海上钻井立管系统用于海上勘探，作为连接钻井船和海底井口的管道。它是一个复杂的海底管道系统，通常由75至90英尺长的接头组成，这些接头通常按顺序组装，直至到达井口，有时水深超过10000英尺。
在一次旨在确保符合监管要求的立管系统再认证项目中，检查结果强烈表明该系统曾遭受加速腐蚀。碳钢在海水浸没应用中的腐蚀速率通常为每年0.1-0.4毫米。检查数据显示，局部腐蚀速率超过每年4毫米。30个立管接头被完全拆卸并进行了检查。然而，由于65个立管接头位于海上且已投入使用，因此无法进行检查。为了量化运行风险并估算不符合相关规范的概率，迫切需要将30个已检查单元的腐蚀数据外推至这65个无法检查的单元。
利用30个立管接头样本的数据分布，通过蒙特卡罗模拟进行计算。模拟采用快速灵活填充设计实验（FFSFD）模型构建传递方程，并通过确定性计算机模拟生成响应值。模拟结果表明，如果系统在其设计极限下运行，则不合规风险不可接受；但即使略微降低管道压力，也能将不合规风险降低到可接受的水平。
大家好，我叫大卫·斯卡斯乔（David Skaarsjoe），来自瑞典。过去十年，我一直生活和工作在巴西。我负责HMH公司在巴西的一个工程团队。今天我将分享一个与我们项目相关的案例研究，但首先我会介绍一下公司。然后，我们会探讨问题及其定义、背景、我们使用的流程和方法，以及最终得出的结论。
HMH是一家相当年轻的公司，实际上成立于2021年，但其历史可追溯至125年前，旗下拥有众多不同行业的知名企业。例如，您可以提到贝克休斯（Baker Hughes）、MHWirth、Aker Solutions、GE Oil and Gas，以及我们大部分产品所属的[听不清 00:00:53]、MH、[听不清 00:00:55]等公司。我们为海上钻井、建筑和采矿行业提供设备。我们拥有全套海上钻井设备，所有设备都集成在一个上部模块中，包括顶部驱动装置（钻机本身）、钻头、泥浆处理系统、泥浆泵、压力控制装置（例如防喷器）和井口连接器。在船舶和海底之间（防喷器所在的位置），我们使用一种名为立管的产品，本次演示将展示此类设备所需的各种产品。
海洋立管本质上是一种用于深水海上钻井的管道系统。它是连接钻井船和海底防喷器（BOP）的管道。它由多个不同的接头组成，通常长75到90英尺（约23到27米），并按顺序组装，直至到达约10,000英尺（约3,000米）的深度。整个系统重约2,000到3,000公吨，因此是一个相当大的系统。每个接头都由一系列不同的管线组成。中心是主管道，钻井作业（听不清 00:02:14）和下放工具都通过它进行。此外，还有负责为水下设备提供压力的液压管线、用于井控的节流管线和压井管线，以及用于将泥浆流量提升至立管处理装置并返回钻井平台的增压管线。立管两侧还设有阴阳接头。本次报告将重点介绍主线，尽管本次调查评估了所有线路。
但主线才是最重要的，同时也要将演示控制在合理的范围内。
主管道的主要载荷工况是爆破载荷，这也是我们评估的重点。主管道的典型直径约为21英寸，壁厚为0.75至1英寸，方便您理解。背景是这样的：我们为一个客户完成了一个项目，对30个陆上立管接头进行了检查。在检查过程中，我们发现了电偶腐蚀的迹象，测量结果显示每年材料损失约为4毫米。所有这些缺陷都基于计算进行了评估，但有些缺陷虽然已获批准，但仍处于限值范围内。整个立管系统由95个接头组成。我们在船上发现了65个海上接头。这些接头无法进行检查，因此，问题就出现了：这65个立管接头的状况如何？我们如何才能做出工程处置或评估这些接头的状况？答案基本上是统计数据。那时我就开始深入研究，分析我们在 30 个关节上发现的情况，以及如何将其应用到我们无法接触到的 65 个关节上。
我们采用的流程相当简单。我们收集了30个可访问接头的数据。我们运行筛选程序，检查相关性、相互作用，并识别分布。我们基于确定性计算进行了实验设计（DOE），以建立数学模型。我们将该模型与分布结合，运行蒙特卡罗模拟，从而得出不合规概率的结论。第一步，我们通过传统方法（例如测量、目视检查等）收集数据。我们将所有数据以及每个接头的运行数据输入到JMP的数据表中。我们使用图形生成器来获得清晰的概览。在此图中，您可以看到每个立管接头都已表示出来。底部的X轴表示旋转位置（以度为单位），此处表示沿管道的位置，每个点代表一定的腐蚀损伤程度，并标明了深度、点的大小以及立管上不同线条的颜色。我们执行筛选程序以检查相关性。
当方差不齐时，我们使用了相关矩阵、单因素方差分析和非参数比较。我们得出了一些结论。其中一些结论是确定性的，与实际问题无关，但我们仍然有一些结论需要在模拟中单独处理。
