : int 15072 15114 15120 15127 15130 15132 15146 15162 15197 15205 ...
## $ DiaAccidente : int 8 25 10 28 27 29 11 23 15 11 ...
## $ MesAccidente : int 4 3 5 4 5 5 6 5 3 1 ...
## $ AnioAccidente : int 2010 2010 2010 2010 2010 2010 2010 2010 2010 2010 ...
## $ HoraAccidente : int 6 13 6 24 3 14 7 6 15 2 ...
## $ AmPmAccidente : chr "a. m." "p. m." "a. m." "p. m." ...
## $ IDOperador : int 31684 18779 30829 12105 20160 30003 1248 300 18718 32296 ...
## $ NombreOperador : chr "CONOCOPHILLIPS" "SUNOCO, INC (R&M)" "TEPPCO CRUDE PIPELINE, LLC" "MAGELLAN AMMONIA PIPELINE, L.P." ...
## $ NombreOleoductoInstalacion : chr "GD-03, GOLD LINE" "PHILADELPHIA REFINERY - WEST YARD" "HOBBS TO MIDLAND" "WHITING TO EARLY SEGMENT" ...
## $ UbicacionOleoducto : chr "ONSHORE" "ONSHORE" "ONSHORE" "ONSHORE" ...
## $ TipoOleoducto : chr "ABOVEGROUND" "ABOVEGROUND" "UNDERGROUND" "UNDERGROUND" ...
## $ TipoLiquido : chr "REFINED AND/OR PETROLEUM PRODUCT (NON-HVL), LIQUID" "REFINED AND/OR PETROLEUM PRODUCT (NON-HVL), LIQUID" "CRUDE OIL" "HVL OR OTHER FLAMMABLE OR TOXIC FLUID, GAS" ...
## $ SubtipoLiquido : chr "GASOLINE (NON-ETHANOL)" "OTHER" NA "ANHYDROUS AMMONIA" ...
## $ NombreLiquido : chr NA "VACUUM GAS OIL (VGO)" NA NA ...
## $ CiudadAccidente : chr "GREEN RIDGE" "PHILADELPHIA" "HOBBS" "SCHALLER" ...
## $ CondadoAccidente : chr "PETTIS" "PHILADELPHIA" "LEA" "IDA" ...
## $ EstadoAccidente : chr "MO" "PA" "NM" "IA" ...
## $ LatitudAccidente : chr "38,63064" "39,91934" "32,611" "42,45589" ...
## $ LongitudAccidente : chr "-93,39656" "-75,20447" "-103,0763" "-95,32798" ...
## $ CategoriaCausa : chr "NATURAL FORCE DAMAGE" "MATERIAL/WELD/EQUIP FAILURE" "CORROSION" "MATERIAL/WELD/EQUIP FAILURE" ...
## $ SubcategoriaCausa : chr "TEMPERATURE" "NON-THREADED CONNECTION FAILURE" "EXTERNAL" "CONSTRUCTION, INSTALLATION OR FABRICATION-RELATED" ...
## $ LiberacionInvoluntariaBarriles : chr "0,24" "1700" "2" "0,36" ...
## $ LiberacionIntencionalBarriles : num 0 0 NA 0.05 0 NA 0 0 NA 25 ...
## $ RecuperacionLiquidoBarriles : chr "0,07" "1699" "0,48" "0" ...
## $ PerdidaNetaBarriles : chr "0,17" "1" "1,52" "0,36" ...
## $ IgnicionLiquido : chr "NO" "NO" "NO" "NO" ...
## $ ExplosionLiquido : chr "NO" "NO" "NO" "NO" ...
## $ CierreOleoducto : chr "YES" "YES" "NO" "NO" ...
## $ DiaCierre : int 8 25 NA NA 27 NA NA 23 15 11 ...
## $ MesCierre : int 4 3 NA NA 5 NA NA 5 3 1 ...
## $ AnioCierre : int 2010 2010 NA NA 2010 NA NA 2010 2010 2010 ...
## $ HoraCierre : int 6 18 NA NA 3 NA NA 7 16 2 ...
## $ AmPmCierre : chr "a. m." "p. m." NA NA ...
## $ DiaReinicio : int 9 28 NA NA 27 NA NA 23 15 15 ...
## $ MesReinicio : int 4 3 NA NA 5 NA NA 5 3 1 ...
## $ AnioReinicio : int 2010 2010 NA NA 2010 NA NA 2010 2010 2010 ...
## $ HoraReinicio : int 10 16 NA NA 24 NA NA 9 18 15 ...
## $ AmPmReinicio : chr "a. m." "p. m." NA NA ...
## $ EvacuacionesPublicas : int NA 0 NA NA 0 0 0 0 NA 0 ...
## $ LesionesEmpleadosOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesContratistasOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesRescatistasEmergencia : int NA NA NA NA NA NA NA NA NA NA ...
