Professional Documents
Culture Documents
531-549
Copyright 2003, ditions Technip
Modlisation de la disponibilit
dune chane de GNL
sur la base dune approche baysienne
destimation des indices de fiabilit
A. Smati1, K. Younsi1, N. Zeraibi1 et N. Zemmour1
1 Universit de Boumerds, Facult des hydrocarbures, Dpartement transport et quipement, Boumerds - Algrie
e-mail : a_smati@yahoo.com - karim_zd@yahoo.fr - no_zeraibi@yahoo.fr - no_zemmour@yahoo.fr
Rsum Les usines de gaz naturel liqufi (GNL) se caractrisent par leur nombre relativement rduit
dans le monde, la diversit des procds technologiques utiliss ainsi que des cots dinvestissement et
dexploitation trs levs. Lautoconsommation de ce type dunit est de lordre de 15 % et peut quasiment doubler dans le cas dune frquence importante des arrts intempestifs ou volontaires dus aux
pannes des quipements situs sur tout le parcours de la chane GNL. En consquence, lamlioration de
la fiabilit de la chane dans sa globalit se traduirait objectivement par une rduction substantielle des
cots dnergie. Pour le cas des systmes rparables, on utilise le plus souvent la disponibilit comme
indicateur de fiabilit. Dans cet article, la chane GNL est assimile un systme complexe indissociable.
Cependant, la modlisation des systmes complexes, dun point de vue fiabilit ou autre, est toujours
dlicate en raison principalement des dimensions astronomiques de lespace de phase. Ainsi, une
approche de type systmique est mise profit pour ramener lespace de phase des dimensions grables.
Une reprsentation des sous-systmes par diagrammes de fiabilit permet alors une estimation plus aise
des probabilits associes chaque tat. Enfin, une dmarche bottom up autorise la reconstitution du
modle global de disponibilit de la chane GNL. En liaison avec la faiblesse manifeste caractrisant le
retour dexprience dans le domaine de la technologie du GNL, une approche destimation baysienne
des indices de fiabilit des diffrents quipements composant la chane est mise profit. Un certain
nombre de rsultats de lapplication de la mthodologie dveloppe la chane Hassi Rmel-Skikda sont
fournis.
Abstract LNG Chain Availability Using Bayesian Estimation of Reliability Rates LNG plants are
characterized by their relatively low number in the world, diversity of processes involved, very high
investment and operating costs. The fuel consumption of this type of facilities (about 15%) may double in
given cases, when the frequency of untimely and volunteer shut downs is high. Then, the improvment of
the reliability of the LNG chain in its overall will lead objectivly to substantial decrease of energy costs.
For reparable systems, availability is more often used as reliability indicator. In reliability point of vue,
the LNG chain must be assimilated to a unique complex system. However, modeling of complex systems,
in reliability point of vue or other, is always difficult in relation with the large dimensions of the space of
phases. In this paper, a systemic approach is used to reduce the space of phases. A representation of subsystems by reliability diagrams permit a more easy calculation of probabilities associated with every
phase. A bottom up technique allows the reconstitution of the global model of reliability of the chain.
532
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
INTRODUCTION
Les usines de liqufaction de gaz naturel se caractrisent
par [1-5]:
leur nombre relativement rduit : une vingtaine dunits
travers le monde dont quatre en Algrie ;
la diversit des procds technologiques mis en uvre ;
des capacits de production trs importantes se chiffrant
en milliards de mtres cubes de gaz ;
des cots dinvestissement et dexploitation trs levs
se rpercutant lourdement sur le cot du mtre cube de
GNL produit.
Les cots dexploitation levs de ce type dinstallation
sont principalement dus la consommation propre des units
de liqufaction qui, en fonctionnement stable, atteint environ
15 %. Lautoconsommation augmente sensiblement en fonctionnement perturb. Elle peut mme quasiment doubler dans
certains cas. Par fonctionnement perturb, il y a lieu de comprendre ici les arrts intempestifs et volontaires dus aux
pannes des quipements situs sur tout le parcours de la
chane (fig. 1). Ces perturbations se traduisent en particulier
par un grand nombre darrts/dmarrages des trains de liqufaction et des units de compression du gazoduc. Des arrts/
dmarrages frquents sont non seulement prjudiciables en
termes de fiabilit mais galement en termes de surconsommation nergtique. En effet, durant les oprations de dmarrage dun train de liqufaction, on enregistre des dperditions
supplmentaires dnergie sans production de produits finis.
