![pageSearch](/themes/hestia/images/page-search.webp)
Estudio sobre la optimización de la uniformidad de temperatura en el horno bajo el modo de convección forzada.
Jul 04, 2023Alcance y descripción general del mercado de Aspas de ventilador de aire acondicionado doméstico, para desarrollarse con mayor énfasis global en la industrialización 2029
Jul 05, 2023Análisis de mercado de ventiladores de refrigeración de más de 300 mm, estudio de investigación con Ebm
Jul 06, 2023Soluciones Fercell LEV
Jul 07, 2023El mercado de aspas de ventiladores de aire acondicionado crece enormemente según Midea y Multi
Jul 08, 2023Un enfoque probabilístico para el diseño de vida útil de plataformas marinas
![Aug 15, 2023](/themes/hestia/images/news-details-icon1.webp)
Scientific Reports volumen 13, número de artículo: 7101 (2023) Citar este artículo
1490 Accesos
1 altmétrica
Detalles de métricas
Las plataformas marinas se consideran infraestructura crítica, ya que cualquier interrupción en su vida útil puede provocar rápidamente una gran pérdida. Si bien estas estructuras a menudo se diseñan teniendo en cuenta su costo de construcción inicial, vale la pena considerar un diseño basado en la vida útil para que tanto los costos directos como los indirectos estén involucrados en el proceso de diseño. Aquí se propone un enfoque probabilístico para el análisis del costo del ciclo de vida (LCC) de las plataformas marinas. Primero se diseña una plataforma marina fija en base a la normativa de diseño vigente y para un periodo de retorno de 100 años. Para determinar el efecto del LCC en la optimización del diseño, se considera probabilísticamente el efecto simultáneo de la fusión de las olas, la corriente y el viento. Los elementos estructurales están diseñados para cinco modelos diferentes; un modelo basado en los requisitos de diseño actuales y el resto por más de los requisitos. En consecuencia, se determina el LCC de cada modelo. Los resultados muestran que el modelo basado en código no es óptimo cuando se compara con un período de costo de por vida; es necesario aumentar el tamaño de los elementos estructurales hasta en un 10% para alcanzar un punto óptimo. Los resultados muestran que con un aumento del 5% en el costo inicial, se observa una disminución en el LCC de hasta aproximadamente el 46%. El trabajo presentado aquí tiene como objetivo estimular a las partes interesadas a promover el diseño de estructuras importantes basado en LCC para reducir los costos de vida útil.
Se establecen plataformas marinas para extraer reservas de petróleo y gas de las profundidades de los mares. Debido a su importancia, en caso de cualquier interrupción en sus actividades rutinarias, sus partes interesadas pueden sufrir enormes pérdidas1,2. Si bien las plataformas marinas normalmente se diseñan con base en los estándares disponibles, experiencias recientes -como la ocurrida en el Golfo de México y que causó grandes daños- han revelado que un diseño basado en las regulaciones actuales no es necesariamente óptimo desde el punto de vista económico3,4. La creencia común sobre el diseño estructural óptimo es que debe disminuir el costo inicial de construcción; sin embargo, el costo de vida puede ser mucho mayor que el costo inicial; en las regulaciones actuales, este importante punto no se aborda. El costo de vida se denomina costo del ciclo de vida (LCC) y se divide en costos primarios y secundarios. El costo principal incluye la compra de materiales, salarios, construcción, diseño, implementación, transporte, instalación y prueba de la plataforma5; El costo secundario se relaciona con el costo del período de operación y los riesgos de vida de la estructura. El daño se puede definir en forma de pérdida de una plataforma y oportunidades de inversión, lesiones y bajas del personal, costo de detener la extracción de petróleo y gas, volver a probar y poner en marcha la plataforma, pérdida de equipos y reparación y modernización.
El diseño basado en LCC para estructuras convencionales con un enfoque probabilístico ha gozado de cierta atención en las últimas décadas, por ejemplo, Liu y Neghabat6, Asiedu y Gu7, Lagaros et al.8, Uddin y Mousa9, Marzouk et al.10, Behnam11, Hassani et al.12, Talaslioglu13,14,15 y Jebelli et al.16. En cuanto a las plataformas marinas, en general, son pocos los estudios que han utilizado el enfoque mencionado anteriormente, pero hay estudios para modelar probabilísticamente las características de las cargas o para tener en cuenta los costos indirectos, particularmente los ambientales. Algunos estudios han estimado la velocidad del viento y la altura de las olas con modelos de probabilidad. Heredia-Zavoni et al.17 determinaron la probabilidad de falla de plataformas con camisa de acero bajo daño por fatiga definiendo funciones de estado límite para sus cargas aplicadas. Lee et al.18 estimaron la velocidad extrema del viento utilizando distribuciones de Gumbel y Weibull. Para estudiar las olas directamente, Kwon et al.19 emplearon un método estadístico para la estimación de niveles extremos del mar. Bea et al.20 generalizaron las características de riesgo del ciclo de vida de las plataformas marinas basándose en la confiabilidad y la evaluación de riesgos, considerando factores internos y externos. Pinna et al.21 determinaron el diseño óptimo de plataformas monopié mediante criterios rentables y consideraron las consecuencias económicas del fallo y la proporción del coste de construcción. León y Alfredo22 propusieron un modelo de decisión óptimo de costo-beneficio basado en la confiabilidad para la gestión de riesgos de plataformas petroleras considerando la integración de cuestiones sociales y económicas en un marco de decisiones de gestión y formularon las funciones de costos como funciones de los niveles de daño. Ang y León23 analizaron las estructuras costa afuera construidas en la Bahía de México con las funciones de costos como índice de daño y las aplicaron a un método de diseño óptimo. Hasofer24 modeló la definición de confiabilidad para elementos estructurales. Rockweiss y Flessler25 propusieron un método numérico para calcular la confiabilidad estructural. El método de análisis de longitud de onda, que se basa en la nueva teoría de la onda ligada, fue introducido por Zeinoddini et al.26 como teoría de la confiabilidad. Ricky et al.27 examinaron dos chaquetas marinas fijas en busca de posibles fallas; estimaron la probabilidad de falla en diferentes direcciones. El nivel de fracaso se dividió en tres categorías según el índice de confiabilidad: leve, moderado y severo. Lee et al.28 diseñaron una estructura marina y calcularon la probabilidad de falla para diferentes períodos de retorno y sus correspondientes costos indirectos estimados. Luego, al determinar el LCC mínimo de una función objetivo, diseñaron la estructura para cargas óptimas. Guédé29 introdujo un método de evaluación basada en riesgos y desarrolló un plan de inspección como parte de un plan de gestión de la integridad estructural para plataformas marinas fijas. Ayotunde et al.30 evaluaron la idoneidad de las tecnologías de almacenamiento de energía de alta potencia para plataformas marinas desde el punto de vista del LCC. Vaezi et al.31 investigaron primero los efectos de un sistema estructural específico en la respuesta dinámica de las plataformas marinas y luego propusieron un marco de optimización para ser empleado en el diseño de estructuras marinas bajo cargas aplicadas. Qi et al.32 desarrollaron un modelo de corrosión dependiente del tiempo para plataformas marinas móviles. Li y Wang33 propusieron un enfoque para calcular los beneficios ambientales de las plataformas marinas optimizadas. Katanyoowongchareon et al.34 realizaron un análisis de confiabilidad y una evaluación cuantitativa de riesgos para optimizar el costo directo de las plataformas marinas. Colaleo et al.35 evaluaron los impactos ambientales y económicos de una plataforma marina existente desde el punto de vista de las LCC. Janjua y Khan36 desarrollaron un marco de ecoeficiencia para la evaluación del impacto ambiental y económico de las plataformas marinas. Heo et al.37 desarrollaron un marco de optimización para una transición energética en alta mar para evaluar los daños por fatiga.
Si bien se pueden revisar más estudios sobre plataformas marinas, se entiende que avanzar en un enfoque adecuado para comprender el diseño económico óptimo durante la vida útil de las estructuras sigue siendo de suma importancia; Esto puede abordarse eficazmente mediante un enfoque basado en la confiabilidad que minimice los costos de carga de las plataformas marinas. Aquí se controla si el diseño de plataformas marinas según los requisitos del Instituto Americano del Petróleo (API), como norma ampliamente utilizada, es óptimo si se tiene en cuenta un enfoque basado en probabilidades para el diseño de vida útil. Aquí se determina la probabilidad de falla (PoF) y sus consecuencias durante la vida útil de las plataformas marinas, y se propone un enfoque de diseño basado en LCC. La información sobre las condiciones ambientales como la altura máxima de las olas, la velocidad máxima del viento y la velocidad de la corriente marina se estima con funciones como las distribuciones de Gumbel y Weibull. Para ello, primero se diseña una plataforma marina según API-RP2A38 con un período de retorno de 100 años; Luego se analizan cargas dinámicas completamente aleatorias de la historia temporal donde se introducen como variables aleatorias para cada elemento estructural. Las distribuciones adecuadas se obtienen utilizando el software Easy-Fit39 para los valores de variables aleatorias. Utilizando MATLAB y basándose en el método de confiabilidad de primer orden (FORM), se calcula la confiabilidad programada y el índice de confiabilidad seguido del PoF de cada elemento24. A continuación se calcula el LCC de la plataforma diseñada; al cambiar las dimensiones de los elementos estructurales se modifican los resultados hasta minimizar el LCC. El trabajo aquí utiliza el análisis dinámico de la historia del tiempo para aumentar la precisión de los resultados. El índice de daño se determina con base en la FORMA y bajo dos funciones de desempeño de tensión y compresión donde sus valores mínimos se utilizan como índice de confiabilidad crítico. Además, la dirección crítica se determina con base en un enfoque probabilístico.
