Regresjonsanalyse av hydrokarbonlekkasjer mot andre indikatorer i RNNP Norsk sokkel Hovedrapport. September 2009 Dok. nr.

Transkript

1 mot andre indikatorer i RNNP Norsk sokkel Hovedrapport September 2009 Dok. nr.

2 Rev: 2.0 / RAPPORT

3 RAPPORT Rapporttittel: mot andre indikatorer i RNNP Kunde: Dok. nr.: ST SA- Fil ref.: _Regresjonsanalyse av RNNS-data.docx Prosjekt nr.: P02320 Forfatter(e): J. A. Hestad T. Lilleheier Oppsummering: I dette forskningsprosjektet har målet vært å finne variabler som har en sammenheng med DFU (hydrokarbonlekkasjer). I den forbindelse har en rekke slike potensielle variabler hentet fra RNNP databasesettet blitt analysert. Analysene har variert mellom korrelasjonsberegninger, vanlig lineær regresjon og GLM (Generaliserte Lineære Modeller) modeller. Det var ingen variabler som utpekte seg med en særskilt sterk sammenheng med lekkasjer. For enkelte variabler var likevel resultatene entydige og en kan ut fra disse analysene si at det er en samvariasjon mellom støynivå på en innretning, generelt positive/ negative svar på spørreskjemaundersøkelsen og sannsynlighet for lekkasjer. Studien tolker dette som en indikator på at sikkerhetskulturen på en innretning har effekt på forekomsten av lekkasjer og tiltak for å begrense støyeksponering. Nøkkelord: Begrenset Intern Lineær regresjon DFU Korrelasjon Barrierer Spørreskjemakategorier Sikkerhetskultur Fri distribusjon Referanse tillatt Rev. nr. Dato Utarbeidet av Kontrollert av Godkjent av Grunn for revisjon J. A. Hestad og T. Lilleheier T. Lilleheier J.E.Vinnem DRAFT J. A. Hestad og T. Lilleheier T. Lilleheier J.E.Vinnem SAFETEC NORDIC AS Tlf. SAFETEC UK LTD Tlf. AP Safetec Sdn. Bhd. Tlf. Trondheim Aberdeen Kuala Lumpur Oslo Stavanger Bergen

4 Rev: 2.0 / RAPPORT

5 NORSK SOKKEL mot andre indikatorer i RNNP Side i HOVEDRAPPORT INNHOLD 0 SAMMENDRAG OG KONKLUSJONER... INTRODUKSJON Bakgrunn for studien Forkortelser Betydning av enkelte begrep nyttet i rapport Oppbygging av rapporten Bidragsytere til rapporten VARIABLER BENYTTET I ANALYSEN Barrieredata Spørreskjema Resterende variabler Vurdering av variablers relevans METODE Fremgangsmåte Vekting DFU og skalering av alvorlige personskader Analysemetoder Korrelasjonsberegninger Lineær regresjon Bakgrunn for skalering og skaleringsmetode Poissonregresjon RESULTATER ANALYSE AV DFU Korrelasjonsberegninger for DFU Hypoteser og resultat Analyse av skalert og vektet DFU ved lineær regresjon Hypoteser og resultat Analyse av DFU ved poissonregresjon Hypoteser og resultat DRØFTING AV HOVEDFUNN OPP MOT MULIGE ÅRSAKSFAKTORER Lekkasjesannsynlighet og indikator Filosofi Sikkerhetskultur Drøfting FORSLAG TIL VIDERE STUDIER REFERANSER APPENDIX A: BAKGRUNNSINFORMASJON TIL ANALYSER Rev. 2.0 / _Regresjonsanalyse_av_RNNS-data

6 Rev: 2.0 / RAPPORT

7 NORSK SOKKEL Side mot andre indikatorer i RNNP ST HOVEDRAPPORT 0 SAMMENDRAG OG KONKLUSJONER Denne studien har hentet data fra RNNP i perioden , dataene som er hentet inn er barrieredata, fallende gjenstand hendelser (DFU-2), alvorlige personskader og støy data. For hver av disse er det beregnet korrelasjonskoeffisient med antall lekkasjer per innretning i perioden For å ta hensyn til at det er ulik mengde lekkasjepunkt og bemanning på de ulike innretningene er vekten til prosessmodulen og bemanning som er relatert til lekkasjefrekvenser tatt hensyn til på ulike måter i tradisjonell lineær regresjon og poisson regresjon(glm). Disse modellene er både beregnet med en forklaringsvariabel (univariat) og det er beregnet en modell som forklarer mest mulig av variasjonen i antall lekkasjer ut fra flere forklaringsvariabler (multippel). Hovedkonklusjonen er at det er en sammenheng mellom sikkerhetskulturen på innretningene og frekvens av hydrokarbonlekkasjer over 0. kg/s. Sikkerhetskulturen er da uttrykt ved et antall av spørsmålene i RNNP spørreskjemaundersøkelse. De fleste statistiske tester kjørt i prosjektet har bekreftet dette, som er interessant, også fordi det framkommer som en konklusjon som ikke har vært påvist tidligere, i tilsvarende studier. Det er påvist en relasjon mellom hovedindikatorene som er definert ut fra spørreskjemaet. For barrierer har de signifikante resultatene vert mer sprikende i ulike modeller, men de fleste signifikante sammenhengene med unntak av juletre peker mot at høy andel feil også innebærer en høyere frekvens av hydrokarbonlekkasjer over 0. kg/s. Dette er et viktig forhold, fordi det innebærer at disse innretningene da både får en høyere lekkasjefrekvens og lavere tilgjengelighet av de barrierer som skal forebygge mulige alvorlige konsekvenser av lekkasjer. Samvariasjonen mellom lekkasjefrekvens og barrieresvikt kan også være et utsalg av ulike sikkerhetskulturer, men det kan også være en årsak av at eldre innretninger er generelt i dårligere forfatning enn nyere. En teori som passer med at det er resultater i denne studien som tyder på at høy alder på innretningen har en negativ effekt på lekkasjer. På den andre siden kan alder på innretning også ha en sammenheng med en eldre sikkerhetskultur da arbeidsstokken er relativ konstant og i vert fall ikke utskiftes med mange mennesker i slengen. Slik at en eldre sikkerhetskultur følger med innretningen. Det er med andre ord et komplekst bilde, men hovedsakelig peker de sterkeste resultatene våre på at tiltak for å bedre sikkerhetskulturen vil resultere i færre lekkasjer. Rev: 2.0 /

