Bessere Big-Data-Analyseansätze könnten helfen, die Wartung von Gas-und Ölpipelines zu vereinfachen und diese letztlich sicherer zu machen, so Forscher in einer aktuellen Studie. "In vielen bestehenden Codes und Praktiken liegt der Fokus auf den Konsequenzen, was passiert, wenn etwas schiefgeht", erklärt dazu Fuzhan Nasiri, Professor am Fachbereich Bau-, Zivil- und Umwelttechnik der Concordia University in Kalifornien. Sinvolle prädiktive Modelle wären geeignet, insbesondere das Korrosionsrisiko wirklich vorauszuahnen.
Egal, wie verschiedene Leute grundsätzlich zu Pipelines stehen: Darüber, dass Schäden an den Öl- und Gasleitungen eher schlecht sind, herrscht Einigkeit. Doch allein in den USA hat es laut Statistiken des Department of Transportation (DOT) seit 2002 über 10.000 Schadensfälle gegeben. Bessere Wartungsstrategien, die tatsächliche Probleme verhindern, wären also ein Gewinn. Nasiri hat deshalb in Zusammenarbeit mit Kollegen auch an der Polytechnischen Universität Hongkong aktuelle Methoden zur Schadensvorbeugung untersucht und Verbesserungen vorgeschlagen.
Insbesondere vertreten die Forscher die Ansicht, dass die Datenberge, die der dem DOT unterstellten Pipeline and Hazardous Materials Safety Administration zu Pipeline-Schadensfällen in den vergangenen Jahrzehnten vorliegen, mithilfe prädiktiver Modelle besser genutzt werden könnten. "Wir können Tendenzen und Muster anhand dessen ausmachen, was in der Vergangenheit passiert ist", erklärt Nasiri. Eben diese dürften sich auch in Zukunft fortsetzen, was eben helfen könnte, die Wartung zu optimieren und so kritische Schäden zu vermeiden.
"Wenn wir Variablen wie den Standort und Betriebsparameter sowie die wahrscheinlichen klimatischen Bedingungen berücksichtigen, könnten wir das Korrosionsrisiko über einen vorgegebenen Zeitraum ermitteln", sagt der Ingenieur. Eben das hat das Potenzial, Pipelines deutlich sicherer zu machen. Denn korrosionsbedingte Schäden sind laut den Forschern der häufigste Grund für ein Versagen einer Gas- oder Ölpipeline.
Solch ausgeklügeltere Fehler-Vorhersagemodelle könnten also Betreibern von Pipelines helfen, ein klareres Bild davon zu gewinnen, mit welchen Problemen sie zu rechnen haben und vorsorglich Maßnahmen zu setzen - was billiger kommen dürfte als ein tatsächlicher Schadensfall. Ideal wäre es Nasiri zufolge, wenn es industrieweit einheitliche Modelle gäbe, damit im Falle eines Betreiberwechsels auch diese wartungsdienliche Information leicht übertragen werden kann.
http://concordia.ca
http://www.polyu.edu.hk
