CN110070267A - 一种危险化学品重大危险源辨识方法 - Google Patents

一种危险化学品重大危险源辨识方法 Download PDF

Info

Publication number
CN110070267A
CN110070267A CN201910237220.9A CN201910237220A CN110070267A CN 110070267 A CN110070267 A CN 110070267A CN 201910237220 A CN201910237220 A CN 201910237220A CN 110070267 A CN110070267 A CN 110070267A
Authority
CN
China
Prior art keywords
major hazard
danger source
parameter
hazardous chemical
substance
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910237220.9A
Other languages
English (en)
Other versions
CN110070267B (zh
Inventor
黄咸家
杨苹
吴晓冬
彭岚
李志彪
邢朝亮
郑泽铭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Industry Technology Guangzhou of CAS
Original Assignee
Institute of Industry Technology Guangzhou of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Industry Technology Guangzhou of CAS filed Critical Institute of Industry Technology Guangzhou of CAS
Priority to CN201910237220.9A priority Critical patent/CN110070267B/zh
Publication of CN110070267A publication Critical patent/CN110070267A/zh
Application granted granted Critical
Publication of CN110070267B publication Critical patent/CN110070267B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G06F18/24155—Bayesian classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • General Factory Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种危险化学品重大危险源辨识方法，包括：对危险化学品的生产、储存装置、设施或场所进行划分，以划分重大危险源辨识的独立单元；确定所述重大危险源辨识的独立单元的一类危险源指标参数和二类危险源指标参数；量化一类危险源指标参数和二类危险源指标参数；所述一类危险源指标参数包括化学物质危险性参数、过程工艺危险性参数以及后果严重程度参数；所述二类危险源指标参数为危险化学品所处的环境因素；将所确定的一类危险源指标参数、二类危险源指标参数输入至贝叶斯网络中，以完成重大危险源辨识工作。本方法将危险源所处的自然环境，社会因素、以及危险源所处的管理状态、设备状态及人员状态等进行了综合分析，更能反映危险源的实际环境，具有现实意义。