## $ OtrasLesiones : int NA NA NA NA NA NA NA NA NA NA ...
## $ LesionesPublico : int NA NA NA NA NA NA NA NA NA NA ...
## $ TodasLesiones : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosEmpleadosOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosContratistasOperador : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosRescatistasEmergencia : int NA NA NA NA NA NA NA NA NA NA ...
## $ OtrosFallecimientos : int NA NA NA NA NA NA NA NA NA NA ...
## $ FallecimientosPublico : int NA NA NA NA NA NA NA NA NA NA ...
## $ TodosFallecimientos : int NA NA NA NA NA NA NA NA NA NA ...
## $ CostosDaniosPropiedad : int 0 0 30000 12000 2720 NA 750 1300 NA 29360 ...
## $ CostosMercanciaPerdidas : int 27 0 100 30 1500 150 300 340 46 136233 ...
## $ CostosDaniosPropiedadesPublicasPrivadas: int 0 0 1000 5000 0 0 0 0 NA NA ...
## $ CostosRespuestaEmergencia : int 0 0 NA 0 1000 NA 400 2445 10999 NA ...
## $ CostosRemediacionAmbiental : int 0 100000 20000 15000 NA NA 6050 3350 452 NA ...
## $ OtrosCostos : int 0 0 NA 0 NA NA 0 2530 NA NA ...
## $ TodosCostos : int 27 100000 51100 32030 5220 150 7500 9965 11497 165593 ...1.1 Extracción de datos
CategoriaCausa <- datos$CategoriaCausa
CategoriaCausa <- na.omit(CategoriaCausa)2.Distribución de Frecuencias
2.1 Distribución de frecuencias simples
TDFCategoriaCausa <- table(CategoriaCausa )
TablaCategoriaCausa <- as.data.frame(TDFCategoriaCausa )
names(TablaCategoriaCausa ) <- c("Causa","ni")
TablaCategoriaCausa$hi_porc <- round((TablaCategoriaCausa$ni / sum(TablaCategoriaCausa$ni)) * 100, 2)2.2 Tabla final
TDFFinalCategoriaCausa <- rbind(TablaCategoriaCausa, data.frame(
Causa = "TOTAL",
ni = sum(TablaCategoriaCausa$ni),
hi_porc = 100
))
library(gt)
tabla_CategoriaCausa <- TDFFinalCategoriaCausa %>%
gt() %>%
cols_label(
Causa = md("**Tipo de causa**"),
ni = md("**ni**"),
hi_porc = md("**hi(%)**")
) %>%
tab_header(
title = md("**Tabla N° 1**"),
subtitle = md("**Distribución de accidentes en oleoductos por causa en EE.UU. (2010-2017)**")
) %>%
tab_source_note(
source_note = md("Autor: Grupo 1")
) %>%
tab_options(
table.background.color = "white",
row.striping.background_color = "white",
table.border.top.color = "black",
table.border.bottom.color = "black",
table.border.top.style = "solid",
table.border.bottom.style = "solid",
column_labels.font.weight = "bold",
column_labels.border.top.color = "black",
column_labels.border.bottom.color = "black",
column_labels.border.bottom.width = px(2),
heading.border.bottom.color = "black",
heading.border.bottom.width = px(2),
table_body.hlines.color = "gray",
table_body.border.bottom.color = "black"
) %>%
tab_style(
style = cell_text(weight = "bold"),
locations = cells_body(
rows = as.character(Causa) == "TOTAL"
)
)
tabla_CategoriaCausa | Tabla N° 1 | ||
| Distribución de accidentes en oleoductos por causa en EE.UU. (2010-2017) | ||
| Tipo de causa | ni | hi(%) |
|---|---|---|
| ALL OTHER CAUSES | 115 | 4.17 |
| CORROSION | 580 | 21.01 |
| EXCAVATION DAMAGE | 96 | 3.48 |
| INCORRECT OPERATION | 374 | 13.55 |
| MATERIAL/WELD/EQUIP FAILURE | 1424 | 51.59 |
| NATURAL FORCE DAMAGE | 116 | 4.20 |
| OTHER OUTSIDE FORCE DAMAGE | 55 | 1.99 |
| TOTAL | 2760 | 100.00 |
| Autor: Grupo 1 | ||
3.Gráficas de distribución de frecuencia
“A continuación, las gráficas se presentan con escalas local y
global: la escala local ajusta el eje Y al valor máximo de la categoría
más alta, mientras que la escala global fija el eje Y a un límite total,
mostrando cada categoría en relación al conjunto completo.
