Iran Occupational Health Journal

fa ارزیابی کمّی ریسک مخزن ذخیره دی‌اکسیدکربن با استفاده از مدل‌سازی پیامد و شبکه‌های بیزین فازی QUANTITATIVE RISK ASSESSMENT OF A CARBON DIOXIDE STORAGE TANK BY USING CONSEQUENCE MODELING AND FUZZY BAYESIAN NETWORKS ایمنی Safety كاربردي Applicable چکیده: زمینه و هدف: با توجه به ماهیت خفه‌کننده و بی‌بو بودن گاز دی‌اکسیدکربن، که علیرغم غیرسمّی بودن، در غلظت‌های بالا می‌تواند تهدیدی جدّی برای جان انسان باشد، تلاش شده است تا به شیوه‌ای دقیق‌تر به ارزیابی ریسک پرداخته شود. از آنجا که روش سنتی Bowtie به‌تنهایی قادر به تحلیل پویا و در نظر گرفتن عدم قطعیت‌ها نیست، در این مطالعه، ترکیب Bowtie با شبکه‌های بیزین و مدل‌سازی پیامد وتخمین ریسک از طریق نرم‌افزار SAFETI.8.4 است. این رویکرد یکپارچه، چارچوبی عملی برای شناسایی بهتر مخاطرات، ارزیابی دقیق‌تر پیامدهای نشت دی‌اکسیدکربن و ارتقاء سطح آمادگی در برابر حوادث احتمالی فراهم می‌آورد. روش بررسی: در این مطالعه، پس از شناسایی مخاطرات با روش HAZOP، سناریوهای نشتی تعریف و با استفاده از رویکرد ترکیبی Bowtie و شبکه‌های بیزین در GeNIe 5.0 تحلیل شدند. احتمالات رویدادهای پایه با رویکرد فازی برآورد و پیامدهای نشت با PHAST 8.4 شبیه‌سازی گردید. در نهایت، تخمین ریسک با کمک معادله پروبیت در SAFETI 8.4 انجام شد. یافته‌ها: در آنالیز BOWTIE در مجموع 17 رویداد پایه و 13 رویداد میانی شناسایی شد که احتمال پیامد نهایی ناشی از نشت دی‌اکسیدکربن با روش BOWTIE و تلفیق BN برابر با 6-10×832726/7 و 6-10×305449/7 بود. مهمترین رویدادهای پایه به ترتیب نقص در تعمیر تجهیزات، نقص در اتصالات و بست‌های شماره 1 و نقص در کیفیت تجهیزات خریداری شده تشخیص داده شد. بیشترین غلظت در گسیختگی کامل مخزن 106ppm  در شعاع 5 متری از مخزن تعیین شد. سطح ریسک کمتر از 4-10 بود که در محدوده قابل قبول قرار گرفت. نتیجه‌گیری: منحنی ریسک جمعی نشان داد که ریسک نشتی مخزن دی‌اکسیدکربن در ناحیه قابل قبول است که نشان دهنده پایین بودن سطح ریسک می‌باشد.استفاده از مدل‌های پیچیده مانند FBN به‌ویژه در شبیه‌سازی حوادث پرخطر و ارزیابی ریسک‌ها، می‌تواند به تصمیم‌گیری‌های بهینه در زمینه ایمنی و مدیریت بحران کمک کند.   ABSTRACT BACKGROUND AND AIMS: Given the asphyxiant and odorless nature of carbon dioxide gas, which, while non-toxic, can pose a serious threat to human life at high concentrations, this study aims to conduct a more precise risk assessment. Since the conventional Bowtie method, by itself, is incapable of dynamic analysis and does not adequately account for uncertainties, this research integrates the causal framework of the Bowtie method with Bayesian Networks, together with consequence modeling and risk assessment using SAFETI 8.4 software. This integrated approach provides a practical framework for enhanced hazard identification, more accurate evaluation of CO₂ leak consequences, and improved preparedness against potential accidents. METHODS: In this study, after hazard identification using the HAZOP method, leakage scenarios were defined and analyzed through an integrated Bowtie–Bayesian Network approach implemented in GeNIe 5.0. Event probabilities were estimated using a fuzzy logic-based method, and the consequences of leakages were modeled with PHAST 8.4. Finally, risk assessment was conducted using the probit equation in SAFETI 8.4. RESULTS: In the BOWTIE approach, a total of 17 basic events and 13 intermediate events were identified. The probability of the final consequence resulting from CO₂ leakage, calculated using the Bowtie method and the integrated Bowtie–Bayesian Network approach, was 7.832726×10⁻⁶ using the BOWTIE approach and 7.305449×10⁻⁶ when combined with the Bayesian Network. The most critical basic events were identified as: (1) failure in equipment maintenance, (2) failure in connections and clamp No. 1, and (3) poor quality of purchased equipment. The highest concentration in the event of catastrophic rupture was determined to be 106 ppm at a distance of 5 meters from the tank. The risk level was less than 10-4, which is within the acceptable level. <h3 style="text-align:justify; margin-top:11px; margin-bottom:5px">CONCLUSION: The social risk curve showed that the risk associated with the carbon dioxide tank is at an acceptable level, indicating a low level of risk. Complex models, such as Fuzzy Bayesian Networks (FBN), can significantly contribute to optimal decision-making in safety and crisis management, particularly when modeling high-risk accidents and assessing associated risks.</h3> دی‌اکسیدکربن, تئوری بیزین, حوادث, ارزیابی ریسک Carbon Dioxide, Bayes Theorem, Accidents, Risk Assessment. 215 226 http://ioh.iums.ac.ir/browse.php?a_code=A-10-4301-1&slc_lang=fa&sid=1 Mohammadhosein Keyvani Brojeni محمد حسین کیوانی بروجنی keyvanibrojeni.m@iums.ac.ir 13600319475328460045963 0009-0006-1031-4697 No Student Research Committee, School of Public Health, Iran University of Medical Sciences, Tehran, Iran کمیته تحقیقات دانشجویی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Somayeh Kheirandish Sarabi سمیه خیراندیش سرابی kheirandish.s@iums.ac.ir 13600319475328460045964 0009-0006-7251-4037 No Student Research Committee, School of Public Health, Iran University of Medical Sciences, Tehran, Iran کمیته تحقیقات دانشجویی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Shahram Vosoughi شهرام وثوقی vosoughi.sh@iums.ac.ir 13600319475328460045965 13600319475328460045965 No Occupational Health Research Center Department of Occupational Health Engineering, School of Public Health, Iran University of Medical Sciences, Tehran, Iran مرکز تحقیقات بهداشت کار، گروه مهندسی بهداشت حرفه ای دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران،ایران Behzad Souri بهزاد سوری behzadsouri98@gmail.com 13600319475328460045966 13600319475328460045966 No Student Research Committee, School of Public Health, Iran University of Medical Sciences, Tehran, Iran کمیته تحقیقات دانشجویی، دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران، ایران Fatemeh Akbarzadeh Miandoab فاطمه اکبرزاده میاندوآب niloofarakbarzadeh5@gmail.com 13600319475328460045967 0009-0008-0507-8559 No Department of Occupational Health Engineering, School of Public Health, Qom University of Medical Sciences, Qom, Iran گروه مهندسی بهداشت حرفه ای و ایمنی کار، دانشکده بهداشت، دانشگاه علوم پزشکی قم، قم، ایران Saber Moradi Hanifi صابر مرادی حنیفی moradi.sab@iums.ac.ir 13600319475328460045968 13600319475328460045968 Yes Occupational Health Research Center Department of Occupational Health Engineering, School of Public Health, Iran University of Medical Sciences مرکز تحقیقات بهداشت کار، گروه مهندسی بهداشت حرفه ای دانشکده بهداشت، دانشگاه علوم پزشکی ایران، تهران،ایران