外文翻译-原油管道系统风险管理的决策分析框架

毕业设计（论文）外文翻译2015届外文题目 Decision Analysis Framework for Risk Management of Crude Oil Pipeline System 译文题目 原油管道系统风险管理的决策分析框架 外文出处 Advances in Decision Sciences, 2011(2011):1-17 学 生 学 院 校内指导教师 校外指导老师 专业技术职务 年三月 本科生毕业设计（论文）外文翻译研究原油管道系统风险管理的决策分析框架Alex W. Dawotola, P. H. A. J. M. van Gelder,和J. K. Vrijling在构造原油管道受断裂模型来研究风险管理时使用了一种方法，该方法结合了结构化专业判断法和层次分析法（AHP）。在考虑多种故障机制的前提下，风险模型可计算故障的频率和不同段原油管道的可能后果。特别的是，结构化专业判断可以为已鉴定的管道故障机制提供故障频率的评估。此外，AHP方法是利用故障机制中出现概率很低的特征来确定相对失效的可能性。最后，给定管道段的故障预期损失是通过结合故障发生的频率和发生故障的后果来估计，以及参考管道运营商数据库中的历史故障成本来估计。一个原油管道的实际案例研究证明了该方法的应用。1. 引言 1.1 背景管道运输对国家经济的支持非常重要，对世界上输送水，石油和天然气有重要意义。在它们的使用寿命中，发生故障被记录的次数在一定的限制内，通常被视为安全。然而，像任何其他工程资产一样，管线受到不同程度的失效和退化。故障发生时，管道破裂可能是致命的，灾难性的。因此，重要的是他们的规范操作是有效的监测，同时以可接受的安全限度减少失误。诚信维修管道是公司的服务的一个重大挑战，特别是石油和天然气传输方面。两大因素已经成为落后这一挑战的威胁。这些都是需要最大限度地减少运行成本和不妥协的风险。管道故障对运营成本有巨大影响，因此有必要有更有效的风险管理策略，以帮助缓解潜在风险的扩大。理想的情况是，大多数管道运营商保证在设计阶段创建安全规定，遵从管道最低故障率理论。定量风险评估对运营商最大限度地降低风险一直是一个有价值的方法，并且符合工程结构最低安全要求规定。在定量风险评估方面，试图以数值确定破裂在经济损失、危害人类和环境退化方面引起的各种失效机理和失效可能后果的概率。管道网络的定量风险评估（QRA）是复杂的并且有时由于网络系统的不同而让人感到费力的。据慧鹏1提出的一种简化定量风险评估过程的方法是采用分层的方法。分层的方法，如：故障树分析、事件树分析和故障模式事件分析，对于复杂结构在风险评估的应用程序中狄伦和辛格解释2有所解释。然而，这样的方法是数据密集型的。管道破裂发生在大多数国家很少见，正因为如此，失败的数据往往不足以进行彻底的分级方法。此外，当发生故障采集数据时，该分类可能不包括所有已知失效机理和属性。在本文中，进行风险排序和原油管道破裂的风险管理一个系统的方法，已经提出并应用于一个案例研究中。该管道被分成三个不同的部分，并且为每段的风险大小都已经进行测定。拟议的方法涉及两个著名的技术的组合：层次分析法和专家库克引出的管道维修决策支持背景下的传统模型。由萨蒂3开发的层次分析法从根本上的工作原理是利用专家在制定替代品和用于判断一个系统中替代品的标准采用的优先建议。库克4的经典模型是一个结构化的基于专业判断的方法。该模型能够提供合理的概率评估，并已成功应用于超过四十五个专家引出的案例研究包括库克和哥森斯5的学术和工业领域。在建议的方法中，经典的模型被用来得出破裂对现有原油管道系统失效的概率。五个失效机理都进行了审议。他们是外部干扰、腐蚀、结构上的缺陷以及操作失误等轻微故障。四个失效机理的进一步细分分为如下属性： （1） 外部干扰（破坏和机械损伤） （2） 腐蚀（内部和外部腐蚀） （3） 结构缺陷 (施工缺陷和材料缺陷) （4） 操作错误(设备故障和人为错误)层次分析法是用来进行相对失效机理的属性和相对比例管道的等级分类。层次分析法的动力是由于专家认识到它很难估计发生的概率和一般较低故障概率特性。从本质上来说，利用层次分析法提出了来进行属性的两两排名。