Hygh Bourareche Mouloud

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE
MINISTERE DE L'ENSEIGNEMENT SUPRIEUR

ET DE LA RECHERCHE SCIENTIFIQUE
UNIVERSIT EL HADJ LAKHDAR - BATNA
INSTITUT DHYGINE ET SCURIT INDUSTRIELLE
LABORATOIRE DE RECHERCHE EN PRVENTION INDUSTRIELLE (LRPI)
MEMOIRE
PRSENT POUR LOBTENTION DU DIPLME DE
MAGISTER
EN
HYGINE ET SCURIT INDUSTRIELLE

OPTION : GESTION DES RISQUES
PAR
Mouloud BOURARECHE
Ingnieur en Hygine et Scurit Industrielle
Apport des techniques floues et possibilistes lanalyse

semi-quantitative des risques industriels
SOUTENU LE 27 OCTOBRE 2009 DEVANT LE JURY DEXAMEN:
M. NOUREDDINE BOURMADA, PROFESSEUR LUNIVERSIT DE BATNA
PRSIDENT
M. RACHID NAIT-SAID, MATRE DE CONFRENCES LUNIVERSIT DE BATNA
RAPPORTEUR
M. ABDELLAH TAMRABAT, MATRE DE CONFRENCES LUNIVERSIT DE BATNA
EXAMINATEUR
M. KHEIREDDINE CHAFAA, MATRE DE CONFRENCES LUNIVERSIT DE BISKRA
EXAMINATEUR
MME NOUARA OUZRAOUI, MATRE ASSISTANTE CLASSE A
MEMBRE INVIT
2009
LUNIVERSIT DE BATNA
Remerciement
Le travail prsent dans ce mmoire a t effectu au sein de lquipe Sret de
Fonctionnement du Laboratoire de Recherche en Prvention Industrielle (LRPI) de
lInstitut dHygine et Scurit Industrielle Universit de Batna.
Je remercie vivement Monsieur Nat-Sad Rachid, Matre de confrences lInstitut
dHygine et Scurit Industrielle davoir accepter la lourde tche de rapporteur et davoir
consacrer un temps prcieux lexamen de ce manuscrit. Sa comptence, sa grande rigueur
scientifique, la qualit et la prcision de ses remarques mont permis damliorer ce
manuscrit.
Je remercie tout particulirement Madame Ouazraoui Nouara, Matre assistante et
charge de cours lInstitut dHygine et Scurit Industrielle, pour son aide inestimable et
son soutien moral afin de finaliser ce mmoire.
Je tiens remercier Monsieur Sal Rachid
ralisation de ce mmoire.
pour ses encouragements durant la
Je tiens aussi remercier mes collgues du Magister, Mlle Achouri Nouhed et Mlle
Chergui Loubna pour leur aide.
Je suis trs reconnaissant envers les tudiants du Magister Sellami Ilyas, Rabah Bilal,
Sekoui Samir et Saadoune Oussama pour avoir contribuer la ralisation de ce travail.
Je tiens remercier Monsieur Bourmada Noureddine, Professeur et Directeur de
lInstitut dHygine et Scurit industrielle de lUniversit de Batna pour avoir accepter
dtre prsident du jury de ce mmoire.
Mes remerciements vont aussi Monsieur Tamarabet Abdellah, Matre de
confrences lInstitut dHygine et Scurit Industrielle et Monsieur Chafaa
Kheireddine,, Matre de confrences lUniversit de Biskra pour avoir accepter
dexaminer ce mmoire.
Je tiens remercier toutes les personnes qui m'ont aid et encourag durant ces deux
annes surtout, Rezim Cherif, Messaoudene Radouane.
Et j'ai galement une pense trs forte pour mes parents et mes frres et surs qui
m'ont soutenu au cours de ces annes dtudes.
Ddicace
Je ddie ce mmoire mes parents et toute la famille
ii
Table des matires
TABLE DES MATIRES

LISTE DES FIGURES
vii
LISTE DES TABLEAUX
viii
ACRONYMES
ix
INTRODUCTION............................................................................................................1
1 Problmatique ............................................................................................................1
2 Objectif ......................................................................................................................1
3 Organisation du mmoire ............................................................................................2
CHAPITRE I ANALYSE DES RISQUES INDUSTRIELS .................................4

I.1 Introduction...............................................................................................................4
I.2 Concepts et dfinitions ..............................................................................................4
I.2.1 Notion de danger...............................................................................................4
I.2.2 Notion du risque ...............................................................................................5
I.2.3 Notion de criticit / Grille de criticit ...............................................................5
I.3 Processus de gestion des risques ..........................................................................6
I.3.1 Analyse du risque .............................................................................................6
I.3.2 valuation du risque .........................................................................................7
I.3.3 Acceptation du risque .......................................................................................7
I.3.4 Rduction du risque ..........................................................................................7
I.4 Mthodes d'analyse et d'valuation des risques ..........................................................8
I.4.1 Mthodes qualitatives .......................................................................................8
I.4.1.1 Analyse prliminaire des risques (APR) ...................................................8
I.4.1.2 Hazard and Operability Study (HAZOP) .................................................9
I.4.2 Mthodes semi-quantitatives ..........................................................................10
I.4.2.1 Analyse des couches de protection (LOPA) ........................................... 10
I.4.2.2 Graphe de risque talonn ...................................................................... 10
I.4.3 Mthodes quantitatives ................................................................................... 11
iii
Table des matires
I.4.3.1 Arbre des vnements (AdE) .................................................................12

I.4.3.2 Arbre de dfaillances (AdD) .................................................................. 13
I.4.4 Mthodologie danalyse des risques retenue .................................................... 13
I.4.4.1 Principe de la mthode LOPA................................................................ 14
I.4.4.2 Droulement de la mthode LOPA ........................................................ 14
I.4.4.3 tapes de la mthode LOPA .................................................................. 15
a) tape 1: tablissement des critres dacceptabilit et de slection scnarios
daccidents ..................................................................................................... 15
b) tape 2: Dveloppement des scnarios daccidents ....................................15
c) tape 3: Identification des frquences des vnements initiateurs...............15
d) tape 4: Identification des couches de protection indpendantes ................ 16
e) tape 5: Dtermination des frquences des scenarios daccidents ............... 18
f) tape 6: valuation des risques par rapport aux critres dacceptabilit ...... 18
I.5.5 Avantages et limites de la mthode LOPA ...................................................... 19
I.6 Conclusion .............................................................................................................. 19
CHAPITRE II PRISE EN COMPTE DES DONNEES INCERTAINES DANS

L'ANALYSE DES RISQUES ........................................................................................ 20
II.1 Introduction ..........................................................................................................20
II.2 Thorie des probabilits ......................................................................................... 20
II.2.1 Dfinitions et proprits................................................................................. 20
II.2.2 Limitations de la thorie des probabilits ....................................................... 21
II.3 La thorie des ensembles flous . ........................................................................ 22
II.3.1 Concepts de base des mathmatiques floues................................................... 22
II.3.2 Caractristiques dun ensemble flou ..............................................................23
II.3.3 Oprations sur les ensembles flous................................................................. 24
II.3.4 Oprations arithmtiques sur les nombres flous ............................................. 25
II.4 Thorie des possibilits ..........................................................................................26
II.7 Applications de la thorie des ensembles flous l'analyse des risques ....................28
II.7.1 Analyse de modes de dfaillances et leurs effets ............................................ 28
II.7.2 Arbre de dfaillance......................................................................................28
II.7.3 Arbre des vnements ...................................................................................29
iv
Table des matires
II.7.4 Analyse des couches de protection.. .......................................................... 29

II.8 Conclusion ............................................................................................................. 29
CHAPITRE III ANALYSE FLOUE DU RISQUE : VERS UNE LOPA FLOUE ...... 30
III.1 Introduction ......................................................................................................... 30
III.2 Prsentation de la mthodologie gnrale .............................................................30
III.3 Prsentation de lapproche dveloppe................................................................. 31
III.4 tapes de l'approche dveloppe ..........................................................................32
III.4.1 tape de fuzzification ...................................................................................32
III.4.2 Dtermination de la frquence floue de la consquence rduite.....................32
III.4.3 Dfuzzification de la frquence floue de la consquence rduite ................... 33
III.5 Conclusion ........................................................................................................... 33
CHAPITRE IV IDENTIFICATION DES RISQUES AU NIVEAU DU FOUR

REBOUILLEUR (H-101) .............................................................................................. 34
IV.1 Introduction ..........................................................................................................34
IV.2 Prsentation du systme "Four Rebouilleur" ........................................................34
IV.3 Analyse structurelle, fonctionnelle du systme "Four Rebouilleur H-101".............37
IV.4 laboration dune tude HAZOP sur le systme "Four Rebouilleur" ....................37
IV.5 Application de la mthode LOPA au Four rebouilleur..........................................42
IV.5.1 tape 1: tablissement des critres dacceptabilit ......................................42
IV.5.2 tape 2 : Analyse des scnarios ................................................................... 43
IV.5.3 tape 3: Estimation des frquences des vnements initiateurs .................... 43
IV.5.4 tape 4: Identification des couches de protection indpendantes ................. 44
IV.5.5 tape 5: Identification des scnarios daccidents et dtermination de leurs
frquences ............................................................................................................... 45
IV.5.5.1 laboration des scnarios .................................................................... 45
IV.5.5.2 Calcul de la frquence de la consquence rduite de chaque scnario
daccident .........................................................................................................45
IV.5.6 tape 6: valuation des scnarios daccidents par rapport aux critres
dacceptabilit .......................................................................................................... 45
IV.5.7 Discussion des rsultats et conclusion .......................................................... 45
Table des matires
CHAPITRE V APPLICATION DE L'APPROCHE FLOUE DE LOPA AU

SYSTME FOUR REBOUILLEUR ............................................................................. 46
V.1 Introduction ........................................................................................................... 46
V.2 Application da lapproche floue de LOPA .............................................................46
V.3 Dtermination de la frquence de la consquence rduite ...................................... 46
V.3.1 Fuzzification des intervalles de confiance ......................................................46
V.3.2 Calcul de la frquence floue de la consquence rduite .................................. 47
V. 3.3 Dfuzzification de la frquence floue de la consquence rduite .................47
V.4 Conclusion.............................................................................................................49
CONCLUSION GNRALE ........................................................................................ 50
REFERENCES BIBLIOGRAPHIQUES ...................................................................... 52
vi
Liste des figures
Liste des figures

I.1 Processus de gestion des risques .............................................................................................6
I.2 Graphe de risque avec une description qualitative................................................................11
I.3 Schma dun AdE avec des barrires de scurit .................................................................12
I.7 Couches de rduction de risques... ........................................................................................17
II.1 Exemple dun nombre flou ..................................................................................................23
II.2 Intervalle flou trapzodal ...................................................................................................23
II.3 Nombre flou triangulaire .....................................................................................................25
III.1 Procdure dvaluation floue de frquence rduite de la consquence .............................31
IV.1 Four Rebouilleur H-101 .....................................................................................................35
IV.2 Schma de canalisation et d'instrumentation du Four rebouilleur H-101 ..........................36
IV.3 Grille de criticit adopte par SH DP HRM.......................................................................42
V.1 Reprsentation graphique des intervalles flous des paramtres dentre ............................47
V.2 Reprsentation graphique de la frquence de la consquence rduite des
Scnarios daccidents .........................................................................................................48
vii
Liste des tableaux
Liste des tableaux

