bab iv pembahasan 4.1 model norsok : analisis ... tersebut antara lain adalah tekanan operasi,...
TRANSCRIPT
57
BAB IV
PEMBAHASAN
Pada bab ini, hasil pengolahan data untuk analisis jaringan pipa bawah laut yang
terkena korosi internal akan dibahas lebih lanjut. Pengaruh operasional pipa
terhadap laju korosi dari model NORSOK menjadi awal dari pembahasan.
Kemudian dilanjutkan dengan penentuan tingkat critically pipa serta pengaruh
dari penambahan inhibitor terhadap analisis jaringan pipa.
4.1 Model NORSOK : Analisis Prediksi Laju Korosi dan Pengaruh
Operasional Pipa Terhadap Laju Korosi
Dalam memprediksi laju korosi internal pipa dengan menggunakan model
NORSOK, parameter-parameter dalam segi operasional pipa sangat penting
peranannya. Parameter-parameter tersebut antara lain adalah tekanan operasi,
temperature operasi, serta keasaman (pH) dan kandungan karbon dioksida dalam
gas yang mengalir. Selain parameter-parameter tersebut, keberadaan aliran system
yang berbeda juga turut mempengaruhi besar laju korosi yang terjadi.
4.1.1 Analisis Prediksi Laju Korosi
Laju korosi tiap data jaringan pipa gas dihitung dengan menggunakan model
NORSOK dan hasil lengkapnya ada pada tabel 4.1 di bawah. Rentang laju korosi
ada pada kisaran 0,151 – 0,407 mm/tahun. Tabel menunjukkan bahwa nilai laju
korosi terendah ada pada data jaringan pipa 12,75”OD-X5-X52 sedangkan laju
korosi tertinggi dimiliki oleh jaringan pipa 16”OD-Y5-X52.
Sisi penjelasan lain yang diperoleh dari tabel, yakni adalah bahwa rata-rata laju
korosi yang terdapat pada jaringan pipa (jaringan pipa X) yang tidak mengandung
hydrogen sulfide lebih rendah daripada jaringan pipa yang alirannya mengandung
hydrogen sulfide (jaringan pipa Y). dari situ dapat ditarik kesimpulan bahwa
hydrogen sulfide berperan dalam penentuan laju korosi internal dengan
menggunakan model NORSOK ini. Hal ini sesuai dengan teori bahwa hydrogen
58
sulfide merupakan salah satu senyawa agresif yang dapat mengakibatkan
terjadinya korosi internal pada pipa.
Tabel 4.1 Laju Korosi untuk Setiap Data Jaringan Pipa Gas
Nama Jaringan Pipa Laju Korosi (mm/y) OD (inch)
Laju Alir (MSCFD)
CO2 (% mol) PH H2S
(ppm)
12,75”OD-X1-X52 12,75 180106 6 3,8 0
0,323 12,75”OD-X
2-X52 12,75 12422 15 7 0
0,187 12,75”OD-X
3-X52 12,75 10622 1 7,5 0
0,246 12,75”OD-X
4-X52 12,75 603 14 6,5 0
0,182 12,75”OD-X
5-X52 12,75 2225 2 7,5 0
0,151 12,75”OD-X
6-X52 12,75 2073 8 7 0
0,155 12,75”OD-X
7-X52 12,75 6384 8 6,9 0
0,195 16”OD-X
8-X52 16 19020 18 8 0
0,262 16”OD-X
9-X52 16 21245 35 6 0
0,351 12,75”OD-X
10-X52 12,75 3678 6 4,2 0
0,286 12,75”OD-X
11-X52 12,75 2523 18 3,9 0
0,311 20”OD-X
12-X52 20 5777 20 3,5 0
0,236 12,75”OD-X
13-X52 12,75 644 1 5,5 0
0,19626”OD-X
14-X60 26 312617 8 3,7 0
0,397 26”OD-X
15-X60 26 242697 2 4 0
0,391 14”OD-X
16-X52 14 93279 30 4 0
0,307
Nama Jaringan Pipa Laju Korosi (mm/y) OD
(inch) Laju Alir (MSCFD)
CO2 (% mol) PH H2S
(ppm)
14”OD-Y1-X52 14 8263 2 4 2,3
0,179 8,625”OD-Y
2-X52 8,625 321 14 3,8 12
0,291 12,75”OD-Y
3-X52 12,75 598 1 5 0,5
0,212 16”OD-Y
4-X52 16 20438 60 3,6 2,0
0,321
59
16”OD-Y5-X52 16 224110 50 3,5 3,5
0,407 24”OD-Y
6-X60 24 82712 7 4,1 5
0,386
Akan tetapi, model NORSOK tidak memperhitungkan tepat seberapa besar
peningkatan laju korosi internal pada pipa denga adanya kandungan hydrogen
sulfide pada aliran. Hydrogen sulfide, pada model NORSOK, hanya
diperhutngkan sebagai senyawa asam yang mempengaruhi tingkat keasaman
aliran (pH). Hal ini terlihat pada tabel bahwa pH yang dimiliki oleh aliran jaringan
pipa yang mengandung hydrogen sulfide umumnya lebih asam (lebih rendah).
Tingkat keasaman inilah yang diperhitungkan dalam model NORSOK.
Faktor keasaman aliran (pH), dalam model NORSOK, dalam pengaruhnya
terhadap laju korosi akan dibahas pada pembahasan 4.1.2 berikut secara lebih
mendetail dengan menggunakan contoh perhitungan.
4.1.2 Analisis Pengaruh pH dan Kandungan Karbon Dioksida terhadap
Laju Korosi
Dalam tinjauan pustaka disebutkan, korosi merupakan salah satu jenis kegagalan
pipa yang disebabkan oleh karena factor lingkungan. Keasaman merupakan salah
satu factor lingkungan yang berpengaruh terhadap korosi. Dalam hal ini,
keasaman lingkungan pipa digambarkan dalam nilai pH. Model NORSOK
memperhitungkan nilai pH sebagai salah satu factor untuk memprediksi laju
korosi. Pengaruh pH terhadap laju korosi dalam model NORSOK digambarkan
dalam grafik dalam gambar 4.1.
