基于HCNAM-BN的化工過程爆炸事故致因鏈分析*

田 震，宋博達

(華南理工大學 安全科學與工程研究所，廣東 廣州 510640)

0 引言

化工過程爆炸事故具有突發性、危害嚴重性和多因素風險耦合致因性[1-3]。為探明事故風險耦合機理，國內外學者做了大量研究，Liou等[4]針對航空運輸風險提出了基于DEMATEL-ANP方法的混合分析模型，研究了各風險因子之間的相互作用關系；劉堂卿等[5]通過分析空管安全風險，提出了單因素、雙因素和多因素耦合風險概念，并指明了計算方法，但未深層次分析各風險因子之間的交互影響；劉全龍等[6]采用耦合度模型對煤礦事故風險因子間的耦合作用進行了分析，但計算過程復雜且未說明事故演化的過程。在量化研究復雜系統風險耦合演化路徑的問題上，BN具有明顯優勢，可依靠條件概率表達風險因子間的相互作用強度，但當前BN在系統安全方面的應用研究主要依靠故障樹的映射[7-8]，未考慮各風險因素之間的相互作用關系。因此，結合風險耦合理論與BN研究事故風險因素關聯特性和事故演化路徑，為從源頭上預防化工過程爆炸事故提供了新思路。

以下通過構建HCNAM，并分析國內外44起化工過程爆炸事故，研究風險因子交互耦合對化工過程爆炸事故的致因重要度，結合耦合概率與二態分布，運用BN找出事故最可能原因、計算演化過程可能形成的各事故致因鏈的發生概率及確定事故網絡關鍵節點。

1 化工過程爆炸事故多因素風險耦合分析

1.1 化工過程爆炸事故HCNAM構建

圖2 HCNAM風險因子微觀耦合結構Fig.2 HCNAM risk factors coupling structure (on the micro level)

風險以物質流、能量流和信息流為載體依托[9]，沿某一規律鏈交互耦合并演化傳遞形成事故鏈[10]。多條事故鏈在一定時間和空間內非線性耦合即形成化工過程爆炸事故層次耦合網絡，其空間立體結構如圖1所示。依據風險耦合理論[11]，風險因子耦合的結果包含2個層面，一是風險因子產生量變，導致風險擴大或減小；二是形成新的風險。風險因子X={X1,X2,…,Xn}通過同質耦合或異質耦合形成新風險狀態A={A1,A2,…,An}，共同構成空間立體網絡的基本節點，其中，X是爆炸事故場景引發事件，A是事故場景演化發展成為頂事件T的必要條件，屬于過程事件。因子間的交互影響關系可抽象為連接各節點的有向邊，同各節點形成自下而上的多條事故鏈，構成事故場景演化環節。

圖1 層次耦合網絡空間立體結構Fig.1 Spatial three-dimensional structure of the hierarchical coupling network

為合理展現事故風險因素的微觀耦合關系，將事故風險因素進行歸納分析得到15項風險因子，構成演化環節的外部耦合影響層和內部耦合交互層。外部耦合影響層由組織管理因素構成，直接影響人的安全行為、設備的安全狀態及環境的安全狀況，結構上存在直接影響和非線性作用關系。內部耦合交互層則由人員、設備和環境因素構成，其風險因子之間的交互耦合作用關系具有明顯的不確定性。風險因子耦合形成的新風險狀態構成耦合演化層，其交叉演化并突破安全閾值即形成爆炸事故，主要表現載體為物質交互紊亂、信息傳遞失效和能量異常變化。HCNAM風險因子微觀耦合結構圖如圖2所示。

因此，構建HCNAM的重點在于依據層次結構查找上述15類風險因子中可能導致爆炸事故發生的各種子類風險因子，以及各子類風險因子可能耦合形成的風險狀態，并根據已有知識明確耦合過程中風險因子之間的相互作用及依賴關系，形成空間立體網絡結構。

1.2 化工過程爆炸事故雙因子耦合統計分析

為進一步明確風險因子間的耦合關系，并探求風險因子交互耦合作用對事故致因的重要性，對近年來涉及化工生產及維護過程的爆炸事故進行雙因子耦合概率統計，并對耦合致因重要度進行分級，具體步驟如下：

1)事故案例收集。事故案例來源于國家各級安監部門公布的事故調查報告及國外相關數據庫公布的事故調查信息，其中包括我國發生的化工過程爆炸事故38起，如山東濱源化學有限公司“8·31”重大爆炸事故；國外發生的典型化工過程爆炸事故6起，如美國西弗吉尼亞州拜耳作物科學工廠爆炸事故等。

2)雙因子耦合風險狀態確定。依據圖2中的15種風險因子分類，歸納得出每起事故的致因因子并進行兩兩結合，確定為耦合風險狀態，同時計數為1，表示在該起事故中某兩因子間存在交互耦合作用。

