Avaliação da integridade estrutural de dutos através de monitoramento com ondas guiadas e aplicação de métodos orientados por dados

Abstract

A corrosão representa uma grande ameaça para a integridade estrutural dentro da indústria de óleo e gás, aumentando a demanda por manutenções e os custos associados. No entanto, técnicas tradicionais de inspeção costumam apresentar limitações na detecção de estágios iniciais de corrosão, principalmente sob condições operacionais e ambientais desafiadoras, além da grande dependência do conhecimento técnico e experiência de um operador, o que traz subjetividade e variabilidade às análises. Este estudo investiga o monitoramento de integridade estrutural (em inglês Structural Health Monitoring) utilizando métodos orientados por dados, especificamente Principal Component Analysis (PCA), t-Distributed Stochastic Neighbor Embedding (t-SNE), Isometric Mapping (Isomap), Locally Linear Embedding (LLE) e Uniform Manifold Approximation and Projection (UMAP), para aumentar as capacidades de detecção de inicial de corrosão. Foi induzida corrosão em um duto de aço utilizando uma solução iônica, com aproximadamente 700 GB de dados de ondas guiadas adquiridos. Os sinais foram coletados continuamente, em um processo gradual de corrosão e em patamares de corrosão bem definidos Os resultados demonstraram que anomalias podem ser detectadas a partir de 2% de redução de espessura média da parede para todos os métodos orientados por dados utilizados, efetivamente isolando efeitos ambientais, sem a necessidade de técnicas de compensação de condições operacionais ou ambientais. Os dados adquiridos em níveis bem definidos de corrosão permitiram melhor separação entre os manifolds em relação aos dados provenientes da corrosão contínua, com melhora na sensibilidade de detecção precoce de defeitos. Algoritmos não supervisionados de redução de dimensionalidade efetivamente detecção mudanças estruturais como a corrosão e perdas de transdução com ondas guiadas e parâmetros otimizados, oferecendo um grande suporte para os métodos tradicionais de inspeção

Corrosion poses a significant threat to structural integrity within the oil and gas industry, increasing maintenance demands and associated costs. However, traditional inspection techniques often exhibit limitations in detecting early stages of corrosion, especially under challenging operational and environmental conditions. Additionally, they heavily rely on an operator’s technical knowledge and experience, introducing subjectivity and variability to the analyses. This study investigates Structural Health Monitoring (SHM) using data driven methods, specifically Principal Component Analysis (PCA), t-Distributed Stochastic Neighbor Embedding (t-SNE), Isometric Mapping (Isomap), Locally Linear Embedding (LLE), and Uniform Manifold Approximation and Projection (UMAP), to enhance early corrosion detection capabilities. Corrosion was induced in a steel pipeline using an ionic solution, resulting in the acquisition of approximately 700 GB of guided wave data. Signals were collected continuously during a gradual corrosion process and at well-defined corrosion stages. The results demonstrated that anomalies could be detected with a 2% reduction in average wall thickness for all the data-driven methods used, effectively isolating environmental effects without requiring operational or environmental condition compensation techniques. Data acquired at well-defined corrosion levels allowed for better separation between manifolds compared to data from continuous corrosion, improving the sensitivity for early defect detection. Using guided waves and optimized parameters, unsupervised dimensionality reduction algorithms effectively identified structural changes such as corrosion and guided wave transduction losses. These approaches provide substantial support for traditional inspection methods, enhancing their ability to detect structural anomalies