Subsea BOP-systemet är en av de mest kritiska komponenterna för att säkerställa säkra arbetsförhållanden vid borrning på stora djup. I hjärtat av detta system finns BOP-kontrollsystemet, som är ett komplext elektromechaniskt hydrauliskt system. För att förbättra pålitligheten hos BOP-systemet används ofta en fullständig redundansdesign, vilket innebär att flera systemkomponenter dupliceras för att säkerställa att systemet fortsätter att fungera även om en komponent skulle fallera. Denna design leder dock till en ökning i mängden data och gör det svårare att identifiera specifika fel, vilket skapar utmaningar för felidentifiering och diagnostik. Forskning som bedrivs på BOP-systemens feldiagnos kan också ge värdefulla insikter för att diagnostisera fel i andra komplexa kontrollsystem med redundanta lösningar.

BOP-systemets kontrollsystem består av flera komponenter, bland annat ett elektroniskt kontrollsystem, ett stödjande hydrauliskt kontrollsystem och olika sensorer. Hydraulikens huvudkrets styrs av en huvudpump och en huvudsolenoidventil, och denna krets delas upp i en högtryckskrets och en lågtryckskrets genom en mångsidighetsventil. Högtryckskretsen får hydraulkraft från hydraulpumpen och ackumulatorkombinationen, vilket möjliggör stängning och öppning av ram-BOP. Den lågtryckskretsen kontrollerar låsning och öppning av låsenheten, och de huvudsakliga kontrolltrycken för båda kretsarna regleras av en tryckreducerande ventil. För att säkerställa redundans finns det ett dubbelt kontrollsystem bestående av en blå och en gul kontrollbox, där varje kontrollenhet oberoende utför de nödvändiga funktionerna för subsea BOP-enheten.

Vid stora tekniska system som BOP är det ofta så att en stor del av utrustningen fungerar normalt, vilket innebär att de verkliga feldata som samlas in är ofullständiga och obalanserade. Detta gör det svårt att bygga högfidelitets virtuella modeller. För att övervinna denna utmaning skapades en experimentell plattform baserat på HYSY981 borrplattformens BOP-kontrollsystem som prototyp. Syftet med experimentet var att samla in komplett data i förväg baserat på kända scheman och signaler från det tekniska systemet. Under försöken simulerades sex vanliga feltilstånd samt ett normalt tillstånd, och sammanlagt samlades sju operativa datamängder, där varje datamängd motsvarar ett specifikt tillstånd eller ett fel i systemet.

Fel simulering genomfördes genom manuell justering av ventiler och genom att ersätta defekta komponenter. De experimentella resultaten samlades in och lagrades på en arbetsstation utrustad med en Intel Core i7-10700K processor (3,8 GHz), 32 GB DDR4-minne och ett NVIDIA RTX 3080 GPU, vilket säkerställer beräkningskapacitet för att hantera komplexa simuleringar och djupinlärning. Den kompletta arbetsflödet för data sammanfattas i en schematisk figur, där den virtuella modellen simuleras både under normala och felaktiga arbetsförhållanden, och sedan valideras dessa med hjälp av data från experimenten. Därefter optimeras den virtuella modellen med hjälp av en bidirektionell datakonsistensutvärderingsram (BDCE), där verkliga data används som referens.

Simuleringen och valideringen av modellen sker i flera steg, där först modellens beteende under normala arbetsförhållanden och sedan under felaktiga tillstånd simuleras. Efter det används den insamlade data från experimenten för att verifiera modellens noggrannhet. Därefter sker en optimering av den virtuella datamodellen för att säkerställa att den bättre speglar de faktiska förhållandena. Denna förbättrade data används sedan för att träna och validera feldiagnosmodellen.

En annan viktig aspekt är att de verkliga felen som uppstår vid subsea-operationer ofta inte är så vanliga, och därför krävs långsiktig insamling av fältdatad med tillhörande underhållsregister och faktiska felhändelser för att kunna förbättra diagnostikmodellerna ytterligare. Denna stegvisa förbättring är avgörande för att säkerställa att modellen verkligen är tillförlitlig i praktiska tillämpningar.

I det här sammanhanget genomförs en simulering av den hydrauliska styrkretsen, där varje komponent analyseras för att säkerställa att den fungerar som förväntat. Här ingår en mängd olika parametrar som styrs av ventiler och pumpmodeller, där även de viktiga tryck- och flödesvariablerna mellan olika delar av systemet analyseras för att säkerställa att den virtuella modellen fungerar korrekt i relation till den verkliga BOP-enheten. Genom dessa noggrant genomförda simuleringar bekräftas att de virtuella modellerna för BOP-systemet är giltiga och fungerar enligt förväntningarna.

För att verkligen förstå denna process är det viktigt att notera att det inte bara handlar om att bygga en virtuell modell av BOP-systemet utan också om att säkerställa att denna modell korrekt kan identifiera och återspegla de dynamiska förändringar som kan ske vid olika operativa och felaktiga tillstånd. Felets natur och beteende i det fysiska systemet måste speglas exakt i den virtuella världen, och detta kan bara uppnås genom noggrann simulering, validering och optimering av modellen.

