APP下载

基于模糊贝叶斯的塔机施工安全风险评价研究

2018-12-05周剑学薛善治彭益璟

山东煤炭科技 2018年6期
关键词:贝叶斯损失概率

周剑学 薛善治 彭益璟

(1.煤炭工业济南设计研究院有限公司,山东 济南 250000;2.武汉科技大学管理学院,湖北 武汉 430000)

1 背景

塔式起重机是一种具有竖直塔身的全回转动臂起重机,施工过程中极易造成群死群伤的恶性事故。本文利用故障树转化形成的贝叶斯网络与模糊综合评判法相结合,提出基于贝叶斯网络的塔机施工风险模糊综合评估方法,对塔机施工风险进行评估,以期发现塔机工程建设的薄弱环节,并为其风险控制和管理提供参考依据。

2 塔机施工风险识别与评估方法

2.1 塔机施工安全事故贝叶斯网络的建立

2.1.1 塔机施工安全事故事故树作图

事故树分析法(FTA)[1]是在事故链理论的基础上发展而形成的。在事故链理论的基础上,如果将上一环节中包含的事故原因和下一环节包含的事故原因根据实际情况一一对应起来,就可以得到树形的事故树。事故树分析法是从特定事故或故障开始,层层分析其发生原因,直到找出事故的基本原因为止的方法,可以对事故的原因定性和定量分析。

本文将塔机施工过程中发生的事故作为顶上事件逐层分析事故发生的原因,建立塔机施工各种事故的事故树。

2.1.2 塔机施工安全事故贝叶斯网络的建立

贝叶斯网络方法具备描述事件多态性和故障逻辑关系不确定性的能力,既能用于预测,也可用于诊断。贝叶斯网络由定性部分(以DAG表示的网络拓扑结构)和定量部分(条件概率表)组成。通过基本事件的先验概率,通过各个节点间的条件概率可以对节点的后验概率进行推理运算。

2.2 塔机施工安全事故风险发生概率评价

为了尽可能对塔机施工安全风险作出准确的评价,需要对风险发生的概率和可能性等级之间建立模糊的对应关系。通过德尔菲法可以确定贝叶斯网络的参数,进而计算出风险事故和整体塔机作业风险的风险可能性的大小,对于工程实际情况,邀请专家组对风险事故概率区间作出划分。如表1所示。

表1 风险概率等级

2.3 塔机施工安全事故损失大小的模糊综合评价

风险损失是指塔机施工中风险事件一旦发生后所导致的各种损失后果,包括施工人员生命安全、经济财产、工程质量、施工工期以及自然环境的影响,表现为各种价值的损失大小等级。本文通过层次分析法的模糊综合评价[2]来进行各个风险损失值的计算。

2.3.1 建立因素集

根据建立起来的塔机施工风险评价指标体系,按照指标体系的风险层次结构来确定所需的因素集,U=(u1,u2,u3,u4,u5),各单因素子集为:U=(u11,u12,……,u1m),m为指标个数。

2.3.2 建立评价集合并量化

对评价对象即风险损失的评价结果进行模糊化,V=(v1,v2,…,v5)),n为评价等级个数,一般根据实际情况可以将评价等级划分为 4 个或 5个。本文把风险损失分为5个等级,如表2所示。

表2 风险损失分级

2.3.3 确定需评价风险因素对评价对象的权重

本文利用AHP法,通过判别矩阵对风险因素两两比较,求解各个判别矩阵的特征根λmax及其对应的特征向量,得到各个准则层各元素的相对权重,并最终得最低层元素对于总目标的排序权重。然后通过对判断矩阵进行必要的一致性检验,通常用一致性指标判别矩阵进行检验,而为了得到不一致程度的允许范围,

Saaty 又进一步引入了随机一致性指标 。通过表确定,计算一致性比率

再次对矩阵进行一致性检验,RI如表3所示:

表3 平均随机一致性指标RI

当CI≤0.1时,矩阵的一致性可接受;当CI>0.1时,如果矩阵A的一致性不满足要求,需重新邀请专家做再次评价,直到通过检验为止。这样就可以得出第一级评价因素对总目标的权重W,第二级评价因素对第一层中的元素的权重Wi。

2.3.4 建立单因素评价矩阵

在构造了等级模糊子集后,对每个因素进行量化,即各个Ri矩阵确定被评价对象对各等级模糊子集的隶属度,并最终得到模糊关系矩阵R。

2.3.5 模糊综合评价并确定最终评价得分

将每个因素的权重向量Wi与模糊关系矩阵合成就可以得到评价结果向量B。

最后可得出风险因素的隶属矩阵,然后根据CBi=Bi·VT求得各个风险事故的损失评价值。

2.4 风险等级标准

塔机施工风险评估中采用如下公式进行风险值计算:

式中:

R-危险因素的风险值;

P-风险发生的概率值;

C-风险后果的损失程度。

实际的施工情况,通过定量化的数据对具体塔机施工风险状况作出判断,并确定其风险水平的等级。如表4所示,在分别确定了风险概率和风险损失的等级之后,也要对施工风险作出等级划分。

表4 风险等级标准划分

3 实例分析

以某工程塔机施工为例,通过系统的危险源辨识,利用上文的评价模型,进行基于模糊贝叶斯网络的安全风险评价。

3.1 塔吊施工事故故障树分析

塔式起重机施工作业主要的安全事故类型有起吊物坠落伤人、塔吊倾塌、高处坠落、触电,其余事故类型不常见,通过防范措施可以避免。因此,首先考虑这几种事故类型进行风险评价。

图1 塔机高处坠落事故树

图2 塔机吊运物伤人坠落事故树

图3 塔机倾塌事故树

图4 塔机触电事故树

3.1.1 高处坠落事故树的建立

分析高处坠落事故原因建立高处坠落事故树,如图1所示,其中各个代码与专家打分后的发生概率为:T1高处坠落,M1防护措施失效,M2工人不小心坠落,X1未使用安全带0.47,X2安全带连接不牢靠0.49,X3安全带损坏0.38,X4工人失去平衡0.29,X5作业面环境差0.24,X6恶劣天气0.17。

3.1.2 吊运物坠落伤人事故树的建立

分析吊运物坠落伤人事故原因建立吊运物坠落伤人事故树,如图2所示,其中各个代码与专家打分后的发生概率为:T2吊物伤人,M3作业人员原因,M4塔机原因,M5吊运物原因,X7作业人员无资格0.42,X8操作失误0.49,X9指挥失误0.34,X10设备失灵0.27,X11质量缺陷0.29,X12钢丝绳损坏0.43,X13超载0.46,X14吊运物锋利割坏钢丝绳0.26,X15吊运物绑扎不牢0.17,X16大风天气作业0.12。

3.1.3 塔吊倒塌故障树建立

分析塔吊倒塌事故原因建立塔机倒塌事故树,如图3所示,其中各个代码与专家打分后的发生概率为:T3塔吊倾塌,M6超荷载提升,M7误操作塔吊脱轨,M8塔吊基础不合格,X17超负荷运行0.36,X18限制阀失灵0.24,X19人为操作失误0.39,X20轨道安装失误0.37,X21计算有误0.22,X22强度不合格0.26。

3.1.4 触电故障树的建立

分析触电事故原因建立塔机触电事故树,如图4所示,其中各个代码与专家打分后的发生概率为:T4触电,M9人触及带电体,M10防护措施失效,X23违章作业0.51,X24绝缘体失效0.27,X25作业环境不可靠0.21,X26作业时突然送电0.48,X27未使用绝缘工器具0.35,X28绝缘工器具质量不合格0.31。

3.2 故障树向贝叶斯网络的转化

根据故障树向贝叶斯网络转化的规则,借助贝叶斯仿真软件 Genie2.0建立塔机事故的贝叶斯网络模型。如图5所示。

图5 塔机施工作业风险贝叶斯网络模型

3.3 风险事故的概率评价

塔机施工风险贝叶斯网络中基本事件的概率都可以通过Genie2.0软件进行线性推理计算,将表4各个节点的连接概率输入进Genie软件,点击Update之后Genie就会自动计算每个节点的概率,最终求各类风险事件发生的概率。如表5所示。

表5 塔机风险事故概率评价

3.4 风险事故的损失评价

利用上文介绍的模糊综合评价方法根据每个风险事件的Ri,Ri通过专家意见得来,再由公式CBi=Bi·VT可以求得对应的风险事件的损失评价得分,如表6所示。

表6 塔机风险事故损失评价

3.5 塔机施工作业风险等级的确定

根据贝叶斯网络推理得出的概率与损失得分可以确定塔机施工的各个事故类型的风险值,然后可以根据表4确定其风险等级,如表7所示。

表7 塔机风险事故风险等级

通过模型分析计算得出本工程塔机发生高处坠落、吊物坠落伤人的风险为Ⅲ级一般风险,塔机倾塌、触电事故的风险为Ⅱ级稍有危险,塔机施工的整体风险水平为Ⅲ级一般风险,这与本工程塔机施工的实际情况相符,需加强对高处坠落以及吊物坠落伤人事故的预防和控制。塔式起重机由于使用和构造的待殊性,危险因素很多,在使用中应特别注意遵守相关的安全操作规范,对危险因素加强风险检测与监控,实行动态风险管理。

4 结论

通过对塔机历史事故的事故树分析,充分辨识了塔机施工过程中的重要风险因素,建立了各种事故的故障树模型,并将故障树模型转化为贝叶斯网络模型,在Genie2.0中进行概率推理。在实际实施过程中,将相关数据信息与专家组多次反复交流和反馈修正,保证了数据的可靠性。模糊层次分析法具有定性和定量相结合的处理各种评价因素的特点,以及系统、灵活、简洁的优点,被广泛使用在风险评估领域。贝叶斯网络方法可视性强,贝叶斯节点变量间的因果关系与塔机施工事故故障树层次结构具有一致性,通过故障树向贝叶斯网络转换,然后通过贝叶斯网络推理软件Genie2进行概率线性推理,方便快捷准确。结合贝叶斯网络法和模糊层次分析法,对塔机施工进行安全评价,可以充分考虑影响塔机施工安全的各风险因素,将定性和定量的分析相结合,避免主观错误,对复杂的多因素、较多层次的风险评估问题评价效果较好。

猜你喜欢

贝叶斯损失概率
第6讲 “统计与概率”复习精讲
第6讲 “统计与概率”复习精讲
概率与统计(一)
概率与统计(二)
胖胖损失了多少元
基于贝叶斯解释回应被告人讲述的故事
玉米抽穗前倒伏怎么办?怎么减少损失?
基于贝叶斯估计的轨道占用识别方法
基于互信息的贝叶斯网络结构学习
菜烧好了应该尽量马上吃