I.1 Types dvnements initiateurs.............................................................................................16
IV.1 Feuille de prsentation HAZOP .........................................................................................38
IV.2 Probabilits de dfaillance la demande des IPLs ...........................................................44
V.1 Valeurs des frquences des consquences rduites des scnarios ......................................46
viii
Acronymes
ACRONYMES
AdD
Arbre de Dfaillance
AdE
Arbre dvnement
AMDEC
Analyse des Modes de Dfaillance, de leurs Effets et de leur Criticit
APD
Analyse Prliminaire de dangers
APR
Analyse Prliminaire des Risques
BPCS
Basic Process Control System
CA
Critre dacceptabilit
CCF
Common Cause Failure
CCPS
Center for Chemical Process Safety
DCS
Distributed Control System
EUC
Equipment Under Control
FC
Fail Closed
FI
Flow Indicator
FICA
Flow Indicator Controller Alarm
FO
Fail Open
FRA
Flow Recorder Alarm
FZ
Flow Emergency Shutdown
HAZID
Hazards Identification
HAZOP
Hazard and Operability Study
IPL
Independent Protection Layer
INERIS
Institut National de lEnvironnement Industriel et des Risques
ISO
International Standard Organisation
LOPA
Layers of Protection Analysis
ix
Acronymes
NC
Niveau de Confiance
P&ID
Piping and Instrumentation Diagram
PA
Pressure Alarm
PCV
Pressure Controller Valve
PFD
Probability of Failure on Demand
PHA
Process Hazard Analysis
PIA
Pressure Indicator Alarm
PLC
Programmable Logic Controller
PZ
Pressure Emergency Shutdown
TOR
Tout ou Rien
SdF
Sret de Fonctionnement
SIF
Safety Instrumented Function
SIL
Safety Integrity Level
SIS
Safety Instrumented System
TI
Temperature Indicator
TRA
Temperature Recorder Alarm
TRCA
Temperature Recorder Controller Alarm
TZ
Temperature Emergency Shutdown
XP
Exploitation
Introduction gnrale
INTRODUCTION
1 Problmatique
Actuellement, le monde industriel est devenu
plus sensible la matrise des
accidents majeurs cause des consquences graves et mme catastrophiques matrielles,

humaines et environnementales. Pour cela des efforts considrables sont fournis en matire
de gestion des risques afin de prvenir ces accidents.
Lanalyse et lvaluation des risques industriels exigent la disposition de certaines
donnes et informations sur les diffrents composants du systme tudi et donc, sur les
diffrents paramtres caractrisant les risques. A cet gard, lapplication des mthodes
danalyse et dvaluation des risques est souvent difficile car faute de donnes correctes,
elle est utilise hors de son domaine de validit.
Dans certains cas, les donnes peuvent tre disponibles et connues avec prcision en
se rfrant au retour dexprience. Cependant, ces donnes ne sont pas toujours adaptes
pour lanalyse dvnements rares et souvent complexes tels que, les accidents majeurs
pour lesquels les donnes statistiques ne sont pas satisfaisantes. Les banques de donnes
[OREDA, 2002; Exida, 2005; CCPS, 1991; CCPS, 2000] et les jugements dexperts sont
une autre source fournissant des donnes utilises par les mthodes danalyse des risques,
mais qui sont aussi entaches dincertitude et dimprcision.
Les approches, floue et
possibiliste [Zadeh, 1965; Zadeh, 1978] peuvent offrir un cadre trs adquat pour la
reprsentation et le traitement de ces aspects incertains et/ou imprcis.
2 Objectif
Ce mmoire aborde la problmatique de la prise en compte des incertitudes relatives
aux donnes utilises dans lvaluation des paramtres des risques et des performances des
barrires de scurit, particulirement les couches de protection indpendantes, pour une
bonne valuation semi-quantitative des risques industriels dans le cadre de la mthode
danalyse des couches de protection (LOPA).
Introduction gnrale
Lobjectif de ce mmoire tant dintroduire une approche floue de LOPA permettant

le traitement flou des donnes utilises par LOPA conventionnelle afin daugmenter ses
performances en terme danalyse et de rduction des risques. Cette approche consiste
modliser les imprcisions et/ou incertitudes des frquences des vnements initiateurs,
des probabilits de dfaillance la demande des couches de protection indpendantes par
des intervalles ou nombres flous et par consquent, dterminer les frquences floues des
consquences rduites de ces scnarios en utilisant des techniques de calcul floues.
Organisation du mmoire
Le prsent mmoire est subdivis en deux parties :

Une partie thorique comportant trois chapitres:
Le premier chapitre intitul analyse des risques industriels a pour objectif de
prsenter le cadre global de ce mmoire. Dans un premier temps, nous commenons
dabord par prsenter quelques concepts et dfinitions fondamentaux lis la
dmarche danalyse des risques industriels puis discuter la dmarche de gestion des
risques en dcrivant les diffrentes tapes constituant cette dmarche. Nous abordons
ensuite quelques mthodes qualitatives, semi-quantitatives et quantitatives danalyse
et dvaluation des risques. Enfin nous examinons en dtail la mthode LOPA.
Dans le deuxime chapitre nous commenons par prsenter trois thories de
reprsentation et de traitement des donnes incertaines et/ou imprcises savoir la
thorie des probabilits, la thorie des ensembles flous et la thorie des possibilits.
Enfin, nous prsentons quelques approches dapplication de la thorie des ensembles
flous lanalyse et lvaluation des risques.
Le troisime chapitre est consacr lapproche floue dveloppe dans le cadre de
notre travail. Nous prsenterons la mthodologie gnrale avec une modlisation

floue des donnes incertaines et/ou imprcises des paramtres dentre dune LOPA
conventionnelle.
Introduction gnrale
Une partie exprimentale comportant deux chapitres:

Le quatrime chapitre est consacr la prsentation du systme "Four Rebouilleur"
H-101 de traitement de gaz (SONATRACH, Hassi RMel) qui a fait lobjet de notre
une tude de cas, et lidentification des risques inhrents ce systme. Une collecte
et adaptation de donnes frquentielles et probabilistes sont entreprises dans un but
de se rapprocher du systme rel et de son environnement. Ces donnes utilises par
LOPA conventionnelle nous ont servis pour la validation de "LOPA floue".
Le cinquime chapitre prsentera la mise en uvre de lapproche "LOPA floue"
avec une comparaison avec les rsultats de LOPA conventionnelle.
Enfin, ce mmoire est cltur par une conclusion gnrale dcrivant le travail ralis et les
perspectives envisages.
Analyse des risques industriels
CHAPITRE I
ANALYSE DES RISQUES INDUSTRIELS
I.1. Introduction
Actuellement les industries sont confrontes des problmes industriels majeurs
qui menacent leur prennit et remettent en cause leurs objectifs. Devant ce dfi, les
industries doivent dfendre leur existence en instaurant une stratgie de gestion des risques
et en mettant en place des mthodes danalyse et dvaluation de ces risques et ce, pour
garantir que leurs installations fonctionnent dans toute scurit. Dans sa premire tape la
gestion des risques consiste analyser les risques endognes et exognes inhrents aux
systmes industriels en commenant par lidentification des dangers potentiels existants
puis lestimation des risques associs en termes doccurrence et de gravit. La deuxime
tape consiste valuer ces risques par rapport des critres dacceptabilit du risque.
Enfin, si le risque est jug inacceptable, de nouvelles mesures et barrires de scurit
seront mises en uvre afin de matriser ces risques.
Dans ce chapitre, nous allons dans un premier temps donner quelques concepts et
dfinitions lis la gestion des risques et dcrire le processus de gestion des risques en
insistant sur laspect matrise du risque. Ensuite, nous allons aborder quelques mthodes
d'analyse des risques, en dcrivant brivement leurs principes de droulement et la
mthode LOPA (Layers Of Protection Analysis) fera lobjet dune prsentation dtaille.
I.2. Concepts et dfinitions

Bien que les concepts lis lanalyse des risques soient bien dfinis par plusieurs
auteurs, textes rglementaires et normes il nous a paru utile de reprendre quelques notions
fondamentales apparaissant dans toute dmarche danalyse des risques.
I.2.1. Notion de danger
Le terme danger est dfini dans la directive 96/82 /CEI [ISO, 1999] comme
une proprit intrinsque dune substance dangereuse o dune situation physique de
pouvoir provoquer des dommages pour la sant humaine et/ou lenvironnement.
4
Le mme terme est dfini selon le rfrentiel OHSAS 18001[OHSAS18001, 1999]

comme une source o une situation pouvant nuire par blessure ou atteinte la sant,
dommage la proprit et lenvironnement du lieu de travail ou une combinaison de ces
lments.
Dans MADS MOSAR multimdia [Griot et Ayral, 2002], on dfinit le danger
comme tant un tat ou situation comportant une potentialit de dommages inacceptables.
Situation d'un systme o sont runis tous les facteurs pouvant conduire la ralisation
d'un accident potentiel.
Notons que ces dfinitions de danger et autres qui sont proposes par dautres
normes et auteurs, malgr leur vocabulaire diffrent mais elles portent le mme sens.
I.2.2. Notion du risque
Le risque est dfini comme une mesure dun danger associant une mesure de
loccurrence dun vnement indsirable et une mesure de ses effets ou consquences
[Villemeur, 1988].
Dans MADS MOSAR multimdia [Griot et Ayral, 2002], le risque est caractris par
une grandeur trois dimensions au minimum associe une phase prcise du systme et
caractrisant un vnement non souhait par sa probabilit d'occurrence, sa gravit (ou
impact sur les cibles) et son acceptabilit.
Notons quen fonction de la probabilit et de la gravit dun risque quon qualifie
quun risque est majeur, acceptable, inacceptableetc.
I.2.3. Notion de criticit / Grille de criticit
Cette notion est dfinie comme le rsultat dagrgation des deux dimensions, gravit
et probabilit doccurrence. Elle permet destimer lampleur dun risque. Lensemble des
niveaux de risque sont ajusts et classs proportionnellement en fonction de limportance
de deux dimensions (probabilit et gravit) dans une grille appele grille de criticit. Cette
dernire est considre comme une balance qui nous permet de peser le risque et de
dcider sil est acceptable o inacceptable.
A lissue dun tel rsultat quon dcide de lopportunit des mesures ncessaires pour
matriser ce risque.
I.3. Processus de gestion des risques

Bien quil existe des diffrences importantes sur les termes lis la gestion des
risques, la dfinition de processus de gestion des risques est relativement identique dans
tous les rfrentiels et normes [ISO, 1999 ; OHSAS18001, 1999; IEC 61511, 2003].Dans
le cadre de la gestion des risques, lanalyse et lvaluation des risques peuvent tre menes,
selon la qualit de linformation et de donnes recueillies sur le systme par plusieurs
faons, qualitative, semi-quantitative o quantitative. Dans ce qui suit et pour chaque
approche, nous prsentons quelques mthodes.
Dans les guides ISO/CEI 51 et 73 [ISO, 1999], la gestion des risques est dfinie
comme lensemble des activits coordonnes, menes en revue de rduire le risque un
niveau jug tolrable ou acceptable, un moment donn et dans un contexte donn.
Le processus de gestion des risques est un processus itratif incluant les tapes
suivantes (Fig.I.1):
Analyse du risque
Rduction du risque
Identification des sources de dangers

Estimation du risque
valuation du risque
Non
Acceptation du risque
Oui
Risque accept
Fig. I.1- Processus de gestion des risques [ISO, 1999].
I.3.1. Analyse du risque

Lanalyse des risques occupe une place centrale dans le processus de gestion des
risques. Cette tape sert dfinir le systme ou linstallation tudier en recueillant toutes
les informations et donnes ncessaires. Dans ce volet, une description trois niveaux,
structurel, fonctionnel et temporel est indispensable afin de mener une analyse efficace et
6
atteindre les objectifs voulus en matire de matrise des risques. Dans un premier temps,
les principales sources de dangers et les scnarios daccident doivent tre recenss et
identifis. La complexit de certains systmes tudis requiert lutilisation des outils
danalyse aidant lidentification des dangers [INERIS. 2003]. Citons par exemple
HAZID (Hazards Identification), HAZOP (Hazard and Operability Study), APD (Analyse
Prliminaire de dangers) et dautres. Ces outils danalyse permettent aussi didentifier les
diffrentes barrires de scurit existantes dans le systme tudi. Une fois le danger est
identifi, le risque associ doit tre effectu. Lestimation peut tre qualitative, semiquantitative et/ou quantitative en termes de probabilit de son occurrence et de la gravit
de ses consquences sur les personnes, les biens et lenvironnement.
I.3.2. valuation du risque

Aprs avoir estimer le risque, on doit le comparer aux critres dacceptabilit tablis
pralablement par lentreprise / organisation concern. Cette valuation permet de prendre
une dcision sur lacceptabilit ou linacceptabilit de chaque risque [ISO, 1999], cest-dire, dterminer sil convient daccepter le risque tel quil est ou bien de le rduire.
I.3.3. Acceptation du risque

Lacceptabilit dun risque est faite partir de ses deux paramtres. Le niveau du
risque quantifi sera positionn dans une matrice dvaluation et en fonction des critres
dacceptabilit retenus et le risque estim quon juge de lacceptabilit ou la non
acceptabilit du risque [ISO, 1999]. Si le risque est jug acceptable le processus de gestion
sera termin et le risque jug sera surveill. Dans le cas contraire, le processus continue en
passant ltape de rduction.
I.3.4. Rduction du risque

Cette tape consiste mettre en uvre les diffrentes mesures et barrires de
prvention et de protection afin de rduire lintensit du phnomne (rduction potentielle
de danger, attnuation des consquences) et diminuer la probabilit doccurrence par la
mise en place de barrires visant prvenir les accidents [Kirchsteiger, 1999]. Outre les
amliorations techniques et de fiabilit dquipements, la prvention passe aussi par une
meilleure prise en compte des facteurs de risque lis lorganisation et aux personnes. Le
choix des actions prventives engager est effectu en comparant les cots de leur mise
7
en uvre avec les cots des consquences de risque, en tenant compte de leur probabilit
d'apparition. Un suivi rgulier de l'volution des risques est recommand dans la dmarche
de gestion des risques afin de contrler et dassurer la pertinence des actions prventives
engages et de corriger les dispositions prvues [INERIS, 2003].
I.4. Mthodes d'analyse et d'valuation des risques

