TY - JOUR T1 - Dynamic risk assessment of chemical process systems using Bayesian Network TT - ارزیابی پویا ریسک در سیستم‌های فرآیندی شیمیایی با شبکه بیزین JF - IOH JO - IOH VL - 15 IS - 3 UR - http://ioh.iums.ac.ir/article-1-2176-fa.html Y1 - 2018 SP - 103 EP - 117 KW - Dynamic Risk Assessment KW - Process Systems KW - Bayesian Networks KW - Consequences Modeling KW - Urban Gas Pressure Reduction Stations (CGS). N2 - زمینه و هدف: سیستم­های فرآیندی بخاطر شرایط حاد عملیاتی و حجم بسیار زیاد مواد قابل اشتعال و انفجار همواره بستر حوادث فاجعه آمیز متعددی بوده­اند. ارزیابی ریسک ابزاری سودمند جهت طراحی استراتژیهای کارآمد جهت پیشگیری و کنترل این حوادث می­باشد. روشهای کلاسیک ارزیابی ریسک دارای نواقص عمده از جمله عدم قطعیت در نتایج و ماهیت کاملاً استاتیک می­باشند، لذا در این مطالعه از یک رویکرد پویا و کمی جهت ارزیابی ریسک ایمنی ایستگاه­های تقلیل فشار گاز شهری استفاده شده است. روش بررسی: ابتدا براساس استاندارد شرکت توتال (GS EP SAF 253) سناریو رویداد مرجع (CE) تعیین گردید، سپس مدلسازی کیفی و کمی پویا مدل علت – پیامد سناریو با استفاده از شبکه بیزین (BN) انجام گرفت، در ادامه از توانایی استدلال استقرایی و قیاسی این شبکه­ها استفاده گردید. پیامدهای مختلف سناریو با استفاده از نرم افزار PHAST 7.11 مورد مدلسازی و ارزیابی قرار گرفت. در پایان ریسک پیامدهای سناریو محاسبه و به­روز رسانی و ارزشیابی شد. یافته­ ها: 43 رویداد ریشه­ای در وقوع سناریو رویداد مرجع ایستگاه­های مورد مطالعه شناسایی گردید. از مجموع علل شناسایی شده به ترتیب بیشترین سهم را شکست­های انسانی (85%)، شکست­های فرآیندی (10%) و شکست­های مکانیکی (5%) در وقوع سناریو حادثه داشتند. احتمال وقوع سناریو 2-10× 11/7 محاسبه گردید و موانع ایمنی بخصوص شیر­های توقف اضطراری نقش قابل توجه­ای در کاهش شدت پیامدهای نهایی داشتند. ریسک هر سه پیامد نهایی سناریو رویداد مرجع یعنی آتش فورانی، آتش ناگهانی و انفجار ابربخار در ناحیه غیر قابل قبول قرار گرفت. نتیجه گیری: استفاده از شبکه­های بیزین یک مدل سازی گرافیکی کیفی و کمی جامع و پویا از فرآیند وقوع سناریو حادثه فراهم می­آورد. قابلیت استدلال قیاسی این شبکه­ها قادر به کاهش عدم قطعیت و به­روز رسانی احتمال وقوع رویدادهای ریشه­ای و پیامدهای نهایی می­باشد. استفاده از آن به همراه مدلسازی پیامد، منجر به یک ارزیابی ریسک کمی پویا و دقیق­تر و کاربردی تر در واحدهای فرآیندی می­گردد. M3 ER -