SIMULATION DE COURBES DE PROBABILITÉS DE DÉTECTION (POD) EN UTILISANT LE LOGICIEL CIVA

Transcription

1 INSPECTION DES SOUDURES CIRCONFÉRENTIELLES DE PIPES EN UTILISANT DES SYSTÈMES D INSPECTION ULTRASONORES AUTOMATISÉS (AUT) AVEC LA MÉTHODE DE DISCRIMINATION ZONALE SIMULATION DE COURBES DE PROBABILITÉS DE DÉTECTION (POD) EN UTILISANT LE LOGICIEL CIVA Bastien CHAPUIS 1, Frédéric JENSON 1, Giuseppe DiCRISCI 2, John HAMILTON 2 and Laurent POMIE 3 1 CEA List, Gif-sur-Yvette, France 2 Technip UK, Westhill, United Kingdom 3 Technip France, Innovation & Technology Center, Rueil Malmaison, France

2 Plan Contexte et simulation du contrôle par système AUT Détermination de courbes POD par la simulation Exemple d application Conclusions Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 2

3 Contexte Automated Ultrasonic Testing de soudures circonférentielles Source: Olympus Source: A+ RTD La réglementation (e.g. DNV-OS-F101) un contrôle de l intégralité de la soudure Ce qui est généralement fait par des systèmes d inspections ultrasonores automatisés Surface de la Source: A+ RTD soudure Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 3

4 Contexte Méthode de discrimination zonale : Chaque rayon correspond à un channel : un capteur mono-élément ou une loi dédiée d un capteur multi-élément Source: Olympus Chaque channel est dédié à l inspection d une zone de la soudure Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 4

5 POD Contexte La configuration des channels est différente pour chaque pipeline (en fonction des matériaux, des épaisseurs, des procédés de soudage, ) Nécessité de qualifier le système pour chaque configuration La preuve de performance du système est apportée par la détermination de courbes de Probabilité de Détection (POD) Defect size La qualification est un processus long et coûteux qui requiert un grand nombre d échantillon intérêt de la simulation La courbe POD est la courbe donnant la probabilité que le système AUT donne une réponse au-dessus d un seuil donné Selon DNV-OS-F101 le plus petit défaut critique doit être détecté avec une probabilité d au moins 90% avec une bande de confiance de 95% Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 5

6 Simulation du système d inspection Code de couleur : Défaut de calibration : 80% FSH Vert : > 20% FSH Rouge : > 40% FSH Jaune : > 70% FSH et < 99% FSH Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 6

7 Plan Contexte et simulation du contrôle par système AUT Détermination de courbes POD par la simulation Exemple d application Conclusions Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 7

8 Inspection de défauts Exemple d un défaut situé sur le chanfrein Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 8

9 Amplitude (% FSH) Inspection de défauts hauteur 2 mm Seuil de détection 0.3 mm Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 9

10 Amplitude (% FSH) Inspection de défauts Amplitude 100% Seuil de détection 20% 0% 0 2 Hauteur du défaut (mm) Seuil de détection Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 10

11 Courbe POD idéale Amplitude 100% 20% 0% 0 2 Hauteur du défaut (mm) detection threshold 1 POD 0 Courbe POD idéale 0 2 Hauteur du défaut (mm) Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 11

12 Amplitude (%FSH) Fluctuations du signal Example d un offset de la bande de guidage du système AUT Y nominal = 61.6 mm nominal Dans la procédure: tolérance of 1 mm Variation du signal due à l offset de la bande Réponse du défaut pour Y [60.6; 62.6] mm Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 12

13 POD Courbe POD Amplitude 100% 20% 0% Courbe POD Hauteur du défaut (mm) 0 a 90 a90/95 Defect size 2 Seuil de détection Bande de confiance (incertitude due à la détermination de la courbe POD sur un nombre fini de données) valeur conservative Hauteur du défaut (mm) Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 13

14 Simulation de la courbe POD avec CIVA Amplitude Amplitude Fluctuations Taille du défaut Taille du défaut Approche déterministe Paramètres d entrée X Avec incertitude Approche basée sur la propagation des incertitudes Paramètres de sortie Y Avec variabilité Propagation des incertitudes Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 14

15 POD POD pour un channel Simulation de la calibration pour les channels adjacents Définition dans CIVA de la configuration Simulation de la calibration pour le channel nominal Sources de fluctuations Même configurations Détermination de la courbe POD Simulation de la réponse pour le channel nominal Defect size Simulation de la réponse pour les channels adjacents Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 15

16 En pratique Choix des paramètres incertains Définition d une distribution statistique pour le paramètre incertain Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 16

17 Plan Contexte et simulation du contrôle par système AUT Détermination de courbes POD par la simulation Exemple d application Conclusions Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 17

18 Paramètres influents Uncertainty on pipe thickness Probe distance to the weld Hi-Lo D autres paramètres peuvent avoir un effet important lors de ce type de contrôles (signal d entrée, température variable dans le sabot, ), ils n ont cependant pas été pris en compte dans cette analyse Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 18

19 Présentation des résultats Liste de paramètres incertains utilisés dans les simulations Amplitude 100% 20% 0% 0 2 defect height (mm) Bande de confiance à 95% a 90/95 = 1,4 mm Courbe POD a 90 = 0,9 mm Seuil de détection à 20% FSH Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 19

20 Exemple de la température T = 20 C T [20 C and 60 C] Sans les channels adjacents a 90/95 = 1.3 mm a 90/95 = 1.7 mm Avec les channels adjacents a 90/95 = 1.1 mm a 90/95 = 1.0 mm Sans prise en compte de l influence de la température Avec prise en compte d une variation de température

21 Exemple de la température : interprétation FILL FILL2 La déviation du faisceau du channel nominal est compensée par celle du channel adjacent Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 21

22 Signal amplitude POD Signal amplitude Conclusions Applications possibles : Optimisation du plan d expérience : sélectionner les essais (et les échantillons à réaliser) dans la zone d intérêt de la POD (nombre réduit de test pour lesquels on sait que POD = 0 ou 1) Quantifier l impact d un paramètre incertain non pris en compte dans une campagne d essais expérimentale Identifier les paramètres incertains à mieux contrôler afin de d obtenir une courbe POD acceptable Fournir des éléments de justification technique lors de modifications mineures de la procédure sans refaire une campagne expérimentale complète À plus long terme : Simulations 1 Fusion entre un nombre limité de résultats expérimentaux et un grand nombre de données simulées plus de fiabilité des résultats à moindre coût Expériences Defect size Defect size Defect size Cofrend 2014 Simulation de courbes POD pour systèmes AUT via le lociel CIVA 22