Hur Lastfördelning och Komponentberoende Misslyckande Påverkar Underhåll i Dykningstransmissionssystem

I fallet med det dykningstransmissionssystem som undersöks, leder lastfördelning och skador orsakade av misslyckanden huvudsakligen till beroenden mellan komponenters misslyckanden och deras nedbrytning. Till exempel kan separatorn inte alltid separera tre ämnen helt, och det ömsesidiga dopandet av ämnen kan förvärra nedbrytningen av kompressorer och pumpar. Om en komponent som en kompressor går sönder, men systemet inte kan inspekteras och repareras i tid, kommer gas att tränga in i rörledningen som transporterar olja eller vatten. Gasdoping kommer då att förvärra skadorna på pumparna. Denna typ av misslyckande, där komponenterna påverkar varandra direkt eller indirekt, kallas för typ II misslyckandeberoende.

En annan aspekt som belyser typ I misslyckandeberoende är när en pump vibrerar eller överhettas, vilket kan ha en direkt påverkan på drift och åldrande av en annan pump på en viss avstånd i pumpstationen. Detta beror på säkerhetsavståndet mellan komponenterna och de säkerhetsbarriärer som implementerats för att minska risken för kedjereaktioner mellan misslyckanden. Här kan pumpar och kompressorer uppleva gradvis nedbrytning och heterogena misslyckandeberoenden som ett resultat av interaktioner mellan flera komponenter.

För att hålla systemet i funktion och minimera riskerna för misslyckanden genomförs regelbundna inspektioner. Inspektionerna används för att utvärdera tillståndet för dykningstransmissionssystemet och implementera förebyggande (PM) och korrigerande (CM) underhåll baserat på inspektionsresultaten. Förebyggande underhåll kan minska ackumulerad skada till en viss nivå genom att till exempel applicera rostskydd, rengöra eller genomföra andra bevarandeåtgärder. Korrigerande underhåll, såsom översyn eller byte av komponenter, återställer systemets tillstånd till ett "nästan nytt"-läge.

För att testa effektiviteten av de föreslagna underhållspolicyerna undersöktes en dykningstransmission i ett fallstudiesystem. Inspektionerna genomfördes regelbundet för att bekräfta att systemet uppfyllde prestandakrav. Här användes data från olika källor för att definiera felhastigheter och reparationskostnader för olika komponenter, samt för att skapa en modell för systemets prestanda under olika förhållanden. Parametrar som ålder, nedbrytning och de sammanlagda effekterna av komponentfel beaktades för att säkerställa ett korrekt resultat.

För systemet betraktades fyra möjliga tillstånd för varje komponent: normalt driftläge, måttligt nedbruten, kraftigt nedbruten och misslyckad. Tillämpningen av en övergångsmatris möjliggör beräkning av sannolikheten för att ett system ska hamna i ett av dessa tillstånd över tid. Detta kan vidare användas för att bestämma risken för systemfel under olika förhållanden, som till exempel olika intervall mellan inspektioner eller förebyggande åtgärder.

Tre huvudfaktorer som påverkar misslyckandeberoenden mellan komponenter i ett system är lastfördelning, avstånd och säkerhetsbarriärer. Lastfördelning handlar om materialöverföring och dopning, som är avgörande för att förstå hur komponenter påverkar varandra. I detta system tilldelas viktiga parametrar för att beskriva deras påverkan på systemets tillstånd, där avståndet mellan komponenterna anses vara det mest kritiska, följt av lastfördelning och säkerhetsbarriärer.

Det är viktigt att förstå att en korrekt tillämpning av denna modell inte bara beror på noggranna beräkningar av felhastigheter och inspektionsresultat, utan också på att man beaktar det komplexa samspelet mellan systemets olika komponenter. Eftersom komponenterna ofta inte fungerar isolerat, kan ett misslyckande i en enhet snabbt leda till kedjereaktioner som påverkar andra enheter i systemet. En sådan förståelse är grundläggande för att skapa hållbara och kostnadseffektiva underhållspolicys.

Hur påverkar felberoenden och underhåll aktiviteter hållbarheten hos komplexa undervattensproduktionssystem?

De utmaningar som undervattensproduktionssystem står inför är inte enbart tekniska utan sträcker sig även till miljömässiga och ekonomiska dimensioner. För att dessa system ska kunna upprätthålla sin driftsäkerhet och hållbarhet över tid, är det nödvändigt att förstå de inre felberoendena mellan deras komponenter. I undervattenssystem är olika delar av systemet ofta funktionellt eller strukturellt sammankopplade, vilket skapar beroenden mellan komponenternas prestationer. När dessa beroenden inte hanteras korrekt kan de leda till allvarliga konsekvenser, inklusive högre risker, ökade ekonomiska förluster och förvärrad miljöförorening, vilket alla bidrar till en minskad hållbarhet.

Ett komplext undervattensproduktionssystem blir mer sårbart för sådana felberoenden, där ett problem i en komponent kan sprida sig och påverka hela systemets funktion. Denna dynamik med felberoenden skapar en kedja av negativa effekter, som gör systemet mindre resilient och svårare att underhålla effektivt. Därför blir det av yttersta vikt att undersöka hur dessa beroenden kan dämpas och vilka specifika underhållsaktiviteter som krävs för att minska deras påverkan.

Det är i detta sammanhang som begreppet "decoupling maintenance" (DM) blir centralt. DM syftar till att minska graden av felberoende mellan sammanlänkade komponenter i ett system, och det är en viktig strategi för att öka hållbarheten. Eftersom undervattenssystem ofta arbetar under extremt ogynnsamma förhållanden som högt tryck, låga temperaturer och korrosiva förhållanden, utgör det traditionella underhållet en betydande utmaning. Här måste nya strategier utvecklas för att hantera både den tekniska komplexiteten och de miljömässiga faktorerna som påverkar systemets hållbarhet.

En viktig aspekt är att förstå hur felberoenden och underhåll hänger samman och påverkar varandra. Komponenternas nedbrytning och underhållsaktiviteter är ömsesidigt beroende av varandra, där degraderingsprocessen styr komponentens tillstånd och därmed också underhållspolicyn, medan underhållsaktiviteter i sin tur påverkar både komponenternas tillstånd och deras degradering. Denna dynamik måste beaktas när man utvecklar hållbarhetsstrategier för komplexa system. För att göra detta möjligt har ett integrerat ramverk för att bedöma hållbarhet, där både felberoenden och underhållsaktiviteter inkluderas, utvecklats. Genom detta ramverk kan systemets hållbarhet över tid utvärderas och optimera beslut som rör underhållsstrategier.

Ramverket bygger på en metodologi som integrerar flera modeller. Först används en nedbrytningmodell för att uppskatta komponenternas tillstånd och de felberoenden som finns mellan dem, baserat på expertkunskap och historiska data. Därefter integreras underhållsstrategier, både traditionella och innovativa, som syftar till att hantera dessa felberoenden och samtidigt optimera hållbarheten i systemet. Det här tillvägagångssättet gör det möjligt att skapa en helhetsbild av hur systemets hållbarhet påverkas av både interna och externa faktorer, vilket ger ett grundläggande beslutsunderlag för ingenjörer och systemförvaltare.

Det är också viktigt att notera att underhåll i sig självt inte bara handlar om att förhindra fel utan också om att förstå och hantera den långsiktiga nedbrytningen av systemkomponenter. För att optimera underhållet och förbättra hållbarheten bör ingenjörer inte enbart fokusera på att åtgärda akuta problem utan också på att förutsäga och förebygga potentiella fel beroende på den förväntade degraderingsprocessen hos komponenterna.

Avslutningsvis bör det framhållas att hållbarheten i undervattensproduktionssystem inte enbart handlar om att bevara de tekniska systemen. Det handlar också om att bevara miljön och minska den ekonomiska belastningen som dessa system kan orsaka. Därför är det av yttersta vikt att forskningen och utvecklingen kring dessa system fortsätter att ta hänsyn till alla aspekter av hållbarhet – teknisk, ekonomisk och miljömässig – och att nya lösningar för underhåll och felhantering ständigt utvecklas för att möta de ständigt föränderliga utmaningarna i undervattensmiljöer.