On estime que le seul dmarrage dun train de liqufaction de
lunit GNL de Skikda se traduit par la perte denviron 4 millions de thermies. Devant limportance de ces chiffres, lamlioration de la fiabilit dune chane de GNL dans sa globalit
devient un problme essentiel. Lamlioration de la fiabilit
se traduira ipso facto par une rduction substantielle des
cots de production. Au-del des actions de maintenance
courante, lamlioration de la fiabilit peut tre obtenue par la
ralisation de solutions purement techniques (redondances et
stockages souterrains en particulier). Cependant, ces alternatives sont fortement capitalistiques et ncessitent llaboration de modles mathmatiques permettant dvaluer leur
impact en vue dune prise de dcision rationnelle. En raison
du lien ombilical liant le gazoduc aux units de liqufaction,
TEAL
Gazoduc
TEAL
Stockage
TEAL
SC1
SC2
SC5
Stockage
PRICO
PRICO
PRICO
Figure 1
Chane GNL Hassi Rmel-Skikda.
The Hassi Rmel-Skikda LNG chain.
Port
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
une chane GNL doit tre considre comme un systme complexe indissociable. En effet, une panne survenant sur une station de compression (SC) de gazoduc et se traduisant par une
baisse du dbit de transit de la canalisation, aura comme
consquence larrt volontaire dun ou de plusieurs trains de
liqufaction, ou un fonctionnement charge partielle de lensemble de lunit prjudiciable en termes de rendement [6].
Inversement, une perturbation engendre par une dfaillance
au niveau de lunit de liqufaction aura galement une rpercussion directe sur le rgime dexploitation du gazoduc. Ce
dernier doit automatiquement sadapter un fonctionnement
avec un dbit rduit se traduisant par larrt volontaire dun
certain nombre de turbocompresseurs (TC), voire de stations
compltes. Si lanalyse de la fiabilit des gazoducs a fait lobjet dun certain nombre de travaux [7-10], en revanche, il y a
peu darticles traitant de la fiabilit des units GNL et encore
moins de la chane dans sa globalit [11, 12]. Cependant, les
modles labors, quel que soit leur degr de sophistication,
ne valent que par la qualit de lestimation des indices de fiabilit des quipements composant le systme. Dans le cas
gnral, lestimation de ces indices se fait sur la base de
donnes statistiques tires de lhistorique des pannes des
diffrents quipements de lunit et de leurs dures de rparation. Malheureusement, pour le cas des usines de GNL, la
jeunesse relative de ce type de technologie, la diversit des
procds mis en uvre et le nombre rduit de ce type dinstallation travers le monde font que le retour dexprience est
trs pauvre. Il y a donc lieu dexplorer de nouvelles approches
destimation des indices de fiabilit dans un environnement
caractris par sa faiblesse en donnes statistiques. Dans ce
contexte, la mise profit des techniques dites destimation
baysiennes peut savrer trs utile [13-15].
1 FIABILITE ET DISPONIBILITE
La fiabilit est considre comme la science des dfaillances.
Par dfinition, la fiabilit est laptitude dun dispositif
accomplir une fonction requise, dans des conditions donnes,
pendant une dure donne [16-21]. La fiabilit est quantifie par lintroduction de diffrentes grandeurs caractristiques. Dans la pratique, la fiabilit R dun systme, dans le
cas de systmes irrparables, sexprime comme la probabilit
que lunit considre remplisse sa fonction pendant une
dure fixe ou ne tombe pas en panne pendant ce temps. La
fiabilit R(t) du systme et la probabilit de dfaillance F(t)
sont cette occasion dtermines partir du taux de
dfaillance suppos constant :
R( t ) = e t
(1)
F ( t ) = 1 e t
(2)
Dans le cas des systmes rparables, on utilise la disponibilit comme grandeur caractristique de fiabilit. La disponibilit reprsente la probabilit quun systme se trouve en
533
MTTF
=
MTTF + MTTR +
(3)
A=
MTTR
=
MTTR + MTTF +
(4)
avec :
A
disponibilit ;
A
indisponibilit ;
MTTF dure moyenne dexploitation sans dfaut ;
MTTR dure moyenne de dfaillance et de rparation ;
taux de dfaillance ;
taux de rparation.