8 INTRODUKSJON NORSK SOKKEL Side 2 mot andre indikatorer i RNNP. Bakgrunn for studien ST HOVEDRAPPORT Denne studien tar for seg DFU ved hjelp av datamateriale fra RNNP (Ref. 3) og forsøker å avdekke ulike faktorer som kan bidra til å øke risikoen for at denne DFU- en inntreffer. Studien gjennomføres som et ledd av en forskningsinnsats for å avdekke mulige indikatorer som kan benyttes for å angi eksponering for storulykkesrisiko samt om mulig å avdekke viktige årsaksfaktorer, enten direkte eller bakenforliggende faktorer. DFU- en som vil bli studert er. Ikke antent hydrokarbonlekkasje Grunnen til at ikke flere DFU -er er undersøkt er en kombinasjon av begrenset ressurser og at flere av DFU- ene som anses som storulykkesrelaterte (SU) har for få hendelser til at en kan utføre faglig forsvarlige statistiske undersøkelser. Studien bygger på data fra RNNP som er benyttet med tillatelse fra Petroleumstilsynet, som bl.a. har stilt krav om at rapportering skal være på et anonymisert nivå. Der det er referert til enkeltinnretninger, er dette gjort med de samme anonymiseringskoder som er benyttet for barrieredata i RNNP rapporten (Ref. 3)..2 Forkortelser DFU PUD RNNP V&M HMS Definert fare- og ulykkessituasjoner Godkjent plan for utbygging og drift RisikoNivå i Norsk Petroleumsvirksomhet Vedlikehold og Modifikasjoner Helse, Miljø og Sikkerhet.3 Betydning av enkelte begrep nyttet i rapport Korrelasjon: Korrelasjon er et ord for sammenheng. Dersom variablene x og y er korrelert vil det si at det eksisterer et vekselvirkningsforhold, altså at dersom den ene variabelen endrer seg har den andre en tendens til å endre seg i en gitt retning. Innretningstørrelse: I denne studien blir det utført analyser basert både på skalerte lekkasjeverdier og ikke skalerte lekkasjeverdier. Skaleringen skjer med hensyn til vekt av prosessområdet på en innretning og bemanning på innretning som arbeider med vedlikehold og prosess. For enkelt å kunne referer til ulike nivå av disse to skaleringsvariablene, nyttes en grov betegnelse av innretninger som store eller små. Med dette menes ikke den nøyaktige fysiske størrelsen på innretningen, men en kombinasjon av vekten på prosessmodulen(e) og bemanning. Grunnen til at en tar utgangspunkt i disse to variablene er at antall lekkasjepunkt som er representert ved vekten av prosessomrrådet, og bemanning er ansett som hovedgrunnene til at lekkasjer forekommer. Dette betyr at når en for eksempel skriver at store innretninger har større sannsynlighet for lekkasjer enn mindre, betyr dette at en innretning med mange mulige lekkasjepunkt/ høy bemanning er forventet å ha flere lekkasjer enn andre som har mindre verdier av disse variablene. Forventet antall lekkasjer: Alle innretninger har en sannsynlighet for at hydrokarbonlekkasjer oppstår. Enhver form for utstyr kan i teorien feile. Bemanning som arbeider med prosess eller vedlikehold kan gjøre feil som resulterer i lekkasjer, studier har indikert at omtrent 60 % av alle hydrokarbonlekkasjer skyldes menneskelig feil (Ref.4). Med forventet antall lekkasjer menes i denne rapporten antall lekkasjer en innretning med gitt mengde prosessutstyr og bemanning er forventet å få. Dette er en tenkt størrelse ut fra en hypotese om at alle innretninger er like, i realiteten er det mulig at flere faktorer spiller inn som for eksempel ledelse og organisering. De er blant variablene som undersøkes i denne studien. Rev: 2.0 /

9 NORSK SOKKEL Side 3 mot andre indikatorer i RNNP ST HOVEDRAPPORT Forklaringsvariabler: Alle variabler som blir undersøkt om har en sammenheng med antall lekkasjer vil i denne studien bli referert til som potensielle forklaringsvariabler, rett og slett av den grunn at en undersøker om nivået av forklaringsvariabelen sier noe om nivået på antall lekkasjer. Med andre ord undersøkes det om forklaringsvariabelen forklarer antall lekkasjer. Responsvariabel: Responsvariabelen er her antall lekkasjer eller en beregnet skalert indikatorverdi for antall lekkasjer, den kalles responsvariabel av den grunn at den responderer til forklaringsvariabelen(e). Lekkasjepunkt: Flenser, ventiler, tanker av ulike typer og roterende utstyr (kompressorer og pumper) er i denne studien utstyret som utgjør lekkasjepunkter..4 Oppbygging av rapporten Rapporten er strukturert slik at Kapittel 2 og 3 omhandler hvilke variabler som er undersøkt opp mot lekkasjer, hvilke usikkerhetsmomenter disse variablene eventuelt har, hvordan enkelte har blitt tilpasset studien og ikke minst hva for analysemetoder studien benytter seg av. I Kapittel 4 blir alle analyseresultater presentert, disse blir også kommentert opp mot hverandre. Eventuelle spesielle tilpassninger/bemerkninger til de ulike modellene er også presentert her. Neste kapittel drøfter ulike årsaker som kan forklare resultatene. Det er pekt på en del studier som ut fra denne ville vert interessant med tanke på å lære mer om årsakene som påvirker sannsynligheten for lekkasjer i kapittel 6..5 Bidragsytere til rapporten Følgende personer har bidratt med kompetanse, ideer, tanker og ikke minst tilbakemelding på rapport i dette prosjektet: Professor Jan Erik Vinnem, Preventor Førsteammenuensis Jan Terje Kvaløy, Universitetet i Stavanger Senioringeniør Ole R. Simonsen, Safetec Senioringeniør Trygg J. Hølvold, Safetec Rev: 2.0 /

10 NORSK SOKKEL Side 4 mot andre indikatorer i RNNP 2 VARIABLER BENYTTET I ANALYSEN ST HOVEDRAPPORT Dette kapitlet vil inneholde informasjon om variablene som er benyttet som bakgrunn for analysen av lekkasjedata. 2.. Barrieredata Barrierene som er benyttet er de samme som inngår i RNNP, og er som følger: Branndeteksjon (innbefatter alle typer detektorer, uten at det er skilt mellom dem) Gassdeteksjon Nødavstenging o Stigerørs ESDV Lukketest Lekkasjetest o Ving- og masterventiler (juletre) Lukketest Lekkasjetest o DHSV Trykkavlastningsventil (BDV) Sikkerhetsventil (PSV) Isolering med BOP Aktiv brannsikring o Delugeventil o Starttest (brannpumper) Det vises til (Ref.)når det gjelder definisjon av systemgrenser og feildefinisjoner for de ulike barriereelementene. Dataen som er benyttet i dette prosjektet er gjennomsnittet av total andel feil per år for de ulike barrierene per innretningen i perioden mellom Likning Total andel feil N j N j x X j j Liten x representerer antall feil, stor X representerer antall tester og j representerer innretning j i Likning. Usikkerhetsmomentene med dette datasettet er blant annet at en er avhengig av relativ lik rapportering fra hver innretning og at det er en del innretninger som har få tester per år på ulike barrierer. Vedrørende lik rapportering per innretning er det selvsagt umulig å oppnå dette fullt ut, men som nevnt tidligere finnes det retningslinjer. Det har blitt avdekt feilrapportering tidligere og denne dataen er fjernet fra RNNP prosjektet og nyttes selvsagt ikke i dette prosjektet heller. Det er en forutsetning som er ansett som realistisk at rapporteringen av testing er relativt lik for ulike innretninger og operatører. De innretningene som har få feil og null tester er vanskelig å ta hensyn til i beregningsmodellene. Spørsmålet en kan stille seg er om det er riktig at en innretning med 400 tester og 0 feil, blir stående med lik verdi som en med 20 tester og null feil? Begge har unektelig 0 i andel feil, men den første har bevist det opp til 400 tester, mens den siste bare har klart seg feilfritt gjennom 20 tester. Det er også en potensiell feilkilde at man ikke vet antall av hver barrieretype som er på en innretning, dersom en innretning er registrert med 50 tester kan en ikke vite om det vil si at 0 ventiler er testet 5 ganger eller en ventil er testet 50 ganger, men denne forskjellen tar ikke RNNP Rev: 2.0 /

