Ce que signifie la gestion quantitative des risques pour la gestion de l’intégrité des pipelines

Les modèles qualitatifs d’évaluation des risques utilisés aujourd’hui par les opérateurs contiennent généralement un nombre considérable d’entrées qui représentent les caractéristiques et caractéristiques du pipeline. Dans la forme la plus subjective, les entrées peuvent être à la fois des évaluations humaines qualitatives et des données quantitatives, mais le modèle traduit toutes les entrées quantitatives en une plage qualitative (par exemple, élevée, moyenne, faible), et les résultats ainsi que les analyses exploitables sont également qualitatifs – sans quantités concrètes.

La plupart des modèles qualitatifs d’évaluation des risques sont relativement simples. Les probabilités de diverses causes et conséquences sont attribuées en fonction des jugements des experts du domaine ou des données standard de l’industrie. La prise de décision pour identifier la ligne entre menaces tolérables et intolérables est également subjective et repose sur les décisions des experts guidés par un ensemble de critères, généralement à l’aide d’une matrice de risque plutôt que de scores numériques. Les catégories de risque et les descriptions selon les probabilités, fréquences et conséquences varient d’une organisation à l’autre.

Un juste milieu, couramment utilisé dans l’industrie, est le modèle d’évaluation/indice relatif. Il offre aussi un mélange d’apports qualitatifs et quantitatifs. Cette méthode n’est pas considérée comme un modèle quantitatif parce que les entrées et sorties n’ont pas de relations physiques et logiques, et les sorties n’ont pas de grandeurs numériques. Le résultat de ce modèle est un système de notation indiciel qui indique la priorité pour les mesures de réduction des risques pour chaque actif par rapport à tous les autres actifs du système. Ces modèles peuvent être des points de départ pour le développement d’évaluations quantitatives, qui passent à l’étape suivante en exprimant les probabilités et conséquences de défaillance dans des unités standards.

Le processus d’évaluation quantitative des risques est complexe. Les modèles quantitatifs comprennent de nombreux algorithmes ou calculs basés sur les relations physiques et logiques qui traduisent les caractéristiques d’un pipeline et son contexte en estimations de la probabilité et des conséquences de défaillance. Les modèles quantitatifs segmentent dynamiquement un pipeline en longueurs relativement courtes partageant tous les attributs, puis calculent le niveau de risque d’une défaillance sur chaque segment dynamique sur toute la longueur du pipeline, et donnent finalement un profil de risque le long du pipeline exprimé en unités numériques. Par exemple, la probabilité pourrait s’exprimer par des échecs par mille par année, et les conséquences en dollars par défaillance, les deux combinant pour fournir une unité de risque de dollars par mille par année.

Le niveau de base du modèle quantitatif est composé d’algorithmes basés sur des unités qui acceptent des entrées discrètes et fournissent des insights décisionnels puissants. Le niveau suivant intègre les distributions de probabilité dans les entrées et les sorties. Ces modèles utilisent des entrées exprimées en unités telles que la probabilité, la fréquence et la perte attendue, incluant les facteurs de risque, les menaces et les conséquences potentielles. Un avantage de ce type de modèle est qu’il peut vous indiquer quelles données supplémentaires seraient les plus efficaces pour réduire l’incertitude liée au risque.

La transition entre évaluations qualitatives et quantitatives des risques repose sur l’amélioration des intrants afin de produire des résultats exploitables. En discutant de la voie à suivre pour passer à une approche quantitative des programmes de gestion de l’intégrité, PHMSA a déclaré : « Les entrées du modèle doivent représenter l’information la plus précise disponible sur chaque emplacement de pipeline. »

Comme le savent les exploitants de pipelines , c’est plus facile à dire qu’à faire. Les améliorations des entrées signifient la validation des données, ce qui nécessite une compréhension approfondie des méthodes de collecte et de gestion des données.

Dans un cas, cela impliquait Acuren, un opérateur du Midwest a vu l’intérêt de revoir les entrées pour obtenir de meilleurs résultats. L’opérateur a reçu des données d’un fournisseur ILI identifiant environ 1 400 caractéristiques désignées comme réparations requises. Ces données nécessitaient une analyse supplémentaire afin de s’assurer que les efforts de l’exploitant réduiraient réellement les risques.

Au fil des ans, les outils ILI sont devenus nettement plus avancés, mais les processus de gestion de l’intégrité de base, comme ceux qui ont conduit à la désignation des 1 400 caractéristiques comme réparations requises dans le rapport ILI, demeurent très conservateurs. Pour aider l’opérateur à surmonter ce problème, les ingénieurs d’Acren ont confirmé la pression maximale de fonctionnement de la ligne et mis à jour la méthodologie de l’opérateur pour l’analyse de l’aptitude au service (FFS). Parmi les mises à jour, on retrouvait la mise à niveau des entrées indirectes sur la ténacité des matériaux utilisant des valeurs Charpy en V à des entrées directes de ténacité à la fracture, ce qui peut offrir des résultats beaucoup plus réalistes.

Au final, le plan de réparation est passé de 1 400 éléments majoritairement bénins à un nombre gérable de menaces actives et imminentes. L’opérateur a poursuivi avec une meilleure compréhension des caractéristiques identifiées par l’outil ILI et dispose maintenant de données et d’analyses de tests de matériaux pour obtenir des informations supplémentaires concernant les inspections futures. L’opérateur a également pu intégrer les tests sur le terrain et en laboratoire dans d’autres parties de son programme de gestion de l’intégrité.

Cette affaire n’est qu’un instantané d’une partie de la gestion de l’intégrité, mais elle est révélatrice du virage vers des évaluations quantitatives des risques qui nécessiteront des mises à niveau beaucoup plus importantes et plus complexes des méthodes d’acquisition et de gestion des données.

D’autres défis sont également confrontés à notre industrie dans la transition vers l’évaluation quantitative des risques, notamment les questions de la manière de prendre en compte les conséquences d’une défaillance (la métrique du dollar par défaillance n’est pas populaire auprès de tout le monde), comment réduire le conservatisme lors de la modélisation de phénomènes physiques comme les fissures, comment prédire de manière plus fiable l’initiation de menaces comme la fissuration par corrosion sous contrainte, comment intégrer des entrées probabilistes dans les modèles, et quel niveau d’investissement sera nécessaire pour obtenir les entrées validées nécessaires aux modèles quantitatifs. Même lorsque la transition est complète et que les modèles quantitatifs d’évaluation des risques sont courants, on s’attend à ce qu’ils s’améliorent – voire qu’ils s’améliorent avec le temps. Il n’y a pas de fin en vue pour le besoin constant et continu d’apprentissage et de découverte afin d’améliorer les modèles de risque afin de mieux protéger la sécurité publique, environnementale et les actifs des exploitants.