Dans cette partie nous allons dcrire brivement les principales mthodes utilises
dans une dmarche danalyse des risques. Ces mthodes seront classes dans trois
principales catgories:
-
Mthodes qualitatives
Mthodes semi-quantitatives
Mthodes quantitatives
I.4.1. Mthodes qualitatives

Lanalyse qualitative des risques constitue un pralable toutes autres analyses. En
effet elle permet la bonne comprhension et connaissance systmatique du systme tudi
et de ses composants [Villemeur, 1988]. Pour une bonne valuation qualitative du risque
cette approche ne sappuie pas explicitement sur des donnes chiffres, mais elle se rfre
des observations pertinentes sur ltat du systme et surtout sur le retour dexprience et
les jugements dexperts [Kirchsteiger, 1999]. Cette approche ncessite alors une trs bonne
connaissance des diffrents paramtres et causes lis au systme tudi. Dans quelques
tudes de dangers, cette approche peut tre suffisante pour atteindre les objectifs voulus si
elle est bien mene et justifie.
De nombreuses outils danalyse et dvaluation des risques caractre qualitatif

existent citons:
I.4.1.1. Analyse prliminaire des risques (APR)

Lanalyse prliminaire des risques est un outil caractre qualitatif utilis et appliqu
jusqu' lheure actuelle dans de nombreuses industries surtout quand il sagit de connatre
et dvaluer les diffrents lments et situations dangereuses dans un systme ou
installation en phase de conception [Villemeur, 1988]. Les tapes de cette mthode peuvent
tre rsumes comme suit:
8
Dans un premier temps, cette mthode permet didentifier et de lister les lments du
systme et les vnements pouvant conduire des situations dangereuses et des accidents.
A ce niveau, on analyse des squences dvnements qui conduisent un simple incident
ou accident grave.
Dans un second temps, il sagit dvaluer la gravit des consquences lies aux
situations dangereuses et aux accidents potentiels. Enfin, on doit prvoir toutes les mesures
prventives permettant de matriser ou dliminer les situations dangereuses et les
vnements causant les accidents potentiels.
I.4.1.2 Hazard and Operability Study (HAZOP)

La mthode HAZOP est un outil qualitatif trs utilis en particulier dans lindustrie
ptrochimique. Gnralement HAZOP reprsente une extension de l'analyse des modes de
dfaillance et leurs effets (AMDE). Elle consiste dtecter des problmes potentiels qui
peuvent causer un cart par rapport la conception dorigine et voir les causes et les
consquences de ces carts. Cette mthode est mise en uvre la fin de phase de
conception et prcisment au dbut de phase de ralisation des systmes industriels
puisqu'elle s'appuie sur les plans de circulation des fluides et les schmas dtaills PID
(Piping and instrumentation diagram) du systme tudi [INERIS, 2003; CEI 61882,2001].
Son droulement est comme suit:
Aprs avoir dcompos le systme en parties (lignes de circulation), tous les
paramtres associs au fonctionnement du systme doivent tre identifis, gnralement
les paramtres rencontrs concernent la temprature, la pression, le dbit et le temps
[INERIS, 2003]. Ces derniers peuvent subir des contraintes intrinsques ou extrinsques
qui vont rendre anormal le fonctionnement du systme.
Citons par exemple:
-
Augmentation / diminution de dbit.
Diminution / lvation de la temprature ou de pression.
Dpassement du tempsetc.
Ces variations (drives potentiels) des paramtres engendrent des consquences

potentielles et pour prvenir ces consquences, HAZOP identifie pour chaque drive les
moyens de dtection et les diffrentes barrires de scurit prvues pour rduire
loccurrence des accidents.
Dans notre tude de cas, cette mthode sera applique dans un but didentification
des diffrents scnarios daccidents.
I.4.2. Mthodes semi-quantitatives

Lanalyse semi-quantitative des risques est une approche qui nest ni purement
qualitative ni purement quantitative [Desroches, 1995]. Cette dmarche pour but
denlever laspect hautement subjectif de linformation utilise dans lapproche qualitative
en lui donnant plus de prcision et dexactitude, et en mme temps pour assouplir et
combler le manque de la robustesse des donnes de lapproche quantitative.
De nombreuses mthodes et outils danalyse et dvaluation caractre semiquantitatif ont t dvelopps. Dans ce qui suit on prsentera certaines mthodes parmi les
plus utilises dans lvaluation des risques.
I.4.2.1. Analyse des couches de protection (LOPA)
La mthode LOPA fut historiquement lune des mthodes rcentes qui a t
dveloppe la fin des annes 1990 par le CCPS (Center for Chemical Process Safety)
[CCPS, 2001]. LOPA est un acronyme qui signifie "LAYERS OF PRETECTION
ANALYSIS" (analyse des couches de protection). Cette mthode fut exprimente pour
lvaluation de la scurit des systmes et des procds industriels chimiques,
ptrochimiques et nuclaires [IEC61511, 2003]. Cette mthode sera reprise en dtails dans
ce qui suit.
I.4.2.2. Graphe de risque talonn

Le graphe de risque talonn est une mthode semi-quantitative utilise en sret de
fonctionnement et applique largement dans de nombreux domaines, ptrolier, chimique,
nuclaireetc. [IEC61511, 2003].
Cette mthode pour but de dterminer le niveau dintgrit de scurit( SIL) dune
fonction instrumente de scurit caractrisant un systme instrument de scurit (SIS)
[IEC61511, 2003] en se basant sur lquation de risque:
R =
( I.1 )
O :
R
f
: Risque en labsence de systmes de scurit,

: Frquence doccurrence de lvnement dangereux,
10
: Consquence de lvnement dangereux,
Il est suppos que la frquence de lvnement dangereux dfinie en fonction de:

-
La frquence et dure dexposition dans une zone industrielle (F),
La possibilit dviter lvnement dangereux (P),
- La probabilit que lvnement dangereux se produise en labsence des systmes relatifs

la scurit (W).
Et par consquent le risque est dfini en fonction de quatre paramtres qui

sont : C, F, P, W. Tous ces paramtres doivent tre identifis et estims en leurs affectant
des valeurs numriques. Laffectation de ces valeurs est faite de sorte quune fois les
valeurs sont combines lvaluation est classe par ordre de limportance de risque. Tous
ces paramtres seront combins ensemble et reprsents par un diagramme appel
graphe de risque talonn (Fig. I.2).
Exposition
Consquence
vitement
Frquence de Demande
Relativement lev
Faible
Mineure
a
Possible
Rare
Point de
dpart
Improbable
Significative
Possible
Frquent
Improbable
Rare
Critique
Frquent
Catastrophique
NR
- = Pas dexigences de Scurit

a = Pas dexigences particulires de scurit
NR = Non Recommand
1, 2, 3, 4 = Niveau dIntgrit de Scurit
Fig. I.2- Graphe de risque avec une description qualitative
I.4.3. Mthodes quantitatives

Lanalyse quantitative des risques est considre comme lapproche la plus retenue
pour une bonne prise de dcision sur les risques. Cette approche consiste caractriser
les diffrents paramtres danalyse des risques par des mesures probabilistes [Desroches,
1995].
11
Lobtention de ces mesures passe gnralement par un traitement mathmatique

[Villemeur, 1988] en prenant en compte les donnes relatives aux diffrents paramtres
valus et aussi aux informations qui sont de nature quantitative.
lgard de lapplication de cette dmarche, une attention particulire aux donnes
utilises, leur origine et leur adquation aux cas tudis doit tre porte car une simple
erreur remettra ltude en cause.
Nous prsentons deux mthodes quantitatives parmi les plus utilises, en
loccurrence larbre des vnements et larbre de dfaillances.
I.4.3.1. Arbre des vnements (AdE)

Larbre des vnements est une mthode dductive [Villemeur, 1988] qui consiste
partir de lvnement initiateur conduisant un vnement indsirable envisager lchec
ou le succs des fonctions de scurit puis dfinir les vnements susceptibles de se
produire en aval de l'vnement initiateur, les barrires de scurit et leurs fonctions
doivent tre identifies en leurs affectant des probabilits de dfaillance. Comme il est
montr dans la figure (I.3), LAdE construit permet temporellement didentifier les
diffrentes squences dvnements susceptibles de conduire ou non des consquences
aux limites et les chemins les plus dangereux conduisant des consquences
catastrophiques sont ensuite analyss en dtail.
Barrires de scurit
Barrire 1
Barrire 2
Consquences
Barrire 3
Succs
C1
vnement
Initiateur
C2
C3
Dfaillance
C4
La probabilit
doccurrence
de la
consquence
est estimedeenscurit.
multipliant
Fig.
I.3- Schma
dun
AdE avecfinale
des barrires
La probabilit doccurrence de lvnement initiateur par celles des barrires de

scurit existantes et pouvant empcher le scnario daccident.
Les tapes de la mthode sont:
- Dfinition de llment initiateur.
- Identification des barrires de scurit et leurs fonctions.
12
- Construction de larbre.
- Traitement de larbre.
LAdE sert le support pour LOPA. Pour ce, nous ferons appel cette mthode pour
reprsenter les scenarios daccidents.
I.4.3.2. Arbre de dfaillances (AdD)

Larbre de dfaillances, appel galement arbre des causes, arbre des dfauts o
encore arbre des fautes, est une mthode purement quantitative qui est utilise largement
dans le domaine de la sret de fonctionnement [Villemeur, 1988].
Cest une dmarche danalyse arborescente et probabiliste [Desroches, 1995]. Partant
dun vnement
indsirable bien dfini,
il sagit
didentifier les combinaisons
dvnements (vnements intermdiaires et lmentaires) pouvant conduire la

ralisation de cet vnement. Tous les vnements identifis doivent tre reprsents et
hirarchiss graphiquement sous forme dun arbre en commenant par reprsenter au
sommet l'vnement indsirable puis les vnements intermdiaires et lmentaires. Tous
ces vnements sont lis par des portes logiques caractrisant la logique de dfaillance du
systme.
Les tapes de cette mthode sont les suivantes:
- La dfinition de lvnement indsirable (vnement de sommet)
- Recensement de tous les vnements intermdiaires et lmentaires
- La construction de larbre (du sommet vers la base)
- Traitement de larbre
Dans le domaine danalyse et dvaluation des risques ces mthodes et autres ont des
avantages et des limites, lapplication de lune de ces mthodes prsentes est fonction des
objectifs de ltude.
I.4.4. Mthodologie danalyse des risques retenue

Lanalyse des couches de protection est une mthode simplifie dvaluation des
risques [Arthur et al. 1998 ; IEC61511, 2003] dusage trs gnrale, couramment utilise
pour lidentification et la matrise des risques toutes les phases, de conception et
dexploitation des installations et des projets industriels. Elle prsente lavantage dtre
mene dans des dlais courts et avec des cots moindres. De plus lexactitude des donnes
quantitatives nest pas exige et des ordres des grandeurs sont suffisants.
13
I.4.4.1. Principe de la mthode LOPA

Lanalyse des couches de protection est une mthode semi-quantitative oriente
barrires [CCPS, 2001], qui est destine la matrise des risques daccidents majeurs.
Gnralement, le principe de cette mthode consiste en premier lieu identifier les
diffrents scnarios daccidents dune installation.
En effet, il sagit partir dun vnement redout dfini priori par une analyse
qualitative des risques du type HAZOP, AMDE [IEC61511, 2003], de dterminer
lenchanement des vnements pouvant conduire cet vnement. Il sagit ensuite
dvaluer la robustesse des couches de protection mises en place selon une approche semiquantitative. Cette dernire permet dvaluer la probabilit de dfaillance la demande
(PFD) de chaque couche de protection.
Une fois les vnements initiateurs sont identifis et leurs frquences doccurrence
sont ajustes, LOPA permet la dtermination de la frquence de ralisation de chaque
scnario daccident par multiplier la frquence doccurrence de cet vnement initiateur
par le produit des PFD des couches de protection existantes. Une fois le scnario
daccident est estim en terme de frquence de la consquence, il reste dcider si ce
scnario daccident est acceptable ou non. Cette dcision sera prise au travers dune
valuation de ce risque par rapport aux critres dacceptabilit arrts au dbut danalyse.
I.4.4.2. Droulement de la mthode LOPA

La dmarche gnralement retenue [CCPS, 2001; Chunyang et al, 2008]
pour
raliser une analyse par la mthode LOPA est la suivante:

Comme tout outil danalyse des risques, ltablissement des critres dacceptabilit
et de slection des scnarios daccidents valuer
se rvle indispensable et
pralable.
Dveloppement des scnarios daccidents.
Identification des frquences des vnements initiateurs.
Identification des couches de protection indpendantes et leurs probabilits de
dfaillances la demande.
Dtermination des frquences des scnarios daccidents.
valuation des scnarios daccidents par rapport aux critres dacceptabilit du risque.
14
I.4.4.3. tapes de la mthode LOPA

Gnralement la mthode LOPA peut tre dcompose en six principales tapes:
a) tape 1 : tablissement des critres dacceptabilit et de slection scnarios

daccidents
Cette tape est pralable lanalyse des risques, elle fournit un moyen de limiter la
dure de ltude en ne considrant que les scnarios significatifs en termes de
consquences. Ltablissement des critres dacceptabilit est fait en fonction du contexte
de chaque tablissement /entreprise concern et aussi des objectifs poursuivis dans chaque
dmarche de gestion des risques. Quelques soient les critres dacceptabilit retenus, il est
indispensable quils soient connus pralablement avant toute phase danalyse des risques
industriels [Marszal and Scharpf, 2001]. Lestimation des consquences des risques permet
lidentification des scnarios daccidents les plus importants. Pour les scnarios jugs
inacceptables, une valuation plus fine de gravit demeure indispensable. Quelque soit la
mthode destimation des consquences retenue [CCPS, 2001; Marszal and Scharpf,
2001], le choix de telle mthode se fait en fonction des donnes disponibles et aussi la
nature des accidents existants.
b) tape 2 : Dveloppement des scnarios daccidents

Pour LOPA, le dveloppement des scnarios daccident est une tape principale qui
devra tre conue attentivement afin daboutir une bonne matrise de ces scnarios.
Lapplication pralable des mthodes danalyse des risques (HAZOP, AMDE) permet
didentifier les causes, les consquences et les diffrentes barrires de prvention et de
protection.
Rappelons que lefficacit de la mthode LOPA demeure en premier lieu dans son
application minutieuse et dans son dtail prsent dans le dveloppement des scnarios
daccident, ces derniers doivent tre dvelopps et choisis correctement afin daboutir
une matrise des risques.
c) tape 3 : Identification des frquences des vnements initiateurs

Lidentification des frquences des vnements initiateurs est une tape importante
qui aidera lestimation des frquences des scnarios daccidents [IEC61511, 2003].
15
Dans cette tape, il est important de recenser systmatiquement lensemble des

causes vnements initiateurs pouvant tre lorigine des scnarios daccidents.
Le tableau (I.2) donne une liste dvnements initiateurs retenus titre indicatif.
vnements initiateurs externes
Dfaillances inhrentes aux

quipements du systme
Dfaillances
humaines
Phnomnes
Autres vnements
Dfaillances de
Dfaillances
-Tout type derreur
naturels
socitaux et industriels
systme de Contrle
mcaniques
ou domission
-Non respect des
-Tremblement
-Sabotage
de terre
-Actes de terrorisme
-Tornades
-Accidents majeurs
-Inondations
des systmes avoisinants.
-Dfaillance au niveau -Dfauts de
procdures de travail
du systme lectrique. conception et/ou -Mconnaissance

-Dfaillances des
vannes.
de fabrication
de travail
-Corrosion
-Fausses dcisions
Tab. I.1 - Types dvnements initiateurs [CCPS, 2001].
Lestimation des vnements initiateurs se fait en leur affectant des frquences de

ralisation. Pour pouvoir estimer ces vnements initiateurs en terme de frquence.
d) tape 4 : Identification des couches de protection indpendantes
LOPA est une mthode semi quantitative oriente barrires [CCPS, 2001] qui exige
dans sa dmarche une identification et une valuation des couches de protection
indpendantes mises en place dans un systme industriel afin de pouvoir matriser les
risques daccidents inhrents ce systme. Comme toute barrire de scurit, une couche
de protection (IPL) peut tre un lment, un systme, un appareil, une action ou une
procdure destine excuter une certaine fonction de scurit afin de prvenir un scnario
daccident et /ou rduire ses effets [Chunyang et al, 2008]. Cette barrire de scurit
possde un mode de fonctionnement la sollicitation spcifique par rapport aux autres
barrires de scurit.
i)
Efficacit
Pour une IPL, son efficacit rside dans sa capacit remplir une fonction de scurit
qui lui est confie pendant une dure donne et dans des conditions de fonctionnement bien
16
dtermines. Cette efficacit sexprime gnralement en un certain pourcentage

daccomplissement de la fonction dfinie [INERIS, 2004], qui varie pendant la dure de
la sollicitation de la barrire de scurit, elle svalue par rapport au principe de
dimensionnement adapt et aussi de rsistance aux diffrentes contraintes spcifiques.
Lefficacit dune IPL dpend de son temps de rponse et de son niveau de confiance.
ii) Indpendance
Une barrire de scurit est qualifie IPL, si son fonctionnement ne dpend pas ni de
fonctionnement des autres barrires de scurit ni de fonctionnement du systme lui-mme.
Cette proprit dindpendance permettra une IPL de remplir sa fonction de scurit
indpendamment de toute cause ou dfaillance commune. La dtermination des modes de
dfaillances communs permet de juger lesquelles de barrires de scurit sont des IPL.
iii) Testabilit
Une IPL doit tre conue pour permettre priodiquement de sassurer par test de leur
efficacit. Pratiquement ces tests doivent tre effectus afin de contrler et de vrifier
les performances des IPL (temps de rponse et niveau de confiance).
La figure (I.7) montre gnralement les diffrents types des IPL qui se trouvent dans la
majorit des systmes et des installations industrielles surtout chimiques et ptrochimiques.
Couches de rduction : procdures dvacuation urgentes POIetc.
Autres couches de protection techniques : vanne de

scurit automatiquesetc.
Systmes instruments de scurit.
Alarmes et intervention humaine

Contrle du processus
BPCS
Conception
Processus
Fig. I.4- Couches de rduction de risques [CCPS, 2001]
17
Notons que ces barrires de scurit peuvent tre retenues comme tant IPL pour
certains scnarios daccidents comme elles ne peuvent pas ltre. Cela est jug travers
leur environnement et leurs modes de fonctionnement.
valuation des couches de protection indpendantes

Dans la mthode LOPA [CCPS, 2001],
lvaluation des IPL est une tape
importante qui sert dterminer leur efficacit rduire la frquence des consquences
engendres.
e) tape 5 : Dtermination des frquences des scnarios daccidents

La dtermination des frquences des scnarios daccidents est une tape cl qui sert
valuer les consquences des scnarios daccidents en termes de leurs probabilits
doccurrence et leurs consquences engendres. La frquence dun scnario daccident est
donne par lquation suivante [CCPS, 2001]:
J
c
i
I
i
PFD
ij
(I.2)
j = 1
O:
fi c : Frquence de la consquence C pour lvnement initiateur i.

fi I : Frquence de lvnement initiateur.
PFDij : Probabilit de dfaillance la demande de la ime IPL qui oppose la survenance de la
consquence.
Cette procdure de calcul des frquences de multiples scnarios daccidents nous

aidera surtout tablir la comparaison par rapport aux critres dacceptabilit labors
pralablement et aussi de juger si ces risques sont acceptables ou non.
f) tape 6 : valuation des risques par rapport aux critres dacceptabilit
Cette tape consiste valuer les scnarios daccidents estims par rapport aux
critres dacceptabilit qui ont t fixs au pralable afin de sassurer que les scnarios sont
acceptables. Si ces scnarios daccidents sont inacceptables des recommandations et des
couches de protection doivent tre implmentes afin de matriser et les ramener un
niveau jug tolrable.
18
I.5.5. Avantages et limites de la mthode LOPA

LOPA prsente les avantages suivants [CCPS, 2000; IEC61511, 2003]:
-
LOPA est un outil performant et efficace dvaluation des risques et des mesures de
rduction de ces risques.
- LOPA est un outil praticable et flexible permettant de dterminer la rduction
apporte
par chaque mesure de rduction (IPL) en lui attribuant des probabilits
de dfaillance la demande(PFD).
Cependant LOPA prsente des limites [CCPS, 2000; IEC 61511,2003 ; Markowski, 2007]:
- LOPA est un outil qui ne peut pas tre appliqu pour tous les scnarios daccidents
surtout ceux qui prsentent des combinaisons de dfaillances.
- En pratique, il est souvent difficile de rsumer une probabilit de dfaillance en
seule valeur numrique.
I.6. Conclusion
Nous avons consacr ce chapitre la prsentation de notre cadre de travail. Aprs
avoir prsenter la dmarche gnrale de la gestion des risques, il tait question de mettre
laccent sur les mthodes danalyse et dvaluation des risques.
19
Prise en compte des donnes incertaines dans l'analyse des risques
CHAPITRE II
PRISE EN COMPTE DES DONNES INCERTAINES DANS

L'ANALYSE DES RISQUES
II.1. Introduction
Pour une bonne matrise des risques, lanalyse des risques peut devenir rigoureuse en
terme de qualit dinformations et de donnes. On a qu imaginer les efforts et analyses
profondes pour obtenir des modlisations fines et compltes des systmes tudis.
Dans ce chapitre, nous allons examiner la prise en compte de limperfection
(imprcision et incertitude) des donnes sur les paramtres destimation du risque,
notamment les frquences dvnements initiateurs, les probabilits de dfaillances des
composants des systmes et des barrires de scurit par les diffrentes approches de
traitement de linformation incertaine.
II.2. Thorie des probabilits

La thorie des probabilits constitue le plus ancien formalisme permettant de traiter
les incertitudes dans les connaissances imparfaites. Elle repose donc sur des fondements
mathmatiques et une exprience solides.
Notre prsentation se limitera quelques dfinitions et proprits, aux avantages et
limites du modle probabiliste dans le domaine de lanalyse des risques.
II.2.1. Dfinition et proprits

Dfinition
Dans un ensemble rfrentiel ( ) constituant lensemble de tous les vnements
observables possibles. Lapplication de lvnement A dans lespace des nombres rels est
appele probabilit de lvnement A [P(A)]. La probabilit est une grandeur numrique
par laquelle on exprime le caractre alatoire (possible et non certain) d'un vnement. La
probabilit doccurrence de cet vnement est dcrite par la mesure de probabilit:
20
P : S( W ) [ 0,1]
(II.1)
O S( W ) est lensemble des parties de et qui satisfait les axiomes suivants :
P( F ) = 0 P(E) P( W ) = 1
" A, B S( W ) , si A B =
(II.2)
P ( A B ) = P (A) + P (B)
(II.3)
Laxiome dadditivit (II.3) tablit que, si deux vnements sont incompatibles

(AB = ), alors la probabilit quau moins lun dentre eux ait lieu, est la somme de leurs
probabilits individuelles.
On peut dduire aussi des deux axiomes (II.2) et (II.3) les deux proprits suivantes:
- Proprit 1
Si la probabilit dun vnement A est connue alors la probabilit de lvnement
contraire est exactement dtermine:
P(A) + P () = 1
(II.4)
- Proprit 2
On peut caractriser la probabilit dvnements wi sur en utilisant la distribution
de probabilit:
p : [0, 1]
O:
(II.5)
wi p (wi) =1
La distribution de probabilit p est dfinie partir de la mesure de probabilit P par

P (wi) = P ({wi}).
On obtient alors:
" A, B S () P (A) =
wi A
P (wi)
(II.6)
II.2.2. Limitations de la thorie des probabilits

La thorie des probabilits semble peu adapte des situations o la connaissance
dun vnement comme la connaissance de son contraire sont trs limites [Zouhal, 1997].
Comme limite, cette thorie est trop rigide pour exprimer le cas de lignorance totale
[Zimmermann, 1983; Zouhal, 1997]. Elle modlise ce cas par un ensemble dvnements
wi mutuellement disjoints et quiprobables:
" wi W , p(wi)
1
W
21
(II.7)
II. 3. La thorie des ensembles flous

La thorie des ensembles flous date depuis 1965. Elle
a t introduite pour la
premire fois par le professeur Lotfi Zadeh [Zadeh, 1965] dans le cadre dune
gnralisation de la thorie classique des ensembles. Cette thorie est considre comme
tant le seul cadre dans lequel puissent tre traites des connaissances numriques et des
connaissances exprimes symboliquement par des qualifications du langage naturel
[Bouchon-meunier, 1995].
II.3.1. Concepts de base des mathmatiques floues

a) Ensemble flou
Soit X un ensemble rfrentiel et soit x un lment de X. On appelle un Ensemble
~
Flou [Zadeh, 65] A de U un sous-ensemble de E caractris par une fonction mA(x) qui
prend ses valeurs dans lintervalle [0, 1]. Cette fonction dite dappartenance, donne le
~
degr dappartenance de x dans A . Un ensemble ordinaire est un cas particulier dun

