Mémoire Online: Analyse quantitative des risques industriels, apport des techniques floues et possibilités

Support de cours analyse quantitative des risques industriels, tutoriel & guide de travaux pratiques risques industriels en pdf.

Introduction générale

Problématique

L’objectif d’une analyse de sécurité des procédés industriels (Process Safety Analysis, PSA) est de s’assurer que les risques inhérents à ces procédés sont suffisamment réduits pour qu’ils appartiennent à la zone des risques acceptables ou à la limite à celle des risques tolérables (régie par le principe ALARP : As Low As Reasonably Practicable). Ces deux zones étant délimitées par des critères d’acceptabilité du risque. La prévention des accidents majeurs ayant des impacts graves sur les personnes, les biens et l’environnement demeure un souci majeur pour les industriels. En fait, malgré l’application systématique des mesures de sécurité classiques (engineering codes, checklists), ces accidents ne cessent de se produire.

Durant ces dernières années, plusieurs techniques et modèles mathématiques de prévision des risques ont été développés. Citons à titre d’exemple, l’analyse des dangers du procédé (Process Hazard Analysis : PHA), l’analyse des couches de protection (Layers Of Protection Analysis : LOPA), l’analyse quantitative des risques (Quantitative Risk Analysis : QRA). Cette dernière est une approche rigoureuse et avancée visant une industrie plus sûre et se révèle indispensable et nécessaire pour une bonne estimation et maîtrise des risques. Cette approche consiste principalement à identifier les scénarios d’accidents potentiels ou représentatifs, à estimer leur fréquence et analyser leurs conséquences, moyennant des méthodes d’analyse des risques (HAZOP, Arbre des Causes, Arbre des Evénements, …) et des modèles mathématiques des effets et de vulnérabilité. La finalité étant d’estimer les risques individuel et sociétal et par suite appliquer les mesures qui répondent convenablement à cette estimation.

La QRA et les autres outils analytiques classiques sont basés sur des modèles mathématiques issus de la logique binaire : les états de défaillance et de fonctionnement des composants sont précisément distingués, les taux de défaillance sont à valeurs précises et par conséquent, une valeur unique d’estimation du risque est obtenue. Cette valeur est souvent assez conservatrice, car elle est basée sur le principe du « cas le plus défavorable ». Cependant, la variabilité des taux de défaillance et des paramètres physiques ainsi que les différentes suppositions sur les modèles mathématiques utilisés sont souvent incertains et de nature subjective. Ainsi, dans une QRA, chaque étape qu’elle soit qualitative (identification des scénarios d’accidents potentiels) ou quantitative (estimation des probabilités et des conséquences) est une source potentielle d’incertitudes.
On distinguera d’ailleurs trois types d’incertitudes: les incertitudes liées à la complétude, les incertitudes liées à la modélisation et les incertitudes liées aux paramètres d’entrée d’une QRA.
Le présent travail veut apporter des éléments de réponse à la problématique des incertitudes inhérentes à une QRA, en s’aidant des outils de la théorie des ensembles flous et celle de possibilité.
En considérant les types d’incertitudes suscitées, les modèles flous et possibilistes apporteront des solutions plus souples permettant une maîtrise de risque adaptative.
……….