当前的世界环境

介绍

对失败的分析及其影响返回四十年前。FMEA模型首先用于1960年美国宇航局的阿波罗航天器生产。然后，它于20世纪70年代和20世纪80年代用于核设施。此外，它自1977年以来已在汽车行业中使用。从2000年开始，它被认为是评估所有行业风险的最常用方法。

为了分析一种现象或危机的潜在风险，需要可靠的技术和有效的工具。铁路运输火灾风险评估有多种方法。其中一个例子是2013年伊朗Daneshvar等人使用错误分析树对地铁隧道火灾风险进行评估，以确定德黑兰地铁DC列车火灾的原因。潜在缺陷及其影响评价技术(FMEA)是了解潜在缺陷状态及其影响的有效手段，以提高复杂系统的有效性和安全性，并在风险管理中收集必要的数据进行决策。事实上，使用这种技术的目的是识别缺陷及其影响，采取纠正措施以消除或减少故障可能性(重新设计系统)，并开发有效的维护系统以减少潜在的缺陷状态(Bolbol Amiri和Farnad, 2009)。

在伊朗,Bolbol Amiri和Asadi拉里(2010)研究了火灾风险评估在伊朗客运列车使用FMEA和灰色模糊理论来识别导致列车火灾的因素及其原因三个系统的发电机,电力和通风客运马车和蒸汽发生器。在确定危险因素时，首先从探测器和车辆材料等安全设备的性能和燃烧性能两个方面讨论了火灾中有效的参数。此外，还讨论了一些组织上的失误，如缺乏足够的护理。例如，对马车某些部分的可燃性缺乏有效的控制是可能加剧火灾效应的一个因素。为了对风险进行评价，采用了理论模糊FMEA分析方法，虽然上述定性方法不如定量分析方法精确，但它有助于识别高风险危害，作出更精确的评价。例如，在风险评估的输出方面，发动机的缺陷被认为是上述三个系统中的高风险。

Jafarian和Rezvani（2010年）提出了一项研究，题为通过统一事件的树分析评估乘客训练中的火灾造成的不良事件的死亡率评估。他们得出结论，在乘客列车的火灾事件中，其中24个方案可以忽略不计，24个方案有64个不同的情景，9个方案有严重的事件，2场景导致了灾难性的后果，并导致灾难性后果。

Daneshvar等人(2013)在一项名为《德黑兰地铁列车均匀电流架空电阻火灾风险评估》的研究中，试图找出导致德黑兰地铁PC列车火灾的原因。他们提出，通过计算1.3年的可能风险和错误树最终事件的频率分布，一些因素，如缺乏预防性维修的系统计划，缺乏正确的服务，设备质量不合适，德黑兰地铁PC列车发生火灾的最主要原因是由于车顶强度列车缺乏监测温度变化的内置数据记录仪，以及列车工程师工作不当。

在一篇文章中，通过AHP，Zivdar和Shahbaznejad（2014）的分层分析模型，在铁路隧道中的乘客训练中造成的损坏评估了损失，使用了一些诸如弧的半径的指数，隧道的横截面tunnel’s proximity to nearby stations and tunnels window to estimate the vulnerability of tunnels. They also defined five interval-low, average, high, very high, critical. They concluded that over %60of high tunnels of Zagros Railway (depending on the length of the tunnel) lie in the high to critical range of vulnerability against fire.

Hudson（2001）在伦敦1992年到1999年提出了一份火灾的报告，表明％44铁路车辆设备和％56乘客列车有助于火灾。几乎，在伦敦南部的东部发生了90％的运营服务中的arsons。％53的Arsons与运营服务有关。基于技术计算，其中3个火车和铁路车辆被烧毁。

Seong et al.(2009)在研究生命安全评价的同时开始研究火灾模拟。他们研究了两个地铁站的站台屏蔽门(PSDs)在最后时刻的影响，让乘客逃离火灾和烟雾。结果表明，与无通风系统和无通风系统的站台相比，有通风系统和无通风系统的站台的乘客有350多秒的逃生时间。在研究火灾烟气流动、有毒气体浓度和行人视线的同时，研究不同的通风模式来排放和控制隧道、地铁站和居民区的烟气，以获得舒适的条件，降低因吸入有毒气体而导致的死亡率。

Lin和Chuah（2008）通过模拟在火灾中研究了各种通风在隧道中的影响。模拟包括单风扇和多风扇系统。考虑临界速度，可视性范围，一氧化根和温度分布。结果表明，最佳性能是一个风扇系统，乘客逃逸的最有效因素是可见性和烟雾层的温度。

本研究试图考虑客运列车隧道火灾前后火灾风险评估中的两个重要问题，这两个问题过去一直被忽视或研究不足。例如，在Bolbol Amiri和Asadi Lari(2010)的研究中，仅使用FMEA和理论模型对导致客运列车火灾的风险因素进行了研究。他们的结论被用于当前的研究。在以前的研究中，火车火灾没有考虑到伊朗铁路隧道的长度问题。除了很少有关于德黑兰地铁火灾的研究外，尽管国外进行了大量的研究，在伊朗没有其他的研究在这方面进行。值得注意的是，伊朗铁路经过扎格罗斯、洛雷斯坦、北韩等地，有难以通行的路线和长隧道。与城市轨道交通相比，这些地区面临的挑战要多得多。这些潜在风险的研究是对长铁路隧道(1000米以上)，特别是扎格罗斯铁路隧道在关键事件中发生条件的响应。在伊朗国家铁路的这一地区，即使在重建和整修隧道时，也充满了对工人的危害，因为隧道内缺乏通风，而且存在着有毒气体和机车烟雾造成的大量污染，有时导致人的死亡。也许有人认为列车内部的往复运动足以使隧道通风，但这种运动仅在较短的隧道中有效，而在较长的隧道尤其是小半径弯道中不够。 Also, the pollution caused by fire mixed with toxic gases from diesels exceed the tolerance threshold.

研究方法论

利用文献资料和网络资料，收集了应用FMEA评估客运列车火灾风险和铁路隧道火灾危机的历史、原理和理论基础。借助专家的观点评估扎格罗斯的火车站和隧道特别是在最高的悬崖直接位于后(22号隧道2481米和隧道23号在Tele-zang 2525米,Tange 5),并考虑解雇的历史最长的铁路隧道,确定扎格罗斯铁路隧道可能存在的火灾风险，然后利用FMEA模型和模糊理论计算各风险的风险优先数(RPN)。

程序

在FMEA中必须强调三点:发生的可能性，风险的严重性和检测的可能性。发生的可能性是指失败的可能性或失败的数量与完成的进程数量的比较。严重可能性是指对失效结果的评价和度量，实际上是定义失效影响严重程度的一个评价尺度。此外，检测点指向故障发生前检测的可能性。检测的值和等级取决于控制过程。检测是发现故障原因和机制的控制能力。

RPN计算：风险优先级的分数

风险优先级编号:(严重性*发生*检测）。

风险可以根据上述三个因素进行排名。这种分类为1到10（底部到上）。如果这些因素的得分相乘，则将针对每个潜在风险的模式及其效果计算风险优先级。应立即研究具有更高RPN的那些失败模式，以便确定其原因。获得的RPN被称为风险优先级。很明显，最终测量是1到1000之间的数字。

鉴定Zagros铁路隧道乘用车火灾风险

在两方面可以考虑乘客列车的火灾风险：

导致客运列车发生火灾的风险（风险类型1）：

主要是，这导致缺陷和技术问题。在使用FMEA的第一格式识别风险之后（表1），确定了严重程度，发生（O）和检测（D）的参数，然后可以使用以下公式来计算RPN（表2）。

RPN =严重性乘以发生乘以检测。

表1:FMEA的第一种形式 点击这里查看表格

表2：在隧道中乘客列车前火灾前的FMEA完成报告 点击这里查看表格

旅客列车在隧道内发生火警后可能发生的危险(第二类危险)

在该步骤中，鉴定火灾后发生的可能风险，然后它们以FMEA的形式放置，并计算RPN。

表3:完成的隧道列车火灾风险FMEA报告 点击这里查看表格

应用模糊理论提高FMEA模型的性能

由于FMEA模型目标之一是选择改进的性能来降低风险和缺陷，因此必须强调具有更高缺陷风险的选项。因此，总有一个RPN，其是严重性，发生概率和检测概率的乘积。

项= S * O * D

最后，RPN可以识别可能的原因并定义纠正措施和高风险误差的来源。在这种方法中，人类思维和感觉是操作的基础。因此，我们面临一个模糊的概念，这在三个参数中不能精确定量。另一方面，在具有多个专业的团队中，归因于风险因素的数量是如此困难，并且在成员之间可能发生分歧。关于误差和效果分析系统中不合规性的终极决策的必要性，似乎模糊理论能够为计算RPN计算所需的模糊和不精确的变量来提供数学配置，以及铺平了不整合原因的最终优先级的方法。（Kyanfar等，1383）。

通过模糊理论计算风险优先程度的模型

为了通过模糊理论计算优先风险程度和优先误差和影响，需要两个主要步骤:

选择模糊的会员函数

用五个语言变量(very low, low, average, high, very high)来表示所有的影响因素(severity, error occurrence probability, error detection probability)，来计算模糊隶属函数。

值为“口头变量= t（x）= {非常低，低，平均，高，非常高}

U(参考集)的范围= [0,1]

口头变量的成员函数如下：

图1：口头变量的隶属函数 点击此处查看数字

使用非模糊法(模糊数左右排序)

