基于動(dòng)態(tài)故障樹(shù)理論化工企業(yè)事故危險(xiǎn)性分析

高梓涵, 張福群

(沈陽(yáng)化工大學(xué) 環(huán)境與安全工程學(xué)院, 遼寧 沈陽(yáng) 110142)

在我國(guó),化工已經(jīng)被視為國(guó)家經(jīng)濟(jì)的命脈之一.隨著我國(guó)經(jīng)濟(jì)的逐步發(fā)展、化工產(chǎn)品的普遍化,人們對(duì)化工產(chǎn)品的依賴也逐漸增強(qiáng),大到軍事用品、航空材料,小到我們的生活日用品等[1].化工產(chǎn)品消費(fèi)的提高,使得化工行業(yè)快速成長(zhǎng).但是傳統(tǒng)化工行業(yè)的生產(chǎn)工藝復(fù)雜、安全隱患大,使得化工企業(yè)的事故預(yù)防工作十分復(fù)雜.只有全面分析和管理化工行業(yè)的風(fēng)險(xiǎn),進(jìn)一步研究和完善已建立的化工事故風(fēng)險(xiǎn)評(píng)估體系,才能有效地預(yù)防事故的發(fā)生[2].傳統(tǒng)故障樹(shù)需要準(zhǔn)確了解潛在事件的發(fā)生概率,并且對(duì)具有動(dòng)態(tài)特征的故障無(wú)法評(píng)估,而實(shí)際化工系統(tǒng)具有模糊性和動(dòng)態(tài)性,傳統(tǒng)的故障樹(shù)方法已不適用于現(xiàn)代工業(yè)系統(tǒng)的故障診斷,因此,需要與其他技術(shù)方法相結(jié)合以提高該方法的適用性[3].為了描述和分析動(dòng)態(tài)系統(tǒng),弗吉尼亞大學(xué)的Dugan教授于1992年擴(kuò)展了靜態(tài)故障樹(shù)(SFT)模型,用于空間站和空中交通管制動(dòng)態(tài)系統(tǒng)的可靠性分析,并提出了動(dòng)態(tài)故障樹(shù)(dynamic fault tree,DFT),彌補(bǔ)了靜態(tài)故障樹(shù)應(yīng)用范圍較窄的不足.運(yùn)用安全分析的科學(xué)方法和基本原理,使企業(yè)的安全管理向科學(xué)化、規(guī)范化、有序化的方向發(fā)展,確保經(jīng)濟(jì)安全穩(wěn)定運(yùn)行和可持續(xù)發(fā)展.

本文采用動(dòng)態(tài)故障樹(shù)分析法,對(duì)合成氨工藝中存在的中毒事故危險(xiǎn)因素進(jìn)行分析,通過(guò)分析確定底事件相對(duì)于頂層事件的重要度及影響,精確計(jì)算事故發(fā)生的概率,并進(jìn)行有效預(yù)防.通過(guò)對(duì)繁瑣故障樹(shù)的簡(jiǎn)化,在不影響最終結(jié)果的前提下,極大地減少了計(jì)算量.與傳統(tǒng)的故障樹(shù)方法相比,動(dòng)態(tài)故障樹(shù)分析法適用范圍更廣.

1 動(dòng)態(tài)故障樹(shù)方法簡(jiǎn)介

動(dòng)態(tài)故障樹(shù)方法(DFTA)是指至少包含一個(gè)動(dòng)態(tài)邏輯門(mén)的故障樹(shù),并在傳統(tǒng)故障樹(shù)基礎(chǔ)上進(jìn)行擴(kuò)充.它結(jié)合了故障樹(shù)分析和馬爾可夫鏈方法的優(yōu)點(diǎn),是解決具有動(dòng)態(tài)特性系統(tǒng)可靠性分析的有效方法.二叉決策圖(binary decision diagrams,BDD)是近年來(lái)開(kāi)發(fā)的一種新的故障樹(shù)分析方法,它源于Shannon定理.BDD方法在解決一些復(fù)雜的故障樹(shù)問(wèn)題以及計(jì)算頂事件概率方面非常有效,比其他方法快得多,并且可以有效地解決原始故障樹(shù)分析所面臨的問(wèn)題.通過(guò)將故障樹(shù)轉(zhuǎn)換為僅包含底部事件而不依賴中間事件的圖形,BDD的布爾函數(shù)可以直接用于定性和定量分析.首先,對(duì)動(dòng)態(tài)故障樹(shù)進(jìn)行模塊化,以獲得獨(dú)立的靜態(tài)子樹(shù)和動(dòng)態(tài)子樹(shù);然后,分別通過(guò)BDD圖法和馬爾可夫過(guò)程法求解[4].與其他方法相比,動(dòng)態(tài)故障樹(shù)方法在解決生產(chǎn)過(guò)程中動(dòng)力學(xué)復(fù)雜、事故種類(lèi)繁多的化工系統(tǒng)診斷問(wèn)題上具有更大的優(yōu)勢(shì).因此,本文選擇動(dòng)態(tài)故障樹(shù)分析方法來(lái)診斷化工設(shè)備的故障.下面以某化工企業(yè)中毒事故為例,建立動(dòng)態(tài)故障樹(shù)模型并進(jìn)行風(fēng)險(xiǎn)分析.

2 企業(yè)中毒或窒息事故危險(xiǎn)性分析

確定故障樹(shù)的頂事件為轉(zhuǎn)化單元發(fā)生中毒或窒息事故.該事件是在有毒氣體泄漏而未及時(shí)控制泄漏事件的情況下發(fā)生的.考慮到系統(tǒng)的復(fù)雜性,綜合多方面的因素,建立毒氣泄漏事故的動(dòng)態(tài)故障樹(shù),該故障樹(shù)由靜態(tài)邏輯門(mén)的與門(mén)和或門(mén)以及動(dòng)態(tài)邏輯門(mén)優(yōu)先與門(mén)(PAND)組成(見(jiàn)圖1).

T—中毒或窒息; G1—泄漏; G2—未及時(shí)控制泄漏事件; G3—腐蝕; G4—未發(fā)現(xiàn); G5—控制失誤; X1—存在有毒氣體;X2—人失誤; X3—材質(zhì)不合格; X4—催化劑結(jié)碳,爐管燒穿; X5—焦?fàn)t氣中含有硫化氫; X6—副反應(yīng)生成物中含有二氧化碳;X7—生成物中含有氫氣; X8—加入二段爐的空氣中有氮?dú)? X9—無(wú)報(bào)警器; X10—報(bào)警器故障; X11—通風(fēng)條件差;X12—設(shè)備故障; M1—?jiǎng)討B(tài)子樹(shù)模塊; M2、M3—靜態(tài)子樹(shù)模塊.

2.1 基于BDD的危險(xiǎn)性分析

由于M2、M3模塊底事件較多,過(guò)程比較復(fù)雜,因此,需要將原有故障樹(shù)轉(zhuǎn)化為相應(yīng)的僅含底事件的BDD,并確定M2、M3的最小割集合,通過(guò)這種方法計(jì)算頂事件的失效概率.

(1) G3靜態(tài)子樹(shù)對(duì)應(yīng)的BDD如圖2所示.在BDD中,底事件{X5}、{X6}、{X7}、{X8}為中間節(jié)點(diǎn).通過(guò)BDD求解單調(diào)關(guān)聯(lián)故障樹(shù)最小割集的過(guò)程如下:

圖2 G3對(duì)應(yīng)的BDD

① 搜索BDD中從根節(jié)點(diǎn)到葉節(jié)點(diǎn)為1的路徑,則圖2中葉節(jié)點(diǎn)為1的路徑為X5、X6、X7、X8.

② 對(duì)BDD進(jìn)行分析可得:靜態(tài)子樹(shù)G3的割集為{X5}、{X6}、{X7}、{X8}.

由于X5故障概率為3×10-6/h,X6故障概率為10-5/h,X7故障概率為10-3/h,X8故障概率為3×10-4/h,則頂事件G3故障概率為1.01×10-5/h.

(2) M2靜態(tài)子樹(shù)對(duì)應(yīng)的BDD如圖3所示.在BDD圖中,底事件{X2}、{X3}、{X4}、{G3}為中間節(jié)點(diǎn).通過(guò)BDD求解單調(diào)關(guān)聯(lián)故障樹(shù)最小割集的過(guò)程如下:

圖3 M2對(duì)應(yīng)的BDD

① 搜索BDD中從根節(jié)點(diǎn)到葉節(jié)點(diǎn)為1的路徑,則圖3中葉節(jié)點(diǎn)為1的路徑為X2、X3、X4、G3.

② 對(duì)BDD進(jìn)行分析可得:靜態(tài)子樹(shù)M2的割集為{X2}、{X3}、{X4}、{G3}.由于X2失效概率為10-5/h,X3故障概率為3×10-4/h,X4故障概率為10-4/h,G3失效概率為1.01×10-5/h,則靜態(tài)子模塊M2的失效概率為3.21×10-4/h.

(3) M3靜態(tài)子樹(shù)對(duì)應(yīng)的BDD如圖4所示.底事件{X9}、{X10}、{X2}、{X11}、{X12}為中間節(jié)點(diǎn).通過(guò)BDD求解單調(diào)關(guān)聯(lián)故障樹(shù)最小割集的過(guò)程如下:

圖4 M3對(duì)應(yīng)的BDD

搜索BDD中從根節(jié)點(diǎn)到葉節(jié)點(diǎn)為1的路徑,則圖4中葉節(jié)點(diǎn)為1的路徑為X9、X10、X2、X11、X12,則靜態(tài)子樹(shù)M3的割集為{X9}、{X10}、{X2}、{X11}、{X12}.M3失效概率為7.1×10-5/h.

2.2 基于馬爾科夫模型的危險(xiǎn)性分析

由于轉(zhuǎn)化單元中含有動(dòng)態(tài)邏輯門(mén),所以不能采用傳統(tǒng)的故障樹(shù)分析法進(jìn)行分析,而是采用構(gòu)建馬爾科夫模型這一方法進(jìn)行分析.

從圖1中可以看出,M2、M3為靜態(tài)故障子樹(shù),M1為動(dòng)態(tài)子樹(shù).用馬爾科夫鏈法進(jìn)行分析,動(dòng)態(tài)子模塊M1及相應(yīng)的馬爾可夫轉(zhuǎn)移鏈如圖5所示.利用馬爾科夫過(guò)程分析圖5中的動(dòng)態(tài)故障樹(shù),在該馬爾可夫鏈轉(zhuǎn)移圖中, 000狀態(tài)表示正常運(yùn)行狀態(tài), Op表示毒氣泄漏事故未發(fā)生,Fa表示發(fā)生毒氣泄漏事故.每次事件都是相對(duì)獨(dú)立的,并且只有Op、Fa兩種工作狀態(tài).

Fa—故障;Op—正常.

在圖5中,從故障狀態(tài)回溯,得到馬爾科夫鏈000→100→110→Fa.

由此得到動(dòng)態(tài)子樹(shù)的故障模式為

X1→G1→G2.

綜合以上結(jié)果,對(duì)故障子樹(shù)進(jìn)行合成運(yùn)算,針對(duì)較為復(fù)雜的系統(tǒng)可以使用割序法列出系統(tǒng)的結(jié)構(gòu)函數(shù),運(yùn)用時(shí)間規(guī)則得出系統(tǒng)失效模式.

由于X1故障概率為3×10-4/h,G1故障概率3.21×10-4/h,G2失效概率為7.1×10-5/h,則頂事件T發(fā)生概率為1.129×10-4/h.

3 結(jié)束語(yǔ)

通過(guò)上述分析計(jì)算可知:首先,將動(dòng)態(tài)故障樹(shù)進(jìn)行模塊化分解成靜態(tài)子樹(shù)和動(dòng)態(tài)子樹(shù);然后,分別利用BDD和馬爾可夫鏈進(jìn)行分析,并通過(guò)計(jì)算得出各模塊在系統(tǒng)中的發(fā)生概率,得出該系統(tǒng)的失效模式.由各個(gè)模塊的BDD及馬爾科夫鏈圖分析得出,底事件X1的危險(xiǎn)性最大,其次是X2的危險(xiǎn)性大,在生產(chǎn)中要特別注意對(duì)X1、X2的安全防護(hù).

現(xiàn)代工業(yè)生產(chǎn)過(guò)程的運(yùn)行模式種類(lèi)繁多,運(yùn)用有效的故障檢測(cè)技術(shù)能夠保證生產(chǎn)的正常進(jìn)行[5].傳統(tǒng)故障樹(shù)作為安全評(píng)價(jià)方法的一種,有著靈活性、直接性、適用范圍廣等優(yōu)點(diǎn),但是其本身有一定局限性.本文在傳統(tǒng)故障樹(shù)的基礎(chǔ)上同時(shí)引入模塊化的概念,提出構(gòu)建動(dòng)態(tài)故障樹(shù)以對(duì)化工系統(tǒng)中中毒或窒息事故進(jìn)行診斷分析.該方法既可以包含傳統(tǒng)故障樹(shù)優(yōu)點(diǎn),又能夠處理含有動(dòng)態(tài)邏輯門(mén)的復(fù)雜性故障樹(shù)問(wèn)題,能夠更好地解決化工行業(yè)實(shí)際生產(chǎn)過(guò)程中出現(xiàn)的各種問(wèn)題.