رتبه بندی و تحلیل تعامل بین عوامل کنترلی موثر بر فوران در عملیات حفاری چاه‌های نفت با استفاده از مدل ترکیبی چند معیاره با رویکرد DANP

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی محیط زیست، واحد تهران غرب ، دانشگاه آزاد اسلامی، تهران، ایران

2 گروه علوم و مهندسی محیط زیست، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران.

3 استادیار انستیتو مهندسی نفت، دانشکده مهندسی شیمی، پردیس دانشکده های فنی دانشگاه تهران، تهران، ایران

4 گروه محیط زیست، واحد دماوند، دانشگاه آزاد اسلامی، دماوند، ایران.

5 گروه سلامت، ایمنی و محیط زیست، دانشکده بهداشت و ایمنی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

چکیده

فوران‌ جریان کنترل نشده‌ای از سیالات سازند به درون ستون چاه نفت است که به علت زنجیره‌ای از نقص و شکست لایه‌های حفاظتی چاه رخ می‌دهد و قابلیت تبدیل شدن به حوادث فاجعه بار مانند انفجار، تلفات شدید انسانی و آلودگی زیست‌محیطی را دارد. بهبود عملکرد لایه‌های حفاظتی چاه‌ و پیشگیری از رویداد فوران، مستلزم بررسی عوامل تاثیرگذار بر عملکرد لایه‌های حفاظتی با در نظر گرفتن میزان وابستگی بین آنها است.
در همین راستا در ابتدا عوامل کنترلی موثر بر فوران در چهار گروه عملیاتی، فردی، تجهیزاتی و سیاستگذاری بر اساس مطالعات پیشین شناسایی و انتخاب شدند، سپس جهت تعیین استراتژی مناسب کاهش ریسک فوران میزان تعامل و ارتباط متقابل بین این عوامل و میزان وزن موثر آنها با استفاده ترکیب روش دیمتل(DEMATEL) بر پایه تحلیل شبکه‌ای (ANP) محاسبه و تحلیل گردید.
یافته ها: نتایج نشان داد عامل سیاستگذاری با میزان شاخص اثرگذاری (R+D) برابر با 0.965 اهمیت و تعامل بیشتری نسبت به سایر عوامل در پیشگیری از رویداد فوران دارد. همچنین عامل تجهیزاتی با شاخص جهت تاثیر (R-D) برابر با 0.268 "اثرگذارترین" و عامل عملیاتی با R-Dبرابر با 0.424- "اثرپذیرترین" عامل در بین سایر عوامل است. بیشترین وزن موثر در پیشگیری از رویداد فوران مربوط به عامل عملیاتی است. بطوریکه در این عامل معیار فشار هیدرواستاتیکی، یکپارچگی و استحکام چاه، پایش چاه بترتیب در اولویت اول، دوم و سوم قرار گرفت. در همین راستا در عامل سیاستگذاری، معیار مدیریت اضطراری اولویت چهارم و ارزیابی ریسک اولویت پنجم را به خود اختصاص داد.
با توجه به تعامل بیشتر عامل سیاستگذاری با سایر عوامل درصورت توجه و تمرکز ویژه تصمیم‌گیران‌ به عامل تجهیزاتی بعنوان عامل "اثرگذار" و در نتیجه اثر هم‌افزایی آن بر عامل "اثرپذیر" عملیاتی می‌توان به موفقیت چشمگیری در بهبود عملکرد لایه‌های حفاظتی در پیشگیری از رویداد فوران دست یافت.

کلیدواژه‌ها

عنوان مقاله [English]

Ranking and Analysis of the Interaction among Factors Influencing Well Control Barriers in the Drilling Operation using the Hybrid Multi Criteria Decision Making Model with DANP Approach

نویسندگان [English]

  • Hossein Mirderikvand 1
  • Fatemeh Razavian 2
  • Ali Nakhaee 3
  • Behnaz Moradi Ghiasabadi 4
  • Reza Gholamniya 5
1 Department of Environmental Science and Engineering, West Tehran Branch, Islamic Azad University, Tehran, Iran
2 Department of Environmental Science and engineering, West Tehran Branch, Islamic Azad University, Tehran, Iran.
3 3 Institute of Petroleum Engineering, College of Engineering, University of Tehran, Iran
4 Department of Environment, Damavand Branch, Islamic Azad University, Damavand, Iran
5 Department of Safety Engineering, Faculty of Health, Safety and Environment, Shahid Beheshti University, Tehran, Iran
چکیده [English]

Blowout is an uncontrolled flow of reservoir fluids into wellbore after the Well Barriers (WBs) have failed. It can lead to catastrophic consequences such as an explosion, human casualties, loss of equipment, and environmental pollution. There is an urgent need to analyze interdependencies among WB and improving their safety for the prevention of blowouts. Policymaking, operational, personal, and mechanical factors have been identified and described as WB performance indicators using a bow-tie approach in previous research. In this study, the DEMATEL- based ANP (DANP) method is employed to determine the interdependency and the relative importance of these factors, and to determine the appropriate strategy for the risk mitigation of a blowout.
The results show that, “policymaking” is the most important factor because it has the highest rate of the influence (R+D=0.965) and high interrelationship with other factors. Furthermore, the mechanical factor with the highest value of causality (R-D=0.268) mostly affects other factors and operational factor with the lowest value of causality (R-D=-0.424) is influenced by other factors. Based on the results of ANP method, “operational factors” is the first priority among the main factors, and “hydrostatic head”, “well integrity”, “well monitoring”, “emergency management” and “decreased risk” sub-factors are respectively the first to fifth priorities were according to their weight. Considering the greater interaction of the policymaking factor with other factors, If decision makers consider the mechanical factor as " affective factor" and a result its synergistic effect on the operational as "effective factor" can be a significant success in improving the performance of WBs.

کلیدواژه‌ها [English]

  • Drilling
  • Blowouts
  • Multiple Criteria Decision Making (MCDM)
  • DEMATEL
  • DANP

مراجع

[1] Holand, P. (2017). Loss of Well Control Occurrence and Size Estimators, Phase I and II. Report prepared for Bureau of Safety and Environmental Enforcement. Report# ES201471/2, Washington, DC.
[2] Grace, R. D. (2017). Blowout and well control handbook. Gulf Professional Publishing.
[3] Suprihono, S. (2017). Unlocking Common Approach of Well Control Equipment for Mechanical Well Service. SPE/IATMI Asia Pacific Oil & Gas Conference and Exhibition,
[4] Skoloff, B., & Wardell, J. (2010). BP oil spill cost hits $40 billion, company returns to profit. Huffington Post.
 [5] قربانی, ف. (1395). اطفاء حریق چاه های نفت و گاز. انتشارات ترآوا.
[6] Ataallahi, E., & Shadizadeh, S. R. (2015). Fuzzy consequence modeling of blowouts in Iranian drilling operations; HSE consideration. Safety Science, 77, 152-159.
[7] LI, Z., HOVAKIMYAN, N. & KAASA, G. O. 2017. Bottom hole pressure estimation and adaptive control in managed pressure drilling system. International Journal of Adaptive Control and Signal Processing, 31, 545-561.
[8] Abimbola, M., Khan, F., Khakzad, N., & Butt, S. (2015). Safety and risk analysis of managed pressure drilling operation using Bayesian network. Safety Science, 76, 133-144.
[9] Tamim, N., Laboureur, D. M., Hasan, A. R., & Mannan, M. S. (2019). Developing leading indicators-based decision support algorithms and probabilistic models using Bayesian network to predict kicks while drilling. Process Safety and Environmental Protection, 121,239-246.
 [10] میرزایی علی آبادی, م., محمدفام, ا., احمدی گهر, ا. (1396). آنالیز ریسک فوران (Blow out) چاه‌های اکتشافی نفت و گاز در فاز عملیات حفاری با استفاده از تکنیک تحلیل پاپیونی (BTA) و شبکه بیزین.
[11] Mokhtari, S. M., Alinejad-Rokny, H., & Jalalifar, H. (2014). Selection of the best well control system by using fuzzy multiple-attribute decision-making methods. Journal of Applied Statistics, 41(5), 1105-1121.
[12] Peibin, G., Baojiang, S., Gang, L., & Yong, W. (2012). Fuzzy comprehensive evaluation in well control risk assessment based on AHP: A case study. Advances in petroleum exploration and development, 4(1), 13-18.
[13] Yasseri, S. (2017). Drilling Risk Identification, Filtering, Ranking and Management [Research]. International Journal of Coastal and Offshore Engineering, 1(1), 17-26.
[14] Meng, H., & An, X. (2021). Dynamic risk analysis of emergency operations in deepwater blowout accidents. Ocean Engineering, 240, 109928.
[15] Zhu, J., Chen, G., Yin, Z., Khan, F., & Meng, X. (2022). An integrated methodology for dynamic risk evaluation of deepwater blowouts. Journal of Loss Prevention in the Process Industries, 74, 104647.
[16] Zoie, R. C., Alexandru, B., Mihaela, R. D., & Mihail, D. (2016, 13-15 Oct. 2016). A decision making framework for weighting and ranking criteria for Cloud provider selection. 2016 20th International Conference on System Theory, Control and Computing (ICSTCC),
[17] Wu, W.-W., & Lee, Y.-T. (2007). Developing global managers’ competencies using the fuzzy DEMATEL method. Expert Systems with Applications, 32(2), 499-507.
[18] Jeng, D. J.-F., & Tzeng, G.-H. (2012). Social influence on the use of Clinical Decision Support Systems: Revisiting the Unified Theory of Acceptance and Use of Technology by the fuzzy DEMATEL technique. Computers & Industrial Engineering, 62(3), 819-828.
[19] Dehdasht, G., Mohamad Zin, R., Ferwati, M. S., Mohammed Abdullahi, M. a., Keyvanfar, A., & McCaffer, R. (2017). DEMATEL-ANP Risk Assessment in Oil and Gas Construction Projects. Sustainability, 9(8), 1420.
[20] Mirderikvand, H., Razavian, F., Nakhaee, A., Moradi Ghiasabadi, B., & Gholamnia, R. (2022). A barrier risk-based evaluation model for drilling blowouts. Journal of Loss Prevention in the Process Industries, 74, 104624.
[21] Bourgoyne, A. (1986). Millheim KK Chenevert ME Young Jr. Applied Drilling Engineering, SPE Textbook Series, 2.
[22] Hu, H.-Y., Lee, Y.-C., Yen, T.-M., & Tsai, C.-H. (2009). Using BPNN and DEMATEL to modify importance–performance analysis model – A study of the computer industry. Expert Systems with Applications, 36(6), 9969-9979.
[23] Lam, K., & Zhao, X. (1998). An application of quality function deployment to improve the quality of teaching. International Journal of Quality & Reliability Management, 15(4), 389-413.
نشریه علمی ژئومکانیک نفت
دوره 5، شماره 1
فروردین 1401
صفحه 46-59

فایل ها

هم رسانی

ارجاع به این مقاله

آمار