海洋掘削ライザーシステムは、海洋探査において掘削船と海底油井を接続する導管として使用されます。これは複雑な構造を持つ海底配管システムで、通常は75～90フィートの長さのジョイントで構成され、通常は順次組み立てられ、坑口に到達します。坑口は水深10,000フィートを超える場合もあります。
規制要件への適合性を確保するためのライザーシステム再認証プロジェクトにおいて、検査結果から、システムが加速腐食プロセスに晒されていたことが強く示唆されました。海水に浸漬された用途における炭素鋼の腐食速度は通常、年間0.1～0.4mmと測定されます。検査データは、年間4mmを超える局所的な腐食速度を示しました。30個のライザージョイントを完全に分解して検査しましたが、65個のライザージョイントは沖合にあり既に稼働していたため、アクセスできませんでした。運用リスクを定量化し、規制コードへの不適合確率を推定するために、検査済みの30ユニットの腐食データをアクセスできない65ユニットに外挿することが緊急に必要になりました。
30個のライザージョイントサンプルから得られたデータ分布を用いてモンテカルロシミュレーションを実施しました。このシミュレーションでは、高速フレキシブル充填設計DOE（Fast Flexible Filling Design DOE）を用いてモデル化された伝達方程式を用い、決定論的コンピュータシミュレーションによって応答を生成しました。シミュレーションの結果、システムを設計限界まで使用した場合、不適合リスクは許容できないことが示されましたが、配管内の圧力レベルをわずかに低下させるだけでも、不適合リスクは許容レベルまで低減しました。
こんにちは、David Skaarsjoeです。スウェーデン出身で、ここ10年間はブラジルに住み、働いています。HMHという会社のブラジルにおけるエンジニアリングチームの責任者を務めています。本日は、私たちが取り組んだプロジェクトに関するケーススタディをご紹介します。まずは会社の紹介から始め、その後、問題とその定義、背景、使用したプロセスと手法、そして最終的にどのような結論に至ったかについてお話しします。
HMHは比較的若い会社です。実際には2021年に設立されましたが、125年にわたり、様々な業界の多くの有名企業で培ってきた歴史があります。例えば、ベーカー・ヒューズ、MHWirth、アーカー・ソリューションズ、GEオイル・アンド・ガスなどです。実際、当社の製品のほとんどは[inaudible 00:00:53]、MH、[inaudible 00:00:55]で構成されています。私たちは、海洋掘削、建設、鉱業業界向けに機器を供給しています。私たちは、海洋掘削に必要なあらゆる機器をトップサイドパッケージにまとめており、掘削機、ビットターニング、泥水処理システム、泥水ポンプ、BOP（圧力制御装置）、ウェルヘッドコネクタなどのトップドライブで構成されています。船舶とBOPが設置されている海底の間には、ライザーと呼ばれる製品があり、このプレゼンテーションでは、このタイプの機器に必要な製品を紹介します。
マリンライザーとは、基本的に深海掘削に使用される配管システムです。掘削船と海底のBOP（掘削装置）を接続する導管です。複数の異なるジョイントで構成されています。通常、長さは75～90フィートで、水深約10,000フィート（約3,000メートル）に達するまで、順番に組み立てられます。システム全体の重量は約2,000～3,000トンと、かなり大規模なシステムです。各ジョイントは、複数の異なるラインで構成されています。中央にはメインラインまたはメインパイプがあり、実際にはここを通して掘削装置やツールを坑井に送り込みます。海底機器への圧力供給を担う油圧ライン、坑井制御で使用されるチョークラインとキルライン、そしてライザーハンドラーを通って泥水の流れをリグに戻すブースターラインがあります。また、ブースターラインの両側にはメスとオスのコネクタがあります。本プレゼンテーションでは、本調査ですべてのラインを評価しましたが、メインラインに焦点を当てます。
しかし、メインラインは最も重要なものであり、プレゼンテーションを制限内に収めることも重要でした。