~
ensemble flou (mA(x) ne prend que 0 ou 1). Formellement, A peut scrire comme :
~
A = {(x, mA(x)) / x E}
(II.8)
b) Nombre flou/ Intervalle flou

~
On appelle nombre flou tout ensemble flou A de rfrentiel lensemble R des

nombres rels et possdant les deux proprits suivantes [Dubois et Prade, 1988](Fig. II.1):
~
1. A est normalis : il existe au moins une valeur m R telle que mA(m) = 1;

~
2. A est convexe : " (a, a) [0, 1]2 : (a a) ([m1n1] [m2n2])

Un intervalle flou gnralise un nombre flou sous forme dintervalle (Fig. II.2). La
reprsentation paramtrique dun intervalle flou scrit :
~
A = (a1, [a2, a3], a4)
22
m(x)
1
a
a
m2 0 m1
n1
n2
x R
Fig. II.1- Exemple dun nombre flou.

m(x)
1
0.5
a1
a2
a3
a4
x R
Fig. II.2 - Intervalle flou trapzodal.
II.3.2. Caractristiques dun ensemble flou

Un ensemble flou est caractris par:
a) Support
Un support dun ensemble flou not supp (A), est dfini comme lensemble classique
des lments ayant un degr dappartenance non nul.
supp A = { x X , m A ( x ) > 0 }
(II.9)
b) Noyau
Le noyau dun ensemble flou A est dfini comme lensemble classique des lments
x appartenant totalement A (cest-`a-dire pour lesquels A ( x ) = 1).
noy ( A) = { x X , m A ( x ) = 1 }
23
(II.10)
c) Hauteur
La hauteur d'un ensemble flou A est reprsente par la valeur maximale de sa
fonction d'appartenance.
h ( A ) = sup A ( x )
(II.11)
II.3.3. Oprations sur les ensembles flous

Soient A et B deux ensembles flous dfinis sur l'univers de discours X , ayant
respectivement les fonctions dappartenances A ( x ) et B ( x ) .
a) Union
L'union de deux ensembles flous A et B est un ensemble flou dont la fonction
d'appartenance est dfini par:
x X , AB ( x ) = max ( A ( x ) , B ( x ))
(II.12)
b) Intersection
L'intersection de deux ensembles flous
A et B est un ensemble flou dont la
fonction d'appartenance est dfini par:
x X , m A B ( x ) = min (m A ( x) , m B ( x) )
(II.13)
c) Inclusion
Lensemble flou A est inclus dans B , si et seulement si :
A B x X , A ( x ) B ( x )
(II.14)
d) Complmentation
Les deux ensembles flous A et B sont complmentaires, si et seulement si :
x X , A ( x ) = 1 - B ( x )
(II.15)
e) Egalit
Les deux ensembles flous A et B sont gaux, si et seulement si:
A = B x X , A ( x ) = B ( x )
(II.16)
24
Notons que malgr les diffrences existantes entre les deux thories classique et
floue, les oprations appliques dans la thorie des ensembles flous sont des extensions des
oprations appliques dans la thorie des probabilits, ceci confirme que la thorie des
ensembles flous nest quune gnralisation de la thorie classique.
m
1
a1 xa
ya a2
Fig. II.3- Nombre flou triangulaire.
II.3.4. Oprations arithmtiques sur les nombres flous

Les oprations arithmtiques utilises pour manipuler des nombres ou des intervalles
flous requirent beaucoup de ressources. Cependant, en utilisant la dcomposition dun
nombre flou en -coupes, ces oprations seront largement simplifies en se rduisant des
oprations sur des intervalles de confiance.
Pour les deux ensembles flous donns A et B dfinis par leurs -coupes respectives:
A =[ a - , a + ] R +

B =[ b - , b+ ] R +

(II.17)
(II.18)
On dfinie les oprations arithmtiques suivantes:

a) Addition
La somme A+B peut tre calcule comme suit:
( A + B )=[ a - + b - , a + + b + ], " [0 ,1]

(II.19)
b) Soustraction
La diffrence AB est donne par:
( A B ) = [ a - b + , a + b - ] ,si b + a - " [0 ,1]

25
(II.20)
c) Multiplication
Le produit A . B est donn par:
( A . B ) = [ min ( a - . b - , a - . b + , a + . b - , a + . b + ) ,

max ( a - . b - , a - . b + , a + . b - , a + . b + ) ]

=[ a - . b - , a + . b + ], " [0 ,1 ]

(II.21)
d) Division
Le rapport A / B est calcul comme suit:
( A / B ) = [ min ( a - / b - , a - / b + , a + / b - , a + / b + ) ,

max ( a - / b - , a - / b + , a + / b - , a + / b + ) ]

= [ a - / b + , a + / b - ], " [0 ,1 ]

(II.22)
II.4. Thorie des possibilits

La thorie des possibilits [Zadeh, 1978] constitue le seul cadre alternatif
pour
reprsenter les informations incertaines. Elle est troitement lie la thorie des ensembles
flous prsente prcdemment. Elle est base sur l'ide des variables linguistiques et
comment elles sont lies aux ensembles flous [Zadeh, 1978; Dubois et Prade, 1988].
La
thorie de
possibilits
est tout fait diffrente de
celle de probabilits,
lexemple illustr par Zadeh [Zadeh, 1978] donne une ide claire quant cette diffrence.
Distribution de possibilit
Une distribution de possibilit peut tre vue comme la fonction dappartenance de
lensemble flou des lments possibles.
Lincertitude dun vnement quelconque, au contraire des probabilits, est donc
caractrise par deux valeurs : sa possibilit ( ) et sa ncessit ( N ) .
c) Mesure de possibilit
Une mesure de possibilit est une fonction prenant ses valeurs dans lintervalle [0 , 1] telle
que:
- ( )= 1
(II.23)
- P (F ) = 0
(II.24)
26
Cette mesure permet dvaluer quel point la ralisation dun vnement est possible
[Bouchon-meunier, 1995], si cet vnement est possible de se raliser la mesure de
possibilit est gale 1. Sil est impossible de se raliser alors sa mesure de possibilit est
gale 0.
Dans le cas de deux vnements contraires A et , la possibilit de ralisation de lun
nimplique pas limpossibilit de ralisation de lautre. Ceci est traduit par:
max (P (A), P (A)) = 1
(II.25)
d)Mesure de ncessit
Loccurrence dun vnement (A) est quantifie par son degr de possibilit avec
lequel cet vnement est possible mais cette mesure nest pas suffisante pour dcrire
compltement lincertitude existante sur cet vnement. La mesure possde des proprits
spcifiques par rapport de celles de mesure de possibilit.
Les deux degrs, de possibilit et de ncessit nous permettent de dcrire dans une
distribution de possibilit ou de ncessit la fois le degr avec lequel lvnement A est
susceptible de se raliser et le degr de certitude quon peut attribuer cette ralisation.
Les deux mesures de possibilit et de ncessit sont lies par les relations suivantes:
(A)= 1 - N ( A )
(II.26)
N (A) > 0 N (A) = 1
(II.27)
(A) < 1 N (A) = 0
(II.28)
A partir de ces relations qui dcrivent la dualit des deux mesures, on comprend que
tout vnement certain est tout fait possible et quon peut avoir la moindre certitude sur
un vnement qui nest pas relativement possible. On peut aussi tirer de ces relations quil
nest ncessaire de dfinir une distribution de ncessit et quune distribution de possibilit
est largement suffisante pour dterminer une mesure de ncessit [Bouchon-meunier,
1995].
27
II.7. Applications de la thorie des ensembles flous l'analyse des risques

Actuellement la thorie des ensembles flous a prouv son existence comme un outil
intressant et efficace de traitement des donnes et des informations imparfaites utilises
dans divers domaines y compris lanalyse des risques. Dans ce contexte, de nombreuses
applications floues sont dveloppes.
Dans ce qui suit, nous prsentons titre limitatif quelques principales mthodes
classiques danalyse des risques utilisant cette thorie.
II.7.1. Analyse de modes de dfaillances et leurs effets

Lanalyse des modes de dfaillances et de leurs effets fournit un outil danalyse des
causes et des effets de dfaillances des systmes industriels. Dans cet outil, chaque mode
de dfaillance est valu en fonction de trois paramtres, sa gravit, sa probabilit
doccurrence et la non dtection de mode de dfaillance.
Llaboration de lAMDE floue consiste traiter ce type dinformation de faon plus
normale et objective en introduisant la notion des ensembles flous.
LAMDE floue consiste dutiliser les variables linguistiques pour dcrire la gravit,
la probabilit doccurrence et la non dtection de chaque mode de dfaillance [Chan et al,
2007].
II.7.2. Arbre de dfaillances

Larbre de dfaillances comme nous avons signal auparavant est une mthode trs
utilise en analyse des risques. Son aspect danalyse purement quantitatif et exigeant la
prsence des donnes sur les diffrents paramtres de suret de fonctionnement et
danalyse des risques des systmes tudis le permet dtre assujetti des donnes et
connaissances imparfaites et difficile appliquer convenablement, chose qui a pouss les
analystes de penser un arbre de dfaillances flou.
Ce dernier, consiste calculer la probabilit doccurrence
floue de lvnement
redout partir des probabilits doccurrence floues des vnements de base conduisant
lvnement redout. Dans ce contexte, plusieurs travaux ont t dvelopps, dbutant par
celui de Tanaka en 1983 [Tanaka et al. 1983]. En 1990 Singer [Singer, 1990] a dvelopp
les arbres de dfaillance en reprsentant les probabilits doccurrence des vnements de
base par des nombres flous. Dans le mme contexte et en 1993 deux travaux ont t
apparus celui de Liang et Wang [Liang and Wang, 1993] qui ont reprsent les probabilits
28
doccurrence des vnements de base par des nombres flous triangulaires et celui de
Soman et Misra [Soman and Misra, 1993].
II.7.3. Arbre des vnements

Larbre dvnements est une mthode quantitative trs utilise en analyse des
risques. Les probabilits et les consquences dans cet arbre sont traites gnralement
comme des valeurs exactes, cependant il est difficile dvaluer les probabilits et les
consquences partir du retour dexprience car la majorit des situations qui se trouvent
dans le pass du systme tudi sont pas similaires et souvent inexistantes.
Les probabilits des vnements doivent tre transformes en des probabilits floues
[Dumitrescu et al, 2002]. Ces dernires sont reprsentes par diffrentes formes,
trapzodale, triangulaireetc. La probabilit floue de chaque consquence est calcule en
multipliant les probabilits des vnements floues de mme chemin. Le rsultat obtenu est
une probabilit de consquence floue, cette dernire sera dfuzzifie afin dobtenir une
valeur plus reprsentative pour la prise de dcision.
II.7.4. Analyse des couches de protection

LOPA fournit un outil efficace pour lanalyse et lvaluation des risques des
scnarios d'accidents. Cet outil semi-quantitatif danalyse des risques est aussi confront
des donnes et informations imparfaites, chose qui rend son application inconsistante.
Dans ce contexte, Markowski [Markowski, 2007], a dvelopp une approche de
LOPA floue qui tient en faveur laspect incertain et imprcis que prsente la mthode
LOPA classique. LOPA floue propose par Markowski consiste laborer des modles
flous partir des paramtres dentre de LOPA classique.
II.8. Conclusion
Dans ce chapitre, nous avons prsent, aprs avoir discut les diffrentes approches
de traitement de lincertitude des donnes, en loccurrence:
a) la thorie des probabilits.
b) la thorie des ensembles flous.
c) la thorie des possibilits.
Dans le chapitre suivant, nous prsentons une approche floue de LOPA, dveloppe
dans le cadre du prsent travail.
29
Analyse floue du risque : vers une LOPA Floue
CHAPITRE III
ANALYSE FLOUE DU RISQUE : VERS UNE LOPA FLOUE

III.1. Introduction
Dans le cadre danalyse des risques et particulirement durant lapplication des
mthodes de sret de fonctionnement, qualitatives, semi-quantitatives et quantitatives
dans les secteurs industriels, de nombreux problmes sont rencontrs, citons le problme
de lindisponibilit de donnes lies aux diffrents lments et paramtres dvaluation des
risques.
Et malgr que ces donnes sont tablies par des experts avec leurs jugements
pertinents et fournies aussi par des banques de donnes spcialises, une invitable
subjectivit et incertitude dans lvaluation des diffrents paramtres des scnarios
daccidents.
Toujours dans le domaine danalyse des risques, les descriptions linguistiques
utilises pour valuer la gravit des consquences voire les risques vagues par essence et
fournies par des experts, sont aussi un autre exemple de donnes difficilement analysables
de faon ordinaire et classique. Pour ces raisons et dautres il apparat intressant de faire
appel des modles de reprsentation sous forme densembles flous et possibilistes. Ceci
pour une bonne prise en compte de ces problmes.
Dans ce qui suit, nous prsentons une approche floue de LOPA tenant compte des
donnes incertaines et/ou imprcises. Une des reprsentations possibilistes des donnes par
des intervalles flous est propose.
III.2. Prsentation de la mthodologie gnrale