此外，对于每个故障的机制/属性，故障成本是从管道公司支出的历史故障数据的基础上估计得到的。考虑到故障风险和故障成本概率，要进行每个管道段破裂故障预期成本的计算。该方法的独特的特点是，由两个已知的方法相结合，实现资产的管道风险定量评估。这种方法的一个好处是层次分析法的主体性水平合理降低，这是由于经典模型需要专业的性能标定。换句话说，专家的意见是在一致性的基础上通过专业获取过程得来的。风险评估结果不是一个独立的层次分析法预期相对排名而是对故障概率的定量估计。事实上，层次分析法的产生是排列的并且不被视为应用风险分析中的重要阻碍。通过结合层次分析法的相对排序和传统模型的定量估计，可以对管段故障概率进行估计，并且还要考虑不确定性。本文的其余部分分为四节。第一节介绍和阐述了传统的层次分析方法。第二节提出的跨国家原油管道的案例研究来说明所提出的方法。第三节用目前包括在模型中的故障概率和故障概率的成本来提供管道段的风险管理哲学。第四节得出结论。管道段的风险排序对于石油和天然气公司的优先检查和维修活动很有价值，影响的严重程度和预算分配的维护活动是排名失败的原因。结果也证明在设计、重新设计、施工和监测对现有的和新的管道的决定有价值。2. 传统的层次分析方法在下面的章节中，介绍层次分析法和结构化的专业判断技术将另外对所提出的方法在原油管道定量风险评价中的应用提供良好的背景。2.1 故障概率计算采用结构化专业判断（经典模式） 经典模型是以一个正式的方法推导出必要权重作为个别专家的线性池。它是一种结构化的专业判断引出的方法：包括专家判断作为一个正式的决策过程的科学数据。经典模型的基本程序有提前启发式，启发式，后启发式。每一步的过程在下面的图1中进行了总结。经典模型的一个主要部分是要求专家对数量上提供可衡量和类似的信息。也就是，专家应该通过实验提供大量信息。专家结合不确定性分布从他们的反应获得种子变量来利用基于性能的比重。模型中种子变量的目的可以分为三种，（一）确定专家的表现作为主观概率评估（二）确保专家的组合性能分布优化，（三）来评估和验证专业判断的结合。该工具用于经典模型进行结构化的专家判断也就是所谓的专家校准软件EXCALIBUR。该软件是开放的，可以通过风险和环境建模（REM）代尔夫特理工大学获得，网站：http:/risk2.ewi.tudelft.nl.它在Windows运行程序获得结构化的专业判断。参数和分 图1 专家判断的步骤图2 专家的校准和信息。图（a一c）显示专家们在给定的位数对响应校准的基础种子问题。 图（d）显示了专家意见的性能加权组合（a一c）对目标项目结构化专业判断。位数的连续不确定数量成为专家权重最后经典模型的基础。除了处理专业结构化判断，EXCALIBUR支持对结果的稳健性和差异分析。稳健性分析表明，结果是如何影响专家选择和标定变量的，差异分析表明，专家们和决策者有所不同。在软件中，校准和信息分数相结合，得出每个专家的不确定性分布的基于性能的加权组合。这个信息是专家提供的分布集中的程度。在经典模型中，专注度通常是统一衡量日志均匀分布。校正措施程度的实际测量值对应统计专家的评估。他的经典模型的权重，从专家的校准和信息得出的分数，来作为衡量种子变量。图2是一个原理图,显示了如何定义不同专家的校准和信息。2.2 使用层次分析法对故障的可行性估计层次分析法中使用的方法根据不同节段的管道失效故障的可能性机制的属性级别。结果是一个相对规模为基于风险的决策提供一个理性的基础。层次分析法已发现在不同行业中得到了很好的应用。例如,库瑞思和哈里森6在澳大利亚小流域河岸植被恢复策略选择应用层次分析法。同样，卡戈诺特7利用层次分析法作为专家意见的启发式方法来确定燃气管道故障的先验分布，,戴伊8将应用层次分析法作为加勒比地区组织的项目管理实践的基准。层次分析法构建模块的简要解释如下。2.3 层次分析法的程序层次分析法的第一步是制定问题,包括用于分析的最终目标。在管道风险等级中,管道段的目标将是选择最高的破裂可能性，这是由于不同的失效机制和属性的原因。一旦目标被定义,然后确定故障的机制。故障的机制进一步分为属性。故障机制和属性将分别在层次分析法价值树中的第一和第二层。其次,决定选择替代品。