11 NORSK SOKKEL Side 5 mot andre indikatorer i RNNP ST HOVEDRAPPORT datasettet og dermed denne studien hensyn til. Innretninger med få tester og få feil kan også være vanskelig å tolke, noen innretninger har for eksempel to tester og en feil. Slike tilfeller blir sett bort ifra ettersom det er for få observasjoner. Grensen for å se vekk ifra en innretning et år er satt til 0 % av gjennomsnittlig antall tester per innretning for barrierene branndeteksjon og gassdeteksjon, og 20 % for de resterende barrierene i denne studien. Grunnen til at prosenten er lavere for deteksjonsbarrierene er at disse har et høyt antall tester i snitt og en mindre andel av gjennomsnittet gir dermed tilfredsstillende mengde informasjon 2..2 Spørreskjema Spørsmålene som utgjør undergruppene fra spørreskjema som er benyttet i denne studien er hentet fra RIF rapporten, Ref.2 kapittel 2.2.2, som har analysert spørreskjemadata fra RNNP. Disse består av spørsmål som har et meningsinnhold som passer med forholdet en ønsker å si noe om. Svarene er rangert fra -5, der er helt enig og 5 er helt uenig. De spørsmålene som har en negativ ordlyd fikk snudd skalaen slik at alltid er det mest positive svaret. Samtlige spørsmål i undergruppene er hentet fra punkt 28 i spørreskjemaet (Ref.3). Spørreskjemadata som er benyttet i denne studien er hentet fra årene 2003, 2005 og For hver innretning blir det beregnet en gjennomsnittlig svarverdi for samtlige som svarer de tre årene under ett. Punktet 28 i spørreskjema er som følger: Under er det listet opp en del utsagn som har betydning for helse, arbeidsmiljø og sikkerhet (her forkortet HMS). Noen utsagn gjelder bare arbeidsmiljø eller sikkerhet. Basert på erfaring fra din arbeidsplass, angi hvor enig du er i de ulike utsagnene ved å krysse av i en boks for hvert utsagn Ref.2 trakk ut en del av spørsmålene fra punkt 28, og grupperte disse i ni kategorier, slik oversikten her viser: Verdier i organisasjonen indeksen inneholder spørsmålene:. Innspill fra verneombud blir alltid tatt seriøst av ledelsen 2. I praksis går hensyn til produksjon foran hensynet til HMS(snudd) 3. karrieremessig er det en ulempe å være for opptatt av HMS(snudd) 4. Mine kolleger stopper meg dersom jeg arbeider på en usikker måte. 5. Rapporter om ulykker eller farlige situasjoner blir ofte pyntet på. 6. Selskapet jeg arbeider i tar HMS alvorlig 7.Mine kolleger er svært opptatt av HMS Holdning blant den enkelte. Jeg er av og til presset til å arbeide på en måte som truer sikkerheten(snudd) 2. Jeg synes det er ubehaglig å påpeke brudd på sikkerhetsreglene(snudd) 3. Det hender at jeg bryter sikkerhetsreglene for å få jobben fort unna(snudd) 4. Jeg deltar ikke aktivt på HMS møter(snudd) 5. Jeg ber mine kolleger stanse arbeid som jeg mener blir utført på en risikabel måte 6. Jeg melder fra dersom jeg ser farlige situasjoner. 7. Sikkerhet har første prioritet når jeg gjør jobben min. Organisering. Risikofylte arbeidsoperasjoner blir alltid nøye gjennomgått før de påbegynnes 2. Bemanningen er tilstrekkelig til at HMS ivaretas på en god måte 3. Systemet med arbeidstillatelser (AT) blir alltid etterlevd 4. Jeg kan påvirke HMS forholdene på min arbeidsplass 5. Ofte pågår det parallelle arbeidsoperasjoner som fører til farlige situasjoner 6. Ulykkesberedskapen er god 7. Jeg vet alltid hvem i organisasjonen jeg skal rapportere til 8. HMS prosedyrene er dekkende for mine arbeidsoppgaver Rev: 2.0 /

12 NORSK SOKKEL Side 6 mot andre indikatorer i RNNP Ledelse. Innspill fra verneombudene blir tatt seriøst 2. Jeg diskuterer helst ikke HMS forhold med mine nærmeste(snudd) 3. Min leder setter pris på at jeg påpeker forhold som har betydning for HMS. 4. Min leder er engasjert i HMS arbeidet på innretningen Planlegging. Risikofylte arbeidsoppgaver blir alltid nøye gjennomgått 2. Systemet med arbeidstillatelser blir alltid etterlevd ST Korrigering. Jeg stopper å arbeide dersom jeg mener det kan være farlig for meg eller andre å fortsette 2. Jeg ber mine kolleger stanse arbeid som jeg mener blir utført på en risikabel måte. 3. Mine kolleger stopper meg dersom jeg arbeider på en usikker måte. Prosedyrebruk. Det hender at jeg bryter sikkerhetsreglene for å få jobben fort unna(snudd) 2. Jeg synes det er lett å finne frem i styrende dokumentasjon 3. HMS -prosedyrene er dekkende for mine arbeidsoppgaver Kompetanse. Jeg har den nødvendige kompetansen for å utføre min jobb på en sikker måte. 2. Min manglende kjennskap til ny teknologi kan av og til føre til økt ulykkesrisiko Tid (innretninger bruker nødvendig tid på hver jobb). Jeg er av og til presset til å arbeide på en måte som truer sikkerheten(snudd) 2. Det hender at jeg bryter sikkerhetsreglene for å få jobben fort unna(snudd) Enkeltutsagn som er benyttet Innefor hvilket område arbeider du? (prosess og vedlikehold) Hva heter innretningen du er på nå? Arbeider du fast på denne installasjonen? HOVEDRAPPORT Verdiene som er benyttet i studien er gjennomsnittsverdiene til hver innretning for hver undergruppe. Ettersom at det er lekkasjerisiko som er målet med studien er kun svar fra personal som arbeider med vedlikehold og prosess brukt som grunnlag til analysene.. Vedlikehold består av følgende grupper om bord: Instrument Automasjon Elektro Mekanisk Struktur inkl. sandblåsing, maling, stillasbygging Disse kan være samlet i felles avdelinger og består gjerne av en blanding av personell fra operatør og V&Lkontraktør. I vedlikeholdsgruppen kan ikke alle sies å være like relevante vedrørende lekkasjerisiko, med andre ord inneholder svarene som er brukt i denne undersøkelsen svar fra enkelte personer som ikke er spesielt relevante for lekkasjerisiko. Ideelt sett ville en luket disse vekk, men dette har ikke vert mulig her. Det er enkelte usikkerhetsmoment knyttet til spørreskjemadata. Et hovedmoment er tilgjengelighet av undersøkelsen. Med ulik tilgjengelighet er det mulig at det vil variere hvor mange fornøyde/misfornøyde personer som svarer på undersøkelsen. Som igjen vil reflektere resultatet. På den andre side er det tenkelig at de mest Rev: 2.0 /