El enfoque propuesto en el estudio actual puede determinar los costos mínimos de vida útil de las plataformas marinas en función de la probabilidad de falla. Minimizar dichos costos permite derivar un criterio de diseño óptimo. Con consecuencias potenciales que varían desde un pandeo local hasta una deformación significativa, todavía no existen criterios recomendados que demarquen cuándo reparar o contabilizar el daño anual en un elemento. En este contexto, un criterio de reparación basado en un índice de confiabilidad puede abordar en gran medida las preocupaciones anteriores. Vale la pena señalar que los sistemas estructurales a menudo se diseñan con el objetivo de que los componentes estructurales estén por debajo de sus valores umbral de tensión/deformación si se los somete a cargas de diseño. Sin embargo, esto no significa que si, por ejemplo, el valor de tensión/deformación en un componente estructural supera el umbral, se producirá la falla estructural total, es decir, el colapso progresivo. La investigación de la resistencia al colapso progresivo de los sistemas estructurales es un tema de investigación importante, que ha recibido mucha atención hasta ahora, pero no está dentro del alcance del estudio aquí.
Para diseñar una plataforma marina, primero se introducen las cargas ambientales y la probabilidad de que ocurran, y luego se presentan métodos analíticos para encontrar modelos PoF y LCC. El PoF y el proceso de un diseño basado en LCC se presentan en las figuras 1a, b, como se analiza en las siguientes secciones.
Pasos para determinar el PoF y LCC de plataformas marinas.
Las plataformas marinas están expuestas a diversas fuerzas, incluidos el viento, las corrientes marinas y las olas, que pueden ser uniformes o estar en función del tiempo. También se consideran las condiciones del mar durante una tormenta. Las fuerzas creadas por el viento suelen ser uniformes y actúan sólo en la parte superior de la plataforma desde la superficie del mar. Las corrientes marinas imponen un flujo uniforme a las partes submarinas de la estructura40. Las olas son a menudo las mayores fuerzas ambientales dinámicas y dominantes en las plataformas marinas fijas41. Debido a la naturaleza oscilante y aleatoriedad de la altura de las olas y su incertidumbre, se utiliza un criterio llamado índice de confiabilidad para obtener el PoF de los elementos42. Predecir la altura máxima anual de las olas es uno de los parámetros básicos en el diseño de las ocho direcciones principales y subgeográficas. La ecuación 1 proporciona la forma general de la función de distribución de tres parámetros de Weibull para predecir la altura máxima anual de las olas en la plataforma marina43:
donde fHs (ℎ) es la función de densidad de probabilidad a largo plazo de la altura especificada de la ola, αHs es el parámetro de escala, βHS es el parámetro de forma y γHS es el parámetro de posición. Aquí, los datos climatológicos se obtienen del Informe Glenn43. Luego, los datos se ajustan con el método de estimación de máxima verosimilitud mediante una función de densidad de probabilidad de Weibull de tres parámetros para obtener la curva de peligro de olas. Esta distribución para una dirección determinada se obtiene suponiendo que la ola proviene únicamente de una dirección supuesta durante un año (ver Tabla 1).
La velocidad del viento varía según la altitud y la hora del viento; por lo tanto, para determinar la velocidad del viento se debe determinar la hora del viento y la altura de la base40. La velocidad base se registra a una altitud de + 10 m con respecto al nivel cero del mar y la velocidad promedio por minuto. Cuando los datos de olas o viento no están disponibles, la Ec. (2) se puede utilizar. La interacción entre la altura significativa de las olas y la velocidad del viento se estima mediante la función de distribución de Gumbel para cada período de retorno44. Como existe una correlación entre la velocidad del viento y la altura de las olas, los cambios en la velocidad del viento pueden afectar la altura de las olas.
Las corrientes se dividen en dos tipos: corrientes de viento y corrientes de marea. Se supone que la velocidad de las corrientes, que es afectada por el viento al nivel del mar, es aproximadamente el 1% de la velocidad del viento45; su velocidad disminuye linealmente hasta el fondo del mar. Con base en la información obtenida de las mediciones en embarcaciones cercanas al sitio, se estiman las velocidades de flujo máxima y mínima.
Generalmente se considera rechazada la prestación de una estructura cuando la capacidad portante de la estructura es inferior a los valores nominales de la carga aplicada. A menudo, la estructura de un sistema se compone de numerosos componentes; El método de confiabilidad, por lo tanto, proporciona la relación entre la confiabilidad de un componente y un sistema. Es posible que se enfrenten muchas incertidumbres durante el proceso de diseño; Las cargas impredecibles, como las olas y el viento, las corrientes marinas, el módulo elástico y el límite elástico, son ejemplos de incertidumbres46. Por lo tanto, los parámetros de resistencia y carga se definen como variables aleatorias42. En general, el estado de falla estructural tiene diferentes significados; el límite entre el buen y el mal desempeño de una estructura puede ser la definición de falla. Esta frontera se expresa mediante las funciones de estado límite41. Si R es resistencia y Q es carga sobre el elemento estructural, la función de desempeño se define mediante la ecuación. (3).
Cuando el desempeño de una estructura es insatisfactorio, la posibilidad de falla se vuelve significativa y se expresa mediante la ecuación. (4).
Para determinar el índice de confiabilidad, las variables aleatorias deben convertirse a un formato adimensional. Para dos variables y la función de desempeño lineal, el índice de confiabilidad β se puede definir como la distancia más corta desde el origen hasta la línea de falla. Si la función límite tiene N variables aleatorias en el espacio estándar y no es lineal, primero debe linealizarse utilizando el exponente de Taylor; Luego, el índice de confiabilidad se calcula mediante FORM. En el método del índice de confiabilidad de Hasofer-y-Lind, el punto de linealización de la función de estado límite en la expansión de Taylor utiliza el punto de diseño en lugar del punto medio24. Este punto de diseño no está claro al principio y se logra mediante un proceso de prueba y error. La linealización de la función de estado límite se aproxima cuando todas las funciones equivalentes comparten el mismo punto, es decir, el punto que se cumple en la ecuación. (5).
donde \({z}_{i}\) es la variable reducida en un formato estándar o adimensional, y la notación \({z}_{\mathrm{i}}^{*}\) se utiliza para el diseño puntos en las coordenadas reducidas. Comenzamos este proceso con el punto de diseño, que es z*. Usando FORM, primero se obtiene una derivada parcial de las condiciones límite relativas a variables aleatorias alrededor de los puntos de diseño, como se indica en la ecuación. (6), y luego se forma una matriz derivada parcial.
donde G1 a Gn son matrices derivadas parciales relacionadas con N variables aleatorias. La primera estimación del índice de confiabilidad se obtiene utilizando la ecuación. (7).
Para determinar el siguiente punto de diseño, la matriz de sensibilidad α se calcula utilizando la ecuación. (8).
Luego, los valores de los nuevos puntos de diseño se obtienen usando la Ec. (9).
Como estos valores están en el espacio estándar, los llevamos al espacio principal como se indica en la ecuación. (10).
donde \(\mu_{xi}\) es el valor de la variable aleatoria básica y \(\sigma_{xi}\) es la desviación estándar de la variable aleatoria básica. La notación \(x_{i}^{*}\) se utiliza para el punto de diseño en las coordenadas regulares. Calculando este índice y determinando los valores básicos para lograr la convergencia deseada, se repite el método de confiabilidad. En esta investigación se considera la convergencia óptima en la medida en que la diferencia entre los índices de confiabilidad y los valores básicos del diseño obtenidos de dos replicaciones sea igual o menor a 0.001. Luego de obtener las condiciones de convergencia, se alcanza el índice de confiabilidad β. La PoF correspondiente a β se calcula utilizando la ecuación. (11).
