A Bayesian network approach for analysing the failure of jackup rigs operations in West Africa.

Abstract

Den globale energietterspørselen vil øke de neste ti ̊arene p ̊a grunn av befolkningsvekst og økt forbruk. Samtidig som europeiske land øker investeringene sine i fornybar energi, som havvind, har de vist seg ̊a være kostbare, up ̊alitelige og ute av stand til ̊a produsere samme mengde energi som fossilt brensel som olje, gass og kull. Tidligere har europeiske energiselskaper prioritert p ̊a hydrokarbonproduksjon, prioriterer de n ̊a utvikling av fornybar energi. Dette har ført til at europeiske energiselskaper har trukket seg fra hy- drokarbonprosjekter, noe som har hemmet utviklingen av fornybar energi og petroleumsutvikling generelt i land som primært ligger i Vest-Afrika. Mens jeg skrev denne masteroppgaven, opplevde verden, spesielt Europa, energimangel og skyhøye priser som følge av den russisk-ukrainske krigen; aldri før har solid hydrokarbonproduksjon vært viktigere. Vest-Afrika som region har enorme olje- og gassreserver til havs og p ̊a land. Landutvikling har g ̊att mye raskere enn havutvikling, og det er ønskelig ̊a utvikle offshore olje- og gassvirksomhet i Vest-Afrika. Dess- verre har offshoreoperasjoner i Vest-Afrika en høyere risiko enn i andre omr ̊ader. Bayesiansk nettverk (BN) er en probabilistisk grafisk modell som bruker en rettet asyklisk graf for ̊a repres- entere en betinget gjensidig avhengighet via en rettet asyklisk graf. Dette kan brukes til ̊a undersøke og vise ̊arsakssammenhenger mellom nøkkelfaktorer og systemutfall. Deretter utføres en sensitivitetsanalyse for ̊a bestemme hvordan endringer i andre variabler kjent som inngangsvariabler p ̊avirker m ̊alvariabler (Jackup riggfeil). Det har vært aktivitet offshore i Vest-Afrika de siste 45 ̊arene, spesielt med bruk av jackup-rigger. Denne oppgaven undersøker etableringen av et bayesiansk nettverk basert p ̊a historiske ulykkesdata for ̊a visu- alisere hvilken operasjon p ̊a jekkløfteren som for ̊arsaket ulykken og for ̊a estimere frekvensen av et gitt scenario kan inntreffe.

Global energy demand will rise in the coming decades due to population growth and increased consump- tion. At the same time that European countries are increasing their investments in renewable energy, such as offshore wind, they have proven to be costly, unreliable, and incapable of producing the same amount of energy as fossil fuels such as oil, gas, and coal. Previously focused on hydrocarbon production, European energy companies are now prioritising the development of renewable energy. This has resulted in European energy companies withdrawing from hydrocarbon projects, which has hampered the development of re- newable energy and petroleum development in general in countries primarily located in West Africa. While writing this master’s thesis, the world, particularly Europe, was experiencing energy shortages and sky-high prices as a result of the Russian-Ukrainian war; never before has solid hydrocarbon production been more important. West Africa as a region has enormous offshore and onshore oil and gas reserves. Land development has progressed much faster than sea development, and it is desirable to develop offshore oil and gas operations in West Africa. Unfortunately, conducting offshore operations in West Africa carries a higher risk then in other areas. Bayesian Network (BN) is a probabilistic graphical model that use a directed acyclic graph to represent a conditional interdependencies via a directed acyclic graph. This can be used to investigate and display causal relationships between key factors and system outcomes. Following that, a sensitivity analysis is performed to determine how changes in other variables known as input variables affect target (Jackup rig failure) variables. There has been activity offshore in West Africa for the past 45 years, particularly with the use of jackup rigs. This thesis examines the creation of a Bayesian network based on historical accident data to visualise which operation on the jackup caused the accident and to estimate the frequency of such an accident occurring.