但总的来说，腐蚀过程具有高度随机性的假设得到了证实。它主要取决于诸如随机性很强的电接触、涂层损伤发生的位置和时间等因素。我们需要追踪的分布基本上来自我们用于计算的代码，即DNV腐蚀管道代码，该代码可以评估管道的腐蚀损伤。通常，可变变量包括壁厚。我们还有腐蚀坑的延伸范围、损伤的大小、损失量以及与其他损伤的接近程度。最终，这一点被证明非常重要，您将在后续的演示中看到。我们使用JMP及其分布平台识别了这些分布。CFD图是一个很好的工具，可以用来检验分布与经验分布的拟合度。我们检查了许多不同的分布，并发现了许多不同的分布，因此我们必须非常谨慎地工作，以确保所有步骤的保守性。
例如，我们这里就遇到了这种情况，腐蚀损伤的位置并不符合正态分布，但这是可以理解的，因为立管的某些区域暴露在外，容易受到损伤，而另一些区域则不会。
我们设计的DOE（实验设计）的响应基本上是确定性计算的结果。我们采用了灵活的快速填充设计。它旨在优化设计空间的覆盖率并最大限度地减少迭代次数。我们使用的连续因子包括：腐蚀坑内的壁厚（即腐蚀去除部分材料后的剩余壁厚）、最大损伤扩展范围（即腐蚀区域的大小）以及管道周围未受影响的壁厚。我们使用检测结果的概率密度函数来定义因子水平。为了确保能够捕捉到罕见事件并保证良好的可靠性，我们对这些因子水平进行了略微扩展。我们使用Graph Builder中的密度函数来检查覆盖率，这对我作为工程师来说是一个非常好的工具，可以检查覆盖率不足的区域以及这些区域是否至关重要。正如我所说，响应是确定性计算的结果，这基本上是允许利用率。
我们运行了实验设计（DOE）。它对所有不同的运行进行了确定性计算。拟合高斯过程模型，结果与我们的计算结果非常吻合。结果表明，对主管影响最大的主要因素是周围壁厚。损伤扩展的影响最小。但是，坑壁厚度与损伤扩展之间的交互作用占主导地位，达到16.5%。当然，由于这里存在许多交互作用，我们也必须将这种交互作用保留在模型中。蒙特卡罗模拟是通过将高斯过程模型的预测公式复制到DOE表中来完成的，并根据检查过程中发现的分布生成不同因素的分布，然后我们得到了此处所示的每种损伤的允许利用率预测值。我们还在此表中添加了其他内容。其中一个亮点是，我们基于随机整数分布模拟了一个数值。
我们给每个接头分配了一个介于 1 到 285 之间的数字。这是调查的一部分，我们需要知道每个接头有多少个凹坑。我们发现平均每个接头有七个凹坑是一个非常保守的估计。基本上，我们将这个数字应用到每根管道上。
当我们再次运行分析程序时，我们可以绘制出这285个接头上不同腐蚀坑的位置。您可以看到，下方显示了每个接头的位置，而这里则显示了管道上损伤的位置。您可以看到，这种二项分布的影响在于，腐蚀坑聚集在一起，彼此距离越近，发生腐蚀的可能性就越高。我们使用能力分析法对所有单独的损伤进行了分析，但发现每个损伤单独超过允许使用量的概率都极低。这意味着我们需要考虑当损伤彼此靠近时，需要根据规范将它们合并，而我们也正是这样做的。经过调查，我们发现了大约177个案例。这里只是一个例子，主管道上有177个案例需要合并，因为它们不符合缺陷间距的要求。我们对这177个案例进行了重新建模，赋予它们新的延伸范围、深度和管道周围的厚度。
我们使用相同的预测公式来生成新的概率和新的分布。
我们利用这些分布，通过能力分析来检验利用率超过 1、1.1、1.2 直至 1.5 的可能性。这样，我们就可以绘制出超过每个利用率的概率图。有趣的是下一步，因为当我们将此结果外推到整个系统层面时，我们需要从单个缺陷入手，综合考虑其影响。我们需要从单个接头开始，因为每个接头连接着多根管道，然后我们需要扩展到 65 个接头。我们基本上是基于独立事件的乘法规则来计算的。但有趣的是，利用率与管道内的压力呈线性关系。这意味着我们可以转换坐标轴，将利用率替换为压力，并将不合规概率放在 Y 轴上。我们发现，在这个压力范围内（约 3950 PSI），主管道完全主导了不合规概率。
低于这个值，即使我们降低主管道压力，也不会对不合规的概率产生太大影响。
我们必须降低节流阀和灭漏阀管线的压力。您可以看到，图中的红线代表节流阀和灭漏阀管线的压力，当其降低约 30% 时，主管线的压力也随之降低，不合规的概率呈对数线性下降。结论是，我们可以使用 JMP 进行分析，量化客户面临的风险。通过将节流阀和灭漏阀管线的压力降低 10%，主管线的压力降低 30%，风险可以接受。由于计划作业的压力低于此值，因此不会对客户的运营造成任何影响。通过这种方式，我们可以争取更多时间来处理问题，从而为客户节省了数周的停机时间。
谢谢。