Linconvnient que prsentaient les mthodes de sret de fonctionnement et
particulirement la mthode LOPA [CCPS, 2001] est en termes dimperfection des
donnes et de manque de robustesse dans les rsultats finaux.
Cette subjectivit est lorigine de plusieurs facteurs notamment, le nombre lev
de composants dans le systme tudi et aussi les connexions et interactions structurelles et
30
les dpendances de fonctionnement entre ces composants y compris les conditions

dexploitation et mme les facteurs environnementaux influenant sur ltat et le
fonctionnement du systme.
Tous ces facteurs gnants la crdibilit et la perfection des donnes et les rsultats
dtude de scurit contribuent au dveloppement dune nouvelle approche floue
dvaluation des risques en introduisant la notion des ensembles flous [Zadeh, 1975]. Dans
ce contexte, Markowski [Markowski, 2007], a dvelopp un modle de LOPA floue qui
permet dvaluer le risque des pipes et traiter les incertitudes des donnes utilises par
LOPA classique.
III.3. Prsentation de lapproche dveloppe

La procdure de dveloppement de LOPA Floue consiste utiliser les partitions
floues pour dcrire les paramtres des scnarios de LOPA. Comme le montre la figure
(III.1), Chaque valeur utilise par la mthode LOPA est convertie un intervalle flou . La
frquence de la consquence rduite est calcule par multiplication tendue selon la
mthode des a-coupes. Les rsultats sont des valeurs numriques de la frquence de la
consquence rduite qui sont calcules par dfuzzification de la frquence floue.
31
III.4. Etapes de l'approche dveloppe

III.4.1. Etape de fuzzification
La premire tape de lapproche "LOPA Floue" propose consiste transformer les
intervalles de confiance issus de la littrature ou de banques de donnes [OREDA, 2002;
ICSI, 2006] en intervalles flous (Fuzzification). La transformation est faite en utilisant une
chelle floue comme dveloppe dans [Nait-Said et al, 2009].
Lintrt de cette tape est quelle permet de dterminer les fonctions dappartenance des
variables linguistiques. Ces fonctions peuvent tre reprsentes sous diffrentes formes
(triangulaire, gaussienne, trapzodale, etc.).
Selon le type de fonction dappartenance, diffrents types d'ensembles flous seront
obtenus. Lotfi Zadeh [Zadeh.1975] a propos une srie de fonctions d'appartenance qui
pourraient tre classes en deux types de formes, celles qui sont composes de lignes
droites " linaires" et les formes gaussiennes "courbes".
III.4.2. Dtermination de la frquence floue de la consquence rduite

La deuxime tape de cette approche consiste calculer lintervalle flou de la
frquence de la consquence rduite partir des intervalles flous de la frquence
dvnement initiateur et les probabilits de dfaillance la demande des couches de
protection indpendantes. Le calcul de la frquence floue de la consquence rduite est fait
en utilisant lquation (III.3):
~C
~
fi = fi I
~
P F D ij
(III.1)
j=1
O:
~C
fi
est la frquence floue de la consquence C dvnement initiateur i;
~I
fi
est la frquence
floue de l'vnement initiateur i.

~
PFDij
est la probabilit de dfaillance la demande de la jme IPL qui protge contre la
consquence C.
L'utilisation de la mthode des a-coupes permet de simplifier les calculs par la
dcomposition de la fonction d'appartenance en des intervalles flous en fonction de a-
32
coupes (0 a 1) [Zadeh, 1975]. Le dcoupage est fait en utilisant la mthode des acoupes:
j
1
~C 1 C 1
f i = U f ia = U f ia . U PFDa ij
a =0
a =0
(III.2)
j =1 a =0
III.4.3. Dfuzzification de la frquence floue de la consquence rduite

La dernire tape de lapproche consiste dfuzzifier la frquence floue de la
consquence rduite afin dobtenir une valeur prcise de la frquence de la consquence
rduite.
Plusieurs mthodes de dfuzzification sont proposes dans la littrature [Runkler,
1997]. La mthode du centre de gravit est la plus communment utilise:
( f ).f
( f )
~C
fi
(III.3)
~C
fi
III.5. Conclusion
Dans ce chapitre nous avons essay dclaircir le contexte et la problmatique de la
gestion des risques industriels. Ensuite nous avons discut le problme de donnes
imprcises et incertaines qui demeure durant lanalyse et lvaluation des risques. Nous
avons propos une nouvelle approche floue "LOPA Floue" permettant la gestion de
limprcis et de lincertain des donnes utilises par la mthode LOPA en fournissant des
reprsentations concises de donnes incertaines et imprcises.
Dans ce qui suit, nous prsenterons un problme rel qui sagit dune application de
la mthode LOPA dcrite dans le chapitre (I. section. I.4.4) sur un systme industriel (Four
rebouilleur H-101) toute en essayant dintgrer dans cette mthode danalyse des risques
notre approche floue dveloppe.
33
Identification des risques au niveau du Four rebouilleur
CHAPITRE IV
IDENTIFICATION DES RISQUES AU NIVEAU DU FOUR

REBOUILLEUR (H-101)
IV.1. Introduction
Lanalyse et lvaluation des risques par la mthode LOPA exige la prsence de
certaines donnes et informations sur les diffrents paramtres dvaluation des risques
telles que, les frquences dvnements initiateurs, frquences des consquences rduites
et aussi les probabilits de dfaillances des diffrentes couches de protection existantes.
Ces donnes sont obtenues gnralement partir de lhistorique du systme analys.
En labsence ou par manque de donnes sur ltat du systme, on fait appel dautres
sources telles que, les banques de donnes et les jugements dexperts. Malgr que le choix
des donnes se fait en respectant ladaptation de ces donnes au systme tudi en se
basant sur son historique et sur des systmes similaires ayant le mme mode de
fonctionnement, il parat important de souligner la non prise en compte convenable des
imperfections lies aux donnes utilises par les diffrentes mthodes danalyse des risques
y compris la mthode LOPA.
Par lapproche "LOPA floue" prsente dans le chapitre (III), nous avons tent de
rpondre un tel problme en menant une tude de cas rel sur un systme industriel
oprationnel qui est un four rebouilleur (Fig. IV.1).
IV.2. Prsentation du systme "Four Rebouilleur"

Vu limportance de la partie "Identification des risques", le prsent chapitre sera
consacr la description technique et fonctionnelle du systme "Four rebouilleur" et
lanalyse des diffrents scnarios daccidents.
34
Fig. IV.1- Four Rebouilleur H-101[SONATRACH, 2008]
Le systme Four rebouilleur H-101 comprend:

-
Une zone de radiation (rayonnement) constituant la chambre de combustion, garnie

intrieurement de matriau rfractaire isolant, dans laquelle des tubes sont exposs
la flamme et reoivent la chaleur principalement par radiation des produits de
combustion.
Une zone de convection, ventuellement garnie, installe la sortie des fumes de la

chambre de combustion. Elle est constitue dun faisceau de tubes placs
perpendiculairement la direction des fumes. Le rendement dun four muni dune
zone de convection est suprieur celui dun four ne comportant quune zone de
radiation.
Un faisceau tubulaire en zone de radiation et ventuellement en zone de convection.
Deux chemines.
Des accessoires tels que, les portes daccs, les portes dexplosion, les regards, les
thermocouples et les connexions diverses ncessaires la bonne marche du four.
Le rle principal du Four rebouilleur est de produire des gaz combustibles lgers
(gaz de vente) qui sont essentiellement des composs du mthane et dthane, le processus
de production de ces gaz est reprsent dans la figure (IV.2). Le condenst du fond de la
colonne C-101, est envoy au moyen des pompes P-101 A/B, au four rebouilleur H-101
150C pour rchauffage puis le fluide sortant du rebouilleur chauff 180 C est renvoy
vers la colonne comme reflux chaud afin dextraire les gaz lgers
35
(gaz de vente).
Identification des risques au niveau du Four Rebouilleur
Fig. IV. 2 - Schma de canalisation et d'instrumentation du Four rebouilleur H-101
36
IV.3. Analyse structurelle, fonctionnelle du systme "Four rebouilleur H-101"

Lanalyse structurelle, fonctionnelle et temporelle est une tape importante permettant
de comprendre davantage le systme "Four rebouilleur", ses diffrents sous-systmes et
composants sont prsents comme suit:
Le sous-systme et sa fonction
SS1 : Circuit dalimentation
[Alimentation du four rebouilleur]
SS2 : Sous-systme de tirage
[Assure larrive et la circulation dair]
SS3 : Sous-systme de contrle
[contrle des paramtres du procd]
SS4 : Trappe dexplosion
[souvre en cas de monte en pression dans la chambre de combustion]
SS5 : Sous-systme de prvention

[Assure la scurit du procd]
SS6 : Sous-systme de protection

[Matriser le feu]
IV.4. laboration dune tude HAZOP sur le systme "Four Rebouilleur"

Lintrt de lapplication de la mthode HAZOP est quelle fournit une tude de
base permettant de recenser les diffrentes causes et consquences des scnarios daccidents.
Elle permet aussi denvisager les diffrentes barrires de scurit pouvant empcher ces
accidents. Toutes ces informations seront utilises dans LOPA.
Le tableau de HAZOP (IV.2) montre ces diffrentes causes et consquences et barrires
de scurits existantes au niveau du four rebouilleur H-101.
37
SYSTEME TUDIE : Four Rebouilleur H-101

N
Motguide
lment
Dviation
Causes possibles
Consquences
Protections
- Oprateurs
NE
PAS
FAIRE/
MOIN
S
Dbit de
condenst
Pas/ Moins
de dbit
Mauvaise
manipulation sur la
vanne FICA-136V
Pas du liquide dans H101, endommagement

de serpentin (incendie)
& arrt d'unit
Mauvais
fonctionnement de
FICA-136V
Pas du liquide dans H101, endommagement

de serpentin (incendie)
& arrt d'unit
Mauvaise
manipulation sur
lune des vannes.
Pas de dbit dans lun

des pass du H-101,
temprature leve,
endommagement de
serpentin (incendie) &
arrt d'unit
- FICAL-136
- FZL-137
- FICAL-136
- FZL-137
- FI-138
- TRAH-121-3
- FICAL-136
- FZL-137
Tab. IV.1 - Feuille de prsentation HAZOP
38
Commentaires
Mesures
prendre
Responsable
des mesures

N0
Motguide
lment
Dviation
Causes possibles
Consquences
Protections
Commentaires
Mesures
prendre
- TI-135
PLUS
MOIN
S
Temprature
de condenst
Temprature
de condenst
Plus de
temprature
Moins de
temprature
Mauvais
fonctionnement
de la vanne
TRCA-109V,
combustion
importante dans
H-101
Mauvais
fonctionnement
de TRCA-109V,
faible combustion
dans H-101
Temprature leve
la sortie du H-101,
endommagement
possible du serpentin
- TRAH-121-3~6
- TRCAH-109
- TZH-108
Basse temprature la
sortie de H-10, passage
possible de produit en
OFF-SPEC
- TI-135
Tab. IV.1 - Feuille de prsentation HAZOP (suite)
39
Envisager
l'installation
d'une alarme
de basse
temprature
du condenst
en sortie.
Responsable
des mesures
SYSTEM TUDIE : Four Rebouilleur H-101

N
Motguide
lment
Dviation
Causes possibles
Consquences
Protections
- PAL-126
Mauvais
fonctionnement
des vannes.
NE PAS
FAIRE/
MOINS
Dbit de
gaz
combustible
Pas/ Moins
de dbit
Mauvais
fonctionnement
de la vanne.
Pas de fuel gaz pour H-101,

basse temprature la sortie
de H-101, passage possible
de produit en OFF-SPEC
Pas de fuel gaz pour H-101,

basse pression de fuel gaz,
basse temprature la sortie
de H-101, passage possible
Dgagement de fuel gaz en

atmosphre, explosion
possible & arrt d'unit
- FRAL-142
- TRCA-109
- PAL-126
- PZL-127
- FRAL-142
- TRCA-109
Tab. IV.1 - Feuille de prsentation HAZOP (suite)
40
Commentaires
Mesures
prendre
Responsable
des mesures