Hur kan en digital tvillingmodell förbättra felsökning i undervattensproduktion?

Digital tvillingmodeller används i allt högre grad för att optimera felsökningsprocesser inom tekniska system, särskilt i komplexa och krävande miljöer som undervattensproduktionssystem. Genom att använda dessa modeller kan man snabbare träna felsökningsmodeller och därigenom uppnå högre noggrannhet och tillförlitlighet i diagnostik. En av de mest anmärkningsvärda fördelarna med en digital tvillingmodell är dess förmåga att integrera både verklig och virtuell data, vilket gör det möjligt att upptäcka och diagnosticera fel i realtid, även under förhållanden där det skulle vara svårt att samla in tillräcklig data manuellt.

Det är dock viktigt att notera att när kontinuerlig data används för felsökning, minskar noggrannheten inte lika markant, och många modeller tenderar att uppvisa liknande resultat över tid. Genom att använda en metod där den mest effektiva modellen för varje steg i produktionsprocessen väljs kan man säkerställa att noggrannheten för felsökningen ligger på en stabil nivå – över 96% vid alla stadier. Detta är ett bevis på att den föreslagna metoden, som kombinerar både datadrivna och modellbaserade metoder, gör det möjligt att noggrant diagnostisera fel genom att välja den bästa metoden för varje specifikt fall.

Vid fortsatt forskning samlades data genom att gruppera efter feltyp och år, och resultat från en modell som baserades på data från 2021 visade att modellen hade svårt att korrekt identifiera fel relaterade till specifika komponenter, exempelvis QDV (Quickly Detected Valve), där sensordata lätt kunde missförstås. Detta berodde på att QDV var associerad med alla sensorer i systemet, vilket gjorde att relevant data ofta misidentifierades. När data från 2022 analyserades visade modellen att många normala datafelaktigt identifierades som fel. Detta indikerade en grundläggande utmaning: hög diagnostisk noggrannhet är ofta i konflikt med god kompatibilitet. Ett fel som skulle kunna vara en liten förändring i data för 2021 betraktades som ett större fel i den första modellen, men när systemet utvecklades och gick in i nästa år, blev många av dessa "felaktiga" resultat faktiskt normala förändringar som inte borde ha diagnosticerats som fel.

Modellen som användes för att diagnostisera data från 2022 visade bättre resultat, även om vissa normala förändringar fortfarande misstagits för fel. Det betydande här var att med en ökad mängd data och en modell som kontinuerligt anpassades och justerades till de nya förhållandena, minskade antalet felaktigt identifierade resultat avsevärt. Därmed visade forskningen att en kombination av datadrivna och modellbaserade metoder inte bara förbättrar den diagnostiska noggrannheten men också bidrar till stabilitet över tid.

Denna metod för att kombinera båda angreppssätten – där data och modeller kompletterar varandra – är avgörande för att upprätthålla en långsiktig och stabil prestanda i felsökningsmodeller. I ett system som undervattensproduktion, där långsiktig drift och kontinuerlig övervakning är kritiska, är det essentiellt att kunna förlita sig på att modellen både anpassar sig till nya data och bibehåller en hög noggrannhet. Detta underlättar inte bara systemunderhåll utan gör det möjligt att förutse problem innan de leder till allvarliga driftstopp, vilket är avgörande för säkerheten och effektiviteten i systemet.

En annan viktig aspekt är den praktiska tillämpningen av sådana modeller i den verkliga världen. Även om en modell kan vara teoretiskt exakt, innebär det inte nödvändigtvis att den fungerar lika bra under de faktiska driftförhållandena. Faktorer som miljöpåverkan, olika typer av utrustning, och det ständigt föränderliga systemet som genomgår daglig drift kan alla påverka resultatet. Därför är det avgörande att inte bara förlita sig på teoretiska modeller, utan också att säkerställa att dessa modeller är validerade med verklig data för att kunna upprätthålla systemets tillförlitlighet och prestanda under alla förhållanden.