Сетевое байесовское моделирование взрывов на потенциально опасных объектах порошковой металлургии.
Аннотация
В магистерской диссертации предлагается модель анализа рисков сценариев взрыва пыли на основе байесовских сетей. По этой модели оцениваются риски пылевых взрывов с учетом общих причин отказов, приводящих к пылевым взрывам, и зависимостей между причинами, а также анализируются вероятности потенциальных последствий. С помощью этой модели можно вычислить наиболее критические события, приводящие к взрывам пыли.
Концепция вероятностной адаптации также используется для извлечения уроков из предыдущего опыта, что помогает пересматривать байесовскую сеть и прогнозировать риск, предпринимая шаги по разработке и внедрению дополнительных барьеров безопасности. Эта модель также может применяться к конкретному случаю, который показывает, что ее можно использовать для изображения процесса аварии, для оценки риска аварий и возможных последствий и, что более важно, для выбора уязвимых частей системы для взрывов пыли.
This master's thesis proposes a risk analysis model for dust explosion scenarios based on Bayesian networks. According to this model, the dust explosion risks are evaluated considering the common causes of failures leading to dust explosions and the dependencies between the causes, and the probabilities of potential consequences are analyzed. Using this model, the most critical events leading to dust explosions can be calculated.
The concept of probabilistic adaptation is also used to learn from previous experiences, which helps to revise the Bayesian network and predict risk by taking steps to design and implement additional safety barriers. The model can also be applied to a case study, which shows that it can be used to depict the accident process, to assess accident risk and possible consequences, and, more importantly, to select vulnerable parts of the system for dust explosions.
Концепция вероятностной адаптации также используется для извлечения уроков из предыдущего опыта, что помогает пересматривать байесовскую сеть и прогнозировать риск, предпринимая шаги по разработке и внедрению дополнительных барьеров безопасности. Эта модель также может применяться к конкретному случаю, который показывает, что ее можно использовать для изображения процесса аварии, для оценки риска аварий и возможных последствий и, что более важно, для выбора уязвимых частей системы для взрывов пыли.
This master's thesis proposes a risk analysis model for dust explosion scenarios based on Bayesian networks. According to this model, the dust explosion risks are evaluated considering the common causes of failures leading to dust explosions and the dependencies between the causes, and the probabilities of potential consequences are analyzed. Using this model, the most critical events leading to dust explosions can be calculated.
The concept of probabilistic adaptation is also used to learn from previous experiences, which helps to revise the Bayesian network and predict risk by taking steps to design and implement additional safety barriers. The model can also be applied to a case study, which shows that it can be used to depict the accident process, to assess accident risk and possible consequences, and, more importantly, to select vulnerable parts of the system for dust explosions.