En el análisis de confiabilidad de plataformas marinas, es relevante tener en cuenta un deterioro progresivo en el dominio del tiempo debido a la acumulación de daños. En este caso, los daños se deben a la carga y descarga asociada con la carga operativa de olas. La acumulación de daños aumenta el riesgo de una posible falla durante eventos extremos. En la ecuación. (12), \(P_{{f_{a} }}\) es la probabilidad anual de falla de la estructura; es la probabilidad de que la carga de las olas laterales exceda la resistencia última de la chaqueta en un año determinado. Suponiendo que un año es independiente de otro, se puede calcular la probabilidad acumulada de fallo durante t años17.
donde \(P_{{f_{a} }} ({\varvec{k}})\user2{ }\) es la probabilidad anual de falla en el año k. Aunque los eventos tormentosos máximos anuales pueden considerarse independientes, la acumulación de daños en la estructura y su deterioro no lo son. Por lo tanto, la estimación de \(P_{f}\) en la ecuación. (12) es de alguna manera conservadora. Por lo tanto, si M es el número de estados de daño mutuamente excluyentes considerados en el análisis, cada estado de daño puede definirse por un nivel de daño en un elemento particular o en un conjunto de elementos. Entonces, \(P_{{f_{a} }}\) en el año t se puede expresar mediante la ecuación. (13)17.
donde \(P_{{f_{f_{a,0} }}}\) es la probabilidad condicional anual de falla dado que no hay daños, \(P_{{f_{a,i} }}\) es la probabilidad condicional anual de falla dado el estado de daño i, \(P_{di} ({\varvec{t}})\) es la probabilidad de ocurrencia del estado de daño i, en el año t; y \(P_{md} ({\varvec{t}})\user2{ }\) es la probabilidad de que no haya daños en la estructura en el año t como se muestra en la ecuación. (14).
Finalmente, el índice de confiabilidad anual (\(\beta_{a}\)) a lo largo de la vida útil del diseño se calcula utilizando la ecuación. (15)17. En las ecuaciones. (11) y (15), \(\varphi\) es la función de distribución acumulativa estándar.
Como se señaló anteriormente, LCC tiene dos partes; los costos iniciales y los costos secundarios. Se estiman todos los costos iniciales de construcción, operación, reparación y mantenimiento47. Estos artículos deben incluirse en el costo real. En esta investigación se considera como vida útil una operación de 25 años. Se considera el costo de los daños causados por cargas ambientales; Luego, el LCC se calcula utilizando la ecuación. (dieciséis).
donde CAPEX, OPEX y RISKEX son el costo directo inicial, el costo secundario durante el período de operación y el costo secundario debido al riesgo de la plataforma marina, respectivamente. La ecuación 17 expresa CAPEX, que consta de los costos de fabricación (\({C}_{m}\)) y el coeficiente de costos de fabricación denominado a. El CAPEX se puede estimar en base al costo de fabricación que se calcula a partir de las dimensiones de los componentes de la plataforma. La Ecuación 15 expresa el costo directo que consiste en costos de revisión y actualización del diseño de ingeniería (\({C}_{ed}\)), costo de administración general y control del proyecto (\({C}_{ga}\)), contratista artículos, equipo y costo de material a granel (\({C}_{cle}\)), costo de servicios generales, asistencia del proveedor y servicios de terceros (\({C}_{gs}),\) costo de fabricación en el jardín (\({C}_{yf}),\) costo de movilización y desmovilización (\({C}_{md}),\) costo de obra y trabajo de instalación (\({C}_{sw}) ,\) y costo de prueba de rendimiento y precomisionamiento (\({C}_{pt}).\)
La ecuación 19 expresa el OPEX, que consiste en el costo de reposición de consumibles (\({C}_{re}\)), controles de corrosión y costo de pintura (\({C}_{cp}),\) reparaciones de máquinas, inspección técnica del costo del equipo (\({C}_{rti}\)), costo de reparación y mantenimiento de pozos petroleros (\({C}_{rpw}\)), costo del helicóptero (\({C}_{hl }),\) y el coste de la logística flotante (\({C}_{flo}\)). El OPEX se puede estimar en base al CAPEX.
En la ecuación. (16), se debe considerar el factor de valor presente (Pw) porque OPEX y RISKEX representan el costo o pérdida esperada durante la vida útil de la estructura. LS es la vida útil de la plataforma y b es el coeficiente de CAPEX para OPEX48. Cuando se diseña el sistema estructural, la probabilidad de falla estructural se estima con base en el modelo probabilístico seleccionado. El RISKEX, que incluye la pérdida económica de la estructura dañada durante su vida útil, se estima a partir del PoF anual. El RISKEX se calcula multiplicando el costo del daño (\({C}_{d}\)), la probabilidad anual de falla (\({P}_{{f}_{a}}\)), la \(LS\), y el \({P}_{w}\) según la ecuación. (20).
El costo anual del daño se estima mediante la ecuación. (21). La pérdida causada por las cargas ambientales se determina mediante la multiplicación (\({C}_{d}\)) y (\({P}_{{f}_{a}}\)) para los cuatro estados de daño11 .
donde \({C}_{{d}_{is}}\) es el costo de los daños por consecuencias insignificantes,\({C}_{{d}_{m}}\) es el costo de los daños por consecuencias menores, \({C}_{{d}_{s}}\) es el costo de los daños por consecuencias significativas, \({C}_{{d}_{sv}}\) es el costo de los daños por consecuencias graves, \({{P}_{{f}_{a}}}_{is}\) es la probabilidad anual de falla por consecuencias insignificantes, \({{P}_{{f}_{a}}} _{m}\) es la probabilidad anual de falla por consecuencias menores,\({{P}_{{f}_{a}}}_{s}\) es la probabilidad anual de falla por consecuencias significativas, y \({{P}_{{f}_{a}}}_{sv}\) es la probabilidad anual de falla con consecuencias graves. Las relaciones entre el desempeño estructural y los niveles de daño bajo cargas dinámicas durante el período de retorno de 100 años se muestran en la Tabla 249.
Aquí, el costo del daño incluye el costo de reparación \({C}_{R}\), la pérdida de equipo \({C}_{E}\), la pérdida de producción diferida \({C}_{DP) }\), el costo de las lesiones \({C}_{IN}\), la pérdida asociada con la fatalidad \({C}_{L}\), las pérdidas indirectas \({C}_{IL}\ ) relacionado con la pérdida correspondiente al colapso de la plataforma, una pérdida económica por interrupción funcional y una pérdida ambiental y social. Cada uno de los siguientes componentes del costo de daños es una función con respecto al índice de daños15. Para pérdida de producción diferida, de la Ec. (22).
donde \({P}_{P}\) es el precio actual del producto de las plataformas, \({T}_{R}\) es el tiempo estimado para restablecer la producción normal y \({P}_{ R}\) es la tasa de producción de la plataforma. Aquí, se supone que la ganancia es el 10% de \({P}_{P}\). El costo de las lesiones se determina mediante la ecuación. (23).
donde \({C}_{1I}\) es el costo de una lesión y \({N}_{I}\) es el número esperado de personal lesionado. La pérdida asociada con la fatalidad se determina utilizando la ecuación. (24).
donde \({C}_{1L}\) es el costo de una vida perdida y \({N}_{D}\) son las muertes esperadas. El costo secundario anual se gastará en el futuro pero en diferentes momentos, mientras que el costo inicial de la estructura en el presente no es comparable al futuro. Por lo tanto, el costo secundario anual debe convertirse al equivalente de la tasa actual utilizando una determinada tasa de descuento. La tasa de interés de descuento es una tasa que refleja el costo de oportunidad del dinero de un inversionista a lo largo del tiempo; esto significa que un inversor querría lograr un rendimiento al menos tan alto como el de su siguiente mejor inversión. Por tanto, la tasa de descuento representa la tasa de rendimiento mínima aceptable para el inversor. El coste del servicio secundario de cada modelo se calculará convirtiendo el coste de los daños relativos a cada año de vida de la plataforma a su valor neto (Pw) y obteniendo los costes totales. Convirtiendo el costo de 25 años de servicio al valor actual expresado como un coeficiente en la ecuación. (25). Si multiplicamos esta ecuación por el coste secundario total en un año, se obtiene el coste secundario en 25 años. Para calcular el Pw, se determina la tasa de descuento (d). Así, calculando el valor presente total del costo secundario y el costo inicial, se determina el LCC. Finalmente, la estructura óptima se logra cuando se minimiza el LCC.
