Scientific journal
Advances in current natural sciences
ISSN 1681-7494
"Перечень" ВАК
ИФ РИНЦ = 0,791

TO THE PROBLEM OF TECHNICAL CONDITION ASSESSMENT UNINFORMATIVE OBJECTS

Sayfutdinov A.I. 3 Yamaletdinova K.Sh. 1, 2 Yanchushka A.P. 3
1 Chelyabinsk State University
2 AS RB ‘Centre of Oil and Gas Technologies and New Materials’ SASU ISI RB
3 Ufa State Petroleum Technological University
This article discusses the principles of improving the assessment of the technical condition of uninformative objects on the example of the underwater crossing of the oil trunk pipeline. An accurate assessment of the technical condition of the underwater transition is necessary for the current moment and to predict the next survey, as well as the residual life of the underwater transition. The advantages and disadvantages of academic full mathematical, semi-empirical and empirical individual models for assessing the technical condition of the object are shown. A new scientific and methodological principle of formation of information and analytical system is proposed, which will allow to create empirical individual mathematical models for each underwater transition instead of the traditionally used semi-empirical models, which will significantly improve the accuracy of the assessment of the technical condition of the object and reduce the cost of maintenance and repair. To implement this principle, it is proposed to use the method of cluster analysis, the advantage of which is the fact that it works even when there is little data and the requirements of the normality of the distribution of random variables and other requirements of classical methods of statistical analysis are not met. A model of information processing based on the results of the survey of the technical condition of the underwater transition in the process of clustering is developed. It solves the problem of selecting the target cluster, the analysis of the reliability of the results of the assessment of the technical condition of underwater crossings at different stages of the life cycle and the formation of recommendations on the composition and timing of maintenance and repair work. One of possible variants of increase of efficiency of system of maintenance and repair of underwater transitions by means of decrease of error of calculations of results of forecasting is considered. The optimal way to improve the quality of forecasting (reduction of the error of the calculation results) – the development of empirical models for groups of underwater transitions with similar input parameters.
assessment
technical condition
underwater transition
model
method
cluster
resource
error
repair

Качество оценки технического состояния (ОТС) любого объекта в деятельности специалиста является интегральным требованием, объединяющим использование процессных характеристик. Проблема повышения качества и точности оценки технического состояния всегда актуальна, начиная с самого человека (в медицине) и продолжая во всех видах его деятельности. Особенной остротой отличается эта задача при эксплуатации пожаровзрыво- опасных объектов, информация о которых ограничена [1]. Характерным примером подобного объекта является подводный переход магистрального нефтепровода [2].

Точная оценка технического состояния подводного перехода (ОТС ПП) необходима и для текущего момента и прогнозирования следующего обследования, а также остаточного ресурса работы подводного перехода.

В зависимости от результатов ОТС ПП принимаются решения о сроке и об объеме следующего обследования, по виду необходимого технического обслуживания и ремонта (ТОР), по остаточному ресурсу ПП и его замене. Точное определение вышеназванных характеристик, в основе которого лежит использование достоверных математических моделей, позволяет существенно сократить расходы на ТОР при обеспечении достаточного уровня надежности ПП. Достоверность результатов применения базовых моделей, в свою очередь, зависит от качества исходной информации, от возможности самой модели наиболее полного учета реальных условий эксплуатации подводного перехода [3].

Цель исследования: разработка модели обработки информации по результатам обследования технического состояния подводного перехода в процессе кластеризации для повышения точности оценки технического состояния объекта.

Материалы и методы исследования

Традиционные этапы планирования системы технического обслуживания и ремонта перехода нефтепровода можно изложить в следующей последовательности:

а) вначале на основе многочисленных теоретических и экспериментальных исследований условий эксплуатации и изменения характеристик технического состояния подводных переходов разрабатывается полная академическая фундаментальная общая математическая модель оценки ТС ПП, содержащая некий ряд составляющих;

б) используя некоторые постоянные коэффициенты, данная общетеоретическая модель ТС ПП адаптируется к конкретному объекту, т.е. переходят к так называемой полуэмпирической модели ТС ПП;

в) на заключительном этапе, на основе использования полученной полуэмпирической модели, осуществляют планирование ТОР ПП: определяют перечень, сроки и объемы соответствующих технических и организационно-технических мероприятий.

