TINJAUAN PUSTAKA
Di dalam suatu industri migas, pipeline termasuk dalam bagian flow diagram dari
proses produksi. Penggunaan pipeline bahkan terus meningkat dalam 3 dekade
terkahir ini sejak 1950-an. Dalam penggunaannya sendiri pipeline memegang
perananan penting diantaranya adalah untuk: 1. Exports pipeline, 2. Flowlines
untuk mentransferkan produk migas dari platform ke export line, dan 3. Flowlines
untuk transfer produk migas dari platforms, subsea manifolds, dan satellite wells.
Untuk itu perlu dilakukan analisa terhadap resiko kegagalan yang berbasis pada
keandalan mengingat dampak yang besar akibat gagalnya kinerja suatu jaringan
pipa. Hal ini disebabkan karena perhitungan desain pipa tidak dapat dilakukan
melalui pendekatan deterministik saja mengingat banyaknya faktor ketidakpastian
misalkan pada mechanical properties pipa. Selain itu pada analytical model juga
terdapat banyak sumber ketidakpastian. Sehingga pendekatan probabilistic
diperlukan sebagai metode yang tepat untuk solusi dari ketidapastian yang ada
dan untuk mencapai desain tingkat keamanan (Yong Bai, 2001).
Selama ini analisa kegagalan pipa yang telah dilakukan banyak menggunakan
code methods, seperti penelitian oleh Ahmad Fauzan (2005) yang menggunakan
ASME B31G dan Prasetyo (2009) yang menggunakan DNV RP-F-101. Filosofi
kegagalan adalah kekuatan pipa yang mengalami degradasi dalam menerima
functional loads (internal pressure) karena pengurangan ketebalan pipa akibat
korosi yang terjadi. Pada kenyataannya korosi tidak hanya mengurangi ketebalan
tetapi juga berperan sebagai initial crack dan menjadikan peluang fracture
semakin besar.
H. Adib-Ramezani et al (2006) telah melakukan probabilistic analysis sebagai
evaluasi integritas struktural pipa gas X52 akibat retak korosi menggunakan
prosedur SINTAP dan notch theory. Secara garis besar metodologi penelitian
yang dilakukan terbagi menjadi:
DASAR TEORI
corrosion memiliki penampilan brittle fracture sebagai akibat dari proses korosi
lokal.
Tegangan
Media
Korosif
Temperatur
Tinggi
Mekanisme kegagalan komponen logam akibat retak yang terjadi akibat stress
corrosion (SCC) terbagi menjadi dua fase, yakni fase pemicuan dan fase
penjalaran. Fase pemicuan adalah fase ketika pembangkit tegangan terbentuk.
Pada fase ini terjadi serangan terhadap bagian-bagian logam material yang bersifat
anoda sehingga mengakibatkan timbulnya cekukan atau lubang. Ketika tegangan
melebihi kekuatan luluh material, maka material akan mengalami deformasi
plastik, yakni ikatan-ikatan pada struktur kristalnya putus sehingga bentuk
material berubah secara permanen. Sedangkan pengertian fase penjalaran adalah
fase yang akhirnya menyebabkan kegagalan. Pada fase penjalaran ini dikenal
istilah retak awal dan fase perambatan retak (Jones, 1992). Pada fase ini akan
ditemukan istilah stress intensity factor, fracture toughness, dan critical length
yang akan dibahas secara detail pada bagian mekanisme kepecahan.
II.2.1.2 Analisa Hoop Stress
Pertimbangan utama dalam pemilihan tebal dinding untuk menahan perbedaan
tekanan dalam dan luar adalah perhitungan hoop stress, dalam hal ini
menggunakan persamaan dari DNV (2000):
h all
(2.1)
( p i p e ) D t1
2t1
2. U
3. m sc
.(SMYS f y ,temp )
(2.2)
Atau
pd .
D t1
.(SMYS f y ,temp )
2t1
dimana: =
2. U
3. m sc inc
(2.3)
(2.4)
Keterangan:
h
all
10
Pi
Pe
Pd
t1
tfab
tcorr
: faktor tekanan
sc
inc
Normal
Supplementary Requirement U
0.96
1.00
Pada sistem pressure test, faktor kekuatan material (U) sama dengan 1, hoop
stress yang diijinkan sebesar 96% dari SMYS untuk kedua material diatas. Faktor
tahanan material, m, tergantung pada kondisi batas dan dapat dilihat pada tabel
berikut:
Tabel 2.2 Faktor Tahanan Material (DNV, 2000)
Limit state category
m
SLS/ULS/ALS
FLS
1.15
1.00
11
Nilai SMYS tergantung pada material yang digunakan. Derating value material
yang berkaitan dengan temperatur yield stress (fy, temp) dapat dilihat dari grafik
berikut:
12
(2.5)
dimana,
13
14
function sebagai pertimbangan stress gradient yang sesuai dengan geometri dan
moda pembebanan.
