六西格玛技术在原油集输波动研究中的应用

钟张起

中国石化中原油田分公司 濮东采油厂 （河南 濮阳 457001）

六西格玛技术是衡量工作优劣的一种客观尺度，是促进流程优化的一套改进方案，也是提高企业文化的一种管理哲学[1-2]。近年来，胜利油田、大港油田、中原油田等正逐步将六西格玛管理理念引入油田企业管理中，已成为企业降本增效、提升产品质量的重要方法[3-5]。六西格玛技术的本质是基于数据和事实的管理，尤其重视原始数据，为解决实际生产问题提供了技术支撑[6-7]。而胡状集输的原油产量波动大，导致管线穿孔、油井不出和盗窃原油等异常情况不能及时被发现。根据产油数据统计，2018年胡状集输原油异常波动占16.9%，给胡状采油区造成损失达435万元。如何提高油井的生产效率和降低原油异常波动，是大多数油田面临的重要课题。

1 定义阶段

原油波动缺陷是指以月平均产油为基准，原油波动的绝对值大于10%的称为缺陷。总液（产油与产水之和）和含水波动超过标准差的，定为识别原因。对2018年胡状原油波动不同缺陷原因进行统计，绘制帕累托图（图1）。由图1可知，未识别原因比重最高（48.0%），其次为总液（25.1%），接着是含水（18.1%）。

由缺陷的定义可知：产油、总液、含水3者任何一个要素发生变化，缺陷的原因和数量都会随着变化。原油波动与六西格玛研究的大多数制造类问题有很大区别，这类问题称为弹性问题。弹性问题是指产品评价参数的基准值或区分缺陷的标准值不是固定不变，而是随影响因素的变化而变化。对于原油波动，可以通过控制总液、含水等因素来降低未识别缺陷。

图1 胡状集输产油波动的帕累托图

2 测量阶段

2.1 集输参数测量

集输参数主要有：产液量、产水量、总液量、含水率和产油量。产液量和产水量是由双转子流量计记录的起止时间的数据差值；总液量是产液量和产水量的总和；含水率是每2 h录取的原油样品由化验仪器得到的数据；产油量是根据产液量、含水率、原油密度（取常数）的公式计算得到,见公式（1）。

式中：RO为产油量，103kg；Rl为产液量，m3；ρO为原油密度，103kg/m3；fw为含水率，%。

2.2 测量系统分析

在原油集输的取样口，不同时间段录取并制作10个不同样品，每个样品制成相同的6份，3名测试人员，每人重复测2次，共测取60个数据，进行测量系统分析。由分析结果可知，研究变异为18.72%，小于30%的标准；公差为26.39%，小于30%的标准；可区分的类别数为7，满足大于4的规定[8]。这说明测量系统波动和分辨力基本满足要求。

2.3 历史状况

根据胡状、石家和石庆集输产油数据的统计，绘制出2018年不同时刻产油波动图（图2）。由图2可知，胡状集输产油波动幅度最大，在±4%之间；其他集输产油波动幅度在±2%之间；夜间波动幅度更小，在±1%之间。胡状集输在0:00～4:00时刻产油均值最低，8:00产油均值又恢复到正常水平。与石家和石庆集输不同，胡状集输存在某种人为因素，使白天产油高，夜间产油低，清晨又恢复正常水平。

图2 2018年不同集输地区不同时刻产油波动

3 分析阶段

3.1 中介变量

在原油波动研究中，含水与产油存在一种特殊的关系。根据产油量公式，产油与产液线性正相关，与含水线性负相关。统计胡状原油集输数据，绘制2018年产油、产液和含水的矩阵图，并进行相关性分析。分析数据可知：产油与产液线性正相关很强（相关系数r=0.998，假设概率P=0.000）；产油与含水相关性较弱（r=0.414，P=0.000）[8]，而且集中在一起的点相关性很弱，分散的点有较强的线性正相关，并不是公式显示的线性负相关。因为含水不是一般的自变量,而是一种特殊变量—中介变量，因此出现这种现象。在函数关系表达式中，某一自变量的变化主要引起其他自变量的改变，与因变量的关系不再是表达式中的对应关系，该自变量就称为中介变量。

3.2 回归分析

根据图形分析及方差分析，确定含水、总液和不同时刻为影响原油异常波动的关键因素。用一般线性模型进行回归分析，响应为产油，连续变量为含水、总液，非连续变量为不同时刻。在方差分析中，含水、总液和不同时刻的P值都小于0.05，说明找到部分关键因素。3个因素中判定系数R2为36.58%，R2调整为35.45%，R2预测为33.90%，3个值比较接近，但都比较小[8]。

根据方差分析结果，计算各因素的贡献率。其中不同时刻贡献率为22.5%，总液的贡献率只有8.8%，含水的贡献率仅有0.7%。总液和含水的缺陷占比与贡献率之间存在明显的差距，需要进一步深入分析造成这种差距的原因。

3.3 拉平处理

在原油波动中，产油、总液和含水三者任何一个要素发生变化，缺陷的原因和数量都会随之变化。对弹性问题和中介变量，不再适用回归分析来衡量各因素的贡献率，用拉平处理更为合理。

