Contribution à la formalisation unifiée des connaissances fonctionnelles et organisationnelles d'un système industriel en vue d'une évaluation quantitative des risques et de l'impact des barrières envisagées

Contribution to the unified formalization of functional and organizational knowledge of an industrial system for a quantitative risks assessment and an estimation of barrier impacts

• Auteur / Autrice : Aurélie Léger
• Direction : Benoît Iung
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 28/05/2009
• Etablissement(s) : Nancy 1
• Ecole(s) doctorale(s) : IAEM Lorraine
• Partenaire(s) de recherche : Laboratoire : CRAN
• Jury : Président / Présidente : Daniel Noyes
• Jury : Examinateurs / Examinatrices : Benoît Iung, Patrick Millot, Daniel Noyes, Carole Duval, Régis Farret, Eric Levrat, Philippe Weber, Enrico Zio
• Jury : Rapporteurs / Rapporteuses : Patrick Millot, Daniel Noyes

Mots clés

Mots clés contrôlés

Statistique bayésienne

Risques industriels

Mots clés libres

Systèmes socio-techniques

Résumé

Depuis la révolution industrielle, l'Homme développe des systèmes industriels pour satisfaire ses exigences de production. Mais exploiter ces installations n'est pas sans risques pour les utilisateurs. De ce fait, l'analyse des risques s'est largement développée durant ces dernières décennies. En effet, si dans les années 70, les études se focalisaient sur les défaillances technologiques, des accidents ont souligné l'importance des facteurs humains et organisationnels dans leur occurrence. Si bien que dans les années 80, des méthodes consacrées à l'identification de ces facteurs ont émergées. Ces études, impliquant différentes disciplines, étaient jusqu'alors conçues et conduites séparément les unes des autres. Cet état de fait amène à une sectorisation des analyses et ne permet pas d'avoir une vision globale de la situation étudiée. Mais, depuis peu, des méthodologies proposent d'intégrer (partiellement) ces dimensions dans la démarche d'analyse. Le manque d'intégration constitue aujourd'hui une problématique, scientifique et industrielle, pour les exploitants de systèmes critiques. Ainsi, notre contribution porte sur le développement d'une méthodologie permettant l'analyse de risques de systèmes socio-techniques en exploitation. Ce type d'analyse vise à probabiliser le risque à des fins d'aide à la décision. En ce sens, nous proposons une démarche de formalisation, d'intégration, de représentation et de modélisation des différentes connaissances du système. Le modèle présenté permet d'identifier l'ensemble des causes menant à l'occurrence d'un événement critique, en considérant les données techniques du système et les données liées aux opérateurs et à l'organisation.

Since the industrial revolution, human being develops industrial systems to meet his production needs. But the operation of such facilities involves risks for the users. As a result the risk analysis has expanded during these last decades. Indeed, if in the Seventies, the studies were focused on the technological failures, several major accidents have underlined the importance of human and organisational factors in their occurrence, and have changed this initial way of thinking. So that in the Eighties, different methods allowing an identification of these factors have emerged. These studies, implying different fields of expertise, were so far independently built and applied. This fact leads to sector-based analyses and prevents from having an overall view of the studied situation. But, recently, some methodologies propose to (partially) integrate these different methods to study risks in a global approach. This lack of integration constitutes nowadays a scientific and industrial issue for the owners of critical systems. Thus, our contribution concerns the development of a methodology enabling the risk analyses of socio-technical systems in operation. This kind of analysis aims to probabilistically estimate risks for helping the decision-making. In that way, we propose an approach that enables to formalise, integrate, characterise and represent the different knowledge of the system. Our model allows an identification of the whole of the causes that lead to the occurrence of a critical event, by considering the technical data of the system and the data related to human operators and organisational features.