Intelligent defect detection and predictive structural integrity assessment tools for safe topside piping system

Ved produksjon av piping systemer er kostnadene til sveising en stor del av de totale kostnadene. Akseptkriterier for sveisefeil er avgjørende for å kombinere en rask og robust produksjon med kravene til strukturell integritet og sikkerhet. I gjeldende standarder for piping finnes det ikke akseptkriterier for sveisefeil. Dette medfører kostbare og unødvendige reparasjoner av ufarlige sveisefeil. Det er et sterkt behov for analyseverktøy og materialdata for å evaluere kritikaliteten til defekter under produksjon, eller feil oppdaget ved inspeksjon under drift. Hovedmålet med IDDEA-prosjektet er å utføre intelligent defektdeteksjon og å utvikle verktøy for strukturelle integritetsanalyser for å bedre beslutningsgrunnlaget når det gjelder produksjon av "topside piping" systemer, vedlikehold og levetidsforlengelse. Å forstå og etablere forholdet mellom defekter, materiale og belasting er avgjørende for utviklingen av robuste akseptkriterier for "topside piping". Tre viktige innovative løsninger vil bli utviklet i prosjektet: 1) metoder for nøyaktig deteksjon og klassifisering av defekter (type, størrelse, form og plassering); 2) robuste akseptkriterier basert på dyp forståelse av bruddmekanismer; 3) datadrevne og modellbaserte verktøy for ingeniørkritisk vurdering. Vellykket implementering av innovasjonen vil støtte kvalitetssikring og sikkerhet relatert til "topside piping" produksjon, vedlikehold og forlengelse av levetid, noe som vil gi betydelig kostnadsreduksjon, økt produktivitet og redusert karbonavtrykk. I en stadig mer konkurransedyktig markedssituasjon antas den planlagte innovasjonen i IDDEA-prosjektet å være viktig og kritisk for de deltakende selskapene for å beholde eller øke sin markedsandel og styrke sin ledende posisjon. Resultatene kan overføres direkte til andre bransjer og sektorer som marine, industri, infrastruktur, skipsfart og fornybar energi, der levetidsforlengelse av rørsystemet og verktøy for å gjøre dette anses som nødvendig. I 2021 er det laget flere testsveiser med kjente defekter (type, størrelse, form og plassering). Disse vil danne grunnlaget for en database hvor forskjellige metoder for detektering av defekter blir brukt. Hver metode skal utføres av flere inspektører. Dette vil gi en indikasjon på nøyaktigheten av klassifisering av defektene. Bruk av flere metoder vil også gi en indikasjon på forskjellen mellom metodene. Etter at avsøking er ferdig vil enkelte av defektene slisses opp for å verifisere eksakt størrelse på defekten. Arbeidet med avsøking og slissing forventes i hovedsak å være ferdig i 2022. I 2021 har det også blitt utført modellering av piping og bruddmekaniske prøvestaver for å sikre at den bruddmekaniske testingen gir nøyaktige, men likevel konservative bruddmekaniske verdier som kan brukes i analyser av piping systemene. Modellering av sprekker i rør har blitt utført ved hjelp av Abaqus. Disse analysene har blitt brukt for å vurdere og kalibrere analyser i LINKpipe. LINKpipe er et modelleringsverktøy utviklet av SINTEF som vil bli brukt i videre parameterstudier. Det har også blitt utført bruddmekanisk testing av relevante materialer og sveisemetoder, som vil inngå i videre analyser for å etablere akseptkriterier for sveisefeil i piping systemer.

-

The IDDEA project aims to establish the tools and methods needed to perform safer and cost-efficient production, operation and life extension on topside piping. The project will develop intelligent defect detection and predictive structural integrity assessment tools to support decision-making during various phases of a piping lifetime. The corrosion resistance alloys (CRA) topside piping will be focused. The most critical R&D challenges include the development of 1) acceptance criteria for topside CRA piping, 2) defect detection and classification methods, 3) predictive structural integrity assessment method and 4) engineering tools for engineering critical assessment (ECA). The project will investigate the damage mechanisms of materials under different conditions (e.g., loading and environment), and thus establishing acceptance criteria for assessment of defects. The PAUT method will be further developed for defect detection especially in CRA piping. The digital solutions like machine learning, database and models will be applied to develop engineering tools to support decision-making related to predictive life extension. Finally, the innovation will be demonstrated by relevant industrial case studies such as decision-making regarding repair during piping production. In today's piping production, weld defects are not acceptable, which often leads to unnecessary and expensive repair. The knowledge-based tools developed in the IDDEA project will help the operators to make rational decisions regarding repair and future inspection planning.