管道超声厚度数据分析使用高斯分布

介绍

确定管道的总体机械完整性至关重要。为了实现这一目标，经常使用筛查检查和检查技术，例如引导波超声波或智能猪系统。但是，这些技术可能会有一些局限性，并且通常补充视觉检查以及常规的点厚度测量值（通常使用A-SCAN UT仪器）。当然，必须对这些考试期间生成的所有数据进行编译并正确分析。具有大量管道的整个领域的机械完整性评估可能需要大量资源（即时间，经济，专业知识），并且可以生成大量的数据。API 570（第四版，第7.1.3段）允许使用统计分析方法来建立代表性的腐蚀率，保留寿命估算和/或重新检查日期的管道系统^[1]。

本文将讨论一种统计分析方法，该方法是为了评估可以在第一阶段检查中识别的管道完整性而开发的，该方法是在第一阶段检查中，是否有主动损害机制的性质是统一（一般）或本地化的。它还可以帮助确定最有指示的领域，这有助于我们制定更好的检查计划，并确定是否需要更高级的检查（第2阶段）检查。该分析方法基于高斯分布的应用，高斯分布最正确地适用于使用非破坏性超声测试（UT）A-SCAN生成的统计种群类型。结果是高斯钟图表示，其中理想管道条件的参数化叠加到实际数据上，从而清楚地显示了实际数据与理想条件的偏差。

统计方法的开发

通过应用非破坏性评估（NDE）UT A-SCAN获得的结果的正确解释是主观的，并且依赖于检查员的经验。相对于管道的标称厚度，通常会获得低，中和高读数。鉴于数据量和多样性，考虑了描述性统计数据的使用，特别是高斯分布的适用性，因为通过此，可以代表某些变量值的行为。在这种情况下，厚度变化可能会受到随机现象的影响，例如由各种损伤机制引起的腐蚀。