Ваша модель оценки настолько точна, насколько точны ваши данные

Будучи владельцем актива, что бы вы предпочли: иметь три точки данных, в которых вы уверены на 100%, или тысячу точек, которым вы не можете доверять? Этот вопрос относится к оценке целостности установок, нефтеперерабатывающих заводов или трубопроводов, где измерения потери толщины собираются каждые один-два года.

Когда владельцы активов не доверяют своим данным, они постоянно сталкиваются с неопределенностью. Они не знают, ускоряется ли механизм коррозии. Они полагаются на прогнозные модели, включающие аномальные данные, чтобы принимать решения по техническому обслуживанию и определять приоритеты графиков инспекций.

При риск-ориентированном инспектировании (RBI) и управлении целостностью активов аномальные данные могут исказить оценку рисков, приводя либо к чрезмерно оптимистичным, либо к чрезмерно консервативным оценкам риска, создаваемого коррозией. Это приведет к ненужному или неадекватному обслуживанию критически важных активов, что либо увеличивает затраты, либо повышает риск отказа оборудования и аварий.

В контексте ограниченных ресурсов неправильное определение приоритетов надлежащего ремонта критически важных активов может иметь серьезные последствия, часто называемые альтернативной стоимостью (упущенной выгодой). Пожары, взрывы и выбросы токсичных веществ, а также штрафы, пени и судебные иски — все это потенциальные последствия невыделения ресурсов на самый критический ремонт. Задержка критического ремонта также может со временем привести к более серьезным повреждениям, что приведет к более высоким долгосрочным затратам на ремонт, когда активы станут неремонтопригодными и потребуют полной замены.

Следовательно, для владельцев активов крайне важно правильно определять приоритеты ремонта критически важных активов. Для этого им требуются точные данные и не зависящие от человека измерения, которым они могут полностью доверять. Если вы ориентируетесь в неопределенности, вызванной бесчисленным количеством недостоверных точек данных, то этот блог для вас.

Сложный механизм коррозии

Скорость потери толщины из-за коррозии может варьироваться в зависимости от нескольких факторов, включая материал, коррозионную среду и наличие защитных мер. В некоторых случаях скорость коррозии может быть постоянной во времени, что приводит к линейной потере толщины. Однако в большинстве случаев скорость коррозии со временем ускоряется, что приводит к экспоненциальной или нелинейной потере толщины. Такое поведение часто наблюдается при питтинговой (язвенной) коррозии, где глубина язв может привести к более высоким скоростям коррозии¹.

Фактическая кинетика коррозии представляет собой сложный механизм, который обычно не идеально вписывается в линейные или экспоненциальные модели. Поэтому важно проводить регулярные инспекции и использовать отслеживаемые методы для точной оценки скорости коррозии и прогнозирования потери толщины с течением времени.

¹ Обзор тенденций потери коррозии и глубины язв при более длительных сроках воздействия

Передовое прогнозное техническое обслуживание

Прогнозные модели целостности активов используются для прогнозирования критических точек разрушения физических активов. Эти модели используют тенденции данных, инженерные принципы и статистические методы для прогнозирования того, когда актив может выйти из строя или потребовать обслуживания.

Основываясь на этих моделях, владельцы активов могут определять приоритетность технического обслуживания в зависимости от скорости коррозии. По сути, чем круче наклон, тем выше приоритет ремонта. Наклоны варьируются в зависимости от механизма коррозии.

На графике можно увидеть шесть различных двигателей.
Точно прогнозируя критические точки разрушения, организации могут оптимизировать графики технического обслуживания, сократить время простоев и повысить безопасность.

Критическая толщина

Американский институт нефти (API) предоставляет руководства и стандарты по инспекции, техническому обслуживанию и ремонту нефтеперерабатывающего оборудования для обеспечения безопасной эксплуатации и предотвращения отказов из-за коррозии или других механизмов деградации.

Концепция критической толщины или минимально требуемой толщины (MRT) является важным аспектом этих стандартов. Она относится к минимальной толщине, которую компонент должен сохранять для обеспечения своей структурной целостности и безопасной эксплуатации в ожидаемых рабочих условиях, включая давление, температуру и коррозионную среду.

