Analysis on error distribution of In-Line inspection in oil and gas pipelines
Las inspecciones en línea no destructivas se vuelven cada vez más comunes para la evaluación de la integridad de la tubería y el procedimiento de adecuación al propósito. Una práctica estándar incluye una validación de los datos de inspección comparándolos con datos de pruebas no destructivas directas en sitios seleccionados después de la excavación. La comparación generalmente se basa en el tipo y tamaño del defecto y las fallas. Una vez que se validan los datos, se pueden usar para evaluar la integridad de la tubería directamente mediante algún modelo determinista. Algunos modelos probabilísticos pueden predecir mejor el crecimiento del defecto y, por lo tanto, el futuro de la integridad de la tubería con mayor precisión. Generalmente, este tipo de modelos depende de la distribución del error de medición de la inspección en línea, por lo que este trabajo se centra en el análisis de las distribuciones de error a través de 6 conjuntos de datos de inspección en línea y datos de medición de campo no destructivos directos.Para este análisis se empleó la prueba de Kolmogorov-Smirnov y se verificaron las distribuciones Normal, Lognormal, Gamma y Exponencial para obtener la mejor distribución. El objetivo final del análisis es ofrecer evidencia para desarrollar un modelo probabilístico para la predicción de la velocidad de corrosión.
Analysis on error distribution of In-Line inspection in oil and gas pipelines
-
DOI: 10.22533/at.ed.3173202307065
-
Palavras-chave: Inspección en línea, medida real, distribución Lognormal, picaduras
-
Keywords: In-Line Inspection; Field Measurement; Lognormal distribution; Pits
-
Abstract:
Nondestructive in-line inspections become more and more common for assessment of pipeline integrity and fitness for purpose procedure. A standard practice includes a validation of the inspection data by comparison with direct nondestructive test data in selected sites after excavation. The comparison usually is on the type and size of defect and flaws. Once the data is validated, it can be used to evaluate pipeline integrity directly by some deterministic model. Some probabilistic model can predict the defect growth better and hence the future of pipeline integrity with more accuracy. Generally, this kind of models depend on the distribution of the in-line inspection measurement error, therefore this work is focused on the analysis of error distributions through 6 sets of in-line inspection data and direct non-destructive field measurement data. The Kolmogorov-Smirnov test was employed for this analysis, and the distributions of Normal, Lognormal, Gamma, and Exponential were verified to obtain the best distribution. The final aim of the analysis is to offer evidence to develop a probabilistic model for prediction of corrosion rate.
- Hongbo Liu
- Adrian Verdin