13 NORSK SOKKEL Side 7 mot andre indikatorer i RNNP ST HOVEDRAPPORT fornøyde/missfornøyde er de som er mest ivrige på å svare på en slik undersøkelse da de virkelig har grunn til å melde fra. Det er umulig å kunne slå fast om utvalget på de ulike innretningene er 00 % representativt, men i dette prosjektet går en ut ifra at det er et rimelig tilfeldig utvalg av de ansatte som svarer på undersøkelsen. Svarprosenten er ca. 60 % på spørreskjemaundersøkelsen i 2003 og Et annet moment er at ulike miljøer kan ha ulik oppfatning av sikkerheten og ikke minst innstiling til sikkerhetsrelaterte spørsmål. Svarene som er benyttet i denne undersøkelsen er hentet fra vedlikeholdspersonell og prosess. Disse to miljøene, drift og vedlikehold, kan ha ulikt forhold til sikkerhet på samme innretning. Dersom de har dette vil resultatene som er snittet av svarene bli utvannet. Det er mulig at resultatene hadde blitt annerledes dersom en hadde skilt de to kategoriene. I denne studien er begge brukt for å få et bredt datagrunnlag som gjenspeiler alle som har jobber som kan påvirke hyppigheten av lekkasjer. Et tredje moment er at noen personer kan la misnøye med HMS- forhold generelt på innretningen eller med ledelsen farge alle svar som de gir på spørsmålene i undersøkelsen. Vedlikeholdsfolk vil også sannsynligvis bestå av noen malere, elektrikere osv. som ikke er ansett som relevante med tanke på lekkasje. Dette er ikke sett på som en potensiell stor feilkilde da en i denne studien går ut fra at andelen av slikt personell er rimelig likt for de ulike innretningene Resterende variabler Bemanning Personell som arbeider med vedlikehold eller prosess er telt med i variabelen bemanning som er hentet fra antall personer som har svart på spørreskjema. Det er flere potensielle feilkilder til denne variabelen som for eksempel svarprosent på spørreskjema, tilstedeværelse av V&M folk osv. Dette er redegjort for i Kap Støy RNNP har i hele perioden vi ser på beregnet en støyindikator for tilfellene med og uten hørselvern. Den samlede indikatoren som er beregnet for hver enkelt innretning er benyttet som en mulig forklaringsvariabel i denne studien. Studien har ikke fått tilgang på data for 2008, gjennomsnittsverdien for støy per innretning er av den grunn beregnet ut fra perioden DFU2-fallende last For fallende last er det en fare for at datasettet ikke er nøyaktig nok da det kommer an på hvem som rapporterer hendelsen. Det er dessuten kjent at det er forskjeller i rapporteringspraksis. Av den grunn har dette prosjektet kun tatt utgangspunkt i hendelser som det eksisterer granskingsrapporter for. Alvorlige personskader Alvorlige personskader er registrert i RNNP, definisjonen for alvorlige personskader er listet opp i Kap.3.2. For alvorlige personskader har ikke prosjektet fått tilgang på data for 2008 og gjennomsnittsverdien er av den grunn beregnet ut fra perioden Vurdering av variablers relevans I en tidlig fase av prosjektet ble det i et møte med representanter for Ptil lagd en liste over de potensielle forklaringsvariablene og en rangering over hvor relevante en trodde disse ville være på forhånd. Denne rangeringen er vist i tabellen nedenfor. Rev: 2.0 /

14 NORSK SOKKEL Side 8 mot andre indikatorer i RNNP Tabell Forventet relevans av potensielle forklaringsvariabler ST Forklaringsvariabel: Relevans(-5, er minst relevant): HOVEDRAPPORT Branndet. Gassdet. Stigerør ESDV 5 Juletre 5 DHSV 4 BDV 5 PSV 5 BOP 5 Deluge Starttest Støy med HV 3 Spørreskjemakategorier: Verdier 4 Holdning 4 Organisering 4 Ledelse 4 Planlegging 4 Korriegering 4 Prosedyrebruk 4 Kompetanse 4 Tid 4 Operatør 5 Geografisk område 5 Alder 5 Rev: 2.0 /

15 3 METODE NORSK SOKKEL Side 9 mot andre indikatorer i RNNP ST HOVEDRAPPORT Dette kapitlet oppsummerer kort framgangsmåten som nyttes i studien, samt vekting av responsvariabelen, og skalering av enkelte potensielle forklaringsvariabler. Disse er plassert her av den grunn at de er benyttet i flere analyser, skaleringsmetoder som kun blir benyttet i en analyse vil være presentert i det aktuelle kapitlet. 3. Fremgangsmåte Metodene som blir benyttet varierer mellom korrelasjonsberegninger og ulike typer regresjonsmodeller. Det ble i denne studien utført Spearman korrelasjonsberegninger, univariat og multippel lineær regresjon og generalisert lineær regresjon( Poisson regresjon) for DFU. Datagrunnlaget for analysene er hentet fra RNNP og er listet opp i Kap.2. Fordelen med å bruke Poisson regresjon (GLM) i forhold til vanlig lineær regresjon er at en slepper problemet med å modellere observasjoner av verdi 0. Dette takler Poisson regresjon fint, det resulterer i at en slipper å utføre subjektive skaleringer for å ta hensyn til størrelsen på innretningen, men kan gjøre dette direkte ut fra dataen som er tilgjengelig for vekt og bemanning per innretning. Ulempen er at det er vanskelig å ta hensyn til at ulike typer lekkasjer har ulik alvorlighetsgrad og dermed kanskje burde vektes ulikt. Av den grunn er begge modeller tilpasset. Framgangsmåten er her at en hypotesetester hver enkelt forklaringsvariabel sin effekt på responsvariabelen for å se om denne er signifikant ulik 0 på 5 % signifikansnivå. Det vil si at det er 5 %sannsynlighet for å påstå at det er en sammenheng selv om det ikke er det( type feil ). Analysene vil bli forklart mer detaljert i forkant av hver analyse. 3.2 Vekting DFU og skalering av alvorlige personskader Tabell 2 Vekting av lekkasjekategorier basert på RNNP vekting Lekkasjerate Vekting av lekkasjen <0. kg/s kg/s kg/s >0kg/s DFU I RNNP er det benyttet en vekting av ulike lekkasjerater (Ref.3, Kap 6.2..) ettersom at det er forskjellig hvor stort ulykkespotensial de ulike lekkasjene representerer, i dette prosjektet er den samme vektingen benyttet. I modellen som blir presentert i Kap. 4.2 er alle innretninger tilegnet en halv lekkasje med rate <0. kg/s. Denne lekkasjekategorien eksisterer opprinnelig i RNNP, men er ikke tatt med i denne analysen da rapporteringen ikke er god nok. Vekting av den minste lekkasjekategorien eksiterer ikke i RNNP. Ettersom at de tre vektingene som eksisterer ikke er så langt unna å ha en lineær utvikling har en grovt satt vektingen av de minste lekkasjene til halvparten av den nest minste lekkasjekategorien. Det er viktig å være fullt klar over at lekkasjene under 0.kg/s i denne studien ikke refererer til ekte lekkasjer, men er en tenkt størrelse som blir benyttet for å skille innretninger med 0 lekkasjer når en skalerer antall lekkasjer i Kap Tabell 2 viser vektingen som er benyttet i studien. Skalering av personskader Det er i perioden registrert 29 alvorlige personskader, i samme periode er det registrert personer per skift i datasettet. Det betyr at det gjennomsnittlig er forventet alvorlig personskade per 276 Denne lekkasjen referer ikke i dette prosjektet til faktisk registrerte lekkasjer, men det blir tillagt en slik lekkasje til hver innretning i enkelte modeller for å skille innretninger uten registrerte lekkasjer fra hverandre. Rev: 2.0 /