破裂荷重ケースはメインラインを支配しており、これが評価対象となりました。メインラインの一般的な直径は、ご想像のとおり約21インチ（約51cm）、厚さは0.75～1インチ（約2.5～3.5cm）です。この背景として、ある顧客のために陸上のライザージョイント30箇所を検査するプロジェクトを実施しました。検査中に、ガルバニック腐食の兆候が見つかり、年間約4mmの材料損失を計測しました。これらの欠陥はすべて計算に基づいて評価されましたが、承認されたものの、一部は限度値に達していました。ライザーシステム全体は95箇所のジョイントで構成されています。船上には65箇所のジョイントがありましたが、それらは検査対象ではありませんでした。そこで、基本的に、これら65箇所のライザージョイントの状態はどうなっているのか、そして、それらのジョイントの状態について、どのように工学的な処置を講じたり、何かを伝えたりできるのか、という疑問が生じました。その答えは、基本的に統計学です。そのとき、私はウサギの穴に落ちて、30 個の関節で発見したことを、私たちがアクセスできない 65 個の関節にどう適用できるか分析し始めました。
ここで使用しているプロセスは非常にシンプルです。アクセス可能な30のジョイントからデータを収集します。スクリーニングを実施し、相関関係や相互作用を確認し、分布を特定します。決定論的計算に基づいてDOE設計を作成し、数学モデルを構築しました。このモデルと分布を用いてモンテカルロシミュレーションを実行し、不適合確率に関する結論を導き出しました。最初のステップでは、従来の方法、測定、目視検査などを通じてデータを収集しました。すべてのデータと各ジョイントの運用データをJMPのデータテーブルに入力しました。全体像を把握するためにグラフビルダーを使用しています。このグラフでは、各ライザージョイントがこのように表現されています。下のX軸には回転位置（度）が表示され、こちらには配管に沿った位置が表示されています。それぞれの点は、深さ、点の大きさ、そしてライザー上の各線の色によって、腐食損傷を表しています。スクリーニングを実施することで相関関係を確認します。
相関行列、一元配置分散分析、分散が等しくない場合のノンパラメトリック比較を用いました。いくつかの知見が得られました。これらの知見の一部は決定論的なものであり、実際の問題とは関係ありませんが、それでもシミュレーションにおいて別途扱う必要のある知見がいくつかありました。
しかし、一般的に、腐食プロセスは非常にランダムであるという仮説は確認されました。これは基本的に、非常にランダムな電気的接触、コーティング損傷の発生場所と発生時間などに依存します。追跡する必要があった分布は、基本的に計算に使用したコード、つまりDNVまたは腐食パイプラインのコードから取得、あるいは提供されたものです。このコードでは、パイプラインの腐食損傷を評価できます。一般的に、変動する変数は壁の厚さです。ピットの広がり、損傷の大きさ、損失量、そして他の損傷との近接性も考慮する必要があります。これは最終的に非常に重要であることが判明し、プレゼンテーションの後半で詳しく説明します。分布の特定には、JMPとJMPの分布プラットフォームを使用しました。CFDプロットは、分布と経験分布の適合性を確認するための優れたツールでした。様々な分布を確認し、様々な分布が見つかったため、ここではあらゆるステップにおいて保守性を確保するために非常に慎重に作業する必要がありました。
たとえば、ここには腐食による損傷の位置を示すケースがありましたが、これは目に見える正規分布ではありませんが、ライザーの一部の領域は損傷を受けており、一部はそうでないため、これには自然な説明があります。
DOEは、ここでの応答が基本的に決定論的計算の結果となるように設計しました。フレキシブル高速充填設計を採用しています。これは、設計空間の被覆率を最適化し、基本的に弾丸を最小限に抑えるために作られています。ピット内の壁厚（基本的には腐食がある程度進行した後に残る壁厚）、最大損傷範囲（腐食片のサイズ）、そして影響を受けないパイプ周囲の壁厚に用いる連続係数です。係数水準は、検査結果の確率密度関数を用いて定義します。これらの関数は、稀な事象を捕捉し、高い信頼性を確保するために若干拡張されています。グラフビルダーの密度関数は被覆率の確認に使用しました。これは、エンジニアである私にとって、被覆率が十分でない領域を確認し、それらの領域が重要かどうかを確認できる非常に便利なツールでした。応答は、先ほど述べたように、これが決定論的計算の結果であり、基本的に許容値の利用率です。