La plataforma marina en este estudio es una plataforma de base metálica fija como se muestra en la Fig. 2; se encuentra en la fase 19 de la región gaseosa de South Pars en el Golfo Pérsico. La estructura consta de dos partes; una chaqueta y una baraja. La chaqueta consta de 4 bases inclinadas con pendientes de 1:7 y 1:8 y su peso es de 2205,0 T. Aquí, solo se incluyen los elementos del pilote sobre el fondo marino y se supone que la estructura está fijada rígidamente al fondo marino50. El peso del tablero es de 1375,0 T, que es un edificio de cinco pisos y la altura de cada piso es de 4,0 m. Las dimensiones de las tarimas son las mismas y todas son 35,5×27,5; la distancia entre las bases a nivel de base o nivel de trabajo es de 13,7 × 24 m23. Los códigos de altura de los pisos de la chaqueta y la cubierta en comparación con la marea astronómica más baja (LAT) se dan en la Tabla 3. Dependiendo de los tipos estructurales, se utilizan grados de acero con diferentes límites elásticos, los cuales se expresan en función del espesor del elemento. en la Tabla 4. El diámetro y espesor de los elementos de la chaqueta varían dependiendo del tipo de elementos de base o elementos de arriostramiento horizontales y verticales. El diámetro y espesor de los elementos se dan en las Tablas 5 y 6. En la zona de salpicadura, es decir entre la elevación − 3,20 m y + 4,80 m al LAT, se considera un margen de corrosión de 6 mm para patas Jacket, tirantes diagonales verticales, etc. Sin embargo, no se considera ningún margen de corrosión para el embarcadero. La misma filosofía se aplica a los parachoques de las barcazas. El espesor correspondiente al margen de corrosión se elimina de la superficie exterior del tubular para calcular la rigidez y las tensiones de los miembros y las uniones. Sin embargo, el espesor total se utiliza para calcular el peso anulando las densidades o anulando el área de la sección transversal.
El modelo de plataforma marina.
Aquí, las cargas de las olas en la plataforma marina se calculan utilizando el paquete SACS51, que es un paquete basado en FE, desarrollado específicamente para analizar plataformas marinas bajo cargas convencionales. La información sobre las características de las olas y el viento se describe en la Tabla 7 y las características de las corrientes marinas se dan en la Tabla 8 para un período de retorno de 100 años. La profundidad máxima del agua en 100 años para el análisis in situ se toma como el nivel LAT del fondo marino más los valores de la marea alta media más alta y una marejada ciclónica en 100 años, como se muestra en la Tabla 9. Como las condiciones ambientales, como las mareas, varían según Según la ubicación de la estructura, se deben introducir diferentes direcciones geográficas. Aquí, las condiciones de carga gravitacional, es decir, cargas vivas y muertas, y las duras condiciones de carga ambiental como el viento, las olas y las corrientes, incluidos los efectos del crecimiento marino, se consideran cargas influyentes en el diseño de la plataforma marina.
Según API-RP2A, la carga del viento se calcula en cada dirección determinando los coeficientes de forma y los cambios en la velocidad del viento a diferentes altitudes. El cálculo de la carga debida a la ola depende de la relación entre la longitud y el diámetro de una parte de la plataforma. Para la estructura de la chaqueta considerada, los miembros no modificarán la onda incidente ya que la relación entre la longitud de onda y el diámetro es superior a cinco. Las fuerzas de las olas que actúan sobre la estructura de la chaqueta se calculan mediante la ecuación de Morison52. La rugosidad de la superficie provocada por el crecimiento marino se menciona al calcular la fuerza de las olas en la ecuación de Morison. En el diseño se considera en los elementos de la plataforma el efecto del crecimiento marino según la Tabla 10. La suma vectorial de las corrientes provocadas por las mareas y las condiciones tormentosas alcanza la corriente general. Las fuerzas totales del mar sobre el elemento se calculan integrando el perfil de velocidad. La carga muerta proviene de la combinación del peso propio de la plataforma, la estructura de la cubierta, el equipo permanente en la parte superior, etc. Los pesos de los componentes estructurales diversos, que no forman parte del modelo estructural, se ingresan por separado para cada piso. El peso total de los elementos no generados para todos los pisos es de 300,0 T. Los pesos de los equipos de perforación y producción, el peso de los líquidos químicos, etc., son los componentes de las cargas vivas. Para simplificar el proceso de modelado, se supone que la plataforma tiene una rigidez ideal en el piso y las cargas sobre la plataforma se ingresan consistentemente en el nivel más alto de la cubierta. En las Tablas 11 y 12 se proporciona un resumen de las cargas. Las variables de diseño en los modelos son el espesor y el diámetro exterior de las bases y los tirantes horizontales y verticales. La carga final se calcula a partir de la combinación de 100% de carga muerta, 50% de carga viva y las cargas ambientales severas máximas del diseño con un período de retorno de 100 años en cada dirección geográfica de 0° a 315°, por separado.
Al realizar un análisis dinámico, primero se escribe la ecuación que dirige la vibración de la plataforma usando la Ec. (26). En esta ecuación, F(t) es la fuerza de la onda en la dirección del movimiento ondulatorio, que se calcula a partir de la ecuación de Morrison. x es el desplazamiento de la estructura en la dirección del movimiento de las olas y como función del tiempo y la profundidad del agua en las proximidades del miembro. C es el amortiguamiento de la estructura, K es la rigidez de toda la estructura y M es la masa total de la estructura; el peso de la plataforma y el peso de los organismos vegetales adheridos a la plataforma53,54.
Debido a la naturaleza dinámica y estocástica de las olas del mar, se utiliza el método de historia del tiempo para predecir la respuesta de las olas donde el comportamiento dinámico de la plataforma basado en la aplicación de una ola aleatoria con sus diversos elementos se considera una función del tiempo55. Aquí, el historial temporal se analiza según el estándar DNV56 para un registro de al menos 1200 s con un paso de tiempo de 0,25 s. De acuerdo con las condiciones geográficas del Golfo Pérsico y para simular una onda aleatoria se utiliza la teoría de cinco órdenes de Stoke y el espectro de John Swap. La Figura 3 muestra la plataforma bajo el primer modo de vibración. Para el primer y segundo modo de vibración, los períodos son respectivamente 9,71 s y 8,31 s, y las frecuencias de vibración son respectivamente 0,101 (1/s) y 0,119 (1/s).
El primer modo vibratorio de la plataforma.
La Figura 4a, b muestra las respuestas dinámicas de la estructura para los dos primeros modos de vibración. Como se ve, el primer modo es el modo dominante por lo que puede usarse para análisis posteriores.
Respuesta dinámica de las estructuras bajo el primer y segundo modo.
El problema de confiabilidad incluye dos componentes. El primer componente es la función de estado límite que define el rango de falla57. Esta función consta de una o más variables aleatorias. El segundo componente son las variables de incertidumbre, que se definen mediante un conjunto de funciones de distribución probabilística y determinan los parámetros asociados con cada distribución. Para resolver el problema de confiabilidad, el objetivo es calcular el PoF en función del criterio de falla. Además, el elemento de plataforma como índice de falla se considera bajo la interacción de la fuerza axial, el momento flector en dos direcciones, el módulo de elasticidad y el límite elástico. Cabe mencionar que incluso la falla de un solo componente puede hacer que todo el sistema falle progresivamente. Para determinar el índice de confiabilidad, es necesario especificar primero la función de desempeño o la función de estado límite. En cuanto al comportamiento mutuo de las ondas alrededor del elemento, el elemento deseado puede estirarse en un momento y comprimirse en otro. Por lo tanto, tanto para el estado de tracción como para el de compresión, es necesario involucrar dos funciones de desempeño. También cabe señalar que el estudio aquí planificado no considera un escenario de colapso progresivo en el que la pérdida de un solo elemento pueda resultar en una serie de fallas sucesivas. Cuando los elementos tubulares se someten a tensión axial y flexión combinadas, la función límite de límite para los elementos se puede calcular mediante la ecuación. (27)58.
donde NtRd, MRd y NSd son la capacidad de fuerza axial en el estado de tracción, la capacidad de flexión y la cantidad de fuerza de tracción axial de diseño del miembro, respectivamente. My,Sd y Mz,Sd son los momentos flectores de diseño con respecto al eje y del miembro y el momento flector con respecto al eje z del miembro, respectivamente. Cuando los miembros tubulares se someten a compresión y flexión axial combinada, la función límite de límite para los elementos se puede calcular mediante la ecuación. (28).
