Probabilistic Fatigue Reliability of Large Diameter Steel Catenary Risers (SCR) for Ultra-Deepwater Operations
Notice bibliographique
Résumé
For deepwater development in the Gulf of Mexico, steel catenary risers (SCRs) supported from both SPAR and semi-submersible platforms have proven to be successful solutions for in-field flowlines, tie-backs, and export systems. It is envisaged that this will continue to be a promising solution in ultra deep-water applications, up to and beyond 10,000 ft. The study, commissioned by the Mineral Management Service (MMS), investigated the reliability of large-diameter SCRs in ultra-deepwater operations. The primary damage mode considered is fatigue failure. A probabilistic methodology for fatigue reliability is developed, which utilizes deterministic cumulative fatigue damage indicators, namely the stress levels and cycles associated with the various sea states and the fatigue strength of the members. Uncertainties in structural load and material properties are accounted for by assigning probability distributions and standard deviations to the deterministic stress levels. Furthermore, fatigue strength parameters, Miner’s indices, and capacities are modeled as random variables. First order reliability method (FORM) is employed for estimating fatigue reliability. The methodology is applied to three deterministic case studies presented by Intec Engineering (2006a, 2006b). The case studies involved either a SPAR or a semi-submersible platform. For the sake of brevity, a case study involving only a SPAR platform is presented in this paper. The effect of uncertainties in parameters on fatigue reliabilities is investigated. It is observed that the fatigue reliability estimates followed similar trends as the deterministic cumulative damage results, and hence can be used to complement deterministic estimates. Additional benefit and insight gained from the probabilistic study, which can be used for design decisions, include information regarding probabilistic importance and probabilistic sensitivity analysis. For case study presented here, it is seen that in general, uncertainty in the fatigue strength exponent (m) has the highest impact on fatigue reliability of SCRs. The second most important random variable is the stress range (S), which captures uncertainties in parameters such as loads and material properties. Parametric sensitivity studies on the fatigue strength parameters indicate that SCR reliability is sensitive to both the standard deviation and probability distribution of the parameters, thus highlighting the need for accurate probabilistic calibration of the random variables.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».