RBI диагностика трубопроводов морских платформ с использованием искусственных нейронных сетей.
Аннотация
В данной магистерской диссертации представлены результаты применения искусственных нейронных сетей для определения категорий вероятности отказа, ущерба и риска для оценки надежности и определения периодичности контроля трубопроводов морских платформ в рамках методологии RBI. Для обучения искусственной нейронной сети был смоделирован набор данных, состоящий из 1343 наблюдений, характеризующих трубопроводы шести различных технологических систем морской платформы, с наибольшим числом зафиксированных отказов за период их эксплуатации. Искусственные нейронные сети представляют собой эффективный инструмент, позволяющий оперативно проводить экспертизу надежности трубопроводов, а также прогнозировать возможные риски и задавать частоту мониторинга их состояния.
КЛЮЧЕВЫЕ СЛОВА
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, МАШИННОЕ ОБУЧЕНИЕ, ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ, КАТЕГОРИЯ ВЕРОЯТНОСТИ ОТКАЗА, КАТЕГОРИЯ УЩЕРБА, КАТЕГОРИЯ РИСКА, ТРУБОПРОВОД, МОРСКАЯ ПЛАТФОРМА.
This master's dissertation examines the use of artificial neural networks to determine such indicators as failure probability category, damage category and risk category, which are helpful in predicting the reliability and determining the frequency of control of offshore platform’s pipelines using the RBI methodology. For the purpose of training the artificial neural network there was modeled a data set which consists of 1343 observations characterizing the pipelines of six different technology systems of offshore platform with the highest number of recorded failures during their operational period was modeled. Artificial neural networks are an effective tool, allowing to carry out a rapid examination of the reliability of pipelines, as well as to predict possible risks and set the frequency of monitoring their condition.
KEY WORDS
ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, PROBABILITY OF FAILURE CATEGORY, DAMAGE CATEGORY, RISK CATEGORY, PIPELINES, OFFSHORE PLATFORM.
КЛЮЧЕВЫЕ СЛОВА
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ, МАШИННОЕ ОБУЧЕНИЕ, ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ, КАТЕГОРИЯ ВЕРОЯТНОСТИ ОТКАЗА, КАТЕГОРИЯ УЩЕРБА, КАТЕГОРИЯ РИСКА, ТРУБОПРОВОД, МОРСКАЯ ПЛАТФОРМА.
This master's dissertation examines the use of artificial neural networks to determine such indicators as failure probability category, damage category and risk category, which are helpful in predicting the reliability and determining the frequency of control of offshore platform’s pipelines using the RBI methodology. For the purpose of training the artificial neural network there was modeled a data set which consists of 1343 observations characterizing the pipelines of six different technology systems of offshore platform with the highest number of recorded failures during their operational period was modeled. Artificial neural networks are an effective tool, allowing to carry out a rapid examination of the reliability of pipelines, as well as to predict possible risks and set the frequency of monitoring their condition.
KEY WORDS
ARTIFICIAL INTELLIGENCE, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, PROBABILITY OF FAILURE CATEGORY, DAMAGE CATEGORY, RISK CATEGORY, PIPELINES, OFFSHORE PLATFORM.