К достоинству полуэмпирических моделей следует отнести выявление наиболее влияющих факторов, действующих в данной технико-экономической задаче. Однако очень существенны их недостатки:

1) определяется широкий диапазон значений параметров безопасной эксплуатации;

2) соответственно, принимаются очень высокие коэффициенты запаса, что влечет за собой большие, чем могли бы быть, затраты на ТОР.

Предлагается новый научно-методический принцип формирования информационно-аналитической системы, который позволит создавать эмпирические индивидуальные модели для каждого подводного перехода взамен традиционно используемых полуэмпирических моделей, что позволит существенно сократить расходы на ТОР.

Вероятно, в рамках реализации этого принципа возможны различные решения, но в данной статье предлагается использовать метод кластерного анализа (кластеризации).

Решаемая в статье техническая задача с теоретической точки зрения относится к тому классу задач, где применим многомерный статистический анализ. Достоинством кластерного анализа является тот факт, что он работает даже тогда, когда данных мало и не выполняются требования нормальности распределений случайных величин и другие требования классических методов статистического анализа [4, 5].

Несмотря на различия в целях, типах данных и примененных методах, все исследования, использующие кластерный анализ, характеризуют следующие пять основных шагов:

1) отбор выборки для кластеризации;

2) определение множества признаков, по которым будут оцениваться объекты в выборке;

3) вычисление значений той или иной меры сходства между объектами;

4) применение метода кластерного анализа для создания групп сходных объектов [6];

5) проверка достоверности результатов кластерного решения.

Каждый из перечисленных шагов играет существенную роль при использовании кластерного анализа и прикладном анализе данных.

Использование кластер-анализа для решения данной задачи наиболее эффективно. В данном случае кластер-анализ предназначен для объединения подводных переходов в классы (кластеры) таким образом, чтобы в один класс попадали максимально схожие, а ПП различных классов максимально отличались друг от друга. Количественный показатель сходства рассчитывается заданным способом на основании данных, характеризующих ПП [7]. Таким образом, в данной статье под кластеризацией понимается группировка (разбиение множества ПП) на непересекающиеся подмножества (кластеры), состоящие из схожих переходов [8]. Под схожестью (сходством) понимается незначительное отличие (по величине) входных параметров, используемых в процессе прогнозирования технического состояния ПП.

Предлагаемая модель обработки информации в информационно-аналитической системе «Подводные переходы» (ИАСПП) приведена на рис. 1. Она решает задачи выбора целевого кластера, анализ достоверности результатов оценки технического состояния подводных переходов на различных этапах жизненного цикла (ЖЦ) и формирования рекомендаций по составу и срокам проведения ТОР, ремонтно-восстановительных работ (РВР).

sayf1.wmf

Рис. 1. Модель обработки информации по результатам обследования технического состояния ПП в процессе кластеризации

Обработка информации по результатам обследований технического состояния ПП выполняется в три этапа:

1) на этапе «Выбор целевого кластера обработки информации» формируется выборка ИАСПП (так называемая целевая выборка), необходимая для формирования заключения о перспективах дальнейшей эксплуатации обследуемого ПП, основанного на формализованном опыте эксплуатации ПП. В выборку объединяются расчетные параметры дефектов, обнаруженных на ПП, которые «близки» по технологии сооружения, длительности и условиям эксплуатации [9];

2) на этапе «Анализ достоверности результатов ОТС» отфильтровываются «грубые промахи» информации, полученной при обследованиях технического состояния целевой выборки.