16 NORSK SOKKEL Side 0 mot andre indikatorer i RNNP ST HOVEDRAPPORT årsverk. I realiteten vet en at det er ca per skift på norsk sokkel i perioden. Grunnen til at det likevel er benyttet data fra gjennomsnittlig antall personer som er med i mønstringsøvelser fra RNNP, er at for denne dataen har prosjektet tilgang på innretningsspesifikk informasjon som er essensielt når en skalerer personskadene for hver innretning. Uten innretningsspesifikk informasjon ville slike skaleringer som er beskrevet nedenfor ikke vært mulig. Alvorlige personskader er benyttet fordi det er den typen personskader som har primært fokus i RNNP. Alvorlige personskader er definert i veiledningen til Opplysningspliktforskriften, og innbefatter følgende: a) hodeskader med hjernerystelse, tap av bevissthet eller andre alvorlige følger, b) tap av bevissthet som følge av arbeidsmiljøfaktorer, c) skjelettskader, unntatt enkle brist eller brudd på fingre eller tær, d) skader på indre organer, e) hel eller delvis amputasjon av legemsdeler, f) forgiftninger med fare for varige helseskader, som H 2S-forgiftning, g) forbrennings-, frost-, eller etseskader med fullhudsskade (tredje grad) eller delhudsskade (andre grad) i ansiktet, på hender, føtter eller i underlivet, samt alle delhudsskader som i omfang er større enn fem prosent av kroppsoverflaten, h) generell nedkjøling (hypotermi), i) varig eller lengre tids arbeidsudyktighet. Skaleringsmetode Det er et filosofisk spørsmål hvordan en skal håndtere innretninger som ikke har registrerte hendelser. I tilfelle med personskader er det noen innretninger som ikke har registrerte hendelser i perioden. I skaleringsmetoden tilegner en alle innretninger + skader i perioden og deler dette på total bemanning i perioden. På denne måten vil en inneretning uten registrerte personskader med høy bemanning få en lavere personskadeverdi enn en tilsvarende med lav bemanning. Metoden anser med andre ord en innretning med høy bemanning som har klart å unngå skader som en sikrere innretning å jobbe på enn en tilsvarende med lav bemanning. Av den grunn at den med høy bemanning har klart å holde en større mengde mennesker frie for skader. Utregningen er vist i Likning 2. Likning 2 Skalering av DFU2 Antall hendelser med fallende last vil variere med antall løft som blir gjort på en innretning. Som en grov indikator for antall løft er bemanning på hver innretning benyttet for å skalere verdiene. En innretning med høy bemanning vil sannsynligvis også ha mange løft og dermed flere hendelser, av den grunn er Likning 3 benyttet til å beregne en indikatorverdi for DFU2 ut fra bemanning. Bemanningen som er benyttet er gjennomsnittlig antall personer på mønstringsøvelser. Fremgangsmåten er lik som for alvorlige personskader. 2 Det var ikke mulig å få tak i personskadedata for 2008 til dette prosjektet. Rev: 2.0 /

17 NORSK SOKKEL Side mot andre indikatorer i RNNP ST HOVEDRAPPORT Likning Analysemetoder I dette delkapitlet blir de tre metodene som er nyttet gjennomgått med begrunnelse. Metodene er Spearman korrelasjonsberegning og lineær og poisson regresjon Korrelasjonsberegninger Analysemetoden som er benyttet i 4. er en Spearman korrelasjonskoeffisient. Denne måler enhver monotont stigende eller synkende sammenheng mellom variablene som blir undersøkt. Negativ verdi av korrelasjonskoeffisienten betyr at det er en sammenheng mellom høye verdier av den ene variabelen og lave verdier av den andre. Positiv korrelasjon indikerer en sammenheng mellom høy verdi av den ene variabelen og høy verdi av den andre. Verdier av korrelasjon nær +- er sterkest. Spearman ble vurdert som en hensiktsmessig metode av den grunn at dette ikke var ment å være en spesielt tidkrevende del av studien og i den sammenheng er Spearman vurdert som lett anvendelig i forhold til å tilpasse en generalisert linear modell. Det er også ansett som en fordel i forhold til andre aktuelle korrelasjonskoeffisienter som Pearson at Spearman også måler ikke lineære sammenhenger. En annen fordel med Spearman er at den er robust mot ekstremverdier. I korrelasjonsberegningene er vektet antall lekkasjer benyttet, dette er brukt både med tanke på at det får fram forskjellen på hvor alvorlig en lekkasje er og rent regneteknisk ettersom at dette gir mindre like observasjoner i datasettet. Like observasjoner takler Spearman til en viss grad, men litt informasjon vil nødvendigvis gå tapt da det er umulig å skille like observasjoner Lineær regresjon Det er i denne analysen (Kap.4.2) utført lineær regresjonsanalyse av samtlige mulige forklaringsvariabler. Deretter er det tilpasset en multippel regresjonsmodell for å undersøke om det er mulig å forklare en stor del av variasjonen i skalert antall lekkasjer ut fra forklaringsvariablene i denne studien og eventuelt se om enkelt variabler inneholder den samme informasjonen, som en ut fra korrelasjonsberegningene i Tabell 4 misstenker at spørreskjemakategoriene gjør. Univariat lineær regresjonsmodell: Likning 4 Multippel lineær regresjonsmodell: Likning 5 : Skalert observert antall lekkasjer i perioden for innretning i. : Estimert verdi av skalert antall lekkasjer ved verdi av forklaringsvariabelen/-e : Er den tilfeldige variasjonen rundt regresjonslinjen a: Skjæringsparametere som representerer punktet der regresjonslinja krysser y-aksen når x=0. b: Stigningsparametere angir hvor mye regresjonslinjen stiger. : Er esetimert skjæringsparameter ut fra datasettet. :Estimert stigningsparameter ut fra datasettet : Står for residualene som er avstanden mellom den observerte verdien og verdien regresjonslinjen predikerer. En beregner residualene slik:. : Forklaringsvariabel observasjon hentet fra innretning i. Rev: 2.0 /