2 PROCDS TECHNIQUES DAMLIORATION
DE LA DISPONIBILIT DUNE CHANE GNL
Au-del des actions de maintenance prventive, lamlioration de la disponibilit dun chane de GNL peut tre obtenue
par la ralisation des procds techniques suivants :
redondance des TC ;
redondance des tronons de canalisation du gazoduc;
technique de recyclage froid au niveau des SC ;
stockage souterrain de gaz naturel.
Dans le cas gnral, les SC de gazoduc disposent dun TC
en redondance passive. Le renforcement de la redondance par
un deuxime TC de rserve permet thoriquement damliorer la fiabilit de louvrage. La redondance des tronons de
canalisation se traduit immanquablement par un bond significatif de la fiabilit du gazoduc. Malheureusement, cette
option ne peut tre envisage uniquement comme alternative
pour amliorer la fiabilit du gazoduc en raison des cots
prohibitifs dune telle opration. La technique dite de recyclage froid [2, 3] est destine fournir une plus grande
souplesse dans la rgulation de la station, mais surtout,
permet de rduire substantiellement le nombre darrts/
dmarrages des TC. Des arrts/dmarrages trop frquents
sont la principale source de baisse de la fiabilit des TC, et
par consquent, daugmentation des cots de maintenance.
Cette technique, relativement peu onreuse et facile mettre
en uvre, est paradoxalement assez peu utilise dans le transport par gazoduc. On estime quun arrt/demarrage de TC
reprsente lquivalent de 200 heures de fonctionnement.
Des simulations sur certains gazoducs algriens ont montr
quavec lusage de cette technique, il serait possible de rduire
de moiti le nombre darrts/dmarrages. Les stockages
intermdiaires restent lun des procds les plus efficaces
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
534
(5)
panne et le vecteur des taux de rparation . Les dimensions de ces vecteurs sont identiques et quivalentes aux
nombres dlments composant le processus. Pour le cas
dun processus en exploitation, lidentification de A peut
tre obtenue par lusage de donnes statistiques issues de
lexploitation relle du processus durant une priode de
temps T en usant de la relation suivante :
T
A=
Qr ()
d
Q0
(6)
Q0
Systme
Qr
Figure 2
Reprsentation bote noire de la disponibilit dun
processus.
Black box representation of availability process.
1
Q0
1 T
1
Qr () d =
M (Qr )
T
Q0
(7)
M (Qr ) = Pk Qk
(8)
k =1
do :
s
A=
k =0
Pk Qk
Q0
(9)
avec :
Pk probabilit de ltat de panne ;
Qk dbit de production associ ltat de panne ;
Q0 dbit nominal.
chaque phase correspond un tat de panne bien dfini.
La disponibilit exprime par lintermdiaire de la relation (9)
est appele disponibilit intrinsque. Par disponibilit intrinsque, il y a lieu de comprendre la disponibilit dfinie sur la
base dun modle mathmatique. La disponibilit intrinsque
permet lestimation de la fiabilit de dispositifs, aussi bien en
projet quen exploitation. Elle peut savrer trs utile pour
laide la dcision concernant lextension ou lamlioration
des performances de sites existants.
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
Pour la modlisation de la disponibilit des systmes complexes, les inconvnients principaux lis lusage de la
relation (9) tiennent en deux points :
les dimensions astronomiques de lespace de phase S ;
les difficults lies la dfinition des probabilits de
chaque tat de phase.