Description

一种危险化学品重大危险源辨识方法
技术领域
本发明涉及辨识方法，具体涉及一种危险化学品重大危险源辨识方法。
背景技术
重特大事故仍继续发生，沉重的事故后果告诫我们：为有效预防重特大事故的发生，减少对人类及社会的伤害以及由此带来的重大损失，必须对重大危险源进行有效合理管理，而管理的前提则是对重大危险源进行有效辨识。
纵观世界范围内的重大危险源辨识方法，通用的重大危险源辨识方法仍是基于对危险物质的质量临界值进行辨识，在近几十年的发展过程中，判别重大危险源的方法虽然在危险物质的种类，以及临界量有些许修正，但未能在本质上有所变更，即均是基于危险物质质量临界量方法的进行单一判断标准的辨识。虽然该方法是一种非常简单有效的辨识准则，但是基于质量的辨识方法未能充分考虑危险化学品重大危险源所处的环境因素(包括自然环境、社会环境、人员状态、设备状态、管理状态)，即当评价单元中危险物质的种类和数量相同，空间分布相似，但实际所处的环境存在显著差异，那么基于传统的重大危险源辨识方法的辨识结果可能是相似的，然而由于其环境的差异，其风险可能存在显著差异，传统的重大危险源辨识方法无法有效反应环境差异性带来的风险差异。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种危险化学品重大危险源辨识方法，以较准确地辨识出危险化学品危险源的情况。
为实现上述目的，本发明的技术方案是：
一种危险化学品重大危险源辨识方法，包括：
对危险化学品的生产、储存装置、设施或场所进行划分，以划分重大危险源辨识的独立单元；
确定所述重大危险源辨识的独立单元的一类危险源指标参数和二类危险源指标参数；量化一类危险源指标参数和二类危险源指标参数；所述一类危险源指标参数包括化学物质危险性参数、过程工艺危险性参数以及后果严重程度参数；所述二类危险源指标参数为危险化学品所处的环境因素；
将所确定的一类危险源指标参数、二类危险源指标参数输入至贝叶斯网络中，以完成重大危险源辨识工作。
本发明与现有技术相比，其有益效果在于：
本发明基于两类危险源理论结合贝叶斯网络的方法提出了一种重大危险源辨识的新方法，相比传统的重大危险源辨识方法，本方法将危险源所处的自然环境，社会因素、以及危险源所处的管理状态、设备状态及人员状态等进行了综合分析，更能反映危险源的实际环境，具有现实意义；同时，通过结合贝叶斯网络的方法能够快速、准确地分析二类危险源处于危险情况的原因，方便提供针对重大危险源的安全管理相应措施。
附图说明
图1为本发明实施例提供的危险化学品重大危险源辨识方法的流程图；
图2为第二类危险源评估框架图；
图3为重大危险源辨识贝叶斯网络结构图；
图4为单元A重大危险源辨识贝叶斯网络图；
图5为单元B重大危险源辨识贝叶斯网络图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例：
参阅图1所示，本实施提供的危险化学品重大危险源辨识方法包括：
对危险化学品的生产、储存装置、设施或场所进行划分，以划分确定危险化学品的生产单元和存储单元；具体地，单元的划分依照GB18218-2018，即涉及危险化学品的生产、储存装置、设施或场所，分为生产单元和储存单元，其中生产单元指危险化学品的生产、加工及使用等的装置及设施，当装置及设施之间有切断阀时，以切断阀作为分隔界限划分为独立的单元；储存单元指用于储存危险化学品的储罐或仓库组成的相对独立的区域，储罐区以罐区防火堤为界限划分独立的单元，仓库以独立库房(独立建筑物)为界限划分为独立的单元。
确定所述危险化学品的生产单元和存储单元的一类危险源指标参数和二类危险源指标参数；量化一类危险源指标参数和二类危险源指标参数；所述一类危险源指标参数包括化学物质危险性参数、过程工艺危险性参数以及后果严重程度参数；所述二类危险源指标参数为危险化学品所处的环境因素，包括自然因素、社会因素、人员状态、设备状态及管理状态；量化的方法基于安全检查表法和专家评分法。
将所确定的一类危险源指标参数和二类危险源指标参数来构建贝叶斯网络结构；
将所有父节点的先验概率和子节点的条件概率表输入至贝叶斯网络，建立了重大危险源辨识的贝叶斯网络，通过在贝叶斯网络中输入信息来完成重大危险源辨识工作。
由此可知，本发明基于两类危险源理论结合贝叶斯网络的方法提出了一种重大危险源辨识的新方法，相比传统的重大危险源辨识方法，本方法将危险源所处的自然环境，社会因素、以及危险源所处的管理状态、设备状态及人员状态等进行了综合分析，更能反映危险源的实际环境，具有现实意义；同时，通过结合贝叶斯网络的方法能够快速、准确地分析二类危险源处于危险情况的原因，方便提供针对重大危险源的安全管理相应措施。
具体地，该一类危险源指标参数具体如表1所示：
表1 一类危险源辨识关键参数指标
各关键参数指标的量化方法如下：
(1)火灾事故易发性：
其中sFL表示火灾事故易发性，x表示物质的闪点。
(2)爆炸事故易发性：
SEX＝100×(UFL-LFL) (2)
其中SEX表示爆炸事故易发性，UFL表示物质的爆炸上限，LFL表示物质的爆炸下限。
(3)中毒事故易发性：
其中sTOX表示中毒事故的易发性，x表示物质的毒性等级，如表2所示。
