基于模糊贝叶斯网络的煤气化职业健康风险分析*

王 博，赵志博，多依丽，孙 铁，高 涵，王志荣，郭品坤

(1.辽宁石油化工大学 机械工程学院，辽宁 抚顺 113001； 2.南京工业大学 安全科学与工程学院，江苏 南京 211816)

0 引言

近年来我国煤炭气化工业发展迅速，但由于该行业生产条件苛刻、反应过程复杂，因而存在大量职业危害，若缺少管控，不但严重危害职工身体健康，而且对环境带来恶劣影响。因此，识别煤气化职业健康风险，了解行业危害，运用科学高效的方法估算发生概率、提出防控措施，对于维护职工健康和危害防治有着重要的现实意义。

目前国内关于煤气化职业健康风险的研究尚处起步阶段，研究方法多数为现场定点或个体采样检测[1-2]，参照标准比对后确定严重程度[3-4]，检测费时费力，且多集中于常见因素的分析，对于个别不确定性原因及难以测量的因素，缺乏有效分析和方法支持。本文从煤气化行业整体安全角度出发，分析可能存在的多种职业风险因素，建立了贝叶斯网络模型，确定了因素之间的逻辑关系。采用问卷调查法，邀请专家对风险因素发生的可能性作出评价，利用模糊数学理论削弱模糊性的影响，将评价结果转换为具体的数字，以此得到发生概率。结合贝叶斯网络模型实现了职业健康风险的概率计算，并通过反向推理得出后验概率，通过对概率值大小进行排序，确定了薄弱环节，提出了改进措施，为煤气化职业健康风险分析提供准确有效的分析依据。

1 危害因素识别

煤气化主要流程包括煤粉或煤浆的加工与输送、煤的气化反应、废水净化及排渣。结合具体工艺流程及设备，根据《职业病危害因素分类目录》，确定煤气化过程中存在的职业危害因素包括：粉尘、具有毒性的化学因素，以及噪声、振动、高温3种物理因素。

1.1 粉尘

受工作环境影响，输煤系统及除渣环节常伴随大量粉尘：原料煤进入碎煤仓粉碎后途经给煤机、输送机，在煤仓等煤粉集中部位会残留大量颗粒及粉尘。若工人在防护措施不得当的情况下长时间进行作业，则接触的粉尘浓度可能超标，引起肺部损伤，引发煤工尘肺等职业病。

1.2 噪声

厂区内各类风机、泵、破碎机、压缩机和锅炉等设备，由于布局、选型不合理或缺少隔音措施，在正常运行或故障时会产生高强度噪声，若传播途径无法受到阻隔，将对听力造成损伤[5-6]。

1.3 振动

生产性振动常见于煤气化过程中的各类机械设备或作业台、振动性工具，长期接触振幅较大的设备将会对人体产生不良影响，形成局部振动病[7]。

1.4 高温热辐射

高温工作区域中包含气化炉、锅炉等产热设备，外操人员在进行巡检时，设备密闭性差、缺乏水分与通风，长时间处于高温环境下，生理功能易发生变化，从而引发中暑[8]。

1.5 化学毒物

煤气化过程中使用的大量催化剂和合成原料，以及众多产品和二次产品，都具有毒性。正常情况下由于设备自动化程度高、管道密封，多数毒物难以逸散，浓度低于接触限值，危害较小。但某些辅助工作场所，例如排污口、采样口，以及部分老化设备，易发生跑冒滴漏现象，毒性物质将会扩散，造成浓度超标，引起急慢性职业病，严重时造成大型环境污染以及死亡事故。

2 模糊贝叶斯网络建模

2.1 贝叶斯网络介绍

贝叶斯网络是通过有向无循环网络图表示属性依赖关系的一种因果网络模型，变量用节点表示，各节点之间通过有向边相连，节点之间概率分布参数用条件概率表进行描述，其最大的优势在于概率计算及实现不确定性推理，计算原理为贝叶斯公式，如式1所示：

(1)

式中：Pa(Xi)表示父节点概率；P(Xi|Pa(Xi))表示父节点事件发生的条件下子节点发生的概率；P(A)表示求解概率。

将贝叶斯网络应用于煤气化行业的职业危害分析，一方面可在逻辑上反映出各基本事件对职业危害因素的影响作用，另一方面可清晰直观地表达出节点变量间的不确定关系，通过底层根节点概率计算出上层叶节点的发生概率，实现定量计算。

本文综合煤气化工艺流程、设备运行情况、危险源分布、以及安全防范措施的应用情况，在已确定的危害因素基础上，结合发生规律及影响因素的关联性，并添加了“防护措施不到位”这一因素，根据前后因果关系，增添激发因素，建立煤气化行业职业危害因素节点，连接构成贝叶斯网络模型。为了更直观表达影响关系，将“化学因素”在网络中命名为“有毒化学物质积累”。最终网络图如图1所示，具体事件名称见表1。

图1 煤气化职业健康风险贝叶斯网络Fig.1 Bayesian network of occupational health risk for coal gasification

2.2 概率确定

煤气化生产过程是一个人机环相耦合的系统，系统的多样性以及环境的随机性，使得事件发生概率存在未知性，难以定量描述，从而为量化影响因素带来困难。因此，本文采用问卷调查法，邀请若干相关领域专家，凭借经验，采用“较大”、“较小”等描述性语言对27个子事件发生的可能性做出判断。然后对应图2所示的三角模糊数，结合模糊集理论，综合专家意见，计算模糊失效率，将模糊失效率作为事件发生概率[9-12]，进行贝叶斯网络计算。

表1 事件编号及名称Table 1 Number and name of events

图2 自然语言对应的三角模糊数Fig.2 Triangular fuzzy number corresponding to natural language

2.2.1 确定专家权重

本次调查邀请了14位从事相关行业的专家对煤气化职业危害因素进行评价。

在确定专家权重时选取“职称”、“工龄”、“年龄”和“学历”4项基本信息作为参考标准，对每一项细化后的指标赋予权值，采用强制比较法确定权重[13]。考虑到专家工龄普遍较长，丰富的工作经验优势显著，适当降低“学历”项对应权重，结果见表2。

具体计算方法如式(2)～(4)所示：

(2)

(3)

(4)

根据问卷回收信息，对照表2确定专家分值，利用强制比较法计算专家权重后进行记录，见表3。

表3 专家权重Table 3 Experts weights

2.2.2 子事件发生概率的确定

通过专家填写的问卷结果来确定子事件发生概率，以“除尘、过滤系统故障”事件为例，概率计算步骤如下：

1)汇总回收问卷得到“除尘、过滤系统故障”这一子事件的评估数量结果为：“大”，2人；“较大”，3人；“中等”，2人；“较小”，6人；“小”，1人。

结合三角模糊数的隶属度函数，反解求得α截集，见表4。利用α截集对评估结果进行综合[12]，由文献[13-14]中的计算方法，可求得平均模糊数为[(0.306 74+0.182 6α),(0.548 30-0.172 6α)]，结合模糊集理论，将平均模糊数转化为对应隶属度函数，如式(5)所示。

(5)

2)利用左右模糊排序法[15]将得到的平均模糊数隶属度函数转化为模糊可能性值SFPS。

3)根据经验公式(6)～(7)将模糊可能性值转化为模糊失效率[16]，计算得到模糊失效率R=0.004 955 296，即“除尘、过滤系统故障”事件发生概率为0.004 955 296。

(6)

(7)

式中：SFPS为模糊可能性值；R为模糊失效率。其余事件概率计算方法与此相同，不再赘述。

表4 三角模糊数α截集Table 4 α cut set of triangular fuzzy number

2.3 模型求解

贝叶斯网络模型结构建立后，可按照以下步骤对模型进行计算求解：

1)将子事件作为根节点，利用模糊数学计算所有子事件发生概率，将发生概率作为根节点先验概率。由于职业健康风险因素之间作用关系较为明确，因此非根节点的条件概率采用“与”、“或”逻辑门表示。

2)根据计算获得的基本数据信息及建立的网络模型结构，运用贝叶斯网络计算软件GeNIe实现概率计算。

3)将职业健康风险证据值设置为“1”，进行贝叶斯网络反向推理，计算后验概率，找寻引发职业风险的关键因素，从而提出相关措施，降低职业健康风险。

3 模型应用

本文以某新建煤气化企业为例，该企业采用SE-东方炉气化技术，选用的煤种灰分、熔点较高，气化炉规模为1 500 t/d，5开2备，气化工艺流程较为成熟，但投入运行时间较短，有必要对其职业健康风险进行评定。

3.1 概率计算

1)根据问卷结果，计算根节点先验概率，结果见表5。

2)“T职业健康风险”、“M6有毒化学物质积累”、“M7噪声”与其对应的根节点采用“与”逻辑门表示条件概率，其余节点均采用“或”逻辑门，将概率数据输入贝叶斯计算软件GeNIe，计算得到职业风险概率为0.001 185 005 5。

3)将职业健康风险概率证据值设为“1”，对网络进行更新，即在风险已经出现的情况下，应用反向推理功能计算根节点后验概率，以此确定最容易导致风险发生的因素，软件部分计算结果如图3所示，将子事件后验概率由大到小排序，结果为：X2>X1>X19>X3>X18>X5>X20>X4>X21>X6>X7>X16>X15>X17>X9>X8>X10>X23>X12>X26>X22>X25>X11>X24>X27>X14>X13。其中，“防护用品更换不及时”、“未使用防护用品”、“设备固定不良”、“防护用品选用错误”事件的后验概率较高，确定为此次职业健康风险评估中的薄弱环节，对职业健康影响较大，应优先对防护用品的使用情况及设备固定情况进行检查修整，及时排除风险。

表5 基本事件概率Table 5 Probabilities of basic events

图3 后验推理部分计算结果Fig.3 Calculation results of posterior inference part

3.2 应对措施

根据上文模型推理得到的薄弱环节，为有效降低职业健康风险的发生概率，提出如下应对措施：

1)对于“防护用品更换不及时”和“防护用品选用错误”，应加大强制管理力度，例如：按照现场相关危险以及危害因素辨识结果，完善防护用品配置标准，加大采购资金投入，选用合适、舒适、质量良好的防护用品，严格按照“三同”原则发放防护品，配置专职人员定期检查使用周期并进行维护保养，构建台账；建立监督岗位，落实责任制，做到日常化、制度化，奖惩分明，严格执行。

2)“未使用防护用品”可分为忘记穿戴、佩戴意识不足和侥幸心理引发的随意穿戴及不穿戴，对于此现象，应实行目视化管理手段，并加大教育宣传力度。例如：在厂区内张贴标语及标准作业看板，达到提示员工正确穿戴和使用防护用品的目的；将相关防护用品放置于制定位置，合理摆放；开展危险预知活动，普及危险事故知识；结合典型案例绘制宣传画或制作报告展览，应用网络新媒体对职工及管理层开展安全宣传教育，提高安全意识；张贴光荣榜，对于防护品使用良好的员工给予合理的奖励。

3)针对“设备固定不良”事件的发生，采取的应对措施有：①操作人员在开工收工前应检查设备状态、发现异常及时报修，严禁在设备异常状态下进行作业。配备专职人员对设备使用情况及状态进行记录，并定期进行巡检维护和保养；②对工艺操作进行调整，合理设置运行参数，避免产生高强度振动。对设备进行优化改进，在地基上采用减振材料进行固定，设置动平衡装置，安装减振设备和缓冲装置，对于固定不良产生严重振动的设备，选用低振动强度或新设备替代。

4 结论

1)在煤气化职业危害分析中，应用模糊数学理论中的隶属度概念阐述了被评价因素本身的模糊性和不确定性，将模糊概念量化表示，直观描述了不确定因素的发生概率，充分发挥了专家的行业经验，融合了主观判断和客观计算，解决了职业危害理论分析中数据缺乏的问题，提高了模型的准确性。

2)对煤气化职业健康风险建立模糊贝叶斯网络模型，能够充分考虑多个因素对职业健康的影响，快速确定风险因素间的影响关系。从整体到局部的分析思路弥补了单一评价多于整体评价的不足，提高了评价的科学性。该模型同样可以分析多态性事件，具有较强的适用性。

3)贝叶斯网络模型不仅可以利用专家知识正向推理职业健康风险概率，还可以通过反向推理迅速定位薄弱环节，解决了薄弱环节定位困难的问题，减轻了风险概率计算工作量，并在一定程度上解决了因事故影响因素具有模糊性且数量众多导致风险难以定量评估的问题，提高了职业健康风险评价效率，为相关行业风险因素概率预测提供了有效的技术理论支持。