ارزیابی اثرات دومینو و تحلیل آسیب پذیری مخازن ذخیره فرآورده های نفتی با بکارگیری تئوری گراف و شبکه بیزین در یک صنعت فرآیندی

مقدمه: ایمنی در صنایع فرآیندی از اهمیت بالایی برخوردار است، زیرا این صنایع معمولاً با مواد شیمیایی خطرناک و فرآیندهای پیچیده سروکار دارند که در صورت بروز حوادث می‌توانند پیامدهای جبران‌ناپذیری به همراه داشته باشند. یکی از نگرانی‌های عمده در این صنایع، اثرات دومینو است که به انتقال و تشدید حوادث از یک بخش به بخش دیگر اشاره دارد. این پدیده می‌تواند منجر به وقوع حوادث زنجیره‌ای و افزایش شدت آسیب‌ها شود. به همین دلیل، کاربرد و قوت مدل‌های تحلیلی در ارزیابی این اثرات اهمیت ویژه‌ای دارد. در این راستا، هدف مطالعه حاضر، ارزیابی اثرات دومینو و تحلیل آسیب‌پذیری مخازن ذخیره فرآورده‌های نفتی با استفاده از تئوری گراف و شبکه بیزین در یک صنعت فرآیندی است. این رویکرد به شناسایی نقاط ضعف سیستم کمک کرده و امکان پیش‌بینی حوادث بالقوه را فراهم می‌آورد که در نهایت می‌تواند به بهبود تدابیر ایمنی و کاهش خطرات مرتبط منجر شود.روش کار: در این پژوهش، پس از جمع‌آوری اطلاعات اولیه مرتبط با جایگاه مخازن ذخیره و تعیین سناریوی حادثه، مخازن مورد مطالعه با توجه به نوع مواد ذخیره‌شده و جانمایی آن‌ها، با نظر کارشناسان انتخاب شدند. این مخازن به صورت گره‌های گراف مدل‌سازی شده و احتمال گسترش حادثه میان آن‌ها به شکل کمان‌های گراف نمایش داده شد. برای مدل‌سازی پیامد حوادث و محاسبه میزان تشعشع حرارتی ناشی از وقوع حریق در هر مخزن به مخازن مجاور، از نرم‌افزار مدلسازی aloha استفاده شد. همچنین، برای مدل‌سازی اثرات دومینو و تحلیل آسیب‌پذیری، از تئوری گراف و شبکه بیزین بهره‌گیری شد و محاسبه شاخص‌های تئوری گراف با استفاده از نرم‌افزار آماری r و بسته igraph انجام گرفت.یافته ها: اثرات دومینو در مخازن با توجه به مخازن هدف مربوط به سناریوی حریق استخری مشخص گردیدند و به صورت گراف جهت دار مدل سازی شدند. مخزن شماره 4 تاثیرگذارترین و تاثیرپذیرترین مخزن در گسترش و راه اندازی اثرات دومینو با بالاترین شاخص بینیت (0.2381)، شاخص نزدیکی خارجی(0.35211) و شاخص نزدیکی داخلی (0.3663) تعیین شد. همچنین بر اساس شاخص نزدیکی کل، محتمل ترین توالی درگیر شدن مخازن در حریق های ناشی از اثرات دومینو مشخص گردید.نتیجه گیری: مدل‌سازی اثرات دومینو با استفاده از شبکه‌های بیزین و تئوری گراف به‌منظور کاهش احتمال تشدید این اثرات پیشنهاد می‌شود و نتایج آن می‌تواند برای استراتژی‌های بهینه اطفای حریق نیز مورد استفاده قرار گیرد. همچنین، تحلیل آسیب‌پذیری با استفاده از تئوری گراف و تعیین مخازن از نظر پتانسیل راه‌اندازی و گسترش حریق، می‌تواند در زمینه مدیریت ریسک اثرات دومینو مفید باشد.

evaluation of domino effects and vulnerability analysis of oil product storage tanks using graph theory and bayesian networks in a process industry

introduction: safety in process industries is of paramount importance, as these industries typically deal with hazardous chemicals and complex processes that can lead to irreparable consequences in the event of accidents. the present study aims to evaluate domino effects and analyze the vulnerability of storage tanks using graph theory and bayesian networks in a process industry. this approach can help identify system vulnerabilities and facilitate the prediction of potential accidents, ultimately leading to improved safety measures.material and methods: in this study, after collecting initial information related to the location of storage tanks and determining accident scenarios, the tanks under investigation were selected based on the type of stored materials and their layout, with input from experts. these tanks were modeled as nodes in a graph, and the probability of accident spreading among them was represented as edges in the graph based on the amount of heat radiation. additionally, for modeling domino effects and analyzing vulnerability, graph theory and bayesian networks were employed.results: based on the target tanks related to the pool fire scenario, domino effects in the tanks were identified and modeled as a theory graph. tank number 4 was determined to be the most influential and susceptible tank in the spread and initiation of domino effects, with the highest betweenness index (0.2381), outcloseness index (0.35211), and incloseness index (0.3663). additionally, based on the allcloseness index, the most likely sequence of the tank involvement in fires caused by domino effects was identified.conclusion: in order to reduce the likelihood of exacerbating domino effects, modeling the effects using bayesian networks and graph theory is proposed; the results can also be applied to optimize fire suppression strategies. additionally, vulnerability analysis through graph theory and the assessment of tanks regarding their potential for fire initiation and spread can be beneficial in managing the risks associated with domino effects.