表2 物质毒性等级
(4)化学活性：
其中sR表示物质化学活性评分，x表示物质的化学活性等级，如表3所示。
表3 物质化学活性等级
(5)操作温度：
其中sT表示操作温度的评分，x表示操作温度。
(6)操作压力：
其中sP表示操作压力的评分，x表示操作压力。
(7)反应程度：
其中sHR表示物质反应程度的评分，x表示物质的反应热。
当物质储存时，不与其他物质发生反应，即反应程度为0
(8)死亡半径：
通常化学物质的事故后果具有多种形态，如原油储罐通常发生的事故类型包括池火、闪火、喷射火和蒸气云爆炸，因此具有多个事故后果死亡半径。为方便计算且最可靠的表征事故后果严重程度，考虑原油为可燃液体，通常的发生的事故类型为池火，则基于池火伤害模型计算该原油储罐单元的死亡半径。具体对象伤害模型如表4所述。
表4 伤害模型对应关系
依据伤害半径的危险评分为：
其中SRadi表示事故后果危险程度量化评分，R表示事故导致的死亡半径。
其中，当危险物质类型为液态储存的易燃气体时，其由于该类型物质同时具有两种事故类型发生可能性，易燃易爆有毒重大危险源评价方法计算该类事故综合后果为：S＝AS1+(1-A)S2。其中，A与1-A分别为两种爆炸发生的概率，A＝0.9,1-A＝0.1。蒸气云爆炸的可能性远大于扩展蒸气云爆炸，蒸气云爆炸是主要的。其中S表示在伤害半径范围内造成的总损失，包括人员伤亡、财产损失和环境污染。为有效衡量质量变化导致的事故严重程度的变化，此处将面积大小表征为后果严重程度。因此，考虑存在两种事故后果，综合死亡半径为计算公式如下：
该二类危险源指标量化过程如下：
第二类危险源指导致能量或危险物质约束或限制措施破坏或失效的各种因素。广义上包括物的故障、人的失误、环境不良及管理缺陷因素。确定的评估第二类危险源危险性框架附图所示：
此处评价上述指标主要有两种方法：检查表法和专家评价法，它们是客观的评估方法的补充方法。分别以两类方法评估指标进行举例说明。
基于安全检查表的方法评估安全生产教育如表5所示，基于专家评分的方法评估社会因素如表6所示
表5 安全生产教育安全检查表
表6 社会影响因素专家评估表
其中V1-V4依次反应对应指标风险情况由低至高，如轰动效应中V1表示对社会因素较低影响,V4表示对社会因素较高影响。基于上述方法可以对所有的二类危险源的各指标进行评估。
如此，确定好一类危险源指标参数和二类危险源指标参数，所构建的重大危险源辨识的贝叶斯网络如图3所示。其中“major hazard identification”节点为目标节点，通过该节点可以快速给出重大危险源辨识的结果，它的父节点为“first type of hazard”与“second type of hazard”，即一类危险源和二类危险源共同影响重大危险源的辨识。此外影响一类危险源危险性的因素主要包括“Material Hazard”,“Chemical process safety”and“Severity of consequence”三部分；影响二类危险源危险性的因素包括“NaturalFactor”,“Social Factor”,“Human State”,“Equipment State”and“Management state”五部分，最后将将所有父节点的先验概率和子节点的条件概率表输入至贝叶斯网络，建立了重大危险源辨识的贝叶斯网络，通过在贝叶斯网络中输入信息来完成重大危险源辨识工作。
下面结合一个应用实例来对本实施例提供的危险化学品重大危险源辨识方法进行进一步的说明：
现有A、B两评价单元，其中A单元储存汽油190t，B单元储存汽油210t，则按危险化学品重大危险源辨识标准GB18218-2018，A单元为非重大危险源，B单元为重大危险源。然而根据新辨识方法A、B两评价单元的评估过程如下：
其中汽油闪点为-50℃，爆炸极限范围1.3％-6％，毒性等级为1，化学活性等级为0，操作温度为20℃；操作压力为1.01bar：在储罐内存储不发生化学反应，化学反应程度为0。此外，由于汽油是易燃液体，根据池火模型进行分析死亡半径，Ddeath-190＝77.0m；Ddeath-210＝79.5m。
从死亡半径可以看出A、B两对象发生池火后造成的死亡半径数值上相近，因此从一类危险源的角度衡量危险性即A、B两对象的危险程度接近，然而依据传统的辨识方法，则两对象的辨识结果却不同。这也充分反应了传统辨识方法的缺陷性。
将上述一类危险源的影响指标带入一类危险源指标量化的公式中进行计算，结果如表7所示。此外，根据专家评判的方法及安全检查表的方法实现第二类危险源的评估，见表7。
表7 A&B单元贝叶斯网络节点量化
*其中V1-V4分别表示对应指标的评估等级，V1表示危险程度最低，V4表示危险程度最高。如表格中所示V1＝0.1表示基于专家评判该等级对应的可能性
