Notícias
Accidental subsea gas releases can pose a threat to people, equipment, and facilities since gas can be toxic or flammable at the concentrations in which the leak occurs. The accurate prediction of the behavior of the gas plume formed in the leaks can be fundamental to the development of techniques of accident prevention or, in some cases, remediation measures, avoiding the emergence of more serious consequences. Among the different ways to analyze the behavior of gas plumes formed under water, the Computational Fluid Dynamics (CFD) tool stands out for allowing the study of plume behavior to be done in a safer, simpler, and less expensive way, if compared to experimental studies. Inspired by the accidental release of subsea gas scenario, this work validated a CFD setup of a 2D two-phase air-water flow using the VOF method in Ansys Fluent. The use of the VOF method differs this work from other works that use a hybrid Eulerian-Lagrangian and Eulerian-Eulerian methodology to model such types of flow. In this validation, simulations with a 9 m base tank, and 7 m water depth and 0.050, 0.100, and 0.450 m³/s gas flow were performed. The simulated data were compared to experimental results available in Literature. After the validation of the setup, a study was carried out varying the gas flow from 0.0125 to 0.150 m³/s to verify how some plume characteristics such as rise time, fountain height and plume horizontal dispersion distance are affected by the changes. The relationship between the flow rates and the fountain heights after 15 s of flow was linear, whereas both initial fountain height and rise time followed a power trendline. Lastly, the plume horizontal dispersion distance for higher flow rates remained practically constant.
Revisões recentes de normas, especificações, regulamentos e guias de avaliação de riscos (RA) e gestão de riscos (GR) – incluindo de auditorias de segurança – passaram a estipular diretrizes para a consideração dos fatores humanos (HFs) em seus respectivos escopos. Entretanto, a generalidade das recomendações tem deixado dúvidas nas equipes responsáveis em como adaptar e operacionalizar os procedimentos já existentes de forma a atender a esta necessidade, uma vez que as diversas ferramentas não foram concebidas originalmente para incluir objetivamente os HFs (termo que ainda provoca dúvidas entre os profissionais não especializados nas áreas de conhecimento em ergonomia ou engenharia de fatores humanos). O objetivo deste trabalho é desenvolver uma sistemática que permita incorporar a identificação e o controle de fatores humanos em algumas das tradicionais ferramentas de avaliação de riscos operacionais e de processos. Desde a década de 1970, métodos específicos vêm sendo elaborados para levantamento, classificação e análise qualitativa e quantitativa dos erros e fatores humanos nas tarefas de processo, tais como HEART, TRIPOD, HFACS, HFIX; todavia, sua aplicação requer informações e tempo que inviabilizam a aplicação de forma generalizada a todas as atividades de uma unidade organizacional. Mais recentemente, diversos artigos abordaram a incorporação dos HFs em ferramentas específicas de análise, mas em geral versando sobre a análise de incidentes ocorridos, como estudos em RCA e 4Ms; já há estudos isolados que tentam incorporar HFs em RA através da adaptações em métodos tradicionais como em FMEA, QRA, PHA, BORA, Bow Tie Analysis, e em projetos e utilização de equipamentos hospitalares. Baseando-se nesta literatura, este trabalho inclui o levantamento e a seleção de elementos comuns nas ferramentas de avaliação de HFs, que foram adaptados e incorporados nos procedimentos de algumas ferramentas de avaliação de riscos, usualmente utilizadas por esta equipe de trabalho na GR estratificada em camadas (HAZOP, FMEA, APR/APP, HAZID, SWIFT, PT/PET, JSA, Bow Tie). Os resultados deste estudo incluem sugestões e recomendações para se incorporar a consideração dos fatores humanos em algumas dessas ferramentas, incluindo diretrizes de como incluí-los em auditorias baseadas em riscos. Fornecem também uma heurística que pode servir de modelo para a futura adaptação de outras ferramentas.
Um desafio à gestão de riscos (GR) das organizações é a seleção de ferramentas para identificar, analisar e avaliar os diferentes riscos. Seguindo a abordagem de estratificação em camadas para GR, onde as camadas focam em distintos processos de avaliação de riscos e correspondem a tipos de riscos diferentes (entre táticos e operacionais), é imprescindível compreender e selecionar quais podem ser as ferramentas existentes, aplicáveis e que melhor se adequam a cada cenário de risco. O objetivo do trabalho é propor uma relação entre as ferramentas existentes e aplicáveis, e cada camada da GR estratificada. O método baseia-se na revisão das ferramentas analisadas pela norma IEC 31010 e sua aplicabilidade para cada tipo e enfoque de riscos considerados na GR por camadas. As quatro camadas propostas focam, respectivamente, nos riscos de processos, nos riscos de mudanças e novos projetos, nos riscos de atividades e tarefas, e nos riscos na frente de trabalho (ou seja, abordam riscos táticos e operacionais da organização). Para este trabalho foram consideradas as seguintes ferramentas para identificação, avaliação e análise de riscos: HAZOP, FMEA, APR/APP de Processos, HAZID, SWIFT, APP/APR Operacional, HIRA, APR de frente de trabalho, PT/PET e JSA, e as seguintes ferramentas para aprofundamento na avaliação e análise de cenários de riscos já identificados: Fault Tree Analysis – FTA, Event Tree Analysis – ETA, Bowtie Analysis, Layers of Protection Analysis – LOPA, Análises de Causas e Consequências, Análise de Frequência, Análise de Vulnerabilidades e Análise Quantitativa de Riscos. Para este fim, o trabalho descreve sucintamente e analisa as ferramentas existentes, a fim de otimizar a efetividade da GR por camadas. Os resultados deste trabalho esquematizam sugestões para se implementar os diferentes conjuntos de ferramentas de identificação e avaliação de riscos em cada uma das camadas da GR.