donde NcRd es la capacidad de la fuerza axial en el estado de compresión. Cuando el elemento de plataforma está bajo una carga axial de compresión, se consideran los efectos de deformación y pandeo en la función de desempeño. Además, \(\dot{Cm}\) es el coeficiente de coexistencia del momento máximo con los momentos secundarios y NE son los momentos de carga de Euler. Las dos funciones de rendimiento introducidas están en estado seguro cuando el valor g es mayor que cero y en estado de falla cuando este valor es menor que cero. El estado límite entre falla y seguridad ocurre cuando esta función es cero. Luego se especifican los parámetros estadísticos de las variables aleatorias. Aquí, se consideran definitivamente tres parámetros de diámetro, espesor y longitud de los miembros de la plataforma debido a la cuidadosa supervisión de las empresas consultoras en la construcción de los miembros; pero la fuerza axial, el momento flector alrededor de los ejes y y z, el módulo de elasticidad y el límite elástico se consideran variables aleatorias59. Para determinar los parámetros estadísticos relacionados con la fuerza axil y los anclajes de flexión de los miembros, la estructura se analiza dinámicamente en presencia de fuerzas ondulatorias de manera aleatoria. Para ello, se produce una simulación de tormenta de 0,3 h para la elevación de la superficie del agua para capturar las propiedades estadísticas de las condiciones extremas del mar. Después de simular el mar irregular y realizar elevaciones de la superficie, se producen historiales temporales de las cargas hidrodinámicas aplicadas para elementos en cada dirección geográfica de 0° a 315°, por separado. Los historiales temporales de la respuesta de la estructura se logran utilizando la integración numérica en el dominio del tiempo de la ecuación de movimiento mediante la aplicación de los historiales temporales de la carga aplicada. Para ello se utiliza el módulo de ondas aleatorias del programa SACS y se calculan respuestas dinámicas estructurales en cada intervalo de 0.25 s, lo cual se muestra en los gráficos; las salidas demandadas, incluida la historia temporal de \({M}_{y}\), \({M}_{z}\) y \({F}_{X}\) donde se introducen de forma aleatoria variables para cada elemento estructural. Por ejemplo, la historia temporal de \({M}_{y}\), \({M}_{z}\) y \({F}_{X}\) para el elemento número 6 en dirección geográfica 180 ° se muestran en las figuras 5a a c.
La historia temporal de la fuerza axial y los momentos flectores sobre los ejes y y z.
Después de introducir las variables aleatorias, se debe especificar el tipo de función de distribución de probabilidad. Para seleccionar la mejor distribución para las variables aleatorias, los datos relacionados con estas variables se analizan utilizando el software Easy-Fit. Para ello, se seleccionaron tres funciones de distribución diferentes: Normal, Log-Normal y Weibull para cada variable aleatoria. Después de extraer la función de distribución de datos y el histograma, se utilizó una comparación de prueba de Chi-cuadrado y se seleccionó y calificó la mejor distribución de probabilidad para cada variable aleatoria. Encontró que para la fuerza axial y el anclaje de flexión hacia el eje z, la función de distribución de Weibull y el anclaje de flexión alrededor del eje y son funciones de distribución log-normal. Además, según estudios realizados sobre el análisis de confiabilidad de una estructura, para el límite elástico del acero, la función de distribución Log-Normal está determinada por un coeficiente de variación del 10% con un promedio de 355 MPa. Para el módulo de elasticidad del acero se considera una función de distribución Normal con un coeficiente de variación del 25% con un promedio de 2 × 105 MPa60.
Finalmente, utilizando MATLAB y con base en los métodos FORM, se calcula la confiabilidad programada y β seguido del PoF de cada elemento; aquí, la PoF para cada elemento bajo rendimiento de tracción y compresión (ver Ecs. 27, 28) se determina de acuerdo con las Ecs. (5-11), donde para cada elemento el valor mínimo se considera como índice de confiabilidad crítico. Posteriormente, \({\beta }_{a} \mathrm{and}\) \({P}_{{f}_{a}},\) para cada elemento, y se calcula un período de vida útil de diseño a partir de Ecuaciones. (12–15)17. Aquí, se utilizó β para evaluar el LCC y, por tanto, el PoF.
Para el cálculo del LCC, se hacen suposiciones sobre varias etapas a través del costo de desarrollo, transporte, instalación, mantenimiento, montaje y desmantelamiento para múltiples diseños, como se analiza a continuación. CAPEX es la inversión inicial y se calcula para cada diseño estructural utilizando la Ec. (17) donde a, es 1,064. En este estudio se supone que el coste de fabricación es el 94% del CAPEX45.
Los precios del acero varían aleatoriamente entre países y ubicaciones geográficas y dependen de otros factores externos. El precio base del acero S335 tratado con calidad marina se fija en 1.200 dólares la tonelada. En este estudio, el costo de fabricación se basa en una adición del 400% al costo del material61. El costo total de construcción de la plataforma consiste en el costo de la parte base de la plataforma (chaqueta) más el costo de la parte superior de la plataforma (cubierta), donde el costo de la parte superior incluye el costo de equipo, instalación, transporte y puesta en servicio de equipos y construcción e instalación del esqueleto de la cubierta; y el costo base incluye el costo de construcción e instalación de la estructura de la chaqueta más el costo del tramo marítimo. Además, el costo del sector offshore (envío e instalación), en promedio, es del 40% al 45% del costo total de construcción e instalación de chaquetas. Debido a las diferencias en el precio de las construcciones de jacket o deck, calidad de los materiales, calidad de los trabajos y tiempo de ejecución en las plataformas marinas de diferentes empresas, varias empresas de la industria de fabricación de plataformas marinas fijas en aguas con una profundidad promedio de 65 m fueron interrogados; el tiempo promedio requerido para la construcción, transporte, instalación y puesta en servicio de la parte base de la plataforma fue de 1095 días y los precios ofertados fueron cercanos entre sí; los resultados se dan en las Tablas 13, 14 y 15. Para estimar el precio de los equipos de boca de pozo en términos de capacidad de producción, según la Tabla 15, se dividen en dos categorías. En la Tabla 15, un millón de pies cúbicos estándar por día (MMSCFD) es una unidad de medida para el gas natural. Un MMSCFD equivale a 1180 m3/h.
La Tabla 13 muestra que el peso promedio de la plataforma es de 1375 T y el costo de construcción, transporte e instalación es de 20 $/kg. Se puede concluir de la Tabla 15 que, considerando que la plataforma es del tipo de buena producción con potencia intermedia MMSCFD (880-1000), el costo promedio del equipo se estima en 106 M$. Aquí, se diseñan y nombran cinco modelos de S1 a S5. Para estimar el cálculo de CAPEX para cada alternativa, se dividen en 6 categorías como se muestra en la Tabla 16.
Los gastos operativos surgen del desempeño de las operaciones comerciales normales. El costo operativo consiste en inspección anual, costos de reparación, etc. El costo de vida útil de los servicios de reparación y mantenimiento durante la operación de una plataforma se estima mediante la ecuación. (19) donde se supone que b es el 10% del CAPEX anual62. La Tabla 17, por ejemplo, muestra algunos parámetros para la evaluación de costos de operación y mantenimiento.
El RISKEX es el gasto por riesgo de fallo debido a una carga ambiental extrema. Aquí el costo del riesgo secundario de la vida se estima mediante la ecuación. (20). Según la división del costo secundario anual con base en el índice de confiabilidad, la pérdida anual se calcula mediante la ecuación. (21). Como no existe ningún informe publicado sobre el efecto de la fuga de petróleo o gas en el ecosistema del Golfo Pérsico, aquí, para facilitar el proceso de cálculo, se emplean los datos publicados después del evento del Golfo de México; ver Tabla 18. Parámetros usados en la Ec. (22), PR = 300 millones de pies3 de gas amargo y 30 millones de pies3 de gas combustible por día, TR = 27 meses, PP = 60.000 USD por 30 millones de pies3 de gas amargo y 508.889 USD por pie3 de gas combustible48. Aquí están los parámetros en las Ecs. (23 y 24), ND y N1, están relacionados con el número de heridos y víctimas, respectivamente, se supone que las personas presentes en la plataforma son 10 personas15. Se supone que la tasa de descuento (d) en este estudio según su ubicación en Irán es 0,10.
Para cada plano estructural, el LCC se calcula de acuerdo con las Ecs. (16-25). Por lo tanto, en diseño estructural, un plan es aceptable si crea un equilibrio entre los costos iniciales y el costo de posibles daños.
Actualmente se han diseñado cinco modelos; un modelo basado en los requisitos de los códigos y los cuatro modelos restantes para más de los requisitos hasta un aumento del 20%. Los modelos se abrevian como Sx_Wy en los que x es el aumento porcentual e y es la altura máxima de onda dominante asociada con el período de retorno de 100 años. Por ejemplo, el modelo S + 10_w12.2 es la altura de ola máxima dominante para el noroeste con una altura de 12,2 m y un refuerzo de todos los elementos de la cubierta un 10% superior a los requisitos. De ahora en adelante, definimos los modelos S0_w12.2, S + 5_W12.2, S + 10_W12.2, S + 15_W12.2 y S + 20_W12.2, respectivamente, como S1–S5. Los resultados se dan en la Fig. 6.
La cantidad de acero consumida en cada modelo.