**每项指标的量化范围为0-100，越接近0表示越安全，越靠近100表示越危险
***由于评估管理状态的因素较多，若将其反应在贝叶斯网路中，条件概率表计算量将相当庞大，因此，此处为了简便起见，管理状态的评估即其各影响指标评估状态的平均值，这也是在易燃、易爆、有毒重大危险源评价方法中用到的方法。
将上述节点的量化结果分别输入至贝叶斯网络，辨识结果如下图：新的辨识方法中由于A所处的环境，即第二类危险源的危险性显著高于B，如图4所示A的第二类危险源评判等级的最大可能性为“MediumHazard”，且整体趋向高危险性，即诱发事故发生的可能性大，同样如图5所示，B的第二类危险源评判等级的最大可能性为“VeryLowHazard”，且整体趋向低危险性，即诱发事故发生的可能性小，即使B单元包含的危险物质多于A单元，但其造成的后果损失几乎接近，且通过贝叶斯网络的分析方法可以看出A、B单元的一类危险源评估结果相同。从评估结果可以看出，由于B单元的二类危险源控制效果较好，其综合危险性比A类危险性小，辨识结果为非重大危险源。而由于A类的二类危险源控制效果差，辨识结果为非重大危险源。这不同于传统的基于质量临界量的辨识结果。
此外，由于单元A的二类危险源危险程度高于单元B，因此需加强对单元A的管理工作，如图4所示，设备状态处于高危险状态，可以加强对设备的管理工作。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种危险化学品重大危险源辨识方法，其特征在于，包括：
对危险化学品的生产、储存装置、设施或场所进行划分，以划分重大危险源辨识的独立单元；
确定所述重大危险源辨识的独立单元的一类危险源指标参数和二类危险源指标参数；所述一类危险源指标参数包括化学物质危险性参数、过程工艺危险性参数以及后果严重程度参数；所述二类危险源指标参数为危险化学品所处的环境因素；
将所确定的一类危险源指标参数、二类危险源指标参数输入至贝叶斯网络中，以完成重大危险源辨识工作。
2.如权利要求1所述的危险化学品重大危险源辨识方法，其特征在于，所述将所确定的一类危险源指标参数、二类危险源指标参数输入至贝叶斯网络中，以完成重大危险源辨识工作包括：网络节点辨识及量化、构造贝叶斯网络、贝叶斯网络分析；
所述网络节点的辨识及量化为：将一类危险源指标参数、二类危险源指标参数进行具体的量化，以作为网络节点：
所述构造贝叶斯网络主要包括贝叶斯网络结构学习和贝叶斯网络参数；其中，贝叶斯网络结构学习指通过分析影响重大危险源辨识的关键指标及指标间的相关影响关系，来构建辨识重大危险源的贝叶斯网络结构；参数学习指基于专家经验的方法学习贝叶斯网络中的条件概率表；
所述贝叶斯网络分析指输入一类危险源及二类危险源的量化信息，通过贝叶斯网络自动实现重大危险源辨识工作。
3.如权利要求1所述的危险化学品重大危险源辨识方法，其特征在于，所述化学物质危险性参数包括火灾事故易发性、爆炸事故易发性、中毒事故易发性以及化学活性。
4.如权利要求3所述的危险化学品重大危险源辨识方法，其特征在于，所述火灾事故易发性为：
其中，sFL表示火灾事故易发性，x表示物质的闪点。
5.如权利要求3所述的危险化学品重大危险源辨识方法，其特征在于，所述爆炸事故易发性为：
SEX＝100×(UFL-LFL) (2)
其中SEX表示爆炸事故易发性，UFL表示物质的爆炸上限，LFL表示物质的爆炸下限。
6.如权利要求3所述的危险化学品重大危险源辨识方法，其特征在于，所述中毒事故易发性：
其中sTOX表示中毒事故的易发性，x表示物质的毒性等级。
7.如权利要求3所述的危险化学品重大危险源辨识方法，其特征在于，所述化学活性为：
其中，sR表示物质化学活性评分，x表示物质的化学活性等级。
8.如权利要求1所述的的危险化学品重大危险源辨识方法，其特征在于，所述过程工艺危险性参数包括操作温度、操作压力和反应程度：
操作温度：
其中，sT表示操作温度的评分，x表示操作温度；
操作压力：
其中，sP表示操作压力的评分，x表示操作压力；
反应程度：
其中，sHR表示物质反应程度的评分，x表示物质的反应热；当物质储存时，不与其他物质发生反应，即反应程度为0。
9.如权利要求1所述的危险化学品重大危险源辨识方法，其特征在于，所述后果严重程度参数为爆炸时的死亡半径：
其中SRadi表示事故后果危险程度量化评分，R表示事故导致的死亡半径。
10.如权利要求1所述的危险化学品重大危险源辨识方法，其特征在于，所述环境因素包括自然因素、社会因素、人员状态、设备状态及管理状态，并基于安全检查表法和专家评分法进行量化；其中安全检查表法是依据标准、规范对已知危险、缺陷类别进行判别检查；专家评分法的步骤是对选定的评价指标定出评价等级，再用量化分值进行表示；安全检查表法和专家评分方法是在缺乏确定数据的情况下的补充方法。
CN201910237220.9A 2019-03-27 2019-03-27 一种危险化学品重大危险源辨识方法 Active CN110070267B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910237220.9A CN110070267B (zh) 2019-03-27 2019-03-27 一种危险化学品重大危险源辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910237220.9A CN110070267B (zh) 2019-03-27 2019-03-27 一种危险化学品重大危险源辨识方法

