تاثير همبستگي متغيرهاي تصادفي موثر بر احتمال تركيدن خطوط لوله دريايي

Effect of correlation of effective random variables on the probability of bursting marine pipelines

يكي از عمده ترين عوامل شكست خطوط لوله نفت و گاز، زوال[1] خواص ساختاري ان به دليل گذر زمان است. خوردگي يكي از شناخته شده ترين اين نوع زوال در جداره خط لوله مي باشد كه منجربه توليد حفره يا خسارت هاي وسيعتري مي شود.گسترش اين نوع از خوردگي منجربه باريك شدن ديواره خط لوله و در نتيجه كاهش مقاومت ساختاري خط لوله دربرابر بارهاي اعمال شده بر آن مي­شود كه در برخي موارد با گذشت زمان باعث نشت و تركيدن[2] اين سازه حياتي مي­گردد. خوردگي در خطوط لوله دريايي به صورت احتمالاتي مدلسازي شده است اما مسئله­اي كه كمتر به آن توجه شده تاثير همبستگي[3] متغيرهاي تصادفي موثر بر احتمال شكست (تركيدن) خطوط لوله دريايي است. در اين مقاله با استفاده از تابع كاپولا گوسي، همبستگي بين متغيرهاي تصادفي نامبرده مشخص شده و به منظور پيش بيني احتمال تركيدن از مدل تجربي DNV-RP-F101 و روش شبيه سازي مونت كارلو[4] استفاده شده است. قبل از محاسبه احتمال شكست تحليل حساسيت با استفاده از شاخص آلفا [5] براي مشخص كردن پارامترهاي موثر بر پاسخ تحليل صورت گرفته است. نتايج حاكي از ان است كه با در نظر گرفتن همبستگي بين متغيرهاي حساس از زمان مشخصي به بعد، با افزايش ضريب همبستگي احتمال شكست كاهش پيدا مي­كند.

One of the major causes of the failure of oil and gas pipelines is the deterioration of its structural properties due to the passage of time. Corrosion is one of the most well known of these types of deterioration in the wall of pipelines which leads to the pit. Continued corrosion results in a decrease in the thickness of the pipeline wall and consequently a decrease in its structural resistance to environmental loads, which in some cases may leak and burst over time. Corrosion is usually probabilistically modeled, but less addressed is the impact of correlations of the corrosion variables affecting its probability of failure. In this paper, using the Gaussian function, correlations between random corrosion variables are identified and the DNV-RP-F101 experimental model and Monte Carlo simulation method are used to predict the probability of failure(PoF). Before calculating the PoF, a sensitivity analysis was performed using the alpha index to determine the effective parameters on the analysis response. The results show that by increasing the correlation coefficient between corrosion random variables in different segments from a certain time onwards with the increasing correlation coefficient, the PoF decreases.