1）夜间的产油拉平。为了衡量不同时刻夜间产油低对缺陷的贡献率，用产油拉平法。0:00～6:00产油低于均值的用均值替换，高于均值的产油不变。统计胡状集输产油数据，绘制产油拉平前后不同时刻缺陷率分布图（图3）。夜间产油拉平后，胡状集输缺陷率从16.9%下降到11.4%，接近石庆的缺陷率10.1%，说明拉平处理合理。产油拉平后缺陷从741条下降到498条，缺陷率下降32.8%，即为不同时刻的贡献率。

图3 胡状集输产油拉平前后不同时刻缺陷率分布

2）含水拉平。含水是中介变量，与产油之间不存在线性关系。为了衡量含水对缺陷的贡献率，用含水拉平法。含水波动绝对值高于10%的定为含水异常，若含水异常，含水和产油取均值。统计胡状集输产油数据，绘制含水拉平前后不同原因缺陷分布图（图4）。含水拉平后，未识别缺陷下降，说明通过控制含水的波动，使更多未识别缺陷转变成可识别缺陷。含水率拉平后缺陷从741条下降到601条，缺陷率下降18.9%，即为含水的贡献率。

图4 胡状集输含水率拉平前后不同原因缺陷率分布

3）总液拉平。为了衡量总液对缺陷的贡献率，用总液拉平法。总液波动的绝对值高于5%定为总液异常，若总液异常，总液和产油取均值。统计胡状集输产油数据，绘制总液拉平前后不同原因缺陷分布图（图5）。总液拉平后缺陷从741条下降到581条，缺陷率下降21.6%，即为总液的贡献率。

图5 胡状集输总液拉平前后不同原因缺陷率分布

4 改进控制阶段

4.1 改进方案验证

1）胡19块集输干线含水监测。对胡状集输不同时刻原油波动异常分析，最可能的原因为胡19块外输干线窃油。为了证实窃油是否存在，在胡19块干线始端和终端安置取样口，取样并进行含水化验分析，确定异常发生。

2019年3月，在胡19块干线始端和终端，白班和夜班各取一个样品，进行双样本检验。①始端白班和夜班双样本检验：均值差为-0.39，P=0.476；由于P＞0.05，说明始端白班和夜班含水没有显著差别。②终端白班和夜班双样本检验：均值差为1.455，P=0.005；由于P＜0.05[8]，说明终端夜班含水显著高于白班含水。2019年4月对胡19块干线排查，发现干线窃油1处。

2）更换质量流量计。含水取样误差、流量计卡和气体影响都会增加原油波动，产生缺陷。更换质量流量计，可以消除含水取样和流量计卡的误差，也能降低气体影响的误差。

2018年10月胡状集输站更换质量流量计，2019年1月用于含水计算。统计更换前后产油、总液和含水标准差，进行双样本检验。说明产油标准差下降 0.635，P=0.255；由于P＞0.05，产油波动有所改善。总液标准差下降0.602，P=0.025；由于P＜0.05，说明总液波动有显著改善。含水标准差增加32.60，P=0.001；由于P＜0.05[8]，含水取值范围有显著增加，说明质量流量计测量的分辨力更高，证实了以前含水取值与真实值之间存在较大的误差。

4.2 改进前后控制图

统计2018年和2019年各月的缺陷率，绘制出改进前后控制图（图6）。由于2018年10月更换了质量流量计，但没有使用含水计算新方法，没有进行对比。由图6可知，改进前平均缺陷率为18.2%，改进后为7.6%，说明过程改进后缺陷率有显著下降。

图6 胡状集输改进前后产油波动的控制图

4.3 现场应用

根据历史数据统计，参照原油波动标准差，制定胡状原油集输波动预警系统。根据参数变化判断原油波动的原因，及时采取合理对策。产油、含水和总液的基准值取最近一月稳定的平均值，产油波动的警戒值分别为：-7%、-10%、-15%；总液波动的界限值为±3%，含水波动的界限值为±30%。

黄色预警：RO＜0.93-RO，检查总液和含水是否超过界限值、密切关注。橙色预警：RO＜0.9-RO，先检查总液和含水后通知采油站巡检。红色预警：RO＜0.85-RO，先检查总液和含水后通知采油区巡检。其中RO为产油量，-RO为产油量均值。

5 结论

1）与六西格玛研究的大多数制造类问题有很大区别，原油波动属于弹性问题。弹性问题是指产品质量特性的基准值或区分缺陷的标准值不是固定不变，而是随影响因素的变化而变化。对于原油波动，可以通过控制总液、含水等因素来降低未识别缺陷。

2）根据产油公式可知，产油与含水线性负相关。根据实际数据统计，产油与含水线性正相关。含水与产油存在一种特殊的关系，与产油不再是公式中的对应关系，称为中介变量。

3）对弹性问题和中介变量，不再适用回归分析来衡量各因素的贡献率，用拉平处理更合理。拉平处理后，得到不同时刻贡献率为32.8%，总液的贡献率为21.6%，含水的贡献率为18.9%。

4）根据历史数据统计，参照原油波动标准差，确定产油、含水和总液的界限值，制定胡状原油集输波动预警系统。根据参数变化判断原油波动的原因，及时采取合理措施。