N
Mot-guide
NE PAS
FAIRE/
MOINS
lment
Dbit de
gaz
combustible
Dviation
Pas/
Moins de
dbit
Causes possibles
Mauvaise manipulation sur

la vanne manuelle
lentre/sortie de TRCA109V
Mauvais fonctionnement
de TRCA-109V.
Consquences
Pas de fuel gaz pour H101, basse pression de
fuel gaz, basse
temprature la sortie de
H-101, passage possible
Pas de fuel gaz pour H101, basse pression de
fuel gaz, basse
temprature la sortie de
H-101, passage possible
Protections
- Oprateurs
(locaux)
- PAL-126
- PZL-127
- FRAL-142
- TRCA-109
- PAL-126
- PZL-127
- FRAL-142
Tab. IV.1 - Feuille de prsentation HAZOP (suite).
41
Commentaires
Mesures
prendre
Responsable
des mesures
IV.5. Application de la mthode LOPA au Four rebouilleur

IV.5.1. tape 1: tablissement des critres dacceptabilit
Dans notre cas, lvaluation dacceptabilit de la gravit des consquences des scnarios daccidents et des frquences des consquences
rduites sera faite par rfrence la grille de criticit suivante (Fig. IV.3).
Probabilit
Gravit
1 : Ngligeable
Blessures superficielles ;
Dgradation de la capacit de
linstallation moins de 10%.
2 : Modre
Blessures mineures ;
Dgradation de la capacit de
linstallation moins de 50%.
3 : Critique
Blessures graves ;
Arrt de lunit (train).
4 : Catastrophique
La mort ;
Arrt de lusine (module).
1 : Improbable
Improbable de se
produire durant la dure
de vie de linstallation.
2 : Rare
Peut se produire une fois
durant la dure de vie de
linstallation.
3 : Occasionnel
Peut se produire plus
quune fois durant la dure
de vie de linstallation.
4 : Frquent
Peut se produire
plusieurs fois durant la
dure de vie de
linstallation
Faible
Faible
Faible
Modr
Faible
Modr
Modr
lev
Modr
Modr
lev
lev
Modr
lev
lev
lev
Fig. IV.3 - Grille de criticit adopte par SH DP HRM [SONATRACH, 2008]
42
IV.5.2. tape 2 : Analyse des scnarios

La mthode LOPA sinspire les diffrents lments de ses scnarios partir des
rsultats fournis par lHAZOP (Tab. IV.1).
Les scnarios retenus sont:
Endommagement du serpentin (incendie) & arrt d'unit.
Endommagement du serpentin (incendie) & arrt d'unit.
Formation d'un nuage gazeux en atmosphre.
Combustion incomplte, pression leve dans H-101, explosion possible.
Ces scnarios ayant tous une gravit gale 4 ont pour les vnements suivants:
Dfaillance de la vanne FICA-136V.
Mauvaise manipulation sur lune des vannes lentre de H-101.
Ouverture intempestive de la vanne UZ-125C.
Dfaillance de la vanne HXC-907V/908V.
En comparant les degrs de gravit estims par rapport ceux de la grille de criticit,
nous pouvons constater que les quatre scnarios tablis sont catastrophiques.
IV.5.3. tape 3: Estimation des frquences des vnements initiateurs
Les frquences doccurrence des vnements initiateurs prsentes sont tires de la
littrature [ICSI, 2006 ; CCPS, 2001].
La frquence du scnario 1 est de 1,00E-01.

43
IV.5.4. tape 4: Identification des couches de protection indpendantes

Rappelons que parmi les barrires de scurit identifies au pralable par la mthode
HAZOP, il existe des barrires quon peut qualifier IPL et celles qui ne le sont pas.
Lidentification des couches de protection indpendantes est faite en basant sur
certains critres spcifiques prsents en dtails dans le chapitre (I. Section. I.4.4.3). Les
couches de protection indpendantes retenues dans notre tude sont les suivantes:
Alarme & Oprateur.
Systme darrt durgence.
Trappe.
Les probabilits de dfaillance la demande de ces couches de protection sont

donnes par le tableau (IV.2).
IPL
PFD
Alarme & oprateur
1,00E-01
SIS
3,16E-04
Trappe
3,16E-03
Tab. IV.2 - Probabilits de dfaillance la demande des IPLs.
noter que ces probabilits sont estimes en se rfrant plusieurs sources telles
que, la norme IEC 61511 [IEC61511 ,2003], un ouvrage rfrence du Centre of Chemical
Process Safety [CCPS, 2001] et des donnes fournies par le concepteur du systme
[Sonatrach, 2008 ].
44
IV.5.5. Etape 5: Identification des scnarios daccidents et dtermination de leurs

frquences
IV.5.5.1.laboration des scnarios
Les scnarios daccidents issus de LOPA sont reprsents par des Arbres
dvnements (AdE) (voir Chap. I. Section I.4.4.3). Le choix de ce modle nous permet
de reprsenter clairement lenchainement des vnements, en prcisant leurs frquences et
par consquent la frquence des scnarios correspondants.
IV.5.5.2.Calcul de la frquence de la consquence rduite de chaque scnario daccident
La frquence des consquences rduites des scnarios daccidents 1, 2 et 4, est
calcule en utilisant lquation I.2 (chap. I). Les oprations du calcul sont comme suit:
c
Scnario 1 :
Scnario 2 :
= 9,99E-07/an.
Scnario 3 :
fic
= 2,12E-07 /an.
Scnario 4 :
fic
= 3,16E-05 /an.
= 3,16E-06 /an.
IV.5.6. Etape 6: valuation des scnarios daccidents par rapport aux critres
dacceptabilit
Cette tape consiste valuer les scnarios daccidents estims par rapport aux
critres dacceptabilit qui ont t fixs au pralable afin de juger de lacceptabilit de ces
scnarios. Chaque scnario est valu avant et aprs la mise en place des IPLs.
IV.5.7. Discussion des rsultats et conclusion

La reprsentation des scnarios les plus dfavorables par LOPA fournit un calcul
simple des frquences des consquences rduites. Les rsultats en terme de rduction du
risque daccidents reste incontestable.
Do tout lintrt de lapproche floue propose dans le chapitre (III), et dont lapplication
fera lobjet du chapitre suivant.
45
Application de l'approche floue de LOPA au Systeme four rebouilleur
CHAPITRE V
APPLICATION DE L'APPROCHE FLOUE DE LOPA AU
SYSTEME FOUR REBOUILLEUR
V.1. Introduction
Le prsent chapitre sera consacr lapplication de lapproche floue de LOPA
propose en chapitre (III) au systme "Four rebouilleur". En considrant les donnes du
chapitre (IV) comme rfrentielles, on montrera la faisabilit et lintrt particulier de
LOPA floue.
V.2. Application da lapproche floue de LOPA

Reprenons
les donnes et rsultats de rfrence utiliss par LOPA conventionnelle,
lesquelles sont reprsents sous forme des valeurs uniques et regroups dans le tableau
(V.1).
c
Scnario 1
Scnario 2
= 3,16E 06 /an.
c
c
Scnario 3
fi
Scnario 4
fic
= 9,99E 07/an.
= 2,12E 07 /an.
= 3,16E 05 /an.
V.1 Valeurs des frquences des consquences rduites des scnarios
V.3. Dtermination de la frquence de la consquence rduite

La dtermination de la frquence de la consquence rduite est faite selon la
mthodologie dcrite en chapitre (III. Section.III.4.2). on procdera par comparaison avec
les donnes et rsultats de lapproche floue propose.
V.3.1. Fuzzification des intervalles de confiance

Nous transformons les intervalles de confiance des frquences des vnements initiateurs,
des probabilits de dfaillance la demande des diffrentes IPLs (Fig. V.1) en des
intervalles flous en utilisant la mthode propose par [Nat-Sad et al, 2009]. La
reprsentation
graphique
de
ces
rsultats
46
est
donne
par
la
figure
(V.1).
1
0,8
0,6
0,4
0,2
0
1,00E-02
1,00E-01
1,00E+00
Degr d'appartenance
Degr d'appartenance
0,6
0,4
0,2
1,00E-02
1,00E-01
1,00E+00
(b) PFD1(IPL1)
0,8
0,4
0,2
1,00E-02
1,00E-01
1,00E+00
(c) Frquence d'E I 2

1
Degr d'appartenance
0,6
0,8
0,6
0,4
0,2
0
1,00E-05 1,00E-04 1,00E-03 1,00E-02
0,8
0,6
(d)
PFD2 (IPL2)
0,4
1
0,2
0
1,00E-03
1,00E-02 1,00E-01
(e) Frquence d E I 3
1,00E+00
Degr d'apartenance
Degr d'appartenance
0
1,00E-03
Degr d'appartenance
0,8
0
1,00E-03
(a) Frquence d' E I 1
Degr d'appartenance
0,8
0,6
0,4
0,2
0
1,00E-04
0,8
0,6
1,00E-03
(f)
0,4
1,00E-02
PFD3 ( IPL 3 )
0,2
0
1,00E-02
(g)
Intervalle ordinaire
1,00E-01
1,00E+00
Intervalle flou
Probabilit d'ignition
Fig. V.1 - Reprsentation graphique des intervalles flous des paramtres dentre.
47
1,00E-01
V.3.2. Calcul de la frquence floue de la consquence rduite

Les frquences de la consquence rduite des scnarios daccidents sont calcules en
utilisant l'quation (III.3), en multipliant les intervalles flous des paramtres dentre
savoir la frquence dEI, les PFD des IPLs. En se rfrant lquation (III.1), la
multiplication est effectue par -coupes.
Les graphes de ces frquences sont donns par la figure (V.2).
Degr d 'app arten an ce
Deg r d 'ap parten an ce
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1,00E-08 1,00E-07 1,00E-06 1,00E-05 1,00E-04 1,00E-03
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1,00E-09 1,00E-08 1,00E-07 1,00E-06 1,00E-05 1,00E-04 1,00E-03
( b ) Frquence de la consquence rduite (Scnario 2)
(a) Frquence de la consquence rduite (Scnario1)

1
0,8
D e g r d 'a p p a rte n a n c e
De g r d 'ap p arten a n c e
0,9
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
1,00E-09
1,00E-08
1,00E-07
1,00E-06
1,00E-05
1,00E-04
1,00E-07
( c ) Frquence de la consquence rduite (Scnario 3)
1,00E-06
1,00E-05
1,00E-04
1,00E-03
1,00E-02
( d ) Frquence de la consquence rduite (Scnario 4)
Fig.V.2 - Reprsentation graphique de la frquence de la consquence rduite.
II. 3.3. Dfuzzification de la frquence floue de la consquence rduite

La dernire tape du modle propos permet d'obtenir une valeur unique de la
frquence de la consquence rduite qui sera utilise dans la prise de dcision. Les rsultats
obtenus par cette tape sont donns par le tableau (V. 3).
48
La dfuzzification da la frquence floue est effectue laide de lquation (III. 3) de la

mthode du centre de gravit.
V.4.Conclusion
Dans ce chapitre, nous avons tent de rpondre au problme des incertitudes
relatives aux lments du scnario d'un accident, savoir la frquence de l'EI et les PFD
des IPL, dans le cadre d'une analyse des couches de protection (LOPA).
49
Conclusion gnrale
CONCLUSION GENERALE
Durant la ralisation travail il tait question de rpondre convenablement la
problmatique de reprsentation et de traitement des incertitudes relatives aux donnes
utilises le plus souvent par les mthodes semi-quantitatives danalyse et dvaluation des
risques industriels. Connue comme mthode simplifie et largement utilise dans les
industries ptrochimiques.
Travail ralis
Deux parties ont fait lobjet du prsent mmoire : la premire est une partie thorique
qui consiste dans un premier temps en une recherche sur la dmarche globale de gestion
des risques et les principales mthodes qualitatives, semi-quantitatives et quantitatives
appliques dans cette dmarche. Le but tait de dfinir le cadre du prsent travail, la
mthode danalyse des couches de protection (LOPA) constituant ce cadre a t prsente
dune manire dtaille.
Dans le cadre de la mthode LOPA, un aspect important concernant les donnes

quantitatives est celui de lincertitude et limprcision. Nous avons prsent quelques
thories de traitement de cet aspect telles que, la thorie des probabilits, la thorie des
ensembles flous et celle des possibilits.
Dans ce contexte, une approche floue de LOPA "LOPA floue" est propose pour
une bonne prise en compte des donnes imparfaites utilises par LOPA conventionnelle,
pour valuer les diffrents paramtres des scnarios daccidents telles que, les frquences
des vnements initiateurs et les probabilits de dfaillance des couches de protection
indpendantes.
La seconde partie de ce mmoire est consacre une application de "LOPA floue"

un systme oprationnel qui est four rebouilleur. Nous avons procd dans un premier
temps une description technique et fonctionnelle du four rebouilleur et une
50
Conclusion gnrale
identification des risques inhrents ce systme par application de la mthode

