Probability

Études des dangers : banques de données et pondération des valeurs

La quantification des risques industriels nécessite d’évaluer les deux composantes du risque que sont la probabilité et la gravité de phénomènes dangereux tels que les incendies ou les explosions.

De plus en plus, l’évaluation de la probabilité repose sur la mise en œuvre de méthodologies dites probabilistes qui prennent en compte de nombreux paramètres parmi lesquels on peut citer la fréquence des événements redoutés, les probabilités de défaillances des barrières de sécurité et les probabilités d’inflammation.

Ces différents paramètres peuvent être quantifiés en ayant recours à des banques de données. Cette manière de procéder a pour principal intérêt d’être relativement simple à mettre en œuvre. En revanche, une question subsiste : les valeurs rapportées dans les banques de données sont-elles représentatives du cas étudié ?

Dès lors, afin d’adapter les valeurs issues des banques au cas étudié, il est fréquent que l’analyste « pondère » les valeurs pour tenter de retranscrire certaines spécificités du cas étudié. Dans le cadre des analyses de risques quantifiées, le paramètre le plus fréquemment « pondéré » est incontestablement la fréquence de fuite sur canalisation.

>
• Ressources documentaires
>
• Environnement - Sécurité
>
• Environnement
>
• Gérer une installation classée

• >   Dans : Maîtriser le risque chimique - management, santé et sécurité dans l’entreprise
• |
• Réf : dt118

Les fiches pratiques répondent à des besoins opérationnels et accompagnent le professionnel en le guidant étape par étape dans la réalisation d'une action concrète.

Agrégation de phénomènes dangereux

L’évolution de la réglementation initiée par la loi n° 2003-699 du 30 juillet 2003 a eu pour effet d’inciter les industriels à analyser de manière exhaustive les différents scénarios d’accidents susceptibles de se produire sur leurs installations. Par exemple, la prise en compte de différentes tailles de brèches sur les équipements, ou celle systématique du fonctionnement et du non-fonctionnement des mesures de maîtrise des risques (MMR) a entraîné une « explosion » du nombre de phénomènes dangereux positionnés dans la grille d’appréciation des risques. Pour respecter la règle d’acceptabilité de la circulaire du 10 mai 2010, des agrégations de phénomènes sont donc proposées par les industriels. On peut alors observer à ce jour qu’à installations équivalentes, le nombre de phénomènes dangereux présentés dans la grille d’appréciation des risques peut différer. Dès lors, découlent trois principales questions :

• Existe-t-il des règles précisant la nature des agrégations possibles ?
• Quel est le principe de l’agrégation ?
• Quelles sont les agrégations les plus courantes ?

>
• Ressources documentaires
>
• Environnement - Sécurité
>
• Métier : responsable environnement
>
• ICPE : répondre aux exigences réglementaires

• >   Dans : ICPE : répondre aux exigences réglementaires
• |
• Réf : dt27

180 fiches actions pour auditer et améliorer vos réponses aux obligations relatives aux installations classées pour la protection de l'environnement

Comprendre l’approche bayésienne dans le cadre de la métrologie

Vous disposez d’un élément à mesurer/analyser : cet élément peut être une cale étalon, une solution étalon, un matériau de référence, une source étalon d’un radionucléide… ou un échantillon inconnu (prélevé au sein d’un lot, d’une série, d’une production…).

Vous vous intéressez à une propriété mesurable de cet élément. Cette propriété d’intérêt pourrait être « définie à un niveau de détail suffisant pour être raisonnablement représentée par une valeur vraie par essence unique » (guide ISO/CEI 98-4 : 2013).

Avant de réaliser la mesure de cette propriété d’intérêt, vous avez déjà une connaissance « a priori » de la valeur de mesure attendue, soit par des mesures antérieures de ce même mesurande (un étalon mesuré périodiquement…), soit par des mesures antérieures d’éléments similaires (lots antérieurs réalisés dans les mêmes conditions de production avec un processus sous contrôle…), soit par des résultats de codes de calculs ou de simulation numérique…

Cette fiche présente simplement comment l’approche bayésienne permet de prendre en compte cette connaissance « a priori » lors de l’estimation de la valeur vraie du mesurande et de l’incertitude associée à cette estimation. Elle montre également l’intérêt de la prise en compte de ces informations « a priori » et les limites de cet exercice.

>
• Ressources documentaires
>
• Mesures - Analyses
>
• Qualité et sécurité au laboratoire
>
• Des bonnes pratiques en laboratoire à l’accréditation

• >   Dans : Des bonnes pratiques en laboratoire à l’accréditation
• |
• Réf : dt108

Les fiches pratiques répondent à des besoins opérationnels et accompagnent le professionnel en le guidant étape par étape dans la réalisation d'une action concrète.