识别决策选择是层次分析法中一个非常重要的过程。事实上,决定选择上的结论是层次分析法的结果。例如，决策者或专家可以要求对一组管道段进行管道破裂故障机理/属性的两两评估。在这种情况下,管道部分将决定选择,我们的目标将是比较这些管道段的故障,在评价的基础上判断断裂的可能性。下一步是层次结构(价值树)的发展。价值树连接风险评估目标、故障机制、属性和决策变量。在价值树的原油管道风险评级中，目标（管道选择）连接第一层次（失效）。第一级层次然后通过二级层次(属性)连接决策变量(管道段)表1 比较两个故障属性的决策偏好量表判断解释分数同样两个属性破裂的可能性相等1适度的可能性破裂的可能性比其他的属性更大3强烈的可能性一种比其他属性更强烈的属性5非常强烈的可能性个属性对比另一个属性非常强烈7极其强烈的可能性一个属性破裂的可能性对比其他属性是极大的9中间判断使用中间值时必须妥协2，4，6，8第三，所有关于管道段的信息将有必要收集和记录。为了加入段分类部分,必要的特性可以分为物理数据、施工数据、操作数据、检验数据,和故障的历史。管道/段必要的信息应记录并在配对评审工作前提供给专家。最后,要组织专家熟悉与练习启发式程序。在引导阶段,专家在提出萨蒂3的基础上排列每对属性。下面的表1给出用于比较两个属性的标准解释。例如,如果两个判断标准有相同级别的风险,两两比较分数将是1。如果给出一个标准被认为比其他的更好得分就是9。当一个结论不能达到成绩1,3,5,7的话那么选择中间判断的2、4、6和8分,如表1中定义的。该反应被合并在一个优先矩阵和合成中来权重。2.3.1 一致性检验 层次分析法通过计算两两矩阵的一致性比率(CR)来提供检查逻辑一致性的可能性。一致性比率的可接受的值是0.1，指示小于一个数量级的非随机项的偏差。一致性比率的影响因素包括决策变量的均匀性属性、稀疏属性和决定两两排名属性时专家的知识水平。给定一个权向量， （2.1） 从决策矩阵获得, （2.2）一致性决策矩阵计算如下: 矩阵A乘以权重向量得出向量, （2.3）得 （2.4）将矢量B各元素和权重向量W中元素对应得一个新的向量 （2.5） max 是矩阵 c 元素的平均值： (2.6) 指标一致再利用计算， (2.7)其中n是决策矩阵,max是从（2.6）得到的。使用（2.7），一致性比的计算公式为 (2.8)RI是随机指标并且它的值是从下面的表2中得到的。其他措施的一致性已被定义。例如，Mustajoki J 和Hamalainen 9利用介于0到1的Web-HIPRE软件多属性价值理论给出的一致性测量（CM）。根据他们的经验，0.2CM认为是可以接受的。 表2 随机指数表n 3 4 5 6 7 8 9 9RI 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49一致性度量的计算公式 (2.9) 其中r（i，j）=max a（i，k） a（k，Jj） k 1，n 是属于比较矩阵元素a（i，j），并且t（i，j）为r（i，j）的倒数。 CM提供了由该组的本地优先级构成的扩展区域的大小标准，当wir（i，j）Wj对所有的i，J1，.，n.2.3.2 层次分析法决策群 层次分析法决策过程取决于专家个人的反应来到得出决定。群体决策的两大问题是如何总结个人的判断和如何从个人的选择中构建一组选择。由于编程任务的原因,提出了确保个人使用权重相等的判断。个别专家会通过个人的一般响应结合团体想法。在2.1节讨论经典模型和一般响应是一致的。2.3.3 层次分析法的局限性如前所述,主观限制层次分析法的结果。主体性的存在会在决策中引入不确定性,这可能影响到最终的结果。此外,层次分析法只给直接定性结果或相对比较。许多研究者如Cengiz et al10,Chang11,和van Laarhoven Pedrycz12试图模糊层次分析法的结果而不是实现定量减少主观性。然而,萨蒂和德兰13表明,这样的方法是无效的,并不能够创造更多的不确定性。3 决策模型的应用3.1 背景信息所提出的经典AHP模型对风险等级和评价的应用说明了基于由尼日利亚石油开发公司拥有的原油管道的案例研究（NPDC）。为了保密，管道的某些数据的故障数据已经稍微修改。