HAZOP (Hazards and Operability Study). Puis dans un second temps (dernier chapitre),
nous avons appliqu le modle flou dvelopp au systme "Four rebouilleur". Partant des
rsultats de LOPA conventionnelle.
Perspectives
Le travail du prsent mmoire devrait tre considr comme un premier pas dans
lamlioration de LOPA conventionnelle. Dautres aspects importants peuvent faire lobjet
de dveloppements futurs, selon un modle flou ou possibiliste. Lanalyse de lefficacit
des couches de protection indpendantes en fonction des frquences des consquences
rduites est un sujet qui mrite dtre trait.
51
Rfrences bibliographiques
RFRENCES BIBLIOGRAPHIQUES
-
Arthur M. Dowell III, Layer of protection analysis for determining safety integrity
level, ISA Transactions, vol. 37, No. 3, pp. 155-165, 1998.
Baron.J.H, Rivera.S.S., Using fuzzy Arithmetic in Containment Event Trees. 22

25, aout 1999.
Bezdek, Nikhil .R, Pal. N.R and James C., "Measuring Fuzzy Uncertainty. IEEE
transactions on fuzzy systems, vol.2, NO.2, Mai 1994.
Bouchon-Meunier, La logique floue et ses applications. Amsterdam: Ed.AddisonWesley. p.84-92. 1995
Bowles J.B. and Pelaez C.E., Application of Fuzzy logic to Reliability Engineering,
Proceeding of the IEEE, vol. 83, No. 3, March 1995.
Braglia.M and Frosolini.M, fuzzy criticality assessment model for failure modes
and effects analysis, International journal of quality reliability management, vol.20
No.4, 2003.
CCPS. Guidelines for process equipement reliability data with data tables. Center
for Chemical Process Safety of the American institute of chemical engineers, New
York 1991.
CCPS, Guidelines for chemical process quantitative risk analysis, Center for
Chemical Process Safety of the American Institute for Chemical Engineers, New
York 2000.
CCPS, Layer Of Protection Analysis, simplified process assessment, Center for

Chemical Process Safety of the American Institute for Chemical Engineers, New
York, 2001.
52
CEI 61882, tudes de danger et dexploitabilit (tudes HAZOP) guide

dapplication 2001.
Chan A., Jian-Bo Yang and Kwai-Sang Chin., Development of fuzzy FMEA based
product design system. International Journal of Advanced Manufacturing
Technology. November 2005.
Chun M.H. and AHN K., Assessment of the potential applicability of fuzzy set
theory to accident progression event trees with phenomenological uncertainties,
Reliability Engineering and System Safety, vol. 37, pp. 237-252, 1992.
Chunyang Wei, William J. Rogers, S.Sam Mannan, Layer of protection analysis for
relative chemical risk assessment", Journal of Hazardous Material, 159, 2008.
Desroches A. Concepts et mthodes probabilistes de base de la scurit. Lavoisier,

France, 1995.
Dubois. D and Prade. H, The mean value of a fuzzy number, Fuzzy Sets and Syst.,
vol.24, pp. 279-300, 1987.
Dubois. D and Prade. H, possibility theory. Plenum Press, New York, 1988.
Dubois. D and Prade. H, Representation and combination of uncertainty with belief

functions and possibility measures. Comput. Intell., 4 :244264, 1988.
Dubois and H. Prade, possibility theory and its applications: a retrospective view,
Fuzzy Systems, vol 1, 25-28 May, 2003.
Dumitrescu .M, Munteanu. A. Ulmeanu. P. Fuzzy Logic System for Fuzzy Event
Tree Computing. First international IEEE symposium intelligent systems.
September 2002.
Exida. Safety Equipment Reliability Handbook, 2nd Edition. 2005.
53
Gouriveau. R, Analyse de risques, formalisation des connaissances et structuration

des donnes pour lintgration des outils dtude et de dcision. PhD thesis, Institut
National Polytechnique de Toulouse, 2003.
- Griot. C et Ayral. P.A, Terminologie en Science du Risque. 2002

-
Gulland W.G., Methods of determining safety integrity level (SIL) requirementsPros and Con, Proc. of the 12th Annual Safety-Critical Systems Symp., February 1719, 2004, pp. 105-122.
ICSI, Groupe de travail " Frquence des vnements initiateurs et disponibilit des
barrires de protection et de prvention, Institut pour une Culture de Scurit
Industrielle version du 11 juillet 2006.
IEC 61511 Standard, Functional safety-Safety instrumented systems for the process
industry sector-, Parts 1-3, First edition, 2003.
INERIS, Outils danalyse des risques gnrs par une installation industrielle. Mai
2003.
INERIS, ARAMIS Dveloppement d'une mthode intgre d'analyse des risques

pour la prvention des accidents majeurs, rapport final, Septembre 2004.
ISO, Aspects lis la scurit: Principes directeurs pour les inclure dans les
normes. Organisation Internationale de normalisation, 1999.
ISO, Management du risque: Vocabulaire, Principes directeurs pour lutilisation

dans les normes. Organisation Internationale de normalisation, 2002.
Kandel and Avni. E, Engineering risk and hazard Assessment, vol. I, CRCPress,
Inc. Florida, 1988.
Kaufmann A., "Introduction la thorie des sous ensembles flous l'usage des
ingnieurs", tomes 1 et 4, 1977.
54
Kenarangui R., Event tree Analysis by fuzzy probability, IEEE Transaction on

Reliability, vol. 40, No. 1, 1991.
Kirchsteiger C. On the use of probabilistic and deterministic methods in risk

analysis, Journal of Loss Prevention in the Process Industrials 12.PP 399-419.1999.
Kirkwood and Tibbs B., Developments in SIL determination, Comput. & Cont.
Eng. Journal. vol. 16, pp. 21-27, 2005.
Kumar. D, Kumar. P and kumar. R. S, Systemic failure mode effect analysis

(FMEA) using fuzzy linguistic medelling. International Journal of Quality and
Reliability Management. Vol.22 No.9 .2005
Lai. F.S., Shenoi S., and Fan. L.T, Fuzzy Fault Tree Analysis: Theory and
Application, In Engineering risk and hazard Assessment, vol. I, CRC Press, Inc.
Florida, (Eds) A. Kandel and E. Avni, pp.117-137, 1988.
Liang. G-S and Wang M-J. J, Fuzzy fault-tree analysis using failure possibility.
Micro-electronics and Reliability, 33 :583597, 1993.
Markowski A.S., Piping Risk Assessment (pfLOPA), ELSEDIMA RO, 15-16 May,
2007.
Marszal E. M. and Scharpf E.W., Safety integrity level selection, systematic

methods including Layer Of Protection Analysis, The Instrumentation, Systems,
and Automation Society, Edition, 2001.
Nait-Said, F. Zidani and N. Ouzraoui, Modified risk graph method using fuzzy rulebased approach, Journal of Hazardous Materials (Elsevier),Vol. 164, No. 2-3,
pp.651-658, 2009.
OHSAS18001, Systmes de management de la sant et de la scurit au travail Specification -. BSI, Afnor, 1999.
55
OREDA. Offshore reliability data handbook, 4th Edition. 2002.
Paul Gruhn, P.E, CFSE and Harry Cheddil, P.E, CFSE, "Safety instrumented
system: Design, Analysis, and Justification, 2nd edition, ISA, 2006.
Rivera, S.S. and Baron, J.H., Using Fuzzy Arithmetic in Containment event trees,
International Conference on Probabilistic Safety Assessment, Wshington, USA,
1999.
Ruegg A. Probabilits et statistique. Lausanne, Presse Polytechniques
Romandes,
1985.
Runkler. A. T, Selection of appropriate dfuzzification methods using application

specific properties, IEEE Transactions on Fuzzy Systems, vol. 5, NO.1, February,
1997.
Sallak M., Evaluation des paramtres de fiabilit en prsence dincertitudes et

assistance la conception: Application aux systmes instruments de scurit, Thse
de doctorat prsente Institut National Polytechnique de Lorraine, 2007.
Sandri S.A., Dubois D. and H.W. Kalfsbeek, Elicitation, Assessment, and pooling
of expert judgments using possibility theory, IEEE Tran. On Fuzzy Syst., vol. 3,
No. 3, pp.313-335, 1995.
Shafer. G. A Mathematical Theory of Evidence. Princeton University Press, 1976.
Sharma. J and K.V. Venkateswaran. A direct method for maximizing the system
reliability. IEEE Transactions on Reliability, 20 :256259, 1971.
Simon C., Sallak. M and Aubry J.F., SIL allocation of SIS by aggregation of
experts opinions, Safety and Reliability Conference, June 25-27, Stavanger
(Norway), 2007.
Singer. D. A fuzzy set approach to fault tree and reliability analysis. Fuzzy Sets and
Systems,
34:145155,
56
1990.
Soman. K.P and K.B. Misra. Fuzzy fault tree analysis using resolution identity. 1,
page 193, 1993.
SONATRACH. Document SONATRACH DP HRM. 2008.
Tanaka, L. T. Fan, F. S. Lai, and K. Toguchi. Fault tree analysis by fuzzy

probability. IEEE Transactions on Reliability, 32 :453457, 1983.
Villemeur A, Suret de fonctionnement des systmes industriels. Eyrolles, 1988.
Zadeh. L.A, Fuzzy sets, Information and Control, vol. 8, pp. 338-353, 1965.
Zadeh. L.A., The concept of a linguistic variable and its application to approximate
reasoning, Parts I and II, Information Sciences, vol. 8, pp. 199-249, 301-357, 1975.
Zadeh. L.A., Fuzzy sets as a basis for a theory of possibility. Fuzzy Sets and
Systems, 1 :328, 1978.
Zimmermann. H.J, Using fuzzy sets in operational research. European Journal of

Operational Research, 13 :201216, 1983.
Zouhal. L. Contribution lapplication de la thorie des fonctions de croyance en

reconnaissance des formes. PhD thesis, Universit de Technologie de Compigne,
France, 1997.
57

Hygh Bourareche Mouloud

Transféré par

Droits d'auteur :

Formats disponibles

Hygh Bourareche Mouloud

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Hygh Bourareche Mouloud

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

MINISTERE DE L'ENSEIGNEMENT SUPRIEUR

HYGINE ET SCURIT INDUSTRIELLE

Apport des techniques floues et possibilistes lanalyse

M. RACHID NAIT-SAID, MATRE DE CONFRENCES LUNIVERSIT DE BATNA

M. ABDELLAH TAMRABAT, MATRE DE CONFRENCES LUNIVERSIT DE BATNA

M. KHEIREDDINE CHAFAA, MATRE DE CONFRENCES LUNIVERSIT DE BISKRA

MME NOUARA OUZRAOUI, MATRE ASSISTANTE CLASSE A

pour ses encouragements durant la

Je ddie ce mmoire mes parents et toute la famille

Table des matires

TABLE DES MATIRES

LISTE DES TABLEAUX

CHAPITRE I ANALYSE DES RISQUES INDUSTRIELS .................................4

Table des matires

I.4.3.1 Arbre des vnements (AdE) .................................................................12

CHAPITRE II PRISE EN COMPTE DES DONNEES INCERTAINES DANS

Table des matires

II.7.4 Analyse des couches de protection.. .......................................................... 29

CHAPITRE IV IDENTIFICATION DES RISQUES AU NIVEAU DU FOUR

Table des matires

CHAPITRE V APPLICATION DE L'APPROCHE FLOUE DE LOPA AU

CONCLUSION GNRALE ........................................................................................ 50

REFERENCES BIBLIOGRAPHIQUES ...................................................................... 52

Liste des figures

Liste des figures

Liste des tableaux

Liste des tableaux

Analyse des Modes de Dfaillance, de leurs Effets et de leur Criticit

Analyse Prliminaire de dangers

Analyse Prliminaire des Risques

Basic Process Control System

Common Cause Failure

Center for Chemical Process Safety

Distributed Control System

Equipment Under Control

Flow Indicator Controller Alarm

Flow Recorder Alarm

Flow Emergency Shutdown

Hazard and Operability Study

Independent Protection Layer

Institut National de lEnvironnement Industriel et des Risques

International Standard Organisation

Layers of Protection Analysis

Piping and Instrumentation Diagram

Pressure Controller Valve

Probability of Failure on Demand

Process Hazard Analysis

Pressure Indicator Alarm

Programmable Logic Controller

Pressure Emergency Shutdown

Safety Instrumented Function

Safety Integrity Level

Safety Instrumented System

Temperature Recorder Alarm

Temperature Recorder Controller Alarm

Temperature Emergency Shutdown

plus sensible la matrise des

accidents majeurs cause des consquences graves et mme catastrophiques matrielles,

Les approches, floue et