Grafik dibentuk dari data jaringan pipa yang sama yang digunakan dalam contoh
perhitungan yakni jaringan pipa 12,75”OD-X4-X52 dengan parameter yang
diubah adalah nilai pH sedangkan parameter lain dibiarkan seperti asal nilai dalam
data semula.
60
Gambar 4.1 Grafik Pengaruh pH terhadap Laju Korosi
Dalam grafik menunjukkan bahwa seiring dengan naiknya nilai pH dalam
berbagai kondisi, laju korosi akan mengalami penurunan. Hal ini terjadi sebab
kenaikan nilai pH menandakan system menjadi basa, dan kebasaan ini akan
membuat baja, yang menjadi bahan dasar pipa, menjadi masuk daerah pasif.
Gambar 4.2 Diagram Eh-pH Sistem Fe-H2O
Laju korosi pada daerah pasif umumnya lebih rendah daripada laju korosi pada
daerah aktif, walaupun demikian baja tetap akan terkorosi dengan laju yang
0
0.5
1
1.5
2
0 2 4 6 8Laju Korosi (mm/y)
pH
Pengaruh pH terhadap Laju Korosi
61
rendah[15]. Oleh sebab itu grafik pengaruh pH terhadap laju korosi tidak
menunjukkan bahwa kenaikan pH terus menerus akan menyebabkan laju korosi
berada pada nilai nol.
Gambar 4.3 Kurva Polarisasi Anodik Fe
Kurva menunjukkan laju korosi pada daerah pasif (ipassive) umumnya lebih rendah
daripada nilai pada perpotongan dengan garis katodik (laju korosi pada daerah
aktif terkorosi)[15].
Telah disinggung sebelumnya keasaman merupakan factor lingkungan dan
dipengaruhi oleh keadaan di sekitar pipa. Akan tetapi, jika yang dipermasalahkan
adalah keasaman di dalam pipa yang menyebabkan korosi internal, maka yang
menentukan tinggi rendahnya nilai keasaman adalah aliran yang mengalir di
dalam pipa tersebut. Kandungan dalam aliran yang menentukan keasaman yakni
adalah kandungan karbon dioksida dan hydrogen sulfide.
Karbon dioksida dan hydrogen sulfide diketahui akan melepaskan ion H+, di mana
semakin banyak kandungan senyawa maka akan semakin banyak pula ion H+
terbentuk. Sedangkan di lain pihak, keasaman sendiri merupakan nilai dari fungsi
logaritmik banyaknya konsentrasi ion H+ dalam sebuah system[5]. Oleh karena itu,
kandungan kedua senyawa ini tentu akan memberikan fungsi yang logaritmik pula
terhadap laju korosi.
62
Dalam pembahasan ini, hanya ditinjau satu senyawa saja dalam pengaruhnya
terhadap laju korosi, yakni karbon dioksida. Hal ini dikarenakan oleh kasus yang
terjadi dalam pipa semuanya merupakan jenis sweet corrosion, di mana karbon
dioksida berperan dominan dalam proses korosi yang terjadi pada pipa. Selain itu,
model yang digunakan (model NORSOK) adalah model yang memperhitungkan
laju korosi karena karbon dioksida saja.
Gambar 4.4 Kurva Pengaruh Kandungan Karbon Dioksida terhadap Laju Korosi
Kurva yang ditunjukkan oleh gambar 4.4 menunjukkan bahwa ada batas dalam
kandungan karbon dioksida sehingga laju korosi menunjukkan nilai konstan
dalam berbagai kondisi. Nilai-nilai batas tersebut adalah di mana kandungan
karbon dioksida menunjukkan angka nol dan seratus persen. Laju korosi pada saat
kandungan karbon dioksida menunjukkan angka nol tidak secara otomatis
menjadi nol pula (korosi terhenti). Sama seperti nilai pH yang memasuki nilai laju
korosi pasif, pada saat kandungan karbon dioksida nol pipa tetap terkorosi hanya
saja nilainya tidak sebesar jika aliran ada kandungan karbon dioksidanya[5]. Hal
ini disebabkan kandungan karbon dioksida bukan merupakan satu-satunya factor
yang berpengaruh dalam menentukan tinggi rendahnya laju korosi. Factor lain
yang menentukan antara lain temperature dan tekanan operasi pipa.
0
0.2
0.4
0.6
0.8
1
0 20 40 60 80 100 120
Laju korosi (mm/y)
Kandungan Karbon Dioksida (%‐mole)
Pengaruh Kandungan Karbon Dioksida terhadap Laju Korosi
63
4.1.3 Analisis Pengaruh Temperatur Operasi terhadap laju Korosi
Dalam setiap lingkungan, temperature merupakan syarat mutlak untuk
membentuk sebuah system. Di dalam korosi internal pipa, factor temperature juga
yang ikut menentukan besarnya laju korosi. Model NORSOK mengindikasikan
grafik di bawah ini sebagai pengeruh temperature terhadap laju korosi.
Gambar 4.5 Grafik Pengaruh Temperatur terhadap Laju Korosi
Dari grafik terlihat bahwa pada awalnya laju korosi akan semakin meningkat
seiring dengan meningkatnya temperature. Akan tetapi kecenderungan itu berubah
pada temperature yang lebih tinggi di mana laju korosi akan cenderung menurun.
Model NORSOK memperhitungkan penurunan laju korosi itu sebagai sebuah
konstanta temperature di mana konstanta yang paling tinggi ada pada temperature
600C (tabel 3.1).
Pada awalnya kenaikan temperature akan meningkatkan dan mempercepat proses
difusi dari kandungan ion maupun senyawa agresif yang menyebabkan korosi
terjadi. Hal ini menyebabkan laju korosi akan semakin meningkat seiring dengan
kenaikan temperature sebab ion maupun senyawa agresif lebih cepat
mendegradasi pipa baja. Akan tetapi seiring dengan naiknya temperature yang
semakin tinggi, kelembaban lingkungan semakin berkurang. Hal ini ditandai oleh
0
0.05
0.1
0.15
0.2
0.25
0 50 100 150 200 250
laju Korosi (mm/y)
Temperatur (0C)
Pengaruh Temperatur Terhadap Laju Korosi
64
berkurangnya kandungan oksigen terlarut, yang juga merupakan salah satu
pengendali reaksi dalam korosi[5]. Dalam kasus korosi internal, kandungan
oksigen terlarut merupakan perspeksi dari kandungan karbon dioksida dalam
aliran gas dalam pipa.
Gambar 4.6 Grafik Penurunan Konsentrasi Oksigen Terlarut terhadap
Peningkatan Temperatur[5]
Menurunnya konsentrasi oksigen terlarut membuat berkurangnya senyawa agresif
yang menyebabkan korosi terjadi. Walaupun proses difusi oksigen terlarut tetap
tinggi, laju korosi akan cenderung menurun karena kurangnya senyawa agresif
yang menyebabkan proses korosi berlangsung. Jika senyawa agresif tetap
dipertahankan pada kondisinya (konstan), laju korosi akan terus mengalami
peningkatan seiring dengan peningkatan temperature.
Gambar 4.7 Grafik Korosi terhadap Temperatur
65
4.1.4 Analisis Pengaruh Tekanan Operasi terhadap Laju Korosi
Selain keasaman aliran dan temperature, factor lain yang tak kalah penting dalam
penentuan laju korosi internal adalah tekanan operasi pada pipa. Tekanan, sama
seperti temperature, merupakan factor yang paling banyak terdapat pada sebuah
system. Akan tetapi, berbeda dengan temperature, tekanan akan memberikan efek
yang cenderung linier terhadap peningkatan laju korosi seiring dengan
peningkatan tekanan.
Gambar 4.8 Grafik Pengaruh Tekanan terhadap Laju Korosi
Tekanan merupakan sebuah gaya yang membebani sebuah system, dalam hal ini
pipa baja. Semakin berat suatu benda yang jatuh dari ketinggian yang sama, maka
gaya gravitasi akan semakin besar. Hal ini menyebabkan benda tersebut ketika
menyentuh permukaan tanah akan menimbulkan efek lubang yang lebih besar.
Sama seperti hal itu, tekanan yang semakin besar menyebabkan proses degradasi
pipa menjadi lebih besar karena gaya untuk mendegradasi pipa akan semakin
besar. Hal tersebut akan berlangsung terus menerus membentuk kelinieran yang
tergambar pada grafik di atas (gambar 4.8).
0
0.05
0.1
0.15
0.2
0.25
0.3
0 50 100 150 200 250 300 350
Laju Korosi (mm/y)
Tekanan (psi)
Pengaruh Tekanan terhadap Laju Korosi
66
4.2 Analisis Pengaruh Peluang Kegagalan Terhadap Tingkat Critically
Pipa
Tingkat critically sebuah jaringan pipa, seperti telah disebutkan sebelumnya,
merupakan gambaran keadaaan dan kondisi sebuah jaringan pipa. Sebuah jaringan
pipa dikatakan harus diganti atau tetap dapat dipertahankan tetapi memerlukan
pemantauan atau bahkan dalam kondisi aman, semuanya merupakan hasil dari
tingkat critically pipa. Peluang kegagalan suatu jaringan pipa dapat
mendeskripsikan tingkat critically sebuah jaringan pipa tersebut.
Dalam hasil percobaan ditunjukkan grafik peluang kegagalan pipa 16”OD-Z-X52
pada tiap tahun pada beberapa lokasi berbeda.
Gambar 4.9 Peluang Kegagalan Pipa 16”OD-Z-X52 pada Tiap Tahun
Grafik tersebut merupakan fungsi sebuah tabel, yang jika disesuaikan kriterianya
dengan tabel 3.3 akan menjadi seperti table 4.2.
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
2010 2015 2020 2025 2030 2035
Peluan
g Ke
gagalan
Tahun
Kurva Peluang Kegagalan
Lokasi 240‐340 Meter
Lokasi 341‐440 Meter
Lokasi 441‐550 Meter
Lokasi 551‐640 Meter
67
Tabel 4.2 Tabel Peluang Kegagalan Pipa 16”OD-Z-X52 Pada Tiap Lokasi Per
Tahun
Peluang Kegagalan
Lokasi (meter)
Tahun 240‐340 341‐440 441‐550 551‐640 2009 3,59426.10‐09 7,47468.10‐08 8,546.10‐06 2,1146.10‐06 2010 4,39874.10‐09 9,9834.10‐08 4,3354.10‐05 3,4008.10‐06 2011 5,20322.10‐10 1,7012.10‐07 2,5622.10‐05 4,2972.10‐06 2012 6,0077.10‐09 2,871.10‐07 4.10‐05 6,812.10‐06 2013 7,90302.10‐09 6,1815.10‐07 7.10‐05 1,0696.10‐05 2014 9,79834.10‐09 1,0183.10‐06 1,2.10‐04 1,6633.10‐05 2015 1,0746.10‐08 1,6615.10‐06 2,1.10‐04 2,5622.10‐05 2016 1,4891.10‐08 3,4008.10‐06 3,8.10‐04 4.10‐05 2017 1,9036.10‐08 5,417.10‐06 6,4.10‐04 7.10‐05 2018 2,6216.10‐08 1,07.10‐05 1,11.10‐03 1,1.10‐04 2019 3,3396.10‐08 2,0669.10‐05 1,93.10‐03 1,9.10‐04 2020 4,5709.10‐08 4.10‐05 3,17.10‐03 3.10‐04 2021 5,8022.10‐08 8.10‐05 5,23.10‐03 4,8.10‐04 2022 9,14716.10‐08 1,4.10‐04 8,42.10‐03 7,9.10‐04 2023 1,7012.10‐07 5,2.10‐04 1,97.10‐02 1,99.10‐03 2024 2,40308.10‐07 9,4.10‐04 2,938.10‐02 3,17.10‐03 2025 2,871.10‐07 1,69.10‐03 4,182.10‐02 4,66.10‐03 2026 6,1815.10‐07 2,98.10‐03 5,705.10‐02 7,14.10‐03 2027 7,9435.10‐07 5,08.10‐03 7,8.10‐02 1,044.10‐02 2028 1,3023.10‐06 8,2.10‐03 1,0027.10‐01 1,5.10‐02 2029 2,1146.10‐06 1,321.10‐02 1,2924.10‐01 2,118.10‐02 2030 3,4008.10‐06 1,97.10‐02 1,5866.10‐01 2,938.10‐02
Tabel 4.2 memberikan gambaran yang jelas tentang grafik pada gambar 4.9. Pada
lokasi 240-340 meter, grafik menunjukkan bahwa garis peluang kegagalan pada
lokasi tersebut lurus dan tidak menunjukkan peningkatan. Dari tabel, dapat dilihat
dengan jelas pada setiap tahunnya sampai dengan tahun 2028, pada lokasi tersebut
semua berwarna hijau muda. Hijau muda mengindikasikan tingkat critically pipa
sangat rendah, artinya jaringan pipa pada lokasi tersebut sangat kecil
kemungkinannya untuk mengalami kegagalan. Walaupun pada tahun 2028 tabel
berubah menjadi berwarna hijau tua, akan tetapi tingkat critically pipa masih
tergolong rendah.
68
Lokasi selanjutnya yakni lokasi 331-440 meter. Grafik pada gambar 4.9
menunjukkan bahwa pada awal tahun sampai dengan sekitar tahun 2022 garis
yang menunjukkan lokasi ini linier lurus pada tingkat paling bawah. Grafik mulai
menunjukkan kenaikan pada tahun 2022 dan meningkat tajam sejak tahun 2025.
Hal ini sesuai dengan tabel bahwa pada awalnya jaringan pipa pada lokasi ini
dalam keadaan baik-baik saja sampai dengan pada tahun 2022, jaringan pipa pada
lokasi ini menjadi berwarna jingga. Warna ini mengindikasikan tingkat critically
pipa yang tinggi. Ini berarti jaringan pipa pada lokasi ini sejak tahun 2023
beresiko tinggi mengalami kegagalan dan sejak tahun 2025 resiko tersebut akan
menjadi sangat tinggi. Hal tersebut diindikasikan oleh warna merah yang mulai
tercuat pada tabel sejak tahun 2025 pada lokasi 331-440 meter ini.
Gambar 4.10 Gambar Kegagalan Pipa
Tingkat critically pipa mengindikasikan tinggi atau rendahnya peluang pipa
mengalami kegagalan seperti yang dicontohkan pada gambar.
Jaringan pipa pada lokasi 441-550 meter merupakan data yang paling menarik.
Dari grafik dapat dilihat bahwa kenaikan garis yang menunjukkan lokasi ini jauh
69
lebih tajam dibandingkan dengan lokasi jaringan pipa lainnya. Tabel
menunjukkan bahwa pada awal mula tahun 2009 ini, pipa berada pada tingkat
critically rendah, yang resiko kegagalanya lebih tinggi daripada yang akan terjadi
jika tabel menunjukkan warna hijau muda (seperti pada lokasi 240-340 meter).
Dari tabel pula dapat dilihat bahwa kenaikan peluang kegagalan yang terjadi pada
grafik, yakni pada pada tahun 2018, berwarna merah. Ini mengindikasikan bahwa
pada tahun 2018 di lokasi 441-550 meter, pipa 16”OD-Z-X52 berada pada tingkat
critically pipa sangat tinggi. Jaringan pipa 16”OD-Z-X52 pada lokasi tersebut
sangat mungkin terjadi kegagalan pipa berupa kebocoran atau bahkan pecahnya
pipa.
Jaringan pipa pada lokasi terakhir hampir serupa dengan lokasi 441-550 meter.
Hanya saja dari grafik ditunjukkan bahwa kenaikan garis yang menunjukkan
lokasi ini sedikit lebih lambat daripada lokasi 441-550 meter. Tabel 4.2
menjelaskan lebih detail, di mana resiko pipa mengalami kegagalan sangat tinggi
terjadi lebih lambat 5 tahun daripada lokasi 441-550 meter. Walaupun demikian
lokasi ini termasuk yang berbahaya sebab peluang kegagalannya dari awal tahun
2013 mengindikasikan adanya bahaya dan jaringan pipa lokasi ini sudah harus
mendapat perhatian khusus sejak tahun itu.
4.3 Analisis Pengaruh Penambahan Inhibitor dan Jumlah Penambahan
Inhibitor pada Jaringan Pipa
Secara umum suatu inhibitor dalah suatu zat kimia yang dapat menghambat atau
memperlambat suatu reaksi kimia. Sedangkan inhibitor korosi adalah suatu zat
kimia yang bila ditambahkan kedalam suatu lingkungan, dapat menurunkan laju
penyerangan korosi lingkungan itu terhadap suatu logam. Mekanisme
penghambatannya terkadang lebih dari satu jenis.
Sejumlah inhibitor menghambat korosi melalui cara adsorpsi untuk membentuk
suatu lapisan tipis yang tidak nampak dengan ketebalan beberapa molekul saja,
ada pula yang karena pengaruh lingkungan membentuk endapan yang nampak dan
melindungi logam dari serangan yang mengkorosi logamnya dan menghasilkan
70
produk yang membentuk lapisan pasif, dan ada pula yang menghilangkan
konstituen yang agresif. Dewasa ini terdapat 6 jenis inhibitor, yaitu inhibitor yang
memberikan pasivasi anodik, pasivasi katodik, inhibitor ohmik, inhibitor organik,
inhibitor pengendapan, dan inhibitor fasa uap[15].
4.3.1 Analisis Pengaruh Penambahan Inhibitor pada Jaringan Pipa
Inhibitor memiliki tingkat efisiensi jika ditambahkan dalam suatu system. Tingkat
efisiensi ini menggambarkan daya kerja inhibitor dalam menghambat laju korosi.
Biasanya efisiensi inhibitor yang ditambahkan dalam pipa untuk menghambat
korosi ada dalam kisaran 70-90 % [6].
Gambar 4.11 Grafik Pengaruh Penambahan Inhibitor terhadap Laju Korosi
Data jaringan pipa yang ada, dianalisis dengan penambahan inhibitor dengan
efisiensi 70 % dan hasilnya adalah :
Corr Rate (m
m/y)
Kandungan CO2 (%)
Pengaruh Penambahan Inhibitor
tanpa inhibitor
inhibitor efisiensi 70 %
inhibitor efisiensi 80 %
inhibitor efisiensi 90 %
71
Tabel 4.3 Laju Korosi Jaringan Pipa dengan Penambahan Inhibitor
Nama jaringan Pipa Laju Korosi tanpa
Penambahan Inhibitor (mm/y)
Laju Korosi dengan
Penambahan Inhibitor (mm/y)
Laju Alir (MSCFD)
CO2 (% mol) PH H2S
(ppm)
12,75”OD-X1-X52 180106 6 3,8 0
0,323 0,0969 12,75”OD-X
2-X52 12422 15 7 0
0,187 0,0561 12,75”OD-X
3-X52 10622 1 7,5 0
0,246 0,0738 12,75”OD-X
4-X52 603 14 6,5 0
0,182 0,0546 12,75”OD-X
5-X52 2225 2 7,5 0
0,151 0,0453 12,75”OD-X
6-X52 2073 8 7 0
0,155 0,0465 12,75”OD-X
7-X52 6384 8 6,9 0
0,195 0,0585 16”OD-X
8-X52 19020 18 8 0
0,262 0,0786 16”OD-X
9-X52 21245 35 6 0
0,351 0,1053 12,75”OD-X
10-X52 3678 6 4,2 0
0,286 0,0858 12,75”OD-X
11-X52 2523 18 3,9 0
0,311 0,0933 20”OD-X
12-X52 5777 20 3,5 0
0,236 0,0708 12,75”OD-X
13-X52 644 1 5,5 0
0,196 0,0588 26”OD-X
14-X60 312617 8 3,7 0
0,397 0,1191 26”OD-X
15-X60 242697 2 4 0
0,391 0,1173 14”OD-X
16-X52 93279 30 4 0
0,307 0,0921
Nama jaringan Pipa Laju Korosi tanpa
Penambahan Inhibitor (mm/y)
Laju Korosi dengan
Penambahan Inhibitor (mm/y)
Laju Alir (MSCFD)
CO2 (% mol) PH H2S
(ppm)
14”OD-Y1-X52 8263 2 4 2,3
0,179 0,0537 8,625”OD-Y
2-X52 321 14 3,8 12
0,291 0,0873 12,75”OD-Y
3-X52 598 1 5 0,5
0,212 0,0636 16”OD-Y
4-X52 20438 60 3,6 2,0
0,321 0,0963 16”OD-Y
5-X52 224110 50 3,5 3,5
0,407 0,1221 24”OD-Y
6-X60 82712 7 4,1 5
0,386 0,1158
72
Korosi adalah proses degradasi dan akan berakhir jika benda yang mengalami
degradasi telah habis. Pada pipa, korosi akan berhenti ketika tebal pipa habis oleh
proses korosi. Lama tebal pipa yang akan habis merupakan fungsi dari tebal pipa
dibandingkan dengan laju korosi dan disebut umur sisa pipa (remaining life).
Tabel 4.4 Umur Sisa Jaringan Pipa Tanpa dan Dengan Penambahan Inhibitor
Pipeline Name UMUR SISA TANPA INHIBITOR (SEJAK
2009)
UMUR SISA DENGAN PENAMBAHAN
INHIBITOR (SEJAK 2009)
TAHUN
INSTALASI
CO2 (%
mol) PH H2S
(ppm)
12,75”OD-X1-X52 1976 6 3,8 0 6 21
12,75”OD-X2-X52 1992 15 7 0 51 170
12,75”OD-X3-X52 1980 1 7,5 0 23 75
12,75”OD-X4-X52 1984 14 6,5 0 45 149
12,75”OD-X5-X52 1982 2 7,5 0 57 190
12,75”OD-X6-X52 1982 8 7 0 55 183
12,75”OD-X7-X52 1982 8 6,9 0 38 127
16”OD-X8-X52 1982 18 8 0 21 72
16”OD-X9-X52 1980 35 6 0 7 24
12,75”OD-X10
-X52 1983 6 4,2 0 18 61
12,75”OD-X11
-X52 1993 18 3,9 0 15 49
20”OD-X12
-X52 1986 20 3,5 0 31 103
12,75”OD-X13
-X52 1986 1 5,5 0 42 139
26”OD-X14
-X60 1993 8 3,7 0 20 67
26”OD-X15
-X60 1993 2 4 0 21 68
14”OD-X16
-X52 1986 30 4 0 18 61
Pipeline Name
UMUR SISA TANPA
PENAMBAHAN
INHIBITOR (SEJAK
2009)
UMUR SISA DENGAN
PENAMBAHAN
INHIBITOR (SEJAK
2009)
TAHUN
INSTALASI
CO2 (%
mol) PH H2S
(ppm)
14”OD-Y1-X52
1973 2 4 2,3
35 116 8,625”OD-Y
2-X52
1993 14 3,8 12
28 92
73
12,75”OD-Y3-X52
1986 1 5 0,5
37 123 16”OD-Y
4-X52
1983 60 3,6 2,0
14 45 16”OD-Y
5-X52
1982 50 3,5 3,5
4 14 24”OD-Y
6-X60
1993 7 4,1 5
21 70
Laju korosi yang berkurang oleh karena adanya inhibitor dalam system akan
mempengaruhi proses analisis berikutnya, yakni analisis peluang kegagalan dan
penentuan tingkat critically pipa. Peluang kegagalan merupakan fungsi dari laju
korosi, oleh sebab itu jika laju korosi jaringan pipa menjadi lebih kecil maka
peluang kegagalan pun akan berubah menjadi lebih kecil pula.
Gambar 4.12 Peluang Kegagalan Pipa 16”OD-Z-X52 Per Tahun Sejak
Penambahan Inhibitor Tahun 2009
0
0.00002
0.00004
0.00006
0.00008
0.0001
0.00012
0.00014
0.00016
0.00018
0.0002
Peluan
g Ke
gagalan
Tahun
Peluang Kegagalan Pipa Per Tahun
240‐340
341‐440
441‐550
551‐640
74
Tabel 4.5 Peluang Kegagalan Pipa 16”OD-Z-X52 Per Tahun Sejak Penambahan
Inhibitor Tahun 2009
Peluang Kegagalan Lokasi (meter)
Tahun 240-340 341-440 441-550 551-640 2009 5,32.10-10 1,8236.10-09 2,6216.10-08 1,02722.10-08 2010 5,78.10-10 1,9739.10-09 3,3396.10-08 1,2404.10-08 2011 6,24.10-10 2,2744.10-09 4,07838.10-08 1,7378.10-08 2012 6,7.10-10 2,5749.10-09 5,13342.10-08 2,0472.10-08 2013 7,15.10-10 2,8754.10-09 6,63844.10-08 2,6216.10-08 2014 7,15.10-10 3,1759.10-09 7,8928.10-08 3,3396.10-08 2015 8,07.10-10 3,3261.10-09 3,3396.10-08 4,07838.10-08 2016 8,07.10-10 4,1306.10-09 5,30968.10-08 5,13342.10-08 2017 8,53.10-10 4,6669.10-09 7,8928.10-08 6,63844.10-08 2018 8,53.10-10 5,4714.10-09 9,9834.10-08 7,8928.10-08 2019 9,9.10-10 6,0077.10-09 2,05214.10-07 3,3396.10-08 2020 1,82.10-09 7,4292.10-09 2,871.10-07 5,30968.10-08 2021 1,97.10-09 8,8507.10-09 5,62838.10-07 7,8928.10-08 2022 2,27.10-09 1,0272.10-08 9,2872.10-07 9,9834.10-08 2023 2,57.10-09 1,2404.10-08 1,2515.10-06 2,05214.10-07 2024 2,88.10-09 1,7378.10-08 1,6615.10-06 2,871.10-07 2025 3,18.10-09 2,0472.10-08 2,6849.10-06 5,62838.10-07 2026 3,33.10-09 2,6216.10-08 4,2972.10-06 9,2872.10-07 2027 4,13.10-09 3,3396.10-08 5,5417.10-06 9,2872.10-07 2028 4,67.10-09 4,0784.10-08 6.10-06 1,2515.10-06 2029 5,47.10-09 5,1334.10-08 7.10-06 1,6615.10-06 2030 6,01.10-09 6,6384.10-08 8,5460.10-06 2,6849.10-06 2031 7,43.10-09 7,8928.10-08 1,0696.10-05 4,2972.10-06 2032 8,85.10-09 3,3396.10-08 1,3354.10-05 5,5417.10-06 2033 1,03.10-08 5,3097.10-08 2,0669.10-05 6.10-06 2034 1,24.10-08 7,8928.10-08 3,17.10-05 7.10-06 2035 1,74.10-08 9,9834.10-08 4.10-05 8,546.10-06 2036 2,05.10-08 2,0521.10-07 5.10-05 9,00.10-06 2037 2,62.10-08 2,871.10-07 7.10-05 9,50.10-06 2038 3,34.10-08 5,6284.10-07 9.10-05 1,3354.10-05 2039 4,08.10-08 9,2872.10-07 1,3.10-04 1,633.10-05
2040 5,13.10-08 9,2872.10-07 1,8.10-04 2,0669.10-05
75
Pada gambar 4.12 diperoleh peluang kegagalan yang lebih kecil dibandingkan
dengan pada gambar 4.9 walaupun kenaikan peluang kegagalan tetap terjadi. Dari
tabel 4.4 dapat diketahui lebih pasti perbedaan tersebut, di mana kenaikan peluang
kegagalan adalah ketika tingkat critically pipa mencapai warna kuning. Hal ini
berbeda bila pipa belum ditambahkan inhibitor, yakni kenaikan peluang kegagalan
pada saat tingkat critically pipa menjadi berwarna merah (pembahasan 4.2).
Dengan demikian diperoleh hasil bahwa penambahan inhibitor sejak tahun 2009
dengan efisiensi 70 % dapat mengubah peluang kegagalan pipa menjadi lebih
kecil. Hal ini pun berpengaruh tingkat critically pipa, di mana lokasi yang paling
parah adalah pada lokasi 441-550 meter dengan tingkat critically sedang.
4.3.2 Jumlah Penambahan Inhibitor pada Jaringan Pipa
Inhibitor yang ditambahkan pada system yang mengalir pada pipa memiliki
jumlah tertentu. Besar jumlah inhibitor yang ditambhakan tergantung dari kondisi
aliran pada pipa dan kandungan karbon dioksida yang terkandung dalam aliran
pipa. Inhibitor yang ditambahkan merupakan fungsi dari flow rate gas pada pipa
dengan persen inhibitor yang disesuaikan dengan kandungan karbon dioksida
dalam gas.
Tabel 4.6 Pembagian Penambahan Inhibitor yang Disesuaikan dengan Kandungan
CO2
PERSEN KARBON
DIOKSIDA
PENAMBAHAN INHIBITOR
(ppm)
60 % 100
30 – 60 % 80
20-30 % 60
10- 20 % 40
< 10 % 20
76
Tabel 4.7 Jumlah Penambahan Inhibitor Tiap Jaringan Pipa
Nama Jaringan Pipa
PENAMBAHAN INHIBITOR
(ppm)
Laju Injeksi Inhibitor (MSCFD)
Laju Alir (MSCFD)
CO2 (% mol) PH H2S
(ppm)
12,75”OD-X1-X52 180106 6 3,8 0 20 3,60212
12,75”OD-X2-X52 12422 15 7 0 40 0,49688
12,75”OD-X3-X52 10622 1 7,5 0 20 0,21244
12,75”OD-X4-X52 603 14 6,5 0 40 0,02412
12,75”OD-X5-X52 2225 2 7,5 0 20 0,0445
12,75”OD-X6-X52 2073 8 7 0 20 0,04146
12,75”OD-X7-X52 6384 8 6,9 0 20 0,12768
16”OD-X8-X52 19020 18 8 0 40 0,7608
16”OD-X9-X52 21245 35 6 0 80 1,6996
12,75”OD-X10
-X52 3678 6 4,2 0 20 0,07356
12,75”OD-X11
-X52 2523 18 3,9 0 40 0,10092
20”OD-X12
-X52 5777 20 3,5 0 60 0,34662
12,75”OD-X13
-X52 644 1 5,5 0 20 0,01288
26”OD-X14
-X60 312617 8 3,7 0 20 6,25234
26”OD-X15
-X60 242697 2 4 0 20 4,85394
14”OD-X16
-X52 93279 30 4 0 80 7,46232
Nama Jaringan pipa
PENAMBAHAN
INHIBITOR
(ppm)
Laju Injeksi
Inhibitor (MSCFD) Laju Alir (MSCFD)
CO2 (%
mol) PH H2S
(ppm)
14”OD-Y1-X52 8263 2 4 2,3 20 0,16526
8,625”OD-Y2-X52 321 14 3,8 12 40 0,01284
12,75”OD-Y3-X52 598 1 5 0,5 20 0,01196
16”OD-Y4-X52 20438 60 3,6 2,0 100 2,0438
16”OD-Y5-X52 224110 50 3,5 3,5 80 17,9288
77
24”OD-Y6-X60 82712 7 4,1 5 20 1,65424
Adapun inhibitor yang disarankan dalam analisis adalah inhibitor jenis surfactant
organik berbasis nitrogen yakni imidazoline. Imidazoline, seperti oleic
imidazoline dan imidazoline amide, telah biasa digunakan pada industry untuk
menanggulangi masalah sweet corrosion yang terjadi pada pipa. Hal tersebut
dikarenakan jenis ini dikategorikan paling efektif dalam segi financial.
Secara singkat, imidazoline bekerja pada permukaan baja karbon bahkan baja
karbon yang telah terkorosi menjadi besi karbonat untuk membuat permukaan
baja karbon menjadi bersifat hydrophobia. Sifat baja karbon yang hydrophobia
menyebabkan molekul-molekul air (H2O) tidak dapat mengendap maupun
terkonsentrasi pada permukaan baja tersebut. Telah diketahui sebelumnya bahwa
molekul air merupakan molekul yang dibutuhkan oleh senyawa karbon dioksida
supaya korosi dapat terjadi. Jika molekul air tidak dapat terendapkan pada
permukaan pipa maka idealnya senyawa karbon dioksida tidak dapat bereaksi
membentuk asam karbonat pada permukaan pipa dan korosi tidak terjadi.
Struktur molekul oleic imidazoline Struktur Molekul imidazoline
amide
78
Gambar 4.13 Mekanisme Inhibitor Imidazoline pada Permukaan Pipa
Gambar 4.13 merupakan gambar baja karbon yang ditetesi oleh air. Sisi baja
karbon di sebelah kiri garis putus-putus adalah permukaan baja karbon yang
ditambah oleh inhibitor imidazoline sedangkan yang kanan tidak dan keduanya
ditetesi oleh air. Permukaan yang telah ditambah oleh inhibitor tidak menyerap air
terbukti dari butir air yang masih utuh sedangkan yang tidak ditambah inhibitor
air meresap masuk. Sifat inhibitor yang membuat permukaan pipa menjadi
hydrophobia inilah yang dapat mencegah terjadinya sweet corrosion terjadi.
4.4 Perbandingan Model NORSOK dengan Perhitungan Intelligent Pig
Biasa
Model NORSOK dalam prediksi laju korosi mengasumsikan bahwa korosi
internal yang terjadi pada pipa umumnya adalah general corrosion. Pada
kenyataannya, korosi internal yang terjadi pada pipa tidak terjadi hanya sekedar
general corrosion. Oleh sebab itu, dibuat perbandingan antara prediksi laju korosi
hasil intelligent pig dengan menggunakan model NORSOK dengan perhitungan
biasa. Hal tersebut dilakukan untuk mengetahui seberapa jauh tingkat ketelitian
model NORSOK ini.
Dengan cara yang sama, peluang kegagalan tiap lokasi jaringan pipa 16”OD-Z-
X52 dihitung , akan tetapi laju korosi ditentukan berdasarkan perhitungan tebal
semula dikurangi dengan tebal yang tercatat dalam data intelligent pig yang
79
dilakukan pada tahun 2008. Dengan demikian diperoleh tabel peluang kegagalan
yang ditampilkan dalam tabel 4.8.
Tabel 4.8 Peluang Kegagalan Jaringan Pipa 16”OD-Z-X52 dengan Menggunakan
Perhitungan Laju Korosi Berdasarkan /
Peluang Kegagalan Lokasi (meter) Tahun 240‐340 341‐440 441‐550 551‐640 2008 1,8236.10‐09 3,3396.10‐08 5,417.10‐06 1,2515.10‐06 2009 1,97385.10‐09 5,30968.10‐08 8,546.10‐06 1,6615.10‐06 2010 2,27435.10‐09 7,8928.10‐08 1,3354.10‐05 2,6849.10‐06 2011 2,57485.10‐09 9,9834.10‐08 2,0669.10‐05 4,2972.10‐06 2012 2,87535.10‐09 2,05214.10‐07 4.10‐05 5,5417.10‐06 2013 3,17585.10‐09 2,871.10‐07 6.10‐05 8,5460.10‐06 2014 3,3261.10‐09 5,62838.10‐07 1.10‐04 1,3335.10‐05 2015 4,13058.10‐09 9,2872.10‐07 1,7.10‐04 2,0669.10‐05 2016 4,6669.10‐09 1,6615.10‐06 3.10‐04 3.10‐05 2017 5,47138.10‐09 2,6849.10‐06 5.10‐04 6.10‐05 2018 6,0077.10‐09 5,417.10‐06 8,4.10‐04 9.10‐05 2019 7,42919.10‐09 1,3354.10‐05 1,39.10‐03 1,5.10‐04 2020 8,85068.10‐09 2,0669.10‐05 2,33.10‐03 2,3.10‐04 2021 1,02722.10‐08 3.10‐05 3,68.10‐03 3,8.10‐04 2022 1,2404.10‐08 6.10‐05 5,7.10‐03 6,2.10‐04 2023 1,7378.10‐08 2,3.10‐04 1,321.10‐02 1,54.10‐03 2024 2,0472.10‐08 4,2.10‐04 1,923.10‐02 2,4.10‐03 2025 2,6216.10‐08 7,6.10‐04 2,743.10‐02 3,68.10‐03 2026 3,3396.10‐08 1,5.10‐03 3,836.10‐02 5,54.10‐03 2027 4,07838.10‐08 2,33.10‐03 5,155.10‐02 8,2.10‐03 2028 5,13342.10‐08 4,02.10‐03 6,681.10‐02 1,191.10‐02 2029 6,63844.10‐08 6,57.10‐03 8,692.10‐02 1,743.10‐02 2030 7,8928.10‐08 1,044.10‐02 1,0935.10‐01 2,835.10‐02
Dari tabel 4.8 yang dibandingkan dengan tabel 4.2, terlihat bagaimana perbedaan
yang terjadi antara kedua metode perhitungan laju korosi yang digunakan.
Perbedaan tersebut dikarenakan nilai laju korosi berbeda antara kedua metode
tersebut. Peluang kegagalan yang diperoleh pada tabel 4.2 (dengan menggunakan
80
model NORSOK) mengimpresikan bahwa jaringan pipa 16”OD-Z-X52 lebih
cepat memasuki tahap kritis daripada yang terlihat pada tabel 4.8 (dengan
menggunakan cara biasa). Hal ini dikarenakan nilai laju korosi hasil prediksi
dengan menggunakan model NORSOK rat-rata sedikit lebih besar daripada nilai
laju korosi yang dihasilkan dengan menggunakan cara biasa (lampiran).
Grafik pada gambar 4.13 mempertegas hasil analisis bahwa nilai peluang
kegagalan yang dilakukan dengan menggunakan perhitungan laju korosi dengan
model NORSOK akan lebih besar dan lebih cepat dalam segi waktu. Akan tetapi,
jika dilihat kembali tabel 4.2 dan tabel 4.8 terlihat bahwa jaringan pipa memasuki
tahap-tahap kekritisan dalam waktu yang tidak terlalu jauh. Hal ini menyatakan
bahwa walaupun nilai peluang kegagalan berbeda antara kedua metode
perhitungan laju korosi yang digunakan, tingkat critically pipa yang dihasilkan
tidak jauh berbeda antara kedua metode.
Hasil ini menyatakan bahwa model NORSOK memiliki tingkat kepercayaan yang
tinggi untuk dapat menganalisis hasil intelligent pig. Asumsi model NORSOK
bahwa korosi internal yang terjadi pada pipa hanya berpengaruh pada nilai laju
korosi yang hampir sama pada lokasi yang berdekatan dengan nilai yang rat-rata
lebih besar daripada jika perhitungan laju korosi dilakukan dengan menggunakan
metode biasa.
81
Gambar 4.13 Grafik Peluang Kegagalan Pipa Tiap Lokasi Per Tahun dengan Perhitungan Laju Korosi Berbeda Pipa 16”OD-Z-X52
Peluang Kegagalan Lokasi 441‐550 meter dengan menggunakan perhitungan laju korosi NORSOK
Peluang Kegagalan Lokasi 441‐550 meter dengan menggunakan perhitungan laju korosi biasa
Peluang Kegagalan Lokasi 551‐640 meter dengan menggunakan perhitungan laju korosi NORSOK
Peluang Kegagalan Lokasi 551‐640 meter dengan menggunakan perhitungan laju korosi biasa
Peluang Kegagalan Lokasi 341‐440 meter dengan menggunakan perhitungan laju korosi NORSOK
Peluang Kegagalan Lokasi 341‐440 meter dengan menggunakan perhitungan laju korosi biasa
0
0.02
0.04
0.06
0.08
0.1
0.12
0.14
0.16
0.18
2010 2015 2020 2025 2030 2035
Peluan
g Ke
gagalan
Tahun
Peluang Kegagalan Per Lokasi Tiap Tahun