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

10.22107/jpg.2022.343211.1166

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


[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.