风险检查(RBI)是一种方法，用于评估过程单元中每个设备的风险水平并对其进行优先排序。它是基于时间的检查的替代方案，所有资产都是根据监管时间尺度进行平等评估的。然而，在许多行业中，有一小部分资产需要大多数人的关注。正因为如此，RBI可以帮助作业者最大限度地将资源投入到故障概率更高的资产中。
从根本上说，印度储备银行是利用不确定性和信心来理解和管理风险。这在一定程度上是通过使用检查有效性表、损坏机制审查和无损检测方法选择来实现最高的置信度。虽然传统的自动超声检测(AUT)是一种被广泛接受的高置信度万博体育登录下载NDE方法，但相比之下，机器人技术提供了更大的访问范围、覆盖范围和数据，并可以改变RBI置信度的范式。
基于风险的检查和检查效果
开发、实施和管理基于风险的检查的指导方针详见API rp 580和API rp 581．在RBI中，风险是通过计算失败的概率和失败的后果来定义的。前者是确定设备在给定时间发生故障的概率的计算，后者是对发生故障的后果的严重程度进行排序，例如失去遏制、环境补救，甚至人员损失。这些指标是通过定性和定量数据分析确定的。
有效的储备银行计划的标志是一致性和可重复性。大多数战略的目的是通过实施给予高置信度的检查和管理战略来降低风险。信心是由许多因素决定的，包括使用的无损检验方法、覆盖范围和检查员认证水平。检查有效性表是一个有用的工具，用于建立信心水平和确定项目有效性，以减轻与某些损害机制和资产类型相关的风险因素。下面的样本表根据资产检查覆盖率对置信水平进行了分类。RBI程序将有不同的损坏机制和/或资产类型表。
抽样检验有效性表
改编自Inspectioneering的白板讨论:API RP 581检验有效性表的重要性
实施RBI计划的关键第一步是进行损害机制审查，以更好地了解资产的当前状况和可能的损害机制。
损害机制检讨
作为有效机械完整性计划的重要组成部分，损伤机制评估(DMRs)确定了可靠的退化模式和设备的敏感性。dmr对于制定有效的机械完整性计划至关重要，并有助于减轻与主安全壳丢失或计划外停机相关的风险。
有效的DMR从数据开始。获得的工艺、操作、检验、冶金和设备信息越多，结果就越准确和清晰。一个由工程师、检查员和操作专业人员组成的跨学科团队将进行审查，确定损坏机制，并起草一份调查结果报告。DMR可以帮助作业者更好地了解资产的当前状况，确定需要检查的位置，并决定哪种技术最适合检查预期的损坏机制。
DMR的结果将揭示资产的状况和对特定损害机制的易感性。审查完成后，作业者应评估现有的无损检测技术和程序，以了解它们是否满足充分维护资产所需的检查水平。
传统的AUT一直是生成A级和B级RBI信心分数的主要技术。然而，与传统方法相比，机器人技术有许多优点。
机器人检测技术
基于机器人的UT检测技术的发展，包括快速超声网格(RUG)，快速AUT (R-AUT)，三侧相控阵(TriLat),相控阵UT (PAUT)，由于与访问、覆盖范围和数据相关的优势，正在为更高的RBI信心评分敞开大门。每种方法都专门用于识别DMRs上常见的特定损伤机制:
- RUG:贱金属的普遍腐蚀
- R-AUT:贱金属普遍或局部腐蚀
- 特里拉:湿的H2母材的S损伤和环境开裂
- PAUT:沿焊缝和热影响区出现的环境开裂、点蚀和其他损坏
机器人的机动性和灵活性意味着它们可以进入不定期检查的资产区域。这包括但不限于内部检查、密闭空间进入和储罐地板。此外，机器人可以扫描整个资产，而不需要脚手架或绳索，这对于在有限预算下运行的RBI程序尤其重要。改进访问的好处包括广泛的检查数据集，以提高置信度分数。
机器人是非常有效的工具，可以以前所未有的速度检查整个资产。RUG是最高效的机器人技术，覆盖范围可达5000英尺2(465米2)。例如，在这种速度下，整个油箱外壳可以在一到两个班次中检查。生成的腐蚀图显示了局部或孤立腐蚀区域，可以使用R-AUT进一步检查。这种方法的覆盖范围可达1000英尺2(93米2)，并使用a双线性相控阵探测器收集了大量的数据。TriLat具有与R-AUT相似的覆盖范围和效率，是已知或预期湿H资产的合适检测方法2S损坏或环境开裂。最后，机器人驱动的pat每班可以覆盖2500线性英尺(762线性米)的焊缝和热影响区。与机器人技术相比，传统的AUT方法要么慢得多，要么只提供读数的统计抽样。
从RBI的角度来看，机器人能够扫描几乎100%的资产，从而提高覆盖区域的置信度，使所有者/运营商能够全面了解资产状况。此外，机器人使用编码器来确定它们在资产上的位置。这是有益的，有两个原因;首先，检查本身是可重复的，因为机器人在相同的位置开始和结束扫描。其次，检查的可重复性导致数据的可重复性，可以对检查进行比较，以确定磨损模式或监测随时间的损坏进展。
除了访问和覆盖范围之外，机器人检测方法提高RBI置信度得分的另一个巨大好处是数据。地毯配备的机器人每英尺可以捕获多达250个UT读数(每米2,691个UT读数)，数据密度小至0.25 x 0.25英寸(6 x 6毫米)。这些数据用于创建2D或3D腐蚀热图，以可视化和量化整个资产的壁薄。
相控阵机器人检测的好处之一是异常的数据密度:R-AUT的机械化相控阵探头的数据密度是传统AUT的25倍;TriLat的双探头设计每英尺产生150000个UT读数2(1.6米读数/ m2）;机器人与PAUT每英尺产生超过94,000个UT读数2(每平方米超过1M读数2）.这些数据用于识别和量化从腐蚀到环境开裂的各种损伤机制。
RBI置信水平也可以基于NDE方法准确识别DMR预期损伤机制的能力。由于机器人准确、一致、高效地产生大量的检查数据，业主/操作员可以避免错误呼叫，更自信地识别损坏并做出维修和维护决策。
与传统AUT相比，机器人检测方法提供了更好的访问、覆盖范围和数据，有望改变RBI置信度的范式。根据DMR的结果，RUG、R-AUT、TriLat和/或PAUT可以用于识别和量化预期的损害机制，并提高信心得分，同时节省必要的资源并保护投资。
在最近的央行圆桌会议， Gecko Robotics无损检测技术运营总监，追逐大卫他总结了机器人技术对RBI得分的影响，“我相信，机器人技术真的为获得更高的信心得分打开了大门，而不是通过访问或预算。”
想了解更多?点击这里观看印度储备银行圆桌会议的整个讨论。
评论