Nachfolgendes Video zeigt eine Teilaufzeichnung des Webinars. Für das Abspielen ist das Kennwort notwendig. Das Kennwort ist den Mitgliedern von SFPE Switzerland vorenthalten und ist dort im Memberbereich von sfpe.ch abgelegt.
Am 4. Februar 2021 findet als ZOOM-Webinar das SFPE Switzerland-Kolloquium 01/2021 mit Professor Dr. Lukas Arnold als Referent statt. In seinen Ausführungen geht er auf die Thematik “Modelling the flame spread” ein.
Das Webinar findet in Englischer Sprache statt, es erfolgt keine Übersetzung. Eine Anmeldung zu diesem Webinar ist zwingend erforderlich. Auch Gäste und somit Nicht-SFPE-Switzerland-Mitglieder können sich gerne für das Webinar registrieren und sind herzlich willkommen. Das Schweizer Chapter von SFPE – weltweite Vereinigung von Fachleuten im Brandschutzingenieurswesen – und der Referent freuen sich über Ihr reges Interesse an einer Teilnahme. Das Webinar wird über die Plattform “ZOOM” abgewickelt, die Zugangsdaten folgen 1 Arbeitstag vor Veranstaltungsbeginn per E-Mail. Details zum Anlass finden Sie in der nachfolgenden Übersicht.
Wir freuen uns auf Sie.
Ein paar Teaser zum Inhalt:
A common engineering practice is to use design fires for the simulation of the smoke and fire spread in a compartment. Besides the ease of the definition of the target heat release curve, no material properties are needed for the flame spread modelling. However, the downside of this approach is, that the result, i.e. the development of the fire, here particularly the heat release rate, is pre-defined and thus environmental effects, like ventilation, heat feedback or extinguishment systems can not be dynamically taken into account.
In this talk, the fundamental approaches for a self-consistent modelling of the fire development and flame spread are outlined. As many of them depend on empirical data, e.g. specific heat release rates or material parameters, a few selected experimental methods are discussed. Using cable fires as an example, an approach to model flame spread based on material properties is demonstrated and compared to other methods. Especially, the application of the inverse modelling framework PROPTI is presented.
