Modelling the impacts of fire in a typical FLNG processing facility
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the past oil and gas industry had experienced numerous major accidents with catastrophic consequences. Among oil and gas processing technologies, floating liquefied natural gas (FLNG) is an emerging technology which has no operational experiences or lesson learnt to date. In any processing facilities, fire is considered as one of the major hazards. A risk due to fire is considered as the most critical among all other potential risk in FLNG processing facilities due to inherent flammable hazards of hydrocarbons, hydrodynamic interactions, high pressures and their synergistic effects. There is a need of an adequate fire risk assessment and consequence analysis of FLNG processing facilities. Therefore, this study proposes a novel risk-based methodology for modelling the impacts of fire event in a typical FLNG processing facility. The impacts of fire event on adjacent assets and personnel are assessed considering a credible leakage of LNG with an immediate ignition. The scenario is computationally simulated using Fire Dynamic Simulator (FDS). The results of the simulation are used for impact assessment based on predefined criteria and safety measured design is considered to mitigate or avoid the impacts. As part of the safety measured design, a generic water deluge system is installed adjacent to fire location. After the activation of the water deluge system, it is found that the impacts and corresponding risk are significantly reduced. It is evident that the proposed methodology can assess fire impact and manage the associated risks. Additionally, the methodology can be used further for assessing primary propagation of domino effects in a complex processing facility.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle