ارزيابي پويا ريسك در سيستم‌هاي فرآيندي شيميايي با شبكه بيزين

Dynamic risk assessment of chemical process systems using bayesian network

زمينه و هدف: سيستم­هاي فرآيندي بخاطر شرايط حاد عملياتي و حجم بسيار زياد مواد قابل اشتعال و انفجار همواره بستر حوادث فاجعه آميز متعددي بوده ­اند. ارزيابي ريسك ابزاري سودمند جهت طراحي استراتژيهاي كارآمد جهت پيشگيري و كنترل اين حوادث مي­ باشد. روشهاي كلاسيك ارزيابي ريسك داراي نواقص عمده از جمله عدم قطعيت در نتايج و ماهيت كاملاً استاتيك مي­ باشند، لذا در اين مطالعه از يك رويكرد پويا و كمي جهت ارزيابي ريسك ايمني ايستگاه­هاي تقليل فشار گاز شهري استفاده شده است. روش بررسي: ابتدا براساس استاندارد شركت توتال (GS EP SAF 253) سناريو رويداد مرجع (CE) تعيين گرديد، سپس مدلسازي كيفي و كمي پويا مدل علت – پيامد سناريو با استفاده از شبكه بيزين (BN) انجام گرفت، در ادامه از توانايي استدلال استقرايي و قياسي اين شبكه­ ها استفاده گرديد. پيامدهاي مختلف سناريو با استفاده از نرم افزار PHAST 7.11 مورد مدلسازي و ارزيابي قرار گرفت. در پايان ريسك پيامدهاي سناريو محاسبه و به­روز رساني و ارزشيابي شد. يافته­ ها: 43 رويداد ريشه ­اي در وقوع سناريو رويداد مرجع ايستگاه­ هاي مورد مطالعه شناسايي گرديد. از مجموع علل شناسايي شده به ترتيب بيشترين سهم را شكست­هاي انساني (85%)، شكست­هاي فرآيندي (10%) و شكست­هاي مكانيكي (5%) در وقوع سناريو حادثه داشتند. احتمال وقوع سناريو ^2-^10× 7/11 محاسبه گرديد و موانع ايمني بخصوص شير­هاي توقف اضطراري نقش قابل توجه­ اي در كاهش شدت پيامدهاي نهايي داشتند. ريسك هر سه پيامد نهايي سناريو رويداد مرجع يعني آتش فوراني، آتش ناگهاني و انفجار ابربخار در ناحيه غير قابل قبول قرار گرفت. نتيجه گيري: استفاده از شبكه­ هاي بيزين يك مدل سازي گرافيكي كيفي و كمي جامع و پويا از فرآيند وقوع سناريو حادثه فراهم مي ­آورد. قابليت استدلال قياسي اين شبكه­ ها قادر به كاهش عدم قطعيت و به ­روز رساني احتمال وقوع رويدادهاي ريشه ­اي و پيامدهاي نهايي مي ­باشد. استفاده از آن به همراه مدلسازي پيامد، منجر به يك ارزيابي ريسك كمي پويا و دقيق­تر و كاربردي تر در واحدهاي فرآيندي مي­ گردد.

Background and aims: Process systems due to processed under severe operational conditions and deal with large amounts of flammable and explosive materials have always led to many catastrophic accidents. Risk assessment is a useful tool for designing effective strategies for preventing and controlling these accidents. Conventional risk assessment methods have major deficiencies, including uncertainty in the obtained results and the completely static nature, therefore, the present study is aimed at applying a dynamic and quantitative approach to assess the safety risks of city natural gas pressure regulating stations. Methods: First, according to the standard of the Total Company (GS EP SAF 253), the reference (credible) event scenario was determined, then a qualitative, quantitative and dynamic modeling of the cause – consequence accident scenario model using Bayesian Network (BN) is provided and next, deductive and abductive probabilistic reasoning are conducted by means of constructed BN model. PHAST 7.11 program is employed to modeled and evaluated of different consequences of the scenario. Finally, the risk of accident scenario consequences was calculated, evaluated and updated. Results: 43 root events in occurrence of the credible event scenario of the gas stations were identified. Among the identified causes, the human failures (85%), process failures (10%) and mechanical failures (5%) had the highest contributing to occurrence in the accident scenario, respectively. Occurrence probability of the scenario is determined 7.11 ×10-2. Safety barriers, especially emergency shutdown valves (ESD), had a significant role in reducing the consequences severity. The risk of all three of consequences including jet fire, flash fire and vapor cloud explosion is located in unacceptable area. Conclusion: The use of BNs provides a comprehensive qualitative, quantitative and dynamic graphical modeling of the accident scenario. The abductive reasoning ability of these networks is capable to reducing the uncertainty and updating the probability of occurrence of root events and final the consequences. Using BNs along with consequences modeling, leads to a slightly more dynamic, precise and practical risk assessment in process plants.