A novel framework for risk assessment based on multistate Bayesian networks for accounting of degrading safety barriers

Safety barriers are used in safety-critical systems, like Nuclear Power Plants (NPPs) and Oil & Gas (O&G) installations, to prevent risks and mitigate the consequences of accidents. The contribution to safety brought by these barriers is evaluated by Quantitative Risk Assessment (QRA). In these assessments, it is important to consider the actual performance of the barriers, as a function of their health/degradation states. In this thesis, we propose to do this by resorting to multistate Bayesian Networks (BN), whose nodes correspond to the safety barriers, each characterized by a set of Health States (HSs) and the corresponding Failure Probability (FP) values. HSs are assessed on the basis of specific Key Performance Indicators (KPIs), tailored to fit the barrier characteristics (i.e., technical, procedural or organizational, continuously monitored or event-based characterized). The FP values are quantified from failure datasets (for technical barriers), Human Reliability Analysis (HRA) (for operational and organizational barriers) or expert elicitation (for barriers lacking data or information). In this work, the proposed approach is implemented with reference to preventive barriers designed for limiting the probability of consequences of accidents and applied to a case study concerning an accident related to the release of flammable material in the slug catcher of a typical O&G Upstream plant. This accident may lead to the following consequences: Flash Fire (FF), Jet Fire (JF), Pool Fire (PF), Explosion (EX) or Toxic Dispersion (TX)). It is shown that the proposed QRA approach based on multistate BNs properly accounts for the barrier conditions and their effect on the safety of the installation throughout its life, by a dynamic assessment of the barriers degradation.

Le barriere di sicurezza sono utilizzate in sistemi in cui la sicurezza è un fattore critico, come le centrali nucleari e le installazioni Oil & Gas, per prevenire i rischi e mitigare le conseguenze degli incidenti. Il contributo alla sicurezza offerto da queste barriere è valutato tramite valutazione quantitativa del rischio (Quantitative Risk Assessment, QRA). In queste valutazioni, è importante considerare l'effettiva prestazione delle barriere, in funzione del loro stato di salute/degrado. In questa tesi, si propone di farlo ricorrendo a reti bayesiane (Bayesian Network, BN) multistato, i cui nodi corrispondono alle barriere di sicurezza, ognuna caratterizzata da un insieme di stati salute (Health, State, HS) e dai corrispondenti valori di probabilità di guasto (Failure Probability, FP). Gli HS sono valutati sulla base di indicatori chiave di prestazione (Key Performance Indicator, KPI) specifici, pensati per adattarsi alle caratteristiche della barriera (caratteristiche quali la natura tecnologica, operativa od organizzativa, o la caratterizzazione tramite monitoraggio continuo o collezioni di eventi). I valori di FP sono quantificati attraverso analisi di set di dati (per barriere tecnologiche), analisi di affidabilità umana (per barriere operative e organizzative) o elicitazione di esperti (per barriere i cui dati non sono disponibili). In questo lavoro, l'approccio proposto viene implementato con riferimento alle barriere preventive, progettate per limitare la probabilità di accadimento di incidenti, applicate a un caso di studio relativo a un incidente di rilascio di materiale infiammabile dallo slug catcher di un tipico impianto Upstream del settore Oil & Gas. Questo incidente può comportare le seguenti conseguenze: Flash Fire (FF), Jet Fire (JF), Pool Fire (PF), Explosion (EX) o Toxic Dispersion (TX)). È stato poi verificato che l'approccio QRA proposto basato su BN multistato tiene correttamente conto delle condizioni delle barriere e dei loro effetti sulla sicurezza dell'impianto, mediante una valutazione dinamica del degrado delle barriere stesse.