基于故障树—贝叶斯网络集成方法的涂装车间燃爆事故分析

2020-11-05王贝贝闫智浩于汪洋许开立

安全 2020年10期

王贝贝闫智浩吕浩于汪洋许开立

(1.长春工程学院水利与环境工程学院吉林长春 130012；2.东北大学资源与土木工程学院辽宁沈阳 110819)

0 引言

随着我国经济水平的不断提高，汽车产销进入井喷式增长阶段[1]。涂装作为汽车制造过程中的5大生产工艺之一，由于需要大量使用油漆、稀料、颜料、树脂等具有易燃易爆性质的化学品，极易导致火灾爆炸事故的发生。此类事故一旦发生，不仅会造成巨大的直接和间接经济损失，还将造成群死群伤的重大人员伤亡[2]。因此，汽车涂装在汽车生产中属于危险性较大的工序，应当引起业内的重视，加强对其管控。

本文利用贝叶斯网络的双向推理技术，结合故障树分析，提出故障树—贝叶斯网络集成分析模型，并将其应用到涂装车间燃爆事故的分析中，以验证该模型的科学性和可行性。

1 贝叶斯网络

贝叶斯网络是综合利用概率论和图论进行不确定事件分析和推理的有效工具，是描述变量之间概率关系的图形模式[3-6]。贝叶斯网络具有强大的双向推理技术，同时具备预测和诊断能力，与传统的系统安全分析方法相比，其具有更强的建模分析能力，更易用来处理复杂的系统[7-10]。故障树—贝叶斯网络集成方法的建模流程，如图1。

图1 故障树—贝叶斯网络集成方法建模流程图Fig.1 The flow chart of fault tree-bayesian network integration method modeling

2 涂装车间燃爆事故分析

2.1 涂装车间生产工艺及风险

涂装车间的生产过程共分为6大作业工序，包含前处理电泳、涂胶、底涂、喷漆、检修及最终检查作业，主要危险物质有油性漆(闪点<60℃)、清洗溶剂(闪点<60℃)以及天然气，主要涉及火灾爆炸、危化品泄漏、机械伤害、职业病等风险，本文基于故障树—贝叶斯网络集成方法以火灾爆炸事故为例进行分析。

涂装车间可能造成火灾爆炸事故的原因有：

(1)调漆间、库房通风不良，挥发气体浓度超标且达到爆炸极限并遇引火源。

(2)进入易燃易爆环境未释放静电，未穿防静电服，静电接地不良。

(3)防雷设施失效。

(4)生产用电线没有按使用期限及时更换，造成绝缘老化或破损。

临床护理路径的开展与发展符合目前护理工作的发展要求。不仅能节省患者在医疗费用上的支出，同时也能让患者得到更好的护理服务，帮助患者得到更好的治疗、更快的恢复健康。临床护理路径的开展能提高护理工作质量，使护理工作更系统化、更合理化，节约了医疗资源。

(5)穿戴有金属材质的工作鞋。

(6)把不防爆的个人电器带入工作场所。

(7)可燃物未经清理干净，就进入设备动火。

(8)作业人员未穿阻燃服进入设备间实施动火作业。

(9)可燃介质设备、管道未经置换合格进行焊割。

2.2 编制故障树

涂装车间的火灾爆炸危险程度较高，通过故障树的分析可以得出引发涂装车间燃爆事故的各因素之间的关系。在前述对涂装车间燃爆事故原因分析的基础上，编制出涂装车间发生燃爆事故的故障树，如图2。

2.3 构建贝叶斯网络

本文利用GeNIe软件，根据故障树逻辑关系，建立贝叶斯网络中各节点间的弧向连接，如图3。

2.4 确定各基本事件先验概率

文中，基本事件的先验概率采用下列2种方法确定：对于能够通过某涂装车间发生故障的统计资料得到统计频率的，用该频率近似得到基本事件的先验概率；对于不能由统计资料得到先验概率的基本事件，直接根据文献资料中的数据确定其发生概率。

注：T：喷漆车间燃爆事故；A1：油漆蒸汽达到爆炸下限；A2：存在引火源；A3：通风不良；A4：明火；A5：静电火花；A6：机械撞击磨擦火花；A7：电火花；A8：雷击火花；A9：防雷设施故障图2 涂装车间燃爆事故故障树Fig.2 fault tree of fire accident in the paint shop

表1 故障树基本事件及其概率值Tab.1 Basic events and probability values of fault tree

图3 涂装车间燃爆事故贝叶斯网络Fig.3 Bayesian network of fire accident in the paint shop

2.5 更新节点数据

将各基本事件的先验概率输入到涂装车间燃爆事故贝叶斯网络的根节点中，同时，为各非根节点指定相应的条件概率表。非根节点的条件概率表以中间事件A1为例，见表2。

表2 事件A1的条件概率表Tab.2 Conditional probability table for event A1

2.6 预测

当没有证据时，可得到顶事件T发生的概率为P1=4.11E-07。

当有证据输入时，如果知道通风设备损坏(X3)已发生(证据1)，可以得到此时顶事件T的发生概率为P2=4.92E-05。若此时再加防爆电气损坏(X21)已发生(证据2)，则再次推理可以得到此时顶事件T的发生概率为P3=1.05E-03。

2.7 诊断

诊断是指如果观察到系统某时刻出现故障，则每个基本事件的后验概率可以通过贝叶斯网络的诊断功能推理出来。本文为了便于比较，将每个基本事件的先验概率和后验概率列于表1中。可以看出，每个基本事件的后验概率与其先验概率是不同的，且其排序也不同。后验概率可以作为判定基本事件影响顶事件故障发生重要度的重要参考。图4给出了各事件后验概率的比较。

图4 基本事件的后验概率Fig.4 Posterior probability of basic events

2.8 计算各基本事件重要度

本文主要考虑以下3个重要度：伯恩鲍姆重要度、危害性重要度以及弗塞—维思利重要度，具体计算方法参见文献[8]。如果3个重要度给出相同基本事件的排列顺序，对于使用重要度的策略就很直观了。然而，当3个重要度给出不同基本事件的排列顺序，就需要选择合适的解决办法，推荐如下：把排列顺序数赋予3个重要度中每一个基本事件；对每一个基本事件，求这3种排列顺序的平均值；把平均值排序得到每一个基本事件的最终顺序。基本事件的重要度计算结果，见表3。

2.9 分析结果，提出改进对策

基本事件重要度排序平均值如下：

X1>X4>X5>X6>X3>X13>X16>X21>X12>X11>X9>X14>X10>X25>X2>X7>X8>X15>X23>X18>X19>X20>X22>X24>X17。

后验概率排序：

X1>X4>X5>X6>X3>X13>X16>X21>X12>X11>X9>X14>X10>X25>X7>X8>X15>X23>X2>X18>X19>X20>X22>X24>X17。

二者大体一致，综合考虑，可燃蒸汽挥发、泄漏(X1)以及未开通风设备(X4)为涂装车间的薄弱环节，需要十分注意，可通过加强安全检查，对涂装车间的工作人员进行安全培训以提高其安全意识等措施进行预防。

3 结论

本文针对故障树分析在风险评估中的局限性，提出了故障树—贝叶斯网络集成分析模型。该模型利用贝叶斯网络的双向推理技术，可同时进行故障预测和诊断。通过预测，可得到顶事件发生的可能性，从而提前做好应急防范措施；通过诊断，可以找出对顶事件发生影响较大的基本事件，进而使工作人员在生产过程中对这些重要因素给予特别注意。实例应用表明，该模型提高了评价结果的客观性与准确性，同时减轻了由于主观因素对评价结果带来的误差，较传统的系统安全分析方法更加科学、合理，为风险评估提供了一种新途径。