Um desafio à gestão de riscos (GR) das organizações é a integração entre os riscos estratégicos, táticos e operacionais. Uma abordagem a partir da estratificação em camadas poderia reduzir condições latentes e falhas ativas, e assim contribuir para uma GR mais integrada, inclusiva e dinâmica. O objetivo do trabalho é propor um método para integrar a GR através da estratificação de riscos em camadas e da comunicação eficaz das informações entre camadas. O método baseia-se na ideia proposta pelo Prof. Jim Joy, da Universidade de Queensland, de que riscos significativos é resultado de decisões, e de integração da GR através de três tipos de decisão: estratégicas (formais e baseadas em informações), táticas (informais e seguindo regras) e operacionais (imediatas e automáticas a partir de sinais). Entretanto, a experiência com processos produtivos de diversos setores mostra que essa abordagem não é suficiente para assegurar que todos os riscos estejam integrados. Em sistemas complexos, é necessário incluir um patamar de decisões técnicas, situado na intersecção entre os níveis estratégico e tático do Prof. Jim Joy. Na GR por camadas, elas caracterizam-se por enfoques distintos nos processos de avaliação de riscos: a Camada 1 foca nos riscos de processos, a Camada 2 nos riscos de mudanças e novos projetos, a Camada 3 nos riscos de atividades e tarefas, e a Camada 4 nos riscos na frente de trabalho. Assim, o nível estratégico estaria associado aos riscos da organização, ERM; o nível tático aos riscos das unidades de produção e às Camadas 1 e 2; e nível operacional às áreas e às Camadas 3 e 4. Finalmente, a GR eficiente deve incluir a intensificação da comunicação dos riscos entre as camadas, de modo que as informações transcorram por e entre todas as camadas. Para este fim, o trabalho descreve e exemplifica os mecanismos pelos quais se recomenda que seja feita a comunicação dos riscos, e ferramentas pelas quais a organização dispara e transmite essas informações de maneira oportuna.
The maintenance task interval is an important step for maintenance plan effectiveness. Assuming the maintenance task exists to prevent or predict failures, when the task frequency is not properly determined, it may be excessive, reducing the equipment availability and increasing the maintenance costs, or it may not be effective by not capturing the failure before it happens, therefore, reducing the equipment availability and increase the maintenance costs. In this way, the maintenance task interval must be properly defined.
There are many different approaches that can be used to obtain maintenance task intervals. The experts guess and the manufacturer recommendation are the most widely and common approach in the Oil and Gas industry, but it tends to be too conservative. Another approach are the intervals identified in the legal requirements that must be followed. The quantitative approach methods, which take into consideration the equipment or component reliability curves, must take into consideration objective functions for costs and availability.
Mathematical models, like optimal preventive replacement interval and optimal inspection interval, are based on cost or availability balancing functions to failures and preventive replacement. Thise models are conceived to be used only with increasing failure rate functions. On the other hand, mathematical models to determine intervals for failure finding tasks, may be used with a constant failure rate, but do not take into consideration costs parameters, which is wise since they are committed with safety.
This paper proposes an intermediate mathematical model to assist the maintenance and reliability engineer to establish the best inspection interval when there is just available MTTB/MTTF or 𝜆 parameters. This model uses the concept of test interval for failure finding enhanced by costs parameters used on optimal preventive replacement interval and optimal inspection interval to establish the optimal inspection interval that minimize equipment failure costs. In addition to this feature, this model can be used to calculate the risk taken on the maintenance task deferment.
In the past years, Oil and Gas (O&G) industry has been focused on Industry 4.0 and digital oil field management, allowing access and storage of a large volume of structured and unstructured raw data. The new focus combined with the appropriate methods can lead companies to extract valuable information to support the decision-making process. The industry is moving away from traditional databases and is adopting Big Data methods of processing and retrieving information. The digitization movement has enabled the acquisition and treatment of a big data volume in a consistent, agile, and efficient manner. However, the data analysis is still underutilized in the reliability and maintenance area.
Failures are common events that may lead to accidents with serious environmental, financial, or safety consequences for Exploration and Production (E&P) activities in oil fields. To prevent unexpected equipment failures, downtime, and, most important, major accidents, the industry is investing in failure studies to build Reliability and Maintenance (R&M) databases. A suitable R&M database allows companies to optimize processes, reduce losses and costs related to maintenance activities, unscheduled downtime, and unexpected shutdowns. Therefore, improvements can be achieved on operability, quality, and risk management.