DOE（実験計画法）を実行しました。これは、様々な実行における決定論的計算をすべて実行しました。ガウス過程モデルを当てはめると、計算結果と非常によく一致することが示されました。結果として、主配管に最も影響を与えた主効果は周囲の壁厚でした。損傷の拡大は最も影響が小さいことがわかりました。しかし、ピットの壁厚と損傷の拡大の相互作用が16.5%で、相互作用の大部分を占めていました。もちろん、この相互作用もモデルに残しておく必要がありました。なぜなら、ここでは多くの相互作用が発生しているからです。モンテカルロシミュレーションは、ガウス過程モデルの予測式をDOEテーブルにコピーし、検査中に発見された分布に基づいて様々な要因の分布を生成することで行いました。そして、ここで確認できる各損傷について、許容利用率の予測値が得られました。このテーブルには他にも追加した要素があります。注目すべき点の一つは、ランダムな整数分布に基づいて数値をシミュレーションしたことです。
ジョイントを表す1から285までの番号を割り当てました。これは調査の一環で、ジョイントごとにピットがいくつあるかを調べました。ジョイントあたり平均7個のピットというのは、非常に保守的な数値であることがわかりました。基本的に、この数値を各パイプに適用します。
これをもう一度実行すると、285個のジョイントにおける様々なピットをプロットできます。ここに各ジョイントがあり、ここに配管に沿った損傷の位置があります。この二項分布の影響により、腐食が発生している可能性が高いクラスターが互いに近接していることがわかります。個々の損傷すべてについて能力分析を行いましたが、それぞれの損傷が許容利用率を超える確率は極めて低いことがわかりました。つまり、損傷が近接している場合は、コードに従ってそれらを統合する必要があるということです。そして、私たちはまさにそれを実行しました。調査の結果、基本的に177件のケースが見つかりました。これは一例ですが、統合する必要があったメインラインのケースが177件あり、欠陥間の間隔に関する要件を満たしていませんでした。これらの177件は再度モデル化され、パイプ周囲の延長、深さ、厚さが新たに設定されました。
同じ予測式を使用して、新しい確率、新しい分布を生成します。
これらの分布を用いて、能力分析を用いて、1、1.1、1.2、そして1.5までの利用率を超える可能性を調べます。こうすることで、それぞれの利用率を超える確率をグラフにプロットすることができます。ここで興味深いのは次のステップです。これをシステム全体に外挿する際に、個々の欠陥から影響を統合する必要があるからです。各ジョイントには複数のパイプがあるため、1つのジョイントまで調べる必要があります。そして、さらに65のジョイントまで調べる必要があります。これは基本的に、独立したイベントに基づく積の法則によって行います。しかし、ここで興味深いのは、利用率がパイプに加えられる圧力に対して線形であるということです。つまり、利用率をX軸に置く代わりに、圧力をここに置いて相関させ、Y軸に不適合確率を構築できるということです。私たちが発見したのは、この範囲 (PSI) では、メイン パイプが約 3,950 まで非準拠の確率を完全に支配しているということでした。
それ以下では、主管圧力を下げても、不適合の確率に大きな影響は得られません。
チョーク＆キルラインの圧力を下げる必要があります。ここにある赤い線はチョーク＆キルラインの圧力で、約30%低下するとメインラインの圧力も低下し、不適合の確率も対数線形に減少していることがわかります。結論として、JMPの分析を使用して顧客のリスクを定量化できることがわかりました。チョーク＆キルラインの圧力を10%、メインラインの圧力を30%低下させることで、リスクは許容範囲内になります。計画されていた運用ではこれらの圧力よりも低かったため、顧客への運用上の影響はありませんでした。これにより、問題への対応に多くの時間を費やすことができ、顧客のダウンタイムを数週間節約できました。
ありがとう。