管道系统于1989年被决定应用在尼日利亚南部西部地区供应原油。管道直径24英寸,总长度340公里,设计压力和工作温度分别为100bar和26.8C。管道的材料是API5LX42碳钢、具体类型涂料。它基本上是位于陆地但连接位于海外的压缩机站。在分析中，整个管道分为三个部分(X1,X2,X3),符合其自然规律。传统层次分析模型是用来评估相关管道的部分管道风险安排的风险等级。分析的目的是要优先考虑最关键的部分即管道破裂引起的各种故障机制。分析还考虑了人类、环境和经济可能发生在任何部分管道的事故后果。为了开始分析,六个管道公司的专家被邀请使用应用模型。每一段管道故障数据表都都要给专家。故障数据表包含管道维修记录、设计参数、检验记录和当前操作条件相关信息。所有的专家都熟悉的管道和管道段的研究。他们参与结构化专业判断和基于两两管道段的排列次序。下面的过程是解释。3.2 用经典模型评估故障的概率评估故障的概率和不确定性是在经典模型的基础上进行的。五个失败机制被认为是对每个管道段,即外部干扰、腐蚀、结构缺陷、操作错误和其他一些小故障而言的。失败机制实际上是目标变量的经典模型。总的来说，获得了28个变量并将每一段管道的五个目标变量和十个变量用于专家校准。种子变量通过使用通用设备让专家从文献和书籍中校准故障率。最初,专家预算种子变量的值。然后,每个专家的要求提供5%,50%,和95%分位数的不确定性分布作为破裂失败的概率(kmyr)，这是由于失败机制段X1,X2,X3的管道的原因。3.2.1 专家校准专家们的反应是使用EXCALIBUR软件处理。专家基于性能的“种子”变量校准的结果在表3中显示。最优决策者(ODM)也能计算出来。ODM通过归一化加权线性组合得到专业的分布。在EXCALIBUR中,专家的分布可以组合使用全局权重、物品重量或等于重量。然而,在本文中使用全局权重,这是因为它拥有最好的校准并且非规范重量是专家的综合得分。表3显示,专家表明最好的专业校准(增加的顺序)是1、6和4各自的归一化权重分别是0.248,0.30和0.452。其他专家(2、3和5)校准分数非常低,并且各自的权重并不考虑最佳的决策。因此,只有专家1、6和4是决策者。最优的校准和信息决策者建立在全球重量计算的基础上,正如之前所讨论的。结果证实了在ODM的基础上计算全局权重(校准= 0.474)。表3 专家的校准和最优决策的结果表4 专业的稳健性分析拥有最好的校准项目基于权重的决策者（校准= 0.29）和同等重量的决策者（校准= 0.11）。此外发现，ODM可以更好的校准及其不规范的重量占主导地位的最好的专家（1，4，和6）。然而，在相关信息实现的基础上，可以说，决策者是不是最好的专家。3.2.2 稳健性分析进行稳健性分析是关键变量和权威。在稳健性分析中,关键变量每次删除一次,重复分析直到所有变量都覆盖了。稳健性分析专家表4所示的校准得分表明,专家得分从0.474到0.55不等。这些分数远高于校准得分0.29和0.114，分别在表3的项目的重量DM（项目DM）和同等重量DM（同等重量相等）。同样,关键变量的稳健性分析和发现范围从0.405到0.731(表5)。在表3中DM初始校准分数为0.474。稳健性的分析证实了当校准和许多新决策者的信息(表4和5)与原来的决策者相比(表3)时的专家和关键变量。表5 关键项目的稳健性分析3.2.3 3.2.3最终解决方案由此产生的组合方案决策者的值分布，有助于ODM专家评定。DM优化是在0.0358的显著性水平达到可接受的水平，达到96.4%。可接受的水平是可以的，在确定的故障机制时，由于管道的段的管道故障频率的结构化，专家判断的结果（X1，X2，X3）是令人满意的。详细的故障频率的计算结果如表6。50%频率不确定性故障段X1,X2,X3和2.28 e3每kmyr每kmyr 1.75 e3,分别和每kmyr 1.73 e3。整个故障频率与文献报道的结果相比。例如,利特14报道了在西欧石油管道0.42 e3每kmyr失败频率、在英国0.3 e3每kmyr越野石油管道,和0.53 e3每kmyr美国交通部的液体管道。这些值之间的差异和失败的频率获得案例研究可能是由于不同位置等因素和物理过程管道的属性。