This work proposes a novel Artificial Intelligence approach using supervised learning to classify work orders in failure class according to NBR ISO 14224 standard. The subjectiveness of each event report, lack of standardization, level of incompleteness, and quality of data are the main challenges of this approach. Even traditional approaches, carried out manually, faced the same issues and can also, be too slow and biased, prone to human errors.
In the proposed methodology, every maintenance record is preprocessed with standard Natural Language Processing (NLP) procedures. Term Frequency-Inverse Document Frequency (TF-IDF) technique is employed to vectorize the preprocessed data. Four machine learning algorithms are used to evaluate task performance. The classifiers employed were the Logistic Regression (LR), Support Vector Machine (SVM) with a linear kernel, and two Naïve classifiers, the Multinomial Naive Bayes (MNB) and the Complement Naive Bayes (CNB).
This methodology presented successful results in a real case study of maintenance text data from gas turbines in Petroleum E&P activities, representing improved textual data usefulness by applying NLP techniques and supervised learning for failure classification, especially in failure mechanisms categories. The results obtained indicate that the MNB model presented the best performance to the proposed classification problem, with F-score equal to 67%.
The results confirm the potential improvement of reliability and asset management, that can be obtained through efficient control of historical records during an asset operational life cycle and the significant positive impact that the proper use of these data can bring to the industry, especially for older installations. This methodology application contributes to the decision-making process, speeding up the Reliability Data cataloging with less needed efforts than conventional methods. Finally, this work is innovative, challenging, and extremely relevant also given the scarcity of works that address mining technical texts written in Portuguese and as Brazilian pre-salt is an important exploratory frontier with its documentation is often in Portuguese.
Even with laws, regulations, or risk management tools designed to avoid subsea accidents in offshore installations, a major accident reveals failures in companies’ risk control. In addition, similarities between different riser failure events challenge the current technologies and completeness of applied risk management practices. Due to the limitation of easily accessible oil and gas reservoirs, the oil and gas industry is devoting increased interest to subsea equipment. More than 4,000 offshore pipes in Brazil include umbilical, service lines, injection lines, multiphasic lines, oil pipelines, and gas pipelines. The paper presents the analysis of all riser incidents in Brazil to verify the common causes to address gaps in riser risk management practices. The outcome of this study shows that most parts of the riser causal factor are related to equipment failures, and the most recurrent root causes are project error and integrity control. However, most investigations identified few causal factors and root causes and the absence of riser failure mode and mechanisms. Therefore, the development of incident recommendations can be prejudicated. Thus, improvements in ANP regulation and operator incident investigation procedures should be required.
With a predominance of equatorial and tropical climates and far from the limits of tectonic plates, major natural disasters are not expected to punish Brazil. Still, the influence of meteorological-oceanographic events in incidents during oil and natural gas exploration and production activities in Brazil, both offshore and onshore, is more common than imagined. There were almost ninety occurrences since 2016. A lesson learned from the Fukushima nuclear plant accident in March 2011 shows that good planning and prior assessment of the risks involved in unfavorable weather conditions can avoid damage.
Recorded by seven different companies, the most recurrent types of incidents are Dropped Objects (with high potential to cause damage to employees), Sinking Equipment or Material (recovery is rare), and Oily Fluids Spills. However, incidents of greater severity have also been recorded, such as Facility Heeling, Loss of Position, and Emergency Disconnect.
The analysis of incidents and investigation reports indicates the need to consider meteorological-oceanographic events in preparing Operational Procedures and Risk Analyses. As well as seek and disseminate operational safety alerts that address these issues, improve the quality of investigations into these incidents and, in some cases, improve the climate change monitoring system.
For the Regulator, the recommendation is to evaluate the possibility of refusing investigation reports that result in terms like Natural Events, since this type of root causes undermines the identification of correctable failures in management systems.
A manutenção é um dos principais processos que impactam os resultados operacionais dos negócios. Nas indústrias de infraestrutura, a exemplo do setor elétrico, o uso intensivo dos ativos físicos garante uma dependência ainda maior do gerenciamento efetivo da manutenção. Evitar a ocorrência de falhas de equipamentos e, consequentemente, dos efeitos associados às vidas humanas, ao meio ambiente e ao negócio são desafios para o planejamento das atividades de manutenção. Neste contexto, este artigo propõe um método para definição dos planos de manutenção baseando na Manutenção Centrada na Confiabilidade (MCC). O método proposto engloba cinco etapas: Análise de Modo e Efeitos de Falha (FMEA); Categorização da Consequência de Falha (CCF); Avaliação da Aplicabilidade e Efetividades (AAE); Seleção de atividades para plano de manutenção; e Definição da periodicidade de manutenção. A estrutura foi validada com a aplicação em um estudo de caso de uma usina hidrelétrica. A aplicação priorizou os equipamentos e sistemas de maior criticidade da planta devido a extensão de sua estrutura hierárquica. As etapas CCF e AAE auxiliaram na definição do tipo de manutenção mais recomendável para cada modo de falha, ponderando custo-benefício, aplicabilidade técnica e efetividade. Por fim, as periodicidades foram discutidas considerando os contextos operacionais das unidades geradoras.