Hur påverkar kaskadfel systemets pålitlighet i flerlagers system?

Kaskadfel är ett komplext fenomen som kan påverka pålitligheten i system som är uppbyggda av flera nivåer eller lager. I ett sådant system, där varje nivå är beroende av föregående, kan ett fel i ett enda element snabbt leda till en kedjereaktion av ytterligare fel. Detta är särskilt viktigt att förstå i samband med system som transporterar eller bearbetar data, energi eller andra kritiska funktioner, där alla nivåer är tätt sammanlänkade. Ett exempel på detta är ett flerlagers transportsystem under havet, där varje nod på en given nivå är beroende av noden på föregående nivå för att fungera korrekt.

Enligt modelleringen av dessa system, som beskrivs av ett exempel med tre nivåer (botten, mellan och topp), började kaskadfelen uppträda redan efter den nionde året. Först inträffade ett fel i mellanlagrets noder, och inom två år hade hela lagret kollapsat. Följdeffekten på toppnivån blev märkbar först vid det femtonde året, och i det artonde året hade hela systemet fallerat, där totalt tio noder misslyckades. Fyra av dessa var på toppnivån, fyra på mellanlagret och två på bottennivån. Vid denna tidpunkt hade systemets totala pålitlighet minskat drastiskt – från 100 % i början till endast 20 % vid den fjortonde året och ännu lägre vid det artonde året.

Enligt analysen av de olika kaskadfelmodellerna är det tydligt att kaskadfel, där två noder på samma nivå misslyckas samtidigt, har en mer dramatisk effekt på systemets totala pålitlighet. Detta sker inte bara genom direkt misslyckande av de två noderna utan även genom de indirekta effekterna där andra noder i samma nivå måste ta över funktioner, vilket leder till ytterligare påfrestningar och snabbare kollaps. De långsiktiga konsekvenserna kan vara särskilt svåra att förutsäga om man inte noggrant överväger noderna funktionella betydelse och position i systemet.

För att förstå varför vissa nivåer kollapsar snabbare än andra, är det viktigt att notera att kaskadfel inte bara sker genom fysiska eller tekniska misslyckanden, utan också genom en ackumulering av små störningar i de underliggande nivåerna. I de här fallen är det mellanlagrets och bottenlagrets noder som drabbas först, medan toppnivån oftast upprätthåller sin funktion längre. Detta sker tills dess att ett kritiskt antal noder i de lägre nivåerna har misslyckats och inte längre kan stödja de högre nivåerna. I vissa modeller sjunker systemets pålitlighet till 50 % redan vid det tionde året, och till 20 % vid det femtonde året.

Kaskadfel, som studerats i system med två nivåer, visar att förlusten av en enda nod kan orsaka en kedjereaktion av misslyckanden som sprider sig till andra noder på mellan- och toppnivåerna. I dessa system är antalet noder som misslyckas i varje fas av kaskaden konsekvent, där de första felen inträffar på botten- och mellanlagret, för att sedan spridas till toppnivån.

När man undersöker de olika typerna av kaskadfel, såsom samma-nivå två-nodsfel eller två-nivå två-nodsfel, visar det sig att samma-nivå två-nodsfel ofta orsakar en mer dramatisk nedgång i systemets pålitlighet. Detta beror på att belastningen på systemet ökar snabbt när noder på samma nivå fallerar, och de intilliggande noderna får en större arbetsbörda som kan leda till ytterligare misslyckanden. I de system där mellanliggande noder eller kantnoder misslyckas, är påverkan på den övergripande pålitligheten liknande, vilket indikerar att varje nod har en viktig funktion oavsett dess position i systemet.

Det är också viktigt att förstå att en nods funktionella betydelse och dess position har stor påverkan på kaskadens utveckling. I systemen som undersöktes, där den funktionella betydelsen av en nod förändrades, visade det sig att systemets totala pålitlighet var högre och att kaskadfenomenet uppstod senare än i det ursprungliga modellen. Detta innebär att i praktiska applikationer är det av största vikt att förstå både funktionella och positionella faktorer för att förutsäga och hantera potentiella kaskadfel på ett effektivt sätt.

Den funktionella betydelsen av en nod kan förändras genom att justera förhållandet mellan noder i de lägre och högre nivåerna, vilket i sin tur påverkar pålitligheten. Till exempel, om den funktionella betydelsen hos de noder som ligger närmast en misslyckad nod ökas, sprider sig kaskadfelet snabbare. Därför är underhåll av noder i närheten av kritiska punkter en viktig strategi för att minska risken för systemets kollaps.

I praktiken innebär detta att det är nödvändigt att planera för både tekniska och operationella strategier som minimerar risken för att en kaskadreaktion ska äga rum. Det handlar om att både övervaka systemet för tidiga tecken på svagheter och snabbt kunna adressera dessa svagheter för att förhindra att de leder till större systemfel.