Lusage de la relation (9) passe donc ncessairement
par la mise au point dapproches tendant ramener lespace de phases S des dimensions grables et rendre plus
aise lestimation des probabilits Pk associes chaque
tat de phase. Dans cette optique, la dmarche prconise
consiste :
mettre en uvre une approche de type systmique
permettant de fractionner hirarchiquement le systme
global en sous-systmes apprhendables [26-30] ;
reprsenter chaque sous-systme par son diagramme de
fiabilit [31] ;
mettre profit les modles de base de la fiabilit des
systmes [31, 32].
Chaine GNL
Niveau 0
Gazoduc
Usine GNL
Niveau 1
TEAL
Canalisation
Sst
SC
Sca
Tronon de
canalisation
TC1
TCi
TCn
Scv
Scr
E1
Ei
535
PRICO
Scf
Sliq
Sst
Scv
Niveau 2
Scf
Sliq
Niveau 3
Scg
En
Figure 3
Dcomposition systmique de la chane GNL Hassi Rmel-Skikda.
Sca : circuit amine, Scr : circuit rgnration ; Scg : circuit gaz naturel ;
Sst : circuit traitement gaz, Scv : circuit vapeur , Scf : circuit frigorifique ;
Sliq : circuit liqufaction, Ei : lment de base du systme.
Systemic decomposition of the Hassi Rmel-Skikda LNG chain.
Niveau 4
E1
Ei
En
Niveau 5
536
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
La connaissance du diagramme de fiabilit du systme tudi, sa dcomposition en sous-systmes associs aux modles
de base des dispositions les plus courantes permet dans la
majorit des cas de reconstituer le modle de fiabilit du systme global. Les modles de base sont la reprsentation
mathmatique des configurations les plus courantes des
(10)
m
3
c
c
b
E
b
3
Figure 4
Diagramme de fiabilit du sous-systme frigorifique du procd PRICO.
1, b : ballons sparateurs ; 2 : compresseur axial, p : pompes de rfrigrant ; 3 : changeurs de rfrigrant ; 4 : vannes Joule-Thompson ;
5 : distributeurs ; c : condenseurs eau de mer.
Reliability diagram of the PRICO frigorific subsystem.
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
TABLEAU 1
Modle de base de la disponibilit des systmes
Basis models of the systems availability
E1
A=
lment simple
E1
E2
r/n
C nk k . n k
( + ) n
k =r
Redondance r/n
As =
Redondance active
A=
En
E1
E2
E1
Redondance passive
A=
2 + 2
2 + 2 + 2
2 2 + 2
2 2 + 2 + 2
E2
E1
E2
Systme en parallle n
lments
Ei
As = 1 (
i =1
i
)
i + i
En
E2
E2
E2
Systme en srie n
lments
As =
i =1 i
i
+ i
537
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
538
grand nombre de degrs de libert (fig.5). De ce fait, en raison du principe quune chane ne vaut que par son maillon le
plus faible, la disponibilit de la chane sexprime :
Ach = min { Aam , Aav }
(11)
(12)
n ( z ) = [ Ai (1 Ai ) z ]
SC1
SC2
(13)
(14)
i =1
SC5
GNL
Stockage
souterrain
Figure 5
Schma global dune chane GNL avec stockage souterrain.
Global scheme of LNG chain with underground storage.
TABLEAU 2
Disponibilit de la chane GNL Hassi Rmel-Skikda pour diffrentes configurations
LNG chain HRM-Skikda availability for different configurations
Configuration
Disponibilit
du gazoduc
Disponibilit
de lusine GNL
Disponibilit
de la chane GNL
Disponibilit
de la chane GNL
avec stockage souterrain
3 TC + 1
0,9568
0,9309
0,8906
0,9309
3 TC + 2
0,9666
0,9309
0,8998
0,9309
0,9628
0,9309
0,8962
0,9309
Canalisation en redondance
0,99999
0,9309
0,9308
0,9309
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
539
TABLEAU 3
Disponibilit des procds TEAL et PRICO de lusine GNL Skikda
TEAL and PRICO processes availability of Skikda LNG plant
PRICO
TEAL
0,9962
0,9563
0,9904
0,9904
0,9888
0,9876
0,9782
0,9804
Disponibilit du procd
0,9546
0,9170
TABLEAU 4
Disponibilit de lusine GNL Skikda
Skikda LNG plant availability
tats
Situations
Pk
Qk m3/j de GNL
0,6707
40500
0,1820
34000
0,0316
34500
0,0632
33000
0,0164
27500
0,0085
28000
0,0029
27000
0,0014
25500
0,00049
21000
0,00077
21500
10
0,0015
20000
11
0,0008
20500
12
0,00039
19000
13
0,00006
19500
0,01929
15000
14
o :
Pm,n
AGNL = 0,9309
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
540
de la dfaillance et son emplacement. La perte de performances due aux pannes de lquipement peut alors tre
quantifie en usant de la relation (9). Pour cela, il y a lieu
de dfinir :
toutes les probabilits de phases Pk ;
les dbits de phases leur correspondant Qk.