Периодичность обследований технического состояния ПП определяется действующими нормативными документами ПАО Транснефть [10–12], которые регламентируют сроки проведения обследований, их содержание, используемую измерительную аппаратуру и оформление результатов обследований;

3) процесс формирования выводов и рекомендаций по результатам, по составу и срокам проведения ТОР, обследований оформляется в соответствии с нормативными документами. Указанная документация архивируется и хранится на протяжении всего жизненного цикла каждого ПП системы нефтепроводного транспорта России.

В настоящее время часть этой информации оцифрована и используется для изучения и обобщения опыта эксплуатации ПП. На основании этого анализа разрабатываются планы НИОКР, целью которых является повышение эффективности эксплуатации ПП.

В системе комплексной ОТС ПП составными элементами являются оценки коррозионной и малоцикловой усталости ПП, способные привести к разгерметизации трубопровода. Проведенный анализ показал, что доступное в настоящее время качество результата трудно назвать высоким [10], поскольку модели, используемые при прогнозировании технического состояния ПП, связаны с рядом причин, повлиять на которые невозможно.

Рассмотрим и попытаемся изменить модели прогнозирования технического состояния ПП в контексте возможностей, доступных при использовании современных информационных технологий [5].

Выше уже подчеркивалось, что при разработке заключения о техническом состоянии ПП по результатам обследований используются полуэмпирические модели коррозионной и малоцикловой усталости, которые с определенным уровнем приближения адаптируют академические модели к конкретной предметной области (в данном случае к прогнозированию остаточного ресурса тела трубы подводного перехода при воздействии коррозии и/или малоцикловой усталости).

В проведенном анализе научно-технической литературы по указанной проблеме отмечено, что относительная погрешность результатов расчетов может достигать более 1000 %, что, в значительной степени, обусловлено спецификой полуэмпирических моделей, в частности, при создании подобных моделей используются максимально возможные диапазоны варьирования входных величин.

Следует отметить, что традиционно используемое в механике разрушения понятие «критический размер трещины» к магистральному трубопроводу неприменимо, так как существующие нормативы в системе магистрального транспорта углеводородов не допускают разгерметизации трубопровода. Поэтому основной целью прогнозирования малоцикловой усталости ПП является предотвращение утечек перекачиваемого продукта, т.е. критическим считается такой размер усталостной трещины, при котором ее глубина достигает толщины стенки трубы на рассматриваемом участке.

Результаты исследования и их обсуждение

На рис. 2 и 3 приведены результаты расчетов, иллюстрирующих один из возможных вариантов повышения эффективности системы ТОР подводных переходов, посредством снижения погрешности расчета результатов прогнозирования. В частности, расчеты показывают, что, например, уменьшение нормируемого параметра «остаточная глубина дефекта» с величины 0,9 до 0,7 (приблизительно на 20 %) почти в четыре раза снижает относительную погрешность прогноза (приблизительно на 400 %).

sayf2.tif

Рис. 2. Влияние приведенной погрешности μ входных величин на относительную погрешность расчета остаточного ресурса ПП при остаточной глубине дефекта ∈ (0,1; 0,9)

sayf3.tif

Рис. 3. Влияние приведенной погрешности μ входных величин на относительную погрешность остаточного ресурса ПП при остаточной глубине дефекта ∈ (0,1; 0,7)

Учитывая эти результаты, за основу принимается следующий постулат: «Оптимальный путь к улучшению качества прогнозирования (снижения величины погрешности результатов расчетов) – разработка эмпирических моделей для групп подводных переходов с близкими по величине входными параметрами». Выше эта группа ПП была определена как «целевая выборка». Такой подход возможен при наличии существующего (весьма значительного) опыта эксплуатации подводных переходов, реализованного и документированного в форме «результатов обследований технического состояния подводных переходов» [13], что и позволяет существенно улучшить (в несколько раз) качество прогнозов безопасной эксплуатации ПП.

Выводы

Таким образом, предложена модель концепции повышения эффективности эксплуатации подводных переходов (рис. 1), соответствующая современному уровню развития технической науки и вычислительной техники. Под эффективностью эксплуатации понимается достижение необходимого уровня надежности ПП с минимальными затратами.