3.1 Diagramas de barras
3.1.1 Diagramas de frecuencias absolutas
- Diagrama de frecuencia absoluta (Escala local):
par(mar = c(10, 6, 4, 2))
barplot(
TablaCategoriaCausa$ni,
main = "Gráfica N°1: Distribución de la cantidad de accidentes
en Oleoductos según la causa en EE.UU.",
ylab = "Cantidad",
col = "lightblue1",
names.arg = TablaCategoriaCausa$Causa,
las = 2,
cex.main = 1.2,
cex.lab = 1,
cex.axis = 0.8,
cex.names = 0.6,
ylim = c(0,1600)
)
mtext("Tipo de causa", side = 1, line = 9, cex = 1)
- Diagrama de frecuencia absoluta (Escala global):
par(mar = c(10, 6, 4, 2))
barplot(
TablaCategoriaCausa$ni,
main = "Gráfica N°2: Distribución de la cantidad de accidentes en oleoductos
según la causa, en relación al total registrado en EE.UU.",
ylab = "Cantidad",
names.arg = TablaCategoriaCausa$Causa,
col = "lightblue2",
cex.main = 1.2,
las = 2,
cex.lab = 1,
cex.axis = 0.8,
cex.names = 0.6,
ylim = c(0,2760),
)
mtext("Tipo de causa", side = 1, line = 9, cex = 1)
3.1.2 Diagramas de frecuencias relativas
- Diagrama de frecuencia relativas (Escala local):
par(mar = c(10, 6, 4, 2))
barplot(
TablaCategoriaCausa$hi,
main = "Gráfica N°3: Distribución porcentual de accidentes
en Oleoductos según la causa en EE.UU.",
ylab = "Porcentaje (%)",
names.arg = TablaCategoriaCausa$Causa,
col = "lightblue3",
cex.main = 1.2,
las = 2,
cex.lab = 1,
cex.axis = 0.8,
cex.names = 0.6,
ylim=c(0,60)
)
mtext("Tipo de causa", side = 1, line = 9, cex = 1)
- Diagrama de frecuencia relativas (Escala global):
par(mar = c(10, 6, 4, 2))
barplot(
TablaCategoriaCausa$hi,
main = "Gráfica N°4: Distribución porcentual de accidentes en oleoductos
según la causa, en relación al total registrado en EE.UU.",
ylab = "Porcentaje (%)",
names.arg = TablaCategoriaCausa$Causa,
col = "lightblue4",
cex.main = 1.2,
las = 2,
cex.lab = 1,
cex.axis = 0.8,
cex.names = 0.6,
ylim = c(0, 100)
)
mtext("Tipo de causa", side = 1, line = 9, cex = 1)
3.2 Diagrama circular
par(mar = c(6, 6, 4, 2), xpd = TRUE)
colores_CategoriaCausa <- colorRampPalette(c("lightblue1", "darkblue"))(nrow(TablaCategoriaCausa ))
etiquetas_porcentaje <- paste0(TablaCategoriaCausa$hi, "%")
pie(
TablaCategoriaCausa$ni,
labels = etiquetas_porcentaje,
main = "Gráfica N°5:Distribución porcentual de los accidentes en
oleoductos según la causa en EE.UU.",
col = colores_CategoriaCausa ,
cex.main = 1.2,
cex = 0.8
)
legend(
x = 0.6, y = -0.8,
legend = TablaCategoriaCausa$Causa,
title = "Leyenda",
fill = colores_CategoriaCausa ,
cex = 0.7,
y.intersp = 0.8,
bty = "o",
inset = 0.2
)
4.Indicador estadístico
moda_CategoriaCausa <- TablaCategoriaCausa$Causa[which.max(TablaCategoriaCausa$ni)]La causa donde se concentra la mayor cantidad de accidentes en oleoductos en Estados Unidos es en: MATERIAL/WELD/EQUIP FAILURE
5.Conclusión
La variable CategoriaCausa, correspondiente a los accidentes en oleoductos en EE.UU., es de tipo nominal. El valor mas frecuente corresponde a MATERIAL/WELD/EQUIP FAILURE (Fallas de material, soldadura o equipo),la cual representa el 51,59% del total de los incidentes.
Por lo anterior, se puede considerar relativamente favorable desde el
punto de vista de gestión de riesgo, ya que la mayoría de los accidentes
se asocia a fallas internas del sistema, las cuales son potencialmente
prevenibles y detectables mediante programas adecuados de inspección,
mantenimiento y control de calidad.