Latar Belakang dan Signifikansi Penelitian
Industri lepas pantai, khususnya dalam eksplorasi minyak dan gas, menghadapi risiko tinggi seperti kebocoran, kebakaran, dan ledakan. Penelitian oleh Samir Massoud Deyab (2017) berfokus pada analisis risiko komponen proses lepas pantai dengan menggunakan Bayesian Network (BN) untuk mengatasi keterbatasan metode konvensional seperti Bow-Tie (BT). Studi ini menawarkan solusi inovatif untuk menangani ketidakpastian data dan ketergantungan antar faktor penyebab kegagalan, yang sering diabaikan dalam analisis tradisional.
Metodologi dan Studi Kasus
Penelitian ini menggabungkan dua pendekatan utama:
1. Analisis Sensitivitas untuk Kompresor dan Heat Exchanger:
- Menggunakan Bayesian Network untuk memodelkan ketergantungan antar penyebab kegagalan.
- Hasil Kunci:
- Probabilitas kegagalan kompresor meningkat dari 5×10⁻³ menjadi 7.32×10⁻³ (naik 46%) saat ketergantungan antar faktor dipertimbangkan.
- Probabilitas kegagalan heat exchanger naik dari 4×10⁻³ menjadi 7.32×10⁻³ (naik 75%).
2. Pemetaan Bow-Tie ke Bayesian Network:
- Studi kasus kebocoran pipa bawah laut dengan tiga logika: OR, Noisy-OR, dan Leaky Noisy-OR.
- Temuan Penting:
- Probabilitas kebocoran pipa: 1.43×10⁻² (OR), 3.75×10⁻³ (Noisy-OR), dan 5.12×10⁻² (Leaky Noisy-OR).
- Seabed soil erosion dan seabed movement adalah penyebab paling kritis, dengan peningkatan probabilitas hingga 85.78% dan 76.11%.
Analisis dan Nilai Tambah
1. Kelebihan Bayesian Network:
- Mampu menangani ketidakpastian data dan ketergantungan kompleks antar faktor.
- Noisy-OR dan Leaky Noisy-OR memungkinkan analisis risiko dengan data terbatas.
2. Kritik terhadap Metode Konvensional:
- Bow-Tie dinilai statis dan tidak mampu memodelkan evolusi skenario risiko secara dinamis.
3. Aplikasi Industri:
- Cocok untuk pemantauan real-time menggunakan IoT.
- Studi kasus kebocoran pipa bawah laut relevan untuk proyek di wilayah dengan geologi kompleks, seperti Laut Utara atau Teluk Meksiko.
Kesimpulan dan Rekomendasi
- BN terbukti lebih unggul dalam akurasi dan fleksibilitas dibanding metode tradisional.
- Rekomendasi:
- Integrasi BN dengan data real-time untuk pemantauan terus-menerus.
- Pelatihan ahli untuk mengisi CPT (Conditional Probability Tables) dengan presisi tinggi.
Sumber : Deyab, S.M. (2017). Failure Modeling and Analysis of Offshore Process Components. Tesis Master, Memorial University of Newfoundland.