这些因素已被证明有重大影响的故障频率管道,根据雷斯特雷波et al。15。从表6,使用50%分位数估计,看来X1是三个管道中最脆弱的部分,失败的频率最高,其次是X2然后X3。然而,有趣的是,X3频率最高的失败是由于操作错误。这可以部分解释有更多的控制阀门,包括手动操作相比,X3 X1和X2。3.3 相对估计失败的属性在这一步中,利用层次分析法来确定断裂的可能性由于失败的属性。六个专家参与问调查,描述特性的研究提供了管道段X1,X2,X3。制定问卷,在选择管道段破裂的风险的基础上,考虑所有失败的属性表6 产生的解决方案的决策者（机械损伤，腐蚀破坏，内部，外部腐蚀，施工缺陷，材料缺陷，设备故障和人为错误，和小故障）。3.4 建设的层次结构层次结构树的决策问题是构造使用Web-HIPRE软件,版本1.22。这棵树(图3)包含的信息目标(管道段的选择),标准(失败机制)和标准(属性)。层次树结构提供了决策者通过连接决策变量的总体目标通过属性和标准的整个问题的总的看法。树目的是为了决策者在比较元素相同级别的层次结构。3.5 两两比较的结果个别专家意见的两两比较属性和管道段分别收集并且使用层次分析法进行分析。管道段的基础上两两比较矩阵时每个专家的判断结果都有失败可能性。最初,结果变化从一个专家转到另一个,一般会议的召开是为了建立共识。对于所有的估算,平均一致性矩阵(CM)获得Web-HIPRE软件范围从0到0.16。因此,引出的逻辑一致性是可以接受的。图3 选择分层树的管道段的基础上破裂的可能性管段的属性，如表7所示的两两比较结果表明，破坏52.5%的贡献的管道破裂的可能性。这是由专家证实的。外部腐蚀，有15.3%个具有第二高似度的管道破裂。其他可能性故障因素占32.2%。利用网络HIPRE软件合成为每个管道段整体失效可能性。结果表明，X1，X2，X3故障的可能性分别有48.8%，31.6%，和19.6%。得出的结论是，X1是更容易破裂，X3是最容易破裂。层次分析法的结论也与表6中的经典模型得出的结论一致。4. 管道的风险等级和风险评估4.1 检查和维护策略风险管理过程的一部分是制定一个合适的管道检查和维护策略。一般来说,对于一个给定的故障维修策略的选择机制取决于许多因素,包括失败的属性,维护成本,失败历史,风险水平和风险的可接受性。表8给出了一些可能的策略下管道的失效机制和属性识别研究。然而,应该注意的是,选择一个特定的检查技术取决于管道运营商的经验。表7 失败的标准和相似的成对排列表8 管道故障维修策略4.2 4.2 预期失败的成本对于每个管道段,失败的严重性从管道公司的数据库历史成本估算的。失败成本不能直接从数据库获得使用有专有的原因。原始数据略有调整,估计被用于计算风险。然而,失败的成本的确定是基于失败的类别。在尼日利亚,美元损失类别包括小损失（不到50000美元),介质故障（在50000美元到200000美元），大的损失（200000美元至500000美元），和灾难性的故障（超过1000000美元）。4.3 风险等级的管道段在表9中,管道段基于风险水平排列为X1,X2,X3。故障频率的结果(表6)显示X1是三段中最脆弱的,X2其次，X3紧随其后。然而,当考虑故障成本和失败的预期成本时计算(表9)50%的不确定性测量失败,频率的趋势发生了变化。最高的系统风险仍然是X1但X3现在排名基于预期风险水平高于X2。表9 管道段X1，X2和X3预期的失败成本在表10中，从表7中的层次分析法的结果获得的排名相结合的故障计算每个管道在50%段失败的频率的不确定性度量预期的失败成本的严重程度。预期的失败成本的计算表明，维修资源的平等分配到三段将是一个不太有效的维护策略，因为他们预期的失败成本有差异。 5.结论一种基于决策的模型已经提出风险等级和风险评估管理原油管道。该模型采用结构化的专家判断法和层次分析法对一个给定的管道失效和严重的频率预测。这个工作希望有助于在这一进程的基础上优先运输管道完整性维护，进行了风险等级和风险评估。AHP模型的假设是,每个专家会同等重量的最终决策。然而,假设可能防止决策者在达到一个最佳的结论,因为平等表示并不总是导致理性的共识。我们已经能够证明在最优决策基础上可以实现所谓的使用结构化的专业判断的经典模型。