Los elementos estructurales se muestran en la Fig. 7. En el modelo basado en códigos, el índice de confiabilidad, los elementos de refuerzo verticales, horizontales y de base en todas las direcciones se presentan en las Figs. 8, 9 y 10; se encuentra que el índice de confiabilidad en la dirección noroeste tiene el valor más bajo. Por tanto, es la dirección crítica; La razón es que la altura de las olas en la dirección de 180 grados es mayor que en otras direcciones. Ahora, la posibilidad de falla bajo las cargas aplicadas y en la dirección crítica se determina usando FORM para los elementos estructurales. El porcentaje de corrosión, como se señaló anteriormente, también influye en las patas de la chaqueta y en los tirantes verticales y diagonales. Además, durante el análisis dinámico se considera el efecto del crecimiento marino, que puede aumentar la carga aplicada sobre la estructura. Por lo tanto, el caso estudiado para cada etapa de modernización sobre la dirección crítica se vuelve a analizar para tener en cuenta nuevas fuerzas axiales y momentos flectores. En consecuencia, se reevalúan nuevos parámetros estadísticos y el tipo de función de distribución de probabilidad. Luego se contabilizan el índice de confiabilidad y el PoF de cada elemento. El efecto de refuerzo al reducir la PoF en la dirección crítica se muestra en las Figs. 11, 12, 13, 14 y 15; El aumento del refuerzo de los elementos en cada modelo se debe al efecto de cambios simultáneos en el espesor y diámetro exterior de la tubería.
Vista tridimensional de los elementos de la chaqueta.
Índice de confiabilidad de los elementos de las patas en diferentes direcciones.
Índice de confiabilidad de elementos de arriostramiento vertical en diferentes direcciones.
Índice de confiabilidad de elementos de arriostramiento horizontales en diferentes direcciones.
Efecto del refuerzo en la reducción del PoF de los Elementos 1 al 21.
Efecto del refuerzo en la reducción del PoF de los Elementos 22 al 42.
Efecto del refuerzo en la reducción del PoF de los Elementos 43 al 63.
Efecto del refuerzo en la reducción del PoF de los elementos 64 a 84.
Efecto del refuerzo en la reducción del PoF de los elementos 85 a 104.
De las Figs. 11, 12, 13, 14 y 15, se observa que en el modelo basado en códigos, la posibilidad de daño a los elementos de arriostramiento horizontales y de base está en el rango de menor a medio. Se observa que en el modelo basado en códigos, la PoF en los elementos de refuerzo verticales en la zona de mareas y cerca del fondo marino está en el rango de consecuencias severas a moderadas. Poco a poco, con el fortalecimiento hasta el 20%, se observa un aumento del índice de confianza y una disminución del PoF. Las cifras anteriores muestran que algunos elementos tienen un PoF más alto que otros. Se puede argumentar que los elementos cercanos a las juntas aumentan debido a los efectos del corte por punzonado, la fuerza axial y el momento flector y, como resultado, esperamos un PoF más alto. Cabe señalar también que el refuerzo se produce en elementos que superan el índice de confiabilidad objetivo; de lo contrario, no es necesario reforzar los elementos. Por lo tanto, para determinar el daño anual de S1 a S5, se debe determinar el PoF y el índice de confiabilidad de cada elemento. Para hacer eso, se escribe un programa de computadora para determinar \({P}_{{f}_{a}}\) y \({\beta }_{a}\) durante la duración del tiempo de servicio; los resultados se muestran en las figuras 16, 17, 18 y 19. Como se ilustra, el índice de confiabilidad de los elementos disminuye mientras que el tiempo de servicio aumenta. La inspección, reparación y mantenimiento podrán realizarse durante el tiempo de servicio de la plataforma marina. Cuando el índice de confiabilidad anual de cada elemento se acerca al índice de confiabilidad anual mínimo (es decir, 2,32), ahora se pueden programar las acciones de reparación y mantenimiento. La información completa se proporciona en el “Apéndice A”.
Variación del índice de confiabilidad de modelos de diseño con tiempo de servicio para el Elemento 19.
Variación del índice de confiabilidad de modelos de diseño con tiempo de servicio para el Elemento 23.
Variación del índice de confiabilidad de modelos de diseño con tiempo de servicio para el Elemento 34.
Variación del índice de confiabilidad de modelos de diseño con tiempo de servicio para el Elemento 50.
De las Figs. 16, 17, 18 y 19, se entiende que el tiempo previsto para una reparación difiere de un elemento a otro. También se entiende que para el modelo basado en códigos, el tiempo de inspección es más rápido que el de otros modelos; sin embargo, a medida que pasa el tiempo y los elementos se van modernizando hasta en un 20%, el índice de confiabilidad aumenta y la necesidad de modernización disminuye. Por ejemplo, para el elemento número 23, existe la necesidad de reparación para los años 1.º, 3.º, 7.º y 11.º.
Calcular el daño anual para S1-S5 nos permite obtener el costo secundario de ese modelo durante un año de vida útil de la plataforma. Podemos ver que el costo secundario se reduce al aumentar el refuerzo de cada modelo respecto al modelo original. El número de modelos en el eje horizontal equivale a un nuevo diseño, que muestra el refuerzo de los elementos de la chaqueta. Este valor de daño por 25 años de servicio para cada modelo se muestra acumulativamente en la Fig. 20. El LCC de cada modelo estructural se obtiene calculando los costos secundarios y primarios de cada modelo y convirtiendo el costo total de vida a este valor; ver la figura 21.
Comparación del coste actual de los daños del modelo de diseño durante 25 años.
Análisis LCC de los modelos.
Según la Fig. 20, en los primeros años el costo de los daños a la estructura en todos los modelos es mucho mayor que en los últimos años de servicio; esto puede correlacionarse con el costo de los daños anuales con una tasa de descuento equivalente a la actual. Como se muestra en la Fig. 21, construir una estructura diseñada para cargas más bajas costará menos, mientras que el costo de falla esperado será mayor; con un ligero aumento en el costo inicial, el costo total disminuye significativamente durante la vida útil hasta donde se cruzan las otras dos curvas. Se puede concluir que el diseño basado en el LCC mínimo está optimizado para el modelo S3.
Se observa que el modelo S3 con un LCC minimizado se obtiene con un aumento del 10% en las cargas iniciales. Este modelo tiene un LCC un 45,7% menos que el modelo basado en código. La Figura 22 muestra la relación LCC de cada modelo con respecto al modelo óptimo (es decir, S3). La Figura 23 compara los costos iniciales y secundarios de los modelos S1 y S3 por separado.
Relación LCC de cada modelo con respecto al modelo óptimo.
Costos primarios y secundarios durante la vida útil del servicio para los modelos S1 y S3.
Ahora se compara la tasa de reducción de costos y el aumento del acero consumido de cada modelo. Como se muestra en la Fig. 24, el porcentaje de reducción en el LCC del modelo S5 es aproximadamente del 44,7%; sin embargo, con un aumento de refuerzo de los elementos superior a la cantidad definida hasta un 10%, el modelo óptimo tiene un porcentaje de reducción menor, es decir, un 45,7%, en comparación con el modelo original.
Comparando el porcentaje de reducción del LCC del modelo óptimo con otros modelos.
Además, el aumento porcentual en el consumo de acero de las secciones del S3 en comparación con el S1 es del 13,56%, y el aumento porcentual del consumo de acero de S2, S4 y S5 es del 6,49%, 21,37% y 30,0%, respectivamente. El motivo del acero adicional en los elementos se debe al efecto de aumentar el espesor y el diámetro al mismo tiempo. La Figura 25a muestra el aumento porcentual en el consumo de acero y la Figura 25b muestra el aumento porcentual en el costo del consumo de acero; esto muestra que el aumento porcentual en el costo del acero en S3 es del 5% y la tasa de aumento en el costo del acero en S2, S4 y S5 es del 1,51%, 7,1% y 11,68%, respectivamente.
Comparando los modelos en cuanto a su incremento de costes y consumo de acero.
Esta sección presenta la solución de los parámetros de diseño óptimos que producen LCC mínimos bajo el estudio de caso definido. Las secciones modificadas para la estructura de la plataforma marina fija para S1 y S3 en función de los cambios en el índice de confiabilidad se dan en la Tabla 19.
Las plataformas marinas son infraestructuras importantes en las que cualquier interrupción durante su vida útil puede imponer costos considerables a sus partes interesadas. Por lo tanto, es de vital importancia monitorear sus comportamientos a lo largo de su vida desde diferentes perspectivas. Si bien hasta la fecha muchos estudios han abordado los costos de vida útil de las plataformas marinas o la confiabilidad de sus cargas, existen pocos estudios que han empleado un enfoque probabilístico para el análisis del costo del ciclo de vida (LCC) de estas estructuras. Esta preocupación se abordó en el estudio actual.