模糊数的左右数计算方法如下:

因此，利用模糊数左右排序的方法，对模糊数的语言变量给予一定的实数分数，为每个模糊数赋予一个确定的分数。(表4)。使用严重性、发生和检测的乘积FMEA模型获得精确参数后，我们对风险和影响进行优先排序。

表4:对每个模糊数分配的左右精确值进行评分

FMEA表通过三角模糊隶属度函数(火灾前)

在这里，可能风险的每个参数都会给出关于其值的口头变量。

表5：FMEA表通过三角模糊会员函数（在射击前） 点击这里查看表格

运用模糊理论对表2中的数字进行修正

根据表4的结果（模糊隶属函数），没有发生发生概率，检测概率，严重程度和RPN的模糊值，用于改善FMEA模型的性能，如表6所示。

表6:发生概率、检测概率、严重性、RPN-修正后的EFMA模型参数的非模糊值 点击这里查看表格

通过三角模糊隶属函数的FMEA表(起火后风险2)

在本节中，将口头变量分配给可能存在于其在表7中的值的可能风险的每个参数。

表7:FMEA表通过三角模糊隶属度函数烧制后

用模糊理论对表2中的数字进行修正

根据表4(模糊隶属度函数)的结果，利用发生概率、检测概率、严重性和RPN的非模糊值来改进FMEA模型的性能，如表8所示。

表8:发生概率、检测概率、严重性、RPN-修正后的EFMA模型的非模糊值

结论

在铁路隧道客运列车火灾风险评估中，可分为两类风险。危险类型1(着火前)导致火车着火，最重要的因素(优先级1)-表6-包括发电机涡轮增压器的高温，以及发动机排气歧管的高温。燃油从喷油器泵的管道溢出，喷油器泵的输出接头软管，过滤器，以及安全系统(保险丝，压力和恒温器)的故障被认为是平均优先级。电器板内电线温度过高，电器板内存在易燃材料、灰尘、纸张和纸板等，会导致火灾，这是最后考虑的问题。因此，应采取一些特殊的预防措施，包括对变流器、发电机、车辆制动系统、机械因素和电子因素的连续控制和检查，此外，更换损坏或有缺陷的部件是必不可少的。培训人员必须接受技术培训。在风险类型2的评估中，如表8所示，最重要和高风险的参数被分配给扎格罗斯铁路22和23隧道。隧道后面的悬崖、乘客的疏散、冲到出口逃生被认为是加剧火灾效应的因素。它可以得出结论,在旅客列车火灾研究和案例研究的每个部分国家铁路的方法是非常重要的,比较模式的相似之处,和解决方案在每个区域可以用来给反应一定的风险在每个区域,但每一种都有其各自的特点。此外，火灾后发生的情景对损害的增加和人类死亡率有直接影响。 So, the risk type 2 is more serious than the risk type 1.

参考文献

1. Bolbol Amiri, N， & Nasir Zadeh, f.(2009)。应用FMEA模糊方法进行与地铁系统故障、信号、线索、控制和接触相关的风险评估，第二届国际铁路工程最新发展会议。
2. Bolbol Amiri, N， & Asadi Lari, E.(2010)。基于FMEA模糊、收敛理论的伊朗客运列车火灾风险评估，交通工程，第一年，N. 4。
3. Daneshvar，S.，Mortazavi，S. B.，＆ATR Kar Roshan，S。（1392）。火灾风险评估的抗性在德黑兰地铁流动流动，通过误差分析，职业医学专家，第五卷，第3号PP。42-48。
4. 哈德逊,美国(2001年)。为更安全的铁路工作的铁路安全:火车火灾专题报告，由安全总监出版。策略与风险尤斯顿路伦敦NW12DX。
5. jafarian，a。，＆rezvani，m。e。（2010）。评估乘客列车通过错误分析和统一事件，第七届工业工程大会，伊斯法罕第七届国际会议造成的不良事件损失。
6. Kyianfar，F.，Najmi，M.，＆Ebrahimi，M。（2004）。通过模糊理论，第二次国际管理层，德黑兰，Ariana研究部，Sanati Shif大学管理与经济部的第一次国际管理层，德黑兰国际会议，计算风险偏好程度。
7. 林志强、赵永强(2008)。基于数值模拟的长隧道排烟策略研究。《隧道与地下空间技术》，23，页522-530。
8. Seong, J. H.， Ryon, H. S.， Park, W. H. & Jang, Y. J.(2009)。地铁列车火灾中生命安全的CFD模拟与评估，隧道与地下空间技术，24，第47-453页。
9. Zivdar，H.，＆Shahbaz Nejad，H.（20014）。通过透视隧道的乘客列车中的漏洞评估（ZAGROS铁路案例研究），伊朗的高速铁路全国大会。