Publications (2)

Publication Number Publication Date
CN110070267A true CN110070267A (zh) 2019-07-30
CN110070267B CN110070267B (zh) 2021-06-08

Family

ID=67366704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910237220.9A Active CN110070267B (zh) 2019-03-27 2019-03-27 一种危险化学品重大危险源辨识方法

Country Status (1)

Country Link
CN (1) CN110070267B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591711A (zh) * 2021-07-30 2021-11-02 沭阳县华源米业股份有限公司 一种基于人工智能的粮仓危险源安全监测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169600A (zh) * 2017-05-12 2017-09-15 广州中国科学院工业技术研究院 识别重大危险源的方法、系统、存储介质及计算机设备

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107169600A (zh) * 2017-05-12 2017-09-15 广州中国科学院工业技术研究院 识别重大危险源的方法、系统、存储介质及计算机设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
赵耀江等: "《安全评价理论与方法 第2版》", 31 January 2015 *
郭云龙: ""基于动态贝叶斯网络的船舶溢油风险预报"", 《中国安全科学学报》 *
陈雪: ""化工园区定量风险评估研究"", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113591711A (zh) * 2021-07-30 2021-11-02 沭阳县华源米业股份有限公司 一种基于人工智能的粮仓危险源安全监测方法及系统
CN113591711B (zh) * 2021-07-30 2022-07-19 沭阳县华源米业股份有限公司 一种基于人工智能的粮仓危险源安全监测方法及系统

Also Published As

Publication number Publication date
CN110070267B (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
Wang et al. An application of nonlinear fuzzy analytic hierarchy process in safety evaluation of coal mine
Jafari et al. Exploring inherent process safety indicators and approaches for their estimation: A systematic review
Rostamabadi et al. A novel Fuzzy Bayesian Network approach for safety analysis of process systems; An application of HFACS and SHIPP methodology
Fuentes-Bargues et al. Risk analysis of a fuel storage terminal using HAZOP and FTA
Marhavilas et al. An expanded HAZOP-study with fuzzy-AHP (XPA-HAZOP technique): Application in a sour crude-oil processing plant
Lu et al. A comprehensive risk evaluation method for natural gas pipelines by combining a risk matrix with a bow-tie model
Pasman et al. Past, present and future of Quantitative Risk Assessment (QRA) and the incentive it obtained from Land-Use Planning (LUP)
Kotek et al. HAZOP study with qualitative risk analysis for prioritization of corrective and preventive actions
Hulme et al. Accident analysis in practice: A review of Human Factors Analysis and Classification System (HFACS) applications in the peer reviewed academic literature
Pouyakian et al. A comprehensive approach to analyze the risk of floating roof storage tanks
Baxtiyorovna Food safety management
Zhu et al. Dynamic study of critical factors of explosion accident in laboratory based on FTA
Jabbari et al. Risk assessment of fire, explosion and release of toxic gas of Siri–Assalouyeh sour gas pipeline using fuzzy analytical hierarchy process
CN110070267A (zh) 一种危险化学品重大危险源辨识方法
Ma et al. Risk assessment of coupling links in hazardous chemicals maritime transportation system
Lv et al. The multi-level comprehensive safety evaluation for chemical production instalment based on the method that combines grey-clustering and EAHP
Liu et al. Human factor risk modeling for shipyard operation by mapping fuzzy fault tree into Bayesian network
Zheng et al. A hybrid approach for evaluating faulty behavior risk of high‐risk operations using ANP and evidence theory
Jafari et al. A new approach to chemicals warehouse risk analysis using computational fluid dynamics simulation and fuzzy Bayesian network
Chen et al. Risk analysis of oilfield gathering station
Laal et al. Providing an approach to analyze the risk of central oxygen tanks in hospitals during the COVID-19 pandemic
Cho A study of risk analysis for human casualty of social disasters based on FN curve
Wang et al. Construction method and application of real‐time monitoring and early‐warning model for anaerobic reactor leakage
Wu et al. Research on the index system of chemical enterprise safety risk state based on analytic hierarchy
Tang et al. Quantitative risk evaluation model of the multilevel complex structure hierarchical system in the petrochemical industry

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant