Optimizing pipeline integrity management through customized risk modeling: a case study in Kazakhstan

Capa

Citar

Texto integral

Resumo

Background: Nowadays industry best practices demonstrate that routine evaluation of pipeline risk enables more efficient resource allocation, particularly by focusing efforts on critical areas. Consequently, process of analyzing the risks associated with operating different facilities in petroleum industry should be considered a fundamental prerequisite for decision-making, especially while managing pipeline network’s integrity. In the Republic of Kazakhstan, the current decision-making framework is founded upon the "technical condition" management model, which differs significantly from the risk-based approach prevalent in the international oil and gas industry. Moreover, as a result of the absence of the comprehensive failure statistics in the petroleum industry of the Republic of Kazakhstan, it makes it even more complicated to implement proper quantitative risk assessment.

Aim: This article aims to demonstrate how customized risk model can be developed to reflect specific conditions and challenges related with the working environment, dangers and threats, as well as data’s quality and availability in Kazakhstan.

Materials and methods: QPRAM (quantitative pipeline risk assessment model), industrial data for the given pipeline X.

Results: The model illustrates fundamental and most important risk factors at high-resolution intervals along the pipeline’s network and was calibrated using real data from the industry to ensure that the resulting risk profiles are reflective of the possible threats and existing operating experience in the given region.

Conclusion: Through the adoption of QPRAM's guiding concepts and methods, all parties in industry may strengthen operational resilience and safety standards against potential threats, protecting the long-term stability and dependability of critical infrastructure networks.

Sobre autores

Diana Adilova

JSC Kazakh-British Technical University

Autor responsável pela correspondência
Email: d_adilova@kbtu.kz
ORCID ID: 0009-0005-9703-9087
Cazaquistão, Almaty

Abdugaffor Mirzoev

ROSEN Europe B.V.

Email: gmirzoev@rosen-group.com
Cazaquistão, Almaty

Bibliografia

  1. The American Society of Mechanical Engineers. Managing system integrity of gas pipelines, B31.8S-2022. New York: ASME; 2022. 80 p.
  2. American Petroleum Institute. Managing System Integrity for Hazardous Liquid Pipelines. Washington D.C.: API; 2019.
  3. Rezul'taty vnedreniya i perspektivy razvitiya sistemy upravleniya celostnost'yu MT KKT, KKT. Almaty: 2018. Available from: https://kcp.kz/corporate/ekspluataciya. (In Russ).
  4. safety.ru [Internet]. Promyshlennaya bezopasnost'. Reestr avarij na promyshlennyh ob"ektah [cited 11.11.2023]. Available from: https://safety.ru/accidents/#/. (In Russ).
  5. PECB. ISO 31000 Risk Management – Principles and Guidelines. Professional Evaluation and Certification Board. Montreal, Quebec: PECB; 2015.
  6. IGEM. IGEM/TD/2 Edition 2, Transmission and Distribution (TD) – Assessing the risks from high pressure natural gas pipelines. Derbyshire: IGEM; 2015.
  7. DNV. DNV RP F116, Integrity Management of submarine pipeline systems. Høvik, Norway: DNV; 2021.
  8. Philip NS, Balmer D. Risk Based Pipeline Integrity Management System – A Case Study. Berlin: OnePetro; 2016.
  9. Stephens MJ. A Model for Sizing High Consequence Areas associated with Natural Gas Pipelines. C-FER Technologies; Oct 2000. Topical report. Report No.: 99068. Contract No. 8174.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
2. Table 5. Distribution of the risk index R along the pipeline

Baixar (67KB)
3. Figure 1. QPRAM Workflow – Schematic

Baixar (184KB)
4. Figure 2. Probability distribution of failure due to external corrosion (EC)

Baixar (335KB)
5. Figure 3. Probability distribution of failure due to third party damage (TPD)

Baixar (291KB)
6. Figure 4. Distribution of socio-economic impact by number of segments (PPLE)

Baixar (175KB)
7. Figure 5. Average CoF values

Baixar (249KB)
8. Figure 6. Distribution of the risk index R along the pipeline

Baixar (332KB)

Declaração de direitos autorais © Adilova D., Mirzoev A., 2024

Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial–SemDerivações 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».