Se diseñó una plataforma marina fija cumpliendo con los requisitos de las normas API-RP2A-WSD, DNV y NORSOK. Se realizaron estudios de campo relacionados con la plataforma en el Golfo Pérsico a una profundidad de 65 m. Se utilizaron las cargas ambientales con un período de retorno de 100 años y se realizó un análisis dinámico histórico-temporal. El índice de falla se consideró como elementos de la chaqueta bajo interacción de fuerza axial y anclaje de flexión en dos direcciones. En total, se diseñaron cinco modelos basados en las mismas cargas de olas y en una dirección crítica; se diseñó un modelo en base a los requisitos del código y el resto para aumentar hasta un 20% los requisitos. El modelo óptimo basado en el LCC mínimo se determinó cambiando la amplificación de los elementos de cada modelo en la dirección crítica por el modelo de confiabilidad de primer orden (FORM). El criterio para determinar el daño a los elementos de cada modelo fue su ubicación en cada nivel de resultado de falla según el rango del índice de confiabilidad. Finalmente, se propuso un método para determinar los parámetros de diseño óptimos basados en el LCC mínimo. Se lograron los siguientes resultados.
El modelo diseñado según las regulaciones de los códigos no fue rentable durante su vida útil; Para lograr el diseño óptimo, fue necesario utilizar un coeficiente para cambiar el refuerzo de los elementos de la chaqueta. Los resultados mostraron que este coeficiente es mayor que uno.
El modelo óptimo se obtuvo aumentando el refuerzo en términos de diámetro externo y espesor de los elementos hasta un 10% más que las cantidades basadas en el código.
La tasa de reducción del CCV en el modelo óptimo en comparación con el modelo basado en códigos fue del 45,7 %; mientras que la tasa de aumento en el costo inicial para el modelo óptimo fue del 5% y la tasa de aumento en el consumo de acero fue de aproximadamente el 13,56%.
Con un aumento en el refuerzo de los elementos mayor al requerido, el LCC disminuyó gradualmente. La relación LCC en el modelo basado en códigos con respecto al modelo óptimo se calculó como 1,84 %.
El enfoque probabilístico del presente estudio muestra que la primera inspección de cada elemento difiere de uno a otro. Se puede decir que la necesidad de una inspección de elementos que tengan un índice de confiabilidad más cercano al índice de confiabilidad anual comienza desde el primer año; A medida que pasa el tiempo y se van adaptando los elementos, esta necesidad disminuye. También se debe tener en cuenta que el trabajo presentado aquí no fue para abordar un escenario en el que los casos sean la degradación de la resistencia en las conexiones y la fatiga debido a las cargas de impacto. El procedimiento propuesto en este estudio para determinar los parámetros de diseño óptimos y la confiabilidad sería significativo y aplicable al desarrollo de una plataforma marina desde la etapa de diseño conceptual.
Los datos están disponibles a través de los autores previa solicitud razonable y con permiso de http://library.aut.ac.ir. Póngase en contacto con [email protected].
Van Elden, S. y col. Plataformas marinas de petróleo y gas como ecosistemas novedosos: una perspectiva global. Frente. Marzo ciencia. 6, 548 (2019).
Artículo de Google Scholar
Yang, DY & Frangopol, DM Gestión del ciclo de vida de la infraestructura civil en deterioro considerando la resiliencia a los peligros de la vida útil: un enfoque general basado en procesos de renovación-recompensa. Confiable. Ing. Sistema. Seguro. 183, 197–212 (2019).
Artículo de Google Scholar
Puskar, F. y col. Evaluación del desempeño de plataformas fijas marinas en el huracán Iván. en Conferencia de Tecnología Offshore (OnePetro, 2006).
Bucelli, M. y col. Evaluación de barreras de seguridad para la prevención de eventos en cascada en instalaciones marinas de petróleo y gas que operan en entornos hostiles. Ing. Océano. 158, 171–185 (2018).
Artículo de Google Scholar
Sadeghi, K. Una descripción general del diseño, análisis, construcción e instalación de plataformas petroleras marinas adecuadas para los campos de petróleo y gas de Chipre. GAU J. Soc. Aplica. Ciencia. 2(4), 1–16 (2007).
Google Académico
Liu, SC & Neghabat, F. Un modelo de optimización de costos para el diseño sísmico de estructuras. Sistema de campana. Tecnología. J. 51(10), 2209–2225 (1972).
Artículo de Google Scholar
Asiedu, Y. & Gu, P. Análisis del costo del ciclo de vida del producto: revisión del estado del arte. En t. J. Prod. Res. 36(4), 883–908 (1998).
Artículo MATEMÁTICAS Google Scholar
Lagaros, ND, Fotis, AD & Krikos, SA Evaluación de procedimientos de diseño sísmico en base al coste total. Tierraq. Ing. Estructura. Din. 35(11), 1381–1401 (2006).
Artículo de Google Scholar
Uddin, N. & Mousa, MA Uso de la evaluación cuantitativa de riesgos en el diseño estructural. en Vulnerabilidad, Incertidumbre y Riesgo (ASCE, 2011).
Marzouk, MM, Hisham, M. y Al-Gahtani, K. Aplicaciones del modelado de información de puentes en el ciclo de vida de los puentes. Estructura inteligente. Sistema. 13(3), 407–418 (2014).
Artículo de Google Scholar
Behnam, B. Diseño sísmico de estructuras de acero resistentes a momentos basado en el costo del ciclo de vida. Proc. Inst. Civilización. Ing. Estructura. Construir. 173(11), 1–41 (2019).
Google Académico
Hassani, M., Behnam, B. y Maknoon, R. Un marco basado en riesgos para el diseño de estructuras de hormigón contra terremotos. Computadora. Concr. 25(2), 167–179 (2020).
Google Académico
Talaslioglu, T. Diseño óptimo de estructuras esqueléticas de acero utilizando la metodología de algoritmo genético mejorado. Frente. Estructura. Civilización. Ing. 13(4), 863–889 (2019).
Artículo de Google Scholar
Talaslioglu, T. Un enfoque de diseño óptimo unificado para estructuras de cúpula esqueléticas geométricamente no lineales. Período. Politécnico. Civilización. Ing. 63(2), 518–540 (2019).
Google Académico
Tugrul, T. Tamaño multiobjetivo y optimización de topología de estructuras de domo. Estructura. Ing. Mec. En t. J.43(6), 795–821 (2012).
Artículo de Google Scholar
Jebelli, ST, Behnam, B. & Tehrani, P. Diseño sísmico de estructuras de acero irregulares con retroceso basado en el costo del ciclo de vida. Ciencia. Rep. 12(1), 16784 (2022).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Heredia-Zavoni, E., Silva-González, F. & Montes-Iturrizaga, R. Análisis de confiabilidad de plataformas marinas sujetas a daños por fatiga para la planificación de inspecciones basadas en riesgos. J. Mecánica costa afuera. Arco. Ing. 130(4), 041001 (2008).
Artículo de Google Scholar
Lee, B. y col. Una estimación de las velocidades extremas del viento utilizando el mapa de viento nacional. J. Viento Ing. Inst. Corea 14(1), 29–38 (2010).
Google Académico
Kwon, SH, Lee, T.-I. & Chon, YK Un método estadístico de estimación del nivel extremo del mar. en el Primer Simposio de Mecánica Offshore ISOPE Pacífico/Asia (OnePetro, 1990).
Bea, R., Brandtzaeg, A. y Craig, M. Características de confiabilidad del ciclo de vida de estructuras mínimas (1998).
Pinna, R., Ronalds, BF y Andrich, MA Criterios de diseño rentables para plataformas monopie australianas. J. Mecánica costa afuera. Arco. Ing. 125(2), 132-138 (2003).
Artículo de Google Scholar
León, D.-D. & Alfredo, H. Desarrollo de un modelo costo-beneficio para la gestión del riesgo estructural en instalaciones petroleras en México. Computadora. Estructura. Ing. En t. J. 2 (1), 19-23 (2002).
Google Académico
Ang, A.-S. & De Leon, D. Determinación de confiabilidades objetivo óptimas para el diseño y mejora de estructuras. Estructura. Seguro. 19(1), 91-103 (1997).
Artículo de Google Scholar
Hasofer, AM Un formato de confiabilidad de primer orden exacto e invariante. J. Ing. Mec. Div. Proc. ASCE 100(1), 111–121 (1974).
Artículo de Google Scholar
Rackwitz, R. y Flessler, B. Fiabilidad estructural bajo secuencias de carga aleatorias combinadas. Computadora. Estructura. 9(5), 489–494 (1978).
Artículo MATEMÁTICAS Google Scholar
Zeinoddini, M., Nikoo, HM & Estekanchi, H. Análisis de resistencia de olas (EWA) y su aplicación para la evaluación de estructuras marinas bajo olas extremas. Aplica. Océano Res. 37, 98-110 (2012).