En raison des dimensions plus rduites du gazoduc, le
calcul des probabilits de phase Pk se fera directement par
lintermdiaire des indices de fiabilit de ses principaux
lments sans passer pralablement, comme pour le cas des
units GNL, par le calcul de la disponibilit des soussystmes. Les indices de fiabilit des lments constitutifs
dun gazoduc sont :
le taux de dfaillance des TC TC, des SC SC, et de la
conduite L;
le taux de rparation de chaque lment TC, SC et L.
La probabilit que la canalisation dans sa totalit soit en
tat de bon fonctionnement (EBF) est dtermine par lintermdiaire de la relation suivante :
L
PC =
N +1
L + L Li
(15)
i =1
C nk kSC nSC k
( SC + SC ) n
TC
TC
l
k =0
m +l
(19)
si k > l
k! 0
P0 = m k
k =0
(20)
Pj =
ml
l+ j
( m s) 0
( l + j )! s= 0
(21)
(22)
i =1 N
(23)
1
mk
si k l
(17)
0 =
k
k! 0
k =
k k l 1
m l ( m s)
0
k! s= 0
(16)
k l 1
k
k
+ ml
( m s)
k!
k = l +1 k! s = 0
(18)
( )
P E2 j = Pc q1P0N 1
j =1 N
(24)
E3 canalisation indisponible ;
P( E3 ) = 1 Pc
(25)
P( E4 ) = 1 P( Ek )
k =0
(26)
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
541
TABLEAU 5
Disponibilit du gazoduc GK1 Hassi Rmel-Skikda
Availability of Hassi Rmel-Skikda gas pipeline
Probabilit Pk
Dbit Qk (Mm3/h)
0,001912
0,871050
1,7
0,013879
1,1
0,013879
1,08
0,013879
1,12
0,013879
1,17
0,013879
0,000557
1,5
0,000557
1.5
0,000557
1,5
10
0,000557
1,5
11
0,000557
1,5
12
0,054858
1,2
tats
Situations
Disponibilit du gazoduc
Agaz = 0,9568
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
542
MTBF =
=
1
t
k i =1 i
1
MTBF
(27)
(28)
MTTR =
=
k i =1 i
1
MTTR
(29)
(30)
avec :
i dure de la rparation aprs apparition de la panne i ;
taux moyen de rparation.
Lusage de lapproche frquentiste en fiabilit se heurte
la disponibilit en nombre suffisant de donnes exprimentales. Pour certains types de matriel on a recours aux essais
pour contrer cet handicap. Cette option, trs utilise dans le
domaine de llectronique et pour les quipements de petit
gabarit, nest pas raisonnablement envisageable pour de gros
quipements dinstallations ptrolires et gazires. De ce fait,
on procde gnralement lamalgame de donnes rcupres sur des installations technologiques de conceptions plus
ou moins identiques, voluant dans des conditions denvironnement et dexploitation variables et mises en service des
dates, voire des poques, diffrentes. Il en dcoule que :
les donnes traites ne sont pas runies selon des plans
dchantillonnage standard ;
les rsultats de retour dexprience sont pollus par des
conditions dexploitation variables et des politiques de
maintenances diffrentes.
La probabilit dun vnement nest pas une entit directement observable. Dans la dmarche objective, on lassimile
la notion de frquence relative. Il faudrait donc formellement
disposer dun trs grand nombre dpreuves alatoires identiques et indpendantes pour que la frquence des vnements tende vers leur probabilit. Lapproche subjective a t
dveloppe pour gnraliser le concept de probabilits aux
vnements rares rpondant difficilement la notion de
frquence. Elle est reprsente principalement par lapproche
dite baysienne qui consiste sommairement introduire des
jugements de type heuristique dans lvaluation de la probabilit dune proposition donne. Cette approche consiste
modliser lincertitude que lon a sur loccurrence dun
vnement, partant dune valeur de probabilit subjective
value a priori, sur la base dinformations disponibles, puis
de dduire une probabilit a posteriori corrige par les informations nouvellement acquises. Linformation disponible,
susceptible dtre utilise a priori, peut revtir diffrentes
formes. En la trouve en particulier sous deux aspects :
des valeurs numriques moyennes fournies par les bases
de donnes pour chaque type dquipement ;
de jugements dexperts exprims sous forme dintervalle
encadrant une valeur moyenne.
9.2 Estimation des indices de fiabilit
par infrence baysienne
Le thorme de Bayes est une consquence simple des
axiomes et de la dfinition des probabilits conditionnelles.
En consquence, il serait possible de lutiliser pour valuer
les probabilits subjectives en tenant compte la fois de lestimation a priori de ces probabilits et de leur validation par
le retour dexprience (fig. 6). Martz et Waller ont dvelopp
une approche permettant dutiliser les jugements dexperts,
fournis sous forme dintervalles associs un taux de
confiance, comme information a priori [13, 14]. Lintgration
de donnes issues des bases de donnes une telle dmarche
permettrait de renforcer considrablement la qualit de lestimation [39]. Les rsultats disponibles au niveau des banques
de donnes, fournis sous forme de valeurs moyennes du taux
de panne et du temps de rparation, reprsentent une synthse
dun large retour dexprience dquipements identiques
travers le monde. La simulation de Monte Carlo permet de
transformer ces valeurs ponctuelles en expriences artificielles. Le nombre dexpriences gnr est alors pratiquement illimit. Lamalgame des rsultats gnrs artificiellement et des rsultats dobservation sur site permet de
constituer un chantillon de variables alatoires t1, t2, ...,
tk, tk+1, ..., tk+n suffisamment riche. Considrant maintenant un
vnement H (t + 0) de probabilit non nulle et un ensemble
dvnements complets Hi, la probabilit conditionnelle pour
que lensemble dvnements Hi se produise, sachant que
lvnement E sest dj ralis, est :
P( H i E) =
P( E H i ) P( H i )
P( E H i ) P( H i )
(31)
f ( t1 )... f ( t n ) g()
f ( t1 )... f ( t n ) g()
(32)
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
Jugements
dexperts
min
moy
543
max
min
moy
max
Base
de donnes
Simulation de
Mont Carlo
Donnes relles
sur les taux de
dfaillances
Infrence baysienne
Lois a posteriori
Figure 6
Principe de lestimation baysienne des indices de fiabilit.
Princip of Bayesian estimation of reliability rates.
Or :
f ( t1 ) f ( t 2 )... f ( t n ) L( t1, t 2 ,..., t n )
(33)
(34)
(35)
Considrant un test de dure de vie effectu sur n matriels, supposons quau temps tk on ait observ k dfaillances et
quil reste n k matriels survivants. Les temps de dfaillance
tant indpendants, si leur densit de probabilit est f (t), lestimateur du maximum de vraisemblance sexprime :
k
n
L( y ) = f ( t i ) (1 F ( t i ))
i =1
i = k +1
(36)
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
544
Distribution
a priori
Distribution
a posteriori
4
3
2
1
0
0.0
0.2
0.4
0.6
(x 10-4)
a)
0.8
Distribution
a priori
Distribution
a posteriori
4
3
2
1
0
0.0
1.0
0.2
0.4
0.6
(x 10-4)
b)
0.8
1.0
4.5
4.0
Distribution
a priori
3.5
Distribution
a posteriori
3.0
2.5
2.0
1.5
1.0
Distribution
a priori
Distribution
a posteriori
3
2
1
0.5
0
0.0
0.2
0.4
0.6
0.8
1.0
(x 10-4)
c)
0
0.0
1.2
0.5
1.0
1.5
2.0
2.5
3.0
3.5
4.0
4.5
(x 10-5)
d)
Figure 7
Distributions a priori et a posteriori des taux de dfaillance.