Например, API 510, который охватывает инспекцию, ремонт, изменение и переоценку параметров сосудов под давлением, определяет минимальную толщину для компонентов сосудов под давлением на основе расчетов, учитывающих такие факторы, как скорость коррозии, расчетные условия и свойства материалов.

Аналогично, API 570, который касается инспекции, ремонта, изменения и переоценки параметров трубопроводов, также определяет требования к минимальной толщине для трубопроводных систем с учетом таких факторов, как расчетное давление, припуск на коррозию и свойства материалов.

Когда толщина достигает критического уровня API или MRT, это является четким сигналом о том, что требуются немедленные действия для поддержания безопасности, эксплуатационной целостности и соответствия инфраструктуры.

Влияние аномальных данных на расчет потери толщины

График потери толщины во времени, показывающий две разные критические точки, хотя в 2010 и 2017 годах были сделаны аналогичные измерения, в то время как в 2013 году могли быть зафиксированы другие данные, чтобы показать правильную эволюцию.
Точные данные имеют решающее значение для расчета скорости коррозии. Наличие выброса среди точек данных может существенно повлиять на наклон кривой, подобранной по этим точкам, заставляя его либо увеличиваться, либо уменьшаться в зависимости от положения выброса. Выброс может исказить подобранную кривую, отклонив ее от общей тенденции, искажая анализ данных и выводы, сделанные на основе кривой.

Конкретно, включение аномальных данных может привести к неправильным расчетам потери толщины, что приведет либо к недооценке, либо к переоценке фактической потери материала. Это может исказить оценку целостности компонента. Недооценка потери толщины из-за аномальных данных может привести к ложному чувству безопасности, потенциально позволяя компоненту работать в небезопасных условиях. Это увеличивает риск отказа, что может иметь серьезные последствия для безопасности. Параллельно, переоценка потери толщины может привести к ненужным остановкам, ремонтам или заменам, что приведет к эксплуатационной неэффективности и увеличению затрат. В целом, неточные расчеты потери толщины могут усложнить планирование технического обслуживания и ремонта, затрудняя определение приоритетности действий и эффективное распределение ресурсов. Использование аномальных данных для расчетов потери толщины также может привести к несоблюдению отраслевых стандартов и нормативных требований, что приведет к штрафам, пеням или судебным искам. Наконец, заинтересованные стороны, включая операторов, регулирующие органы и страховщиков, могут потерять доверие к программе управления целостностью, если аномальные данные не будут выявлены и соответствующим образом обработаны.

Чтобы смягчить эти проблемы, крайне важно использовать технологии, которые генерируют надежные, точные и отслеживаемые данные, не зависящие от человеческого фактора.

Доверие к точным, отслеживаемым и не зависящим от человека данным

3D-сканеры Creaform в комплекте с VXintegrity представляют собой единственную доступную на рынке технологию, которая обеспечивает точность метрологического класса, отслеживаемость данных во времени и результаты, не зависящие от человека, что устраняет вариабельность измерений и сомнения, связанные с аномальными данными.

С Creaform вы можете быть уверены, что данные, полученные за эти годы, являются точными, отслеживаемыми и не зависят от квалификации технического специалиста, обеспечивая надежную эволюцию повреждений и анализ, которым вы можете полностью доверять.

Однако этого нельзя сказать о язвомерах и других передовых методах, таких как фазированные решетки, радиография и вихретоковый контроль.

Точные данные → Надежные модели риск-ориентированной оценки

Измерения должны быть точными и свободными от человеческих ошибок для поддержания целостности активов в долгосрочной перспективе, особенно учитывая, что данные собираются каждые 1-2 года. В течение 30 лет любые неточности могут полностью испортить базу данных, сделав ее ненадежной для принятия решений по техническому обслуживанию и расстановке приоритетов.

Владельцы активов должны начать с полной уверенности в данных, используемых для разработки их прогнозных моделей. Они должны полагаться на точные, отслеживаемые и не зависящие от человека источники данных, чтобы обеспечить эффективность и надежность своих моделей. Только тогда они смогут гарантировать, что ресурсы распределяются на самые критические нужды, балансируя краткосрочные ограничения с долгосрочными операционными целями и целями безопасности, таким образом поддерживая безопасность и предотвращая катастрофы.