经典的模型显示,实际上只有六个专家中的三个为最优决策。此外,主体性的内在层次分析法可以通过在专家启发的不确定性估计最小化。案例研究揭示了一些有趣的结论,这表明,位置在管道完整性中沿管道段失败的预期成本不同起着重要作用。通过外部干扰的案例研究,发现最重要的故障判据,代表超过50%的全部失败。失败的可能性高由外部干扰是由于有些高发生的破坏行为和机械损伤管道。因此,增加监测管道的方法将有助于改善可靠性。结果也证实了维修资源的平等分配管道段可能并不总是最优维护决策。例如,在管道的维修资源配置研究时,预期失败成本最高的X1,应该比其他部分得到更多的关注。此外,比X2 X3将需要更多的维护资源。维护经理会发现这种方法在制定年度检查和维护策略对公司的资产是有益的。此外,决策分析的结果在制定个人和社会风险接受标准法规遵从性可能是有用的。一般来说,失败的严重性的准确性和失败的预期成本计算与更多的管道失效数据可以进一步提高。表10 全国原油管道的风险总评致谢作者想要感谢尼日利亚国家石油公司的管理(NNPC)和石油天然气开发公司(NPDC)无偿给我们供应数据用于这项研究。所有参与本研究的专家也感激他们有用的贡献。参考文献1 L. Huipeng, Hierarchical risk assessment of water supply systems, Ph.D. thesis, Lougborough University,Leicestershire, UK, 2007.2 B. S. Dhillon and C. Singh, Engineering Reliability, John Wiley & Sons, New York, NY, USA,1981.3 T. L. Saaty, The Analytic Hierarchy Process, McGraw-Hill, New York, NY, USA, 1980.4 R. M. Cooke, Experts in Uncertainty, Environmental Ethics and Science Policy Series, The Clarendon Press Oxford University Press, New York, NY, USA, 1991.5 R. M. Cooke and L. L. H. J. Goossens, “TU Delft expert judgment data base,” Reliability Engineering and System Safety,vol.93,no.5,pp.657674, 2008.6 M. E. Quresh and S. R. Harrison, “Application of the analytical hierarchy process to Riparian Revegetation Policy options,” Small-Scale Forest Economics, Management and Policy, vol. 2, no. 3, pp. 441458,2003.8 E. Cagno, F. Caron, M. Mancini, and F. Ruggeri, “Using AHP in determining the prior distributionson gas pipeline failures in a robust Bayesian approach,” Reliability Engineering and System Safety, vol.67, no. 3, pp. 275284, 2000.9 P. K. Dey, “Benchmarking project management practices of Caribbean organizations using analytichierarchy process,” Benchmarking, vol. 9, no. 4, pp. 326356, 2002.10 J. Mustajoki and R. P. Ham