(a) bote froide ; (b) changeur bobin ; (c) pompe cryognique ; (d) vanne cryognique.
A priori and a posteriori distribution of failure rates.
L( y ) = k exp( ) t i + t i
i = k +1
i =1
(37)
k exp( t ) f ()
k exp( t )d
0
(38)
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
0 0 1
0 exp( 0 )
( 0 )
(39)
k + 0 1 exp[ ( t + 0 ) ]
[ ( t + 0 ) ] d
(40)
k + 0 1 exp
(41)
la probabilit a posteriori de :
g( k, 0 , 0 ) =
( t + 0 ) k +
(k + 0 )
k + 0 1 exp[ ( t + 0 ) ]
(42)
0 + k
0 + t
(43)
545
Lestimation des indices de fiabilit des quipements est ralise par amalgame de donnes issues du retour dexprience,
de jugements dexperts et de bases de donnes en vue de tirer
la meilleure qualit destimation. Lestimation baysienne
reprsente une rponse adquate au problme crucial de la
faiblesse du retour dexprience. Le modle global propos
dans cet article permet lestimation de la disponibilit, lanalyse des risques de perturbations, ainsi que la mise au point
doutils daide la dcision permettant de rationaliser la
conception et lexploitation de ce type de systme. Le
modle peut galement servir de support une organisation
efficace de la maintenance prventive, loptimisation des
redondances, le choix optimal des systmes de liqufaction,
la localisation et le dimensionnement stockage souterrain,
etc. La dmarche dveloppe, dans son aspect modlisation
et estimation, peut tre tendue tout systme complexe de
lindustrie des hydrocarbures ou autre.
RFRENCES
1 Finn, A.J., Johnson, G.L., et Tomlinson, T.R. (1999)
Developments in natural gas liquefaction. Hydrocarbon
Processing, 47-58.
2 Smati, A., Younsi, K. et Ainouche, A. (2002) Algerian LNG
chain reliability modeling using systemic approach and
bayesian inference. Proc. GTI, First Annual Conference and
Exhibition on Natural Gas Technologies, Orlando, Florida.
3 Younsi, K., Smati, A. et Ainouche, A. (2001) Modlisation
de la fiabilit dune chane GNL. Actes conf. int. sur la
productique, Sheraton, Alger.
4 Younsi, K., Smati, A. et Ainouche, A. (2000) Reliability
analysis of refrigeration systems used in liquefied natural gas
production. Proc. Arab-african Conf. on Refrigeration and
Air conditionning, Cairo.
5 Vidal, J. (1997) Thermodynamique, application au gnie
chimique et lindustrie ptrolire, dition Technip, Paris.
6 Ainouche et A. et Smati, A. (2002) Optimization of LNG
chain by stochastic dynamic programming model. Proc. 17th
World Petroleum Congress, Rio de Janeiro.
7 Seligman, B.J. (1999) Reliability of large-diameter gas pipelines in northern Russia. Petroleum Economist, 66, 2, 26-29.
8 Smati, A. (1994) Dtection de dfauts sur un gazoduc. Rev.
Gaz daujourdhui, 791-794.
9 Yacin, E.M. et Berezine, V.L. (1972) Nadiojnost
trouboprovodov, Nedra, Moscow (en russe).
10 Younsi, K. et Smati, A. (2000) Fiabilit dun gazoduc dans
un environnement faible en donnes statistiques. Actes du 1er
Symp. Int. Hydrocarbures, Boumerds, Algrie.
11 Ainouche, A., Smati, A. et Younsi, K. (2002) Reliability of
LNG and natural gas transmission chain. Proc. 17th World
Petroleum Congress, Rio de Janeiro.
