Advanced optimization of safety instrumented systems for emergency shutdown and operational integrity on offshore wellhead platforms

This thesis presents the development and application of an innovative algorithm for optimizing signal allocation in Safety Instrumented Systems (SIS) on offshore Wellhead platforms, aimed at enhancing system reliability and reducing failures and misreadings. Amidst the challenges of emergency shutdown systems, the critical role of accurate and efficient signal allocation within CHARMS Smart Logic Solvers (CSLS) becomes evident, especially in preventing common cause failures (CCFs) and maintaining system integrity under emergency conditions. Leveraging real field data subject to non-disclosure agreements, this study devises ten systematic rules for signal allocation that integrate considerations for component failure rates, redundancy, and other crucial operational factors. These rules form the basis of a tailored algorithm that not only adheres to these principles but also dynamically adjusts to the nuances of field data, providing a predictive model for optimized signal allocation. Due to confidentiality constraints, the thesis does not disclose real data but instead illustrates the algorithm’s practical application through a simplified case study. This scenario simulates signal allocation for a Wellhead platform consisting of six Wellheads for hydrocarbon extraction from the seabed, each equipped with a Christmas tree and a HIPPS system. This demonstration highlights the algorithm’s effectiveness in improving the reliability and safety of emergency shutdown systems. The outcomes underscore the algorithm’s potential in mitigating risks and improving the dependability of offshore oil and gas operations, marking a significant advancement in the domain of industrial automation and safety management.

Questa tesi presenta lo sviluppo e l’applicazione di un algoritmo innovativo per ottimizzare l’allocazione dei segnali nei Sistemi Strumentati di Sicurezza (SIS) su piattaforme Wellhead offshore, con l’obiettivo di aumentare l’affidabilità del sistema e ridurre guasti ed errori di lettura. Tra le sfide poste dai sistemi di arresto di emergenza, emerge il ruolo cruciale di un’allocazione dei segnali accurata ed efficiente all’interno dei CHARMS Smart Logic Solvers (CSLS), particolarmente importante per prevenire i guasti da causa comune (CCF) e mantenere l’integrità del sistema in condizioni di emergenza. Sfruttando dati di campo reali, soggetti ad accordi di non divulgazione, questo studio elabora dieci regole sistematiche per l’allocazione dei segnali, che integrano considerazioni sui tassi di guasto dei componenti, sulla ridondanza e su altri fattori operativi critici. Queste regole costituiscono la base di un algoritmo su misura che non solo aderisce a tali principi, ma si adatta dinamicamente alle peculiarità dei dati di campo, fornendo un modello predittivo per un’allocazione dei segnali ottimizzata. A causa di vincoli di riservatezza, la tesi non presenta dati reali ma illustra invece l’applicazione pratica dell’algoritmo tramite uno studio di caso semplificato. Questo scenario simula l’allocazione dei segnali per una piattaforma Wellhead composta da sei pozzi per l’estrazione di idrocarburi dal fondale marino, ciascuno dotato di un albero di Natale e di un sistema HIPPS. Questa dimostrazione evidenzia l’efficacia dell’algoritmo nel migliorare l’affidabilità e la sicurezza dei sistemi di arresto di emergenza. I risultati sottolineano il potenziale dell’algoritmo nel mitigare i rischi e nel migliorare l’affidabilità delle operazioni offshore di petrolio e gas, segnando un significativo avanzamento nel campo dell’automazione industriale e della gestione della sicurezza.