(2.7)
Sehingga notch SIF dapat dicari dengan hubungan effective stress dan effective
distance yaitu,
(2.8)
(2.9)
Distribusi normal kumulatif didefinisikan sebagai probabilitas variabel acak
normal X bernilai kurang dari atau sama dengan suatu nilai x tertentu. Maka
fungsi distribusi kumulatif (cdf) dari distribusi normal ini dinyatakan sebagai:
(2.10)
II.2.2.2 Distribusi Eksponensial
Distribusi eksponensial merupakan kasus khusus dari distribusi gama dengan
faktor bentuk = 1 dan faktor skala = 1/. Distribusi ini banyak digunakan
sebagai model di bidang teknik dan sains. Variabel acak kontinu X memiliki
distribusi eksponensial dengan parameter dimana > 0, maka fungsi kepadatan
probabilitas dari X adalah:
15
(2.11)
18
(2.17)
Dimana:
Pg
: Peluang kegagalan
Res
: Kekuatan (Resistance)
: Beban (Load)
(2.18)
: kurva Kr vs Lr
Kr
Lr
: non-dimensional load
Lr
max
Apabila didefinisikan sebuah vektor normal satuan yang tegak lurus terhadap
bidang singgung di titik A pada bidang kegagalan FK(Z) = 0, maka jarak dari titik
0 ke A adalah , dan Zi = i. Dalam ruang umum berdimensi n, maka = (1,
2, , n), dan indeks keandalan adalah jarak yang ditentukan dengan
menyelesaikan n + 1 persamaan berikut:
FK (1, 2, , n) = 0
(2.20)
(2.21)
Dimana k adalah resultan panjang vektor satuan yang dipakai sebagai pembagi
untuk memperoleh vektor satuan pada arah Zi; n adalah jumlah perubah dasar.
Konstanta k dihitung sebagai berikut:
(2.22)
sistem tersebut.
untuk
menentukan
nilai
rata-rata,
simpangan
baku,
bahkan
21
prinsip dasar metode simultan Monte Carlo sebenarnya adalah sampling numerik
dengan bantuan RNG, dimana simulasi dilakukan dengan mengambil beberapa
sampel dari perubah acak berdasarkan distribusi peluang perubah acak
tersebut. Ini berarti, simulasi Monte Carlo mensyaratkan bahwa distribusi
peluang dari perubah acak yang terlibat di dalam sistem yang sedang dipelajari
telah diketahui atau dapat diasumsikan. Sampel yang telah diambil tersebut
dipakai sebagai masukan ke dalam persamaan fungsi kinerja FK(x), dan harga
FK(x) kemudian dihitung. Untuk suatu fungsi kinerja tertentu, misalnya setiap
kali FK(x) < 0 maka sistem/komponen yang ditinjau dianggap gagal. Jika
jumlah sampel tersebut adalah N (atau replikasi sejumlah N) maka dapat dicatat
kejadian FK(x) < 0 sejumlah n kali. Dengan demikian, peluang kegagalan
(Pg)
utama
di
dalam
simulasi
Monte
Carlo
adalah
bagaimana
dengan tinggi fkp pada Xi. Untuk setiap aP, yang keluar dari RNG maka
aP diperbandingkan dengan batas interval yang sesuai. Apabila Pi < aP
<Pi+1 maka aP dipahami (ditransformasikan) sebagai Xi.
Disamping itu, transformasi dari bilangan acak ke nilai perubah acak dapat
dilakukan secara analitik berdasarkan fungsi distribusi kumulatif perubah acak
tersebut. Oleh karena fungsi distribusi kumulatif (fdk) dari suatu perubah acak X
merupakan fungsi kontinyu dan monotonik dari X maka nilai Fx(x) dapat dipakai
sebagai alat transformasi dari nilai bilangan acak u menjadi nilai perubah acak x.
II.2.4.4 Indeks Keandalan
Cara lain untuk mengukur keandalan adalah dengan cara menggunakan indeks
keandalan , yang didefinisikan sebagai perbandingan antara nilai rata-rata dan
nilai simpangan baku dari margin keselamatan S, yaitu:
Jika menggunakan nilai kristis margin keselamatan S = 0 dan jaraknya dengan
nilai rata-rata margin keamanan S, maka indeks keandalan ini dapat
diinterprestasikan sebagai jumlah kelipatan simpangan baku S pada jarak ini.
Artinya jarak antara S = 0 dengan S ini dapat dibagi menjadi beberapa simpangan
baku. Semakin panjangnya, relatif terhadap simpangan baku, maka semakin besar
indeks keandalannya. Selanjutnya, indeks keandalan juga berbanding terbalik
dengan koefisien variasi margin keselamatan, atau dapat dituliskan = 1/VS.
Untuk menghasilkan ekspresi yang lebih umum atas indeks keandalan dapat
digunakan persamaan yang secara sepintas dibahas pada bagian sebelumnya.
Mengingat S = X Y, dan 2S = 2X 2XYXY + 2Y, maka:
(2.23)
Dimana XY adalah koefisien korelasi diantara kapasitas dan beban. Oleh karena
itu, indeks keandalan adalah maksimum jika XY = +1 dan minimum jika XY = 1. Untuk X dan Y terdistribusi normal maka peluang kegagalan adalah:
(2.24)
23
24