کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4981017 1453335 2017 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Dynamic risk assessment of complex process operations based on a novel synthesis of soft-sensing and loss function
ترجمه فارسی عنوان
ارزیابی ریسک پویا از عملیات پیچیده فرآیند بر اساس یک سنتز جدید از عملکرد نرم و حساسیت
کلمات کلیدی
روش بیزی، ارزیابی ریسک پویا، عملکرد هسته، تابع از دست دادن مدلسازی رابطه غیرخطی، رگرسیون احتمالی،
ترجمه چکیده
استفاده از تکنیک های حساسیت نرم در سیستم های پیچیده فرایندی مدرن می تواند هزینه های نظارتی را کاهش داده و احتمال زنگ خطری را به حداقل برساند. با این حال، پتانسیل تکنیک های سنجش نرم افزاری هنوز به اندازه کافی در زمینه ارزیابی ریسک پویا مورد سوء استفاده قرار نمی گیرد. در این مقاله تلاش می شود تا چنین شکافی را با پیشنهاد سنتز جدیدی از عملکرد نرم و حساس برای ارزیابی ریسک پویای عملیات پیچیده فرآیند دنبال کند. تکنیک سنجش نرم افزاری که در این کار اعمال شده است، بر اساس فرمول بیزی برای رگرسیون هسته ای است که در نتیجه عدم قطعیت مدل و عدم اطمینان داده می شود. چنین مدل رگرسیون احتمالی قادر به پیش بینی احتمال رخداد ناخواسته در زمان واقعی است. از سوی دیگر، تلفات بالقوه اقتصادی در ارتباط با رویداد ناخواسته نیز از طریق عملکرد از دست دادن کم است. در نتیجه، خطر پویای یک رویداد ناخواسته را می توان به عنوان محصول احتمال وقوع آن و تلفات احتمالی اقتصادی آن مرتبط دانست. اثربخشی ارزیابی ریسک پویای پیشنهاد شده در یک مطالعه موردی صنعتی نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی شیمی بهداشت و امنیت شیمی
چکیده انگلیسی
Applications of soft-sensing techniques in modern complex process systems can significantly reduce the monitoring cost and minimize the chance of false alarm. However, the potential of soft-sensing techniques have yet to be adequately exploited in the realm of dynamic risk assessment. This paper attempts to close such a gap by proposing a novel synthesis of soft-sensing and loss function for dynamic risk assessment of complex process operations. The soft-sensing technique adopted in this work is based on a Bayesian formulation of the kernel regression which takes into account both the model uncertainty and data uncertainty. Such a probabilistic regression model is able to predict the probability of an undesired event in real-time. On the other hand, the potential economical losses associated with the undesired event is also quantified through loss function. Subsequently, the dynamic risk of an undesired event can be determined as the product of its occurrence probability and its associated potential economical losses. The effectiveness of the proposed dynamic risk assessment is demonstrated through an industrial case study.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Process Safety and Environmental Protection - Volume 105, January 2017, Pages 1-11
نویسندگان
,