18 NORSK SOKKEL Side 2 mot andre indikatorer i RNNP ST HOVEDRAPPORT For å oppfylle forutsetningene til univariat og multippel lineær regresjon har transformasjonen log(. av blitt brukt. Denne transformasjonen av responsvariabelen er normalfordelt( Ref.Appendiks A). Modellen er da som følger: Likning 6 Merk at leddet ikke er med i modellen som estimerer transformert responsvariabelverdi av den grunn at det har forventing 0 og dermed ikke har en effekt på modellen Bakgrunn for skalering og skaleringsmetode Bakgrunn I Kap. 4. ble det utført en korrelasjonsberegning for forklaringsvariablene, tolkningen av disse resultatene viste at det er rimelig stor usikkerhet knyttet til om korrelasjonene som ble avdekket er et resultat av et høyt antall lekkasjer i forhold til andre innretninger eller at større innretninger naturlig har flere lekkasjer og høyere/lavere verdier av enkelte av forklaringsvariablene og omvendt. For å luke ut denne mulige forklaringen er vektet antall lekkasjer i dette delkapitlet skalert for å ta hensyn til størrelsen på innretningen. Variabler benyttet i skalering Det er gjort ulike beregninger av hvor stor andel av lekkasjer som hender på grunn av menneskelig svikt, med utgangspunkt i artikkelen Analysis of hydrocarbon leaks on offshore installations (Ref.4) har denne studien gått ut fra 60 %. Bemanning er benyttet som en av variablene til å skalere antall lekkasjer per innretning. Det er ikke slik at alt personell på en innretning har en reell mulighet for å forårsake en lekkasje, av den grunn ble kun personell som arbeider med prosess eller vedlikehold benyttet. Denne dataen ble hentet fra spørreskjemaundersøkelsen og har dermed sine mulige feilkilder som for eksempel svarprosent. Feilkilder vil bli diskutert senere i dette delkapitlet. I tilegg til bemanning var det ønskelig å ha en variabel som gjenspeiler hvor mange lekkasjepunkter som eksisterer på en innretning. Utstyrstellinger eksisterer i risikoanalyser som er utarbeidet på alle innretninger, men det var ikke innenfor dette prosjektets budsjett/tidsramme å få samlet inn denne dataen fra de ulike operatører. Vekt av prosessmodul ble ansett som en mulig indirekte indikator på antall lekkasjepunkter. Det er usikkerhet knyttet til denne, da innretningene er ulike. For eksempel vil en prosessmodul med flere etasjer over seg inneholde mer stål enn andre som bærer mindre vekt uten at dette påvirker antall lekkasjepunkter. Av den grunn ble det samlet inn nøyaktig antall lekkasjepunkter ut fra de risikoanalysene Safetec Nordic har utført. Totalt 8 innretninger med tilhørende lekkasjepunkter ble identifisert. Disse ble det så beregnet Pearson korrelasjonskoeffisient for, med tanke på at videre skaleringsmetode er interessert i en eventuell lineær sammenheng, som Pearson er et mål på. Resultatet gav en korrelasjonskoeffisient på Ideelt sett ville denne vært, men ut fra dette nivået er det grunn til å si at vekt av prosessmodul har en tilfredsstillende korrelasjon med antall lekkasjepunkt, i denne analysen vil vekt av prosessmodul bli benyttet som indikator for antall lekkasjepunkt og være vektet som 40 % av skaleringen. Metode for henting av bemannings- og vektdata Personell på en innretning har ulike oppgaver, ikke alle oppgavene er slik at de utgjør en fare for å gi lekkasjer. I spørreskjemadataene som har blitt gjennomgått i forbindelse med dette prosjektet benyttes utelukkende svar fra personer som arbeider med prosess eller vedlikehold, da disse gruppene hovedsaklig anses å ha arbeid som påvirker risikoen for lekkasjer(se Kap.2..2). Det er enkelte mulige feilkilder i dette datasettet, først og fremst er det viktig å ha for seg at dette er en frivillig spørreundersøkelse. Hvor tilgjengelig spørreundersøkelsen har vært på de ulike innretningene er vanskelig å si. Ulik praksis på dette området kan selvsagt påvirke svarprosenten som igjen gjør at vi kan få noe misvisende antall bemanning på ulike innretninger dataene er sett bort i fra når det gjeld å bedømme bemanningen på en innretning da det var lavere svarprosent dette året og større variasjon i svarprosent mellom innretninger enn tidligere undersøkelser. Rev: 2.0 /

19 NORSK SOKKEL Side 3 mot andre indikatorer i RNNP ST HOVEDRAPPORT En variasjonskilde som ikke har vært mulig å ta hensyn til i denne analysen vedrørende variabelen bemanning er V&M folk. Samtlige innretninger har avtale med selskaper som bidrar med personell i tilfeller der det trengs å utføre mer komplisert vedlikehold. Ettersom at spørreskjemaene kun blir besvart annethvert år vil ikke endringene V&M folk utgjør bli fullgodt reflektert i datasettet. Av den grunn at det ideelt sett burde være et representativt antall V&M folk til stede på innretningen i perioden spørreskjemaene blir besvart. I realiteten kan det være unormalt mange eller få V&M folk på innretningen når spørreskjemaene blir besvart i forhold til hvor mange som gjennomsnittlig er til stede på innretningen. I noen tilfeller var det en høy endring i bemanning fra I de tilfeller da en ikke fant en god grunn til en slik endring ble snittet for 2003 og 2007 benyttet (kun når disse samsvarte med total bemanningsnedring i perioden for innretningene). De aktuelle innretningene dette ble gjort for er AG, AP, AQ, AR, AU, BB, BL og BV. Vekt av prosessmoduler er anslått på basis av data fra The North Sea Field Development Guide (Ref.5). i utgaven fra er det angitt vekt av prosessmoduler for de fleste av innretningene. For enkelte andre er det kun totalvekt som er tilgjengelig, og vekt av prosessmoduler er anslått på dette grunnlag. For de nyeste innretningene er bare totalvekt tilgjengelig fra 2005-utgaven, og vekt av prosessmoduler er anslått på tilsvarende måte. Skaleringsmetode Den første utfordringen med en slik skalering er at bemanning og metriske tonn (mtonn) er på to svært ulike skalaer. For å kunne bruke verdiene var det nødvendig å benytte en transformasjon slik at disse kunne sammenlignes. For å oppnå dette summerte en opp alle lekkasjer, all bemanning og vekt for alle innretninger over seks år. Ved så å dele totalantall bemanning og vekt på antall lekkasjer får en gjennomsnittlig antall mtonn eller personer som skal til for at en forventer at en lekkasje skal oppstå i perioden. Regnestykket er som følger: Ut fra dette kan en multiplisere vekten med for å regne denne om til tilnærmet bemanningsskala. Den andre utfordringen ligger i å si noe om de innretningene som ikke har hatt registrerte lekkasjer i perioden. Dette er løst ved å legge til lekkasjer av minste type (<0. kg/s) i perioden, på den måten er det mulig å benytte informasjonen vedrørende bemanning og vekt for å skalere prestasjonen av å ha unngått lekkasjer. Dess større en innretning uten registrerte lekkasjer er dess mindre skalert lekkasjeverdi vil en innretning få i denne beregningen. Rev: 2.0 /

20 NORSK SOKKEL Side 4 mot andre indikatorer i RNNP ST HOVEDRAPPORT : Det er forskjell på hvor alvorlige lekkasjer er, av den grunn er også antall lekkasjer per år vektet ut fra verdiene vist i Tabell 2. Den halve lekkasjen som er lagt til alle innretninger blir vektet som minste lekkasje. Det er også tatt hensyn til hvor lenge innretningen har vært i drift i denne vektingen. Denne skaleringsmetoden er et forsøk på å nulle ut forskjellene i antall lekkasjepunkt per innretning. Siden studien ikke har tilgang på alle lekkasjepunkter på norsk sokkel er denne metoden benyttet. Det ville selvsagt vært bedre og hatt nøyaktig antall lekkasjepunkter som grunnlag for skaleringen, men det er som korrelasjonsberegningen viste grunn til å tro at variabelen vekt indikerer hvor mange lekkasjepunkt som er på en innretning. Ideelt sett skulle en også hatt tilgang på nøyaktig antall lekkasjerelevant bemanning på hver innretning. Den største innsigelsen mot metoden ligg i at noen få innretninger kun har registrert data for vekt på prosessmodul, og for disse innretningene utgjør vekt 00 % av skaleringen. Dette i seg selv gjør beregningene mindre nøyaktige. Noen av disse har meget lav vekt som resulterer i at de får lekkasjeindikatorverdier på høyde med innretninger som har hatt lekkasjer, noe som kan diskuteres ettersom innretningene ikke har hatt lekkasjer. En innretning, BG, har blitt fjernet på grunn av en urimelig høy skalert lekkasjeindikatorverdi Poissonregresjon Fordelen med å bruke Poisson regresjon (GLM) i forhold til vanlig lineær regresjon er at en slepper problemet med å modellere observasjoner av verdi 0. Dette takler Poisson regresjon fint, det resulterer i at en ikke behøver å utføre subjektive skaleringer for å ta hensyn til størrelsen på innretningen, men kan gjøre dette direkte ut fra dataen som er tilgjengelig for vekt og bemanning per innretning. Ulempen er at det er vanskelig å ta hensyn til at ulike typer lekkasjer har ulik alvorlighetsgrad og dermed kanskje burde vektes ulikt. I poisson regresjonen er alle lekkasjer vektet likt. DFU ble i Kap. 4.3 analysert ved hjelp av poissonregresjon. For å kunne behandle data på en hensiktsmessig måte ble det undersøkt om variablene følger en bestemt statistisk fordeling. Til å begynne med ble det laget QQplot av alle variablene. Et slikt plot måler om datasettet er normalfordelt. Disse QQ-plotene er gitt i Appendix B. DFU så tilsynelatende ut til å være Poissonfordelt. For å få dette bekreftet ble det ble det gjennomført en hypotesetest som heter Kolmogorov-Smirinov test. (Ref. Appendix B). Denne testen undersøker om data kommer fra en spesiell fordeling ved å sammenligne dataen med den teoretiske Poisson fordelingen. Følgende hypotese ble testet: H0: DFU er Poissonfordelt. H: DFU er ikke Poissonfordelt. Testene ga følgende p-verdier, p-verdi for DFU: 0.72 noe som betyr at vi ikke forkaster H 0 dersom vi antar 5 % signifikansnivå. Datasettet som ble analysert var summen av antall DFU hendelser ved en installasjon over en 5-årsperiode. Noen av innretningene har derimot ikke operert alle årene, men dette ble tatt hensyn til ved å inkludere et offset ledd som tar hensyn på eksponeringstiden. Poissonregresjon fungerer tilsvarende som lineær regresjon som allerede har blitt utledet i Kapittel 4.2 med den forskjellen at har en poissonfordeling og ikke normalfordeling. har av den grunn forventing µ*t. Uttrykket benyttet i poissonregresjon med offset leddet er Rev: 2.0 /

21 NORSK SOKKEL Side mot andre indikatorer i RNNP ST HOVEDRAPPORT med en logaritmisk link-funksjon (Ref.6) og. Offset -leddet T i er antall år i operasjon for hver innretning. Dersom innretningen har vært i drift i mer enn 6 år så settes allikevel T i=6 siden responsen, og antall DFU hendelser de siste 6 år. er summen av Innledningsvis ble det foretatt poissonregresjon med bare en forklaringsvariabel og et offset ledd. Resultatene er gitt i Kapittel Deretter ble regresjonsanalysen utvidet til å inkludere flere forklaringsvariabler. Det ble også inkludert muligheter for samspillseffekter eller kryssledd mellom ulike forklaringsvariabler. Matematisk kan en slik modell se ut som følger Likning 7 Likning 7 viser en regresjonsmodell med to forklaringsvariabler og en samspillseffekt. Se Kapittel 4.2 for nærmere beskrivelse av de ulike leddene i modellen. Slike samspill vil man for eksempel kunne forvente å finne for variablene Prosedyrebruk og Kompetanse. Det virker plausibelt å tenke at man må ha et visst kompetansenivå før man er dyktig til å følge prosedyrer. Derfor ble dette inkludert som mulige forklaringsvariabler. Videre ble det også gjort forsøk med tilleggsledd i regresjonsmodellen som tillater at det er en viss grad av uforklart varians som ikke kunne uttrykkes ved forklaringsvariablene og residualleddet e i. Denne typen modeller kalles mixed effects models og er beskrevet i Ref. 6 side 205. Denne typen modellering ble utført og mange ulike modeller og metoder ble benyttet uten at dette ga noen høyere forklaringsgrad enn det som ble oppnådd gjennom vanlig poissonregresjon. Av den grunn ble mixed effects models ikke inkludert i den endelige rapporten. Resultatene man oppnår gjennom poissonregresjon er ofte vanskeligere å tolke enn de man oppnår ved hjelp av lineær regresjon. Dette kommer av at responsen må transformeres ved hjelp av en logaritmisk link-funksjon og da kan ikke resultatene plottes på samme måte. I tillegg mister man det visuelle aspektet som lineære regresjonsmodeller kan gi. Det tidligere benyttede målet, R 2 må estimeres for poissonregresjon. Ref 7 viser til ulike måter å estimere R 2 for poissonregresjon. Et slikt estimat blir benyttet for å estimere forklaringsgraden til modellen. I tillegg sier også Akaike's information criterion (AIC) noe om kvaliteten på modellen. AIC begrepet er beskrevet i Appendix B. I tillegg er det mulig å plotte modellen via ulike transformasjonsplott. Blant annet kan residualsplott og QQ -plott benyttes for å se om modellen ser fornuftig ut. Det er viktig å tenke på at man ikke må inkludere for mange forklaringsvariabler, spesielt ikke når datasettet inneholder såpass få observasjoner som det gjør. Ved mange forklaringsvariabler og få observasjoner så vil man få kunstig høy forklaringsprosent. Rev: 2.0 /

22 NORSK SOKKEL Side 6 mot andre indikatorer i RNNP 4 RESULTATER ANALYSE AV DFU ST HOVEDRAPPORT Dette kapitlet beskriver samtlige analyser som er utført for å avdekke variabler som samvarierer/forklarer utviklingen til DFU med tilhørende resultater. Hvert delkapittel vil inneholde begrunnelse for at analysen ble utført og hvorfor den aktuelle metoden ble benyttet. Deretter vil hypoteser og resultat bli presentert og avslutningsvis vil mulige tolkninger av resultat bli drøftet. 4. Korrelasjonsberegninger for DFU I denne bakgrunnsanalysen er målet å undersøke summert antall lekkasjer mot de ulike forklaringsvariablene. Dette ble gjort vel vitende om at antall lekkasjer på en innretning like mye kan være et utrykk for størrelsen på innretningen som at det er unormalt mange lekkasjer der. Dersom denne analysen avdekker en sammenheng mellom høyt antall lekkasjer og høy verdi av en eller flere forklaringsvariabler kan dette indikere at større innretninger, altså innretninger med flere forventede lekkasjer, har høyere verdier av denne forklaringsvariabelen enn andre. Det kan også indikere at innretninger som har høyt antall lekkasjer også på tross av antall lekkasjepunkter/bemanning har en høyere andel av forklaringsvariabelen. På den annen side, dersom denne undersøkelsen ikke viser noen signifikant sammenheng til noen av forklaringsvariablene kan det bety at små innretninger(innretninger med få lekkasjepunkt og lav bemanning) i realiteten har over forventet antall lekkasjer. Analysen vil være interessant å tolke i lys av resultatene fra modeller lagd med grunnlag i skalert antall lekkasjer ut frå lekkasjepunkt og bemanning. Da en sammenheng i analysen her som ikke blir reflektert i analysene av skalert lekkasjedata vil indikere at størrelsen på innretningen var grunnen til den signifikante sammenhengen i denne analysen og omvendt. 4.. Hypoteser og resultat Følgende hypotese ble undersøkt for hver variabel: H0: X og Y er ikke korrelert H:X og Y er korrelert Y= Sum antall lekkasjer i perioden vekta ut frå lekkasjekategori X= Variabel som vi ønsker å teste om er korrelert med Y, H 0 blir forkastet dersom p-verdien er under Det vil si at hypotesen blir forkastet dersom det er mindre enn 5 % sannsynlig å observere det en har observert gitt at H0 er rett. Korrelasjoner som er beregnet til å være statistisk signifikante er markert med rødfarge. Generelt er korrelasjonene lengst unna 0 også klarest statistisk signifikante, men dette trenger ikke være tilfelle dersom en variabel har langt flere observasjoner enn andre. Dess flere observasjoner en har dess mindre vil bredden i konfidensintervallet (mulig reell verdi av koeffisienten) til korrelasjonskoeffisienten være. I analysene under er det bare mindre ulikheter i antall observasjoner. Et av begrepene i Tabell 3 er ikke tidligere introdusert: P-verdi: Sannsynligheten for å observere noe som motsier nullhypotesen minst like mye som det vi har observert, gitt at nullhypotesen er korrekt. I dette prosjektet er det satt et signifikansnivå på 5 %. Signifikansnivå er sannsynligheten for å avvise H 0 når den egentlig er riktig. Med andre ord betyr en p-verdi under 5 % at resultatet er statistisk signifikant. Rev: 2.0 /

23 NORSK SOKKEL Side 7 mot andre indikatorer i RNNP ST HOVEDRAPPORT Tabell 3 Spearman korrelasjonsberegninger mot antall lekkasjer Varaibel X: Korrelasjonskoeffisient: P-verdi Gjennomsnitt i perioden: Branndeteksjon Gassdeteksjon ESDV Juletre DHSV BDV PSV BOP Deluge Starttest Støy u/hørselsvern Personskader Alvorlige Personskader skalert Verdier Holdning Organisering Ledelse Planlegging Korrigering Prosedyrebruk Kompetanse Tid DFU DFU2 skalert Alder Resultatene tilsier at det er korrelasjon mellom antall lekkasjer og barrieren ESDV.. For spørreskjemaene er korrelasjonen noe høyere og det er interessant å merke seg at samtlige kategorier fra spørreskjemaene er ansett som signifikant korrelert med vektet antall lekkasjer i perioden. DFU2 som er fallende last har den høyeste beregnede korrelasjonen med 7. Barrierer De fleste barrierene viser ingen korrelasjon. Barrierene gassdeteksjon, ESDV og BDV skiller seg ut med litt høyere korrelasjon og de ESDVer ansett som signifikant korrelert. Dette kan bety at det er en liten tendens til at innretninger med høy andel feil på disse barrierene også heller mot å ha et høyere antall lekkasjer enn de resterende i perioden. Det kan indikere at det er felles bakenforliggende faktorer for andel feil for hovedsakelig ESDV og antall lekkasjer. En annen mulig tolkning er at innretninger med mange lekkasjepunkt/høy bemanning tenderer til å ha en høyere feilandel på barrierene enn mindre innretninger. Dette kan for eksempel være tilfelle dersom større innretninger tester barrierene sine oftere og dermed tester disse i hel. Viss en da går ut fra at antall lekkasjer øker i takt med størrelsen på innretningen ville den korrelasjonen som er beregnet her være en naturlig konsekvens av at større innretninger er forventa å ha noe høyere antall lekkasjer. Det er ikke sett på som spesielt sannsynlig at større innretninger har en større andel feil på sine barrierer. Spørreskjema Variablene for spørreskjema er entydig beregnet til å være korrelert med antall lekkasjer for perioden. Dette kan selvsagt bety flere ting, det som er sikkert er at en innretning med høyt antall lekkasjer også har større Rev: 2.0 /