Artículo de Google Scholar
Tawekal, RL, Purnawarman, FD y Muliati, Y. Desarrollo de una inspección submarina basada en el riesgo y la confiabilidad para plataformas marinas fijas en Indonesia. en MATEC Web de Conferencias (EDP Ciencias, 2018).
Lee, S.-Y. et al. Procedimiento de diseño basado en el costo del ciclo de vida para determinar la carga de diseño ambiental óptima y la confiabilidad objetivo en instalaciones marinas. Estructura. Seguro. 59, 96-107 (2016).
Artículo de Google Scholar
Guédé, F. Gestión de la integridad estructural basada en riesgos para plataformas marinas. Mar. Estructura. 63, 444–461 (2019).
Artículo de Google Scholar
Adeyemo, AA et al. Evaluación de la idoneidad de tecnologías de almacenamiento de energía de alta potencia para plataformas marinas de petróleo y gas: una perspectiva del costo del ciclo de vida. Revista de almacenamiento de energía 61, 106643 (2023).
Artículo de Google Scholar
Vaezi, M. y col. Efectos de la rigidez y la configuración de los sistemas de amortiguadores viscosos en la mitigación de la respuesta de las plataformas de chaquetas marinas. Aplica. Océano Res. 107, 102482 (2021).
Artículo de Google Scholar
Qi, Z. y col. Un modelo de desperdicio por corrosión dependiente del tiempo para la estructura parcial de plataformas marinas móviles. Estructura de barcos costa afuera. 1–15 (2022).
Li, Z. & Wang, A. Los beneficios ambientales de la optimización estructural de plataformas marinas. en Conferencia de Tecnología Offshore (2022).
Katanyoowongchareon, S. et al. Análisis de confiabilidad estructural y evaluación de riesgos cuantitativos para optimizar el costo de la gestión de la integridad estructural en alta mar y el programa de extensión de vida sin operación de buceo con aire. en la Conferencia Internacional de Tecnología del Petróleo (2023).
Colaleo, G. et al. Desmantelamiento de plataformas marinas en el mar Adriático: la opción de remoción total desde una perspectiva de evaluación del ciclo de vida. Energías 15(24), 9325 (2022).
Artículo CAS Google Scholar
Janjua, SY & Khan, MR Implicaciones ambientales de las opciones de desmantelamiento de petróleo y gas en alta mar: un enfoque de evaluación de la ecoeficiencia. Reinar. Desarrollo. Sostener. (2022).
Heo, T. y col. Evaluación de daños por fatiga en la reutilización de una plataforma marina fuera de servicio para soportar una turbina eólica. J. Mecánica costa afuera. Arco. Ing. 145(4), 042002 (2023).
Artículo de Google Scholar
Pecknold, D., Marshall, P. y Bucknell, J. Nuevas disposiciones de diseño de resistencia de juntas tubulares API RP2A (2007)
Schittkowski, K. EASY-FIT: Un sistema de software para el ajuste de datos en sistemas dinámicos. Estructura. Multidisciplina. Óptimo. 23(2), 153–169 (2002).
Artículo de Google Scholar
Institute, AP Práctica recomendada para la planificación, diseño y construcción de plataformas marinas fijas: diseño de tensión de trabajo: segmento upstream. en Práctica recomendada API 2A-WSD (RP 2A-WSD): Erratas y Suplemento 1, diciembre de 2002 (American Petroleum Institute, 2000).
Izadparast, A. Diseño basado en la confiabilidad y el rendimiento de una plataforma tipo chaqueta para cargas en Seastate. 2006, Tesis de Maestría, Universidad de Teherán. 8-Dean, RG y Dalrymple, RA (1991).
Nowak, AS y Collins, KR Fiabilidad de las estructuras (CRC Press, 2012).
Reservar Google Académico
Fayyazi, A. & Aghakouchak, A. Cálculo de la probable altura extrema de las olas durante la vida útil de plataformas marinas en el Golfo Pérsico. Ing. de Mar. J. 18, 83–91 (2014).
Google Académico
Park, JS y cols. Proyección de los futuros cambios climáticos de olas sobre el Pacífico Norte Occidental. J. Sociedad Coreana. Costa. Ing. Océano. 25(5), 267–275 (2013).
Artículo de Google Scholar
Dawson, TH Ingeniería estructural marina (1983).
Dehghani, A. & Aslani, F. Una revisión sobre defectos en estructuras de acero costa afuera y técnicas de fortalecimiento desarrolladas. Estructuras 20, 635–657 (2019).
Artículo de Google Scholar
Chang, D. & Chang, G. Proceso de instalación costa afuera y diseño de seguridad (2013).
Kim, S.-H. et al. Determinar la confiabilidad objetivo estructural óptima de una estructura con una perspectiva de costo mínimo del ciclo de vida. Adv. Estructura. Ing. 16(12), 2075–2091 (2013).
Artículo de Google Scholar
Van Gerven, F. Optimización del diseño de una subestructura de acero para turbinas eólicas marinas en aguas más profundas (Universidad Tecnológica de Delft, 2011).
Masticar, K.-H. et al. Optimización analítica basada en gradientes de subestructuras de turbinas eólicas marinas bajo fatiga y cargas extremas. Mar. Estructura. 47, 23–41 (2016).
Artículo de Google Scholar
Bentley Systems, software de diseño y análisis para estructuras marinas (SACS) (1984).
Abdel Raheem, SE Comportamiento no lineal de una plataforma marina fija de acero bajo cargas ambientales. Estructura de barcos costa afuera. 11(1), 1-15 (2016).
Google Académico
Marshall, PW, Gates, WE y Anagnostopoulos, SW Análisis dinámico inelástico de estructuras tubulares marinas. en Conferencia de Tecnología Offshore (OnePetro, 1977).
Chopra, AK Dinámica de estructuras (Pearson Education India, 2007).
Najafian, G. Aplicación de técnicas de identificación de sistemas en el modelado eficiente de la respuesta estructural marina. Parte I: Desarrollo del modelo. Aplica. Océano Res. 29(1–2), 1–16 (2007).
Artículo de Google Scholar
Veritas, N. Condiciones ambientales y cargas ambientales (Det Norske Veritas, 2000).
Basudhar, A., Missoum, S. y Sanchez, AH Identificación de funciones de estado límite utilizando máquinas de vectores de soporte para respuestas discontinuas y dominios de falla disjuntos. Probablemente. Ing. Mec. 23(1), 1–11 (2008).
Artículo de Google Scholar
Norma, N. Diseño de Estructuras de Acero Contra Acciones Accidentales. (Springer, 2004).
Ricles, JM & Bruin, WM Evaluación de métodos de análisis para la predicción de la respuesta de elementos de refuerzo de acero tubular dañados por abolladuras. en Conferencia de Tecnología Offshore (OnePetro, 1998).
Código, Comité Conjunto JPM sobre Seguridad Estructural. www.jcss.ethz.ch (2001).
Myhr, A. y col. Coste nivelado de la energía para turbinas eólicas flotantes marinas desde una perspectiva del ciclo de vida. Renovar. Energía 66, 714–728 (2014).
Artículo de Google Scholar
Ang, A.-S. Consideraciones del ciclo de vida en decisiones basadas en riesgos para el diseño de infraestructuras civiles. Estructura. Infraestructura. Ing. 7(1–2), 3–9 (2011).
Artículo de Google Scholar
Descargar referencias
Escuela de Ingeniería Civil y Ambiental, Universidad Tecnológica de Amirkabir, 424 Hafez Street, Teherán, Irán
Mehdi Hajinezhadian y Behrouz Behnam
También puedes buscar este autor en PubMed Google Scholar.
También puedes buscar este autor en PubMed Google Scholar.
El trabajo presentado aquí se basa en un M.Sc. Tesis realizada por el Sr. MH bajo mi supervisión "Dr. BB". El texto principal fue escrito por MH y revisado por mí.
Correspondencia a Behrouz Behnam.
Los autores declaran no tener conflictos de intereses.
Springer Nature se mantiene neutral con respecto a reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado a los autores originales y a la fuente. proporcione un enlace a la licencia Creative Commons e indique si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la normativa legal o excede el uso permitido, deberá obtener permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Reimpresiones y permisos
Hajinezhadian, M., Behnam, B. Un enfoque probabilístico para el diseño de vida útil de plataformas marinas. Representante científico 13, 7101 (2023). https://doi.org/10.1038/s41598-023-34362-x
Descargar cita
Recibido: 20 de enero de 2023
Aceptado: 28 de abril de 2023
Publicado: 02 de mayo de 2023
DOI: https://doi.org/10.1038/s41598-023-34362-x
Cualquier persona con la que comparta el siguiente enlace podrá leer este contenido:
Lo sentimos, actualmente no hay un enlace para compartir disponible para este artículo.
Proporcionado por la iniciativa de intercambio de contenidos Springer Nature SharedIt
Al enviar un comentario, acepta cumplir con nuestros Términos y pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.