12 Younsi, K. (2002) Modlisation de la fiabilit dune chane
GNL dans un environnement faible en donnes statistiques.
Thse de magister, universit de Boumerds.
13 Martz, H.F. et Waller, R.A. (1976) The basics of bayesian
reliability. Estimation from attribute test data. Los Alamos
Sientific Laboratory Report LA 6126.
14 Procaccia, H. et Piepszownik, L. (1992) Fiabilit des
quipements et thorie de la dcision statistique frquentielle
et baysienne, Eyrolles, Paris.
546
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
e, e
ANNEXE
MODLISATION DE LA DISPONIBILIT
DU PROCD PRICO
A.1 Description sommaire du procd PRICO
Le procd PRICO est un procd de liqufaction de gaz
naturel dvelopp en 1974 par Pritchard-Rhodes et qui utilise un seul fluide frigorigne permettant de refroidir et de
liqufier le gaz naturel par simple dtente. Il est apprhend
comme lassemblage en srie de quatre sous-systmes :
APRICO = Ast Acv Acf Aliq
(A1)
o :
Ast disponibilit du sous-systme circuit traitement gaz ;
Acv disponibilit du sous-systme circuit vapeur ;
Acf disponibilit du sous-systme circuit frigorifique ;
Aliq disponibilit du sous-systme circuit liqufaction.
(A2)
Aca
p, p
e + e
2
n =2
2 2c + 2 c c
ri
e
+
c + 2 c c + 2 2c i =1 ri + ri (A4)
e + e
Aca
Acr
Acg
547
2
n =2
ri
2 2c + 2 c c
e
2
e + e c + 2 c c + 2 c i =1 ri + ri
c, c
e b
e + e b + b
(A5)
548
Oil & Gas Science and Technology Rev. IFP, Vol. 58 (2003), No. 5
p
e
B
2
c
1
e
e
s
f
e
f
s
p
1
p
b
p
3
e
Figure 8
Diagramme de fiabilit des sous-systmes du procd PRICO.
(a) 1 : reservoir damine, p : pompe damine, e : changeur, 2 : tour de lavage, 3 : rgnrateur damine.
(b) 1 : changeur, 2 : ballon sparateur, e : changeur, c : compresseur de rgnration.
(c) e : changeur, b : ballon sparateur, s : scheur, f : filtre.
(d) 1 : chaudire, 2 : turbine, 3 : pompes dextraction, b : ballon, 3 : pompes alimentaires.
(e) 1 : dmthaniseur, e : changeur de rfrigrant, 2 : changeur de gaz combustible 3 : vanne Joule-Thompson, 4 : ballon de flash,
p : pompes GNL.
Reliability diagrams of the PRICO process subsystems.
n = 3 C k k n k
2 + 2 m m
b
Acf = n c c n 2 2 m
k = 2 ( c + c ) m + 2 m m + m
b + b
2 + 2 m m
b
2 m
2
m + 2 m m + m b + b
2 2p + 2 p p n = 2 fi
2 + 2 + 2 2 +
p
p p
p i =1
fi
fi
(A6)
A Smati et al. / Modlisation de la disponiblit dune chane de GNL sur la base dune approche baysienne
o :
c, c taux de dfaillance et taux de rparation du condenseur ;
m, m taux de dfaillance et taux de rparation du soussystme m ;
b, b taux de dfaillance et taux de rparation du ballon
sparateur ;
p, p taux de dfaillance et taux de rparation de la pompe ;
f1, f1 taux de dfaillance et taux de rparation du ballon
sparateur ;
f2, f2 taux de dfaillance et taux de rparation du compresseur.
Aliq
p, p
b, b
v1, v1
e, e
p, p
2 n =2
2 2p + 2 p p b
vi
(A7)
Acv = 2
p + 2 p p + 2 2p b + b i =1 vi + vi
n = 4 C nk ke ne k 2 2p + 2 p p
=
n
k = 2 ( e + e ) 2p + 2 p p + 2 2p
(A8)
2
n =2
n =4
li
li
+ +
li
li
i = 3 li
i =1 li
549
l1, l1
l2, l2
l3, l3
l4, l4