3)雙因子耦合概率計算。統計44起事故中各雙因子耦合風險狀態出現的次數并計算其概率。雙因子耦合風險狀態出現概率越小，代表其耦合作用對事故發生的影響程度越低，即呈現較低的耦合致因重要度；出現概率越大，耦合致因重要度越高。

4)耦合致因重要度分級。借鑒耦合度模型[12]對耦合作用強度的分級方法，將雙因子耦合致因重要度按概率大小劃分為弱耦合致因(0%～30%]、中度耦合致因(30%～70%]和強耦合致因(70%～100%)等3級，得到化工過程爆炸事故雙因子耦合致因樹狀圖，如圖3所示。

圖3 化工過程爆炸事故雙因子耦合致因樹狀圖Fig. 3 Tree diagram of chemical process explosion accidents caused by two-factor risk coupling

分析表明，91種雙因子耦合風險狀態中，47種呈現弱耦合致因。在中度和強度耦合致因狀態中，規章制度不健全(O1)和操作錯誤(H4)兩因子耦合形成風險(O1，H4)出現的頻率最高，為75%。其次，規章制度不健全(O1)和監護失誤(H5)之間也具有較強的耦合致因作用，出現頻率為72.73%。總體分析，規章制度不健全(O1)、教育培訓不足(O2)、安全意識薄弱(H1)、操作錯誤(H4)、監護失誤(H5)、設備設施缺陷(M1)及防護缺陷(M2)這7種因子之間耦合形成風險的概率較大。為預防事故發生，應著重采取措施，避免7種因子之間相互耦合導致風險擴大。

2 HCNAM轉化為BN

BN用有向無環圖的形式表達隨機變量間的關聯特性，用條件概率分布的形式表示關聯強度[13]。因此，基于BN與HCNAM結構相似且其在處理不確定性方面的優勢，可將HCNAM分析模型轉化為BN對化工過程爆炸事故演化過程進行定量分析。

HCNAM轉化為BN拓撲結構的關鍵在于明確各節點的條件概率分布，用以表示節點間的交互影響關系。由于HCNAM的外部耦合影響層和內部耦合交互層均考慮各因素之間的相互作用關系，因此條件概率已不服從故障樹-貝葉斯網絡模型中的(0,1)二態分布，而是區間(0,1)的某個值，其具體值可通過對風險因素耦合的數理統計結合專家經驗或相關研究確定。而耦合演化層，由于事件A的發生需要特定的必要條件，例如物料泄漏與空氣混合達到爆炸極限并遇點火源形成爆炸，因此條件概率依舊遵循(0,1)二態分布。

用l={l1,l2,…,ln}表示節點集合，則基本事件到頂事件的貝葉斯網絡推理服從聯合條件概率分布：

(1)

式中：Pa(li)為li的父節點初始狀態分布；P(li|Pa(li))為li初始狀態分布。

3 應用研究

氯乙烯單體槽是氯乙烯聚合工藝過程中的重要設備，其涉及高壓工作環境及易燃易爆的氯乙烯介質，因此極易發生爆炸性混合氣體爆炸[14]。為綜合評判生產過程中造成氯乙烯單體槽爆炸性混合氣體爆炸事故的主要事故鏈及關鍵風險點，并驗證HCNAM-BN模型的有效性，對氯乙烯單體槽爆炸性混合氣體爆炸事故進行分析如下：

3.1 氯乙烯單體槽爆炸性混合氣體爆炸事故HANCM-BN模型

依據提取得出的15類風險因子所涉及的內容，對某氯乙烯單體槽單元進行風險辨識，并依據雙因子耦合致因重要度確定因子間相互耦合關系，輸入GeNIe 2.0軟件得到氯乙烯單體槽爆炸性混合氣體爆炸事故HCNAM-BN模型如圖4所示，圖中t表示事件發生，f表示事件不發生。

圖4 氯乙烯單體槽爆炸性混合氣體爆炸事故HCNAM-BN模型Fig.4 HCNAM-BN model of the explosive mixed gas explosion accidents

依據風險因子耦合概率統計結果并結合專家經驗確定先驗概率和條件概率表，輸入模型中得到氯乙烯單體槽爆炸性混合氣體爆炸事故發生的概率為P(T)=0.094 7。以耦合演化層A2泄漏物料遇點火源爆炸和內部耦合交互層H5監護失效為例，其條件概率表分別如表1和表2所示。

表1 耦合演化層A2泄漏物料遇點火源爆炸條件概率

3.2 分析討論

3.2.1 后驗概率計算

后驗概率是經概率修正后得到的更符合實際情況的估計[15]。假定頂事件爆炸性混合氣體爆炸事故(T)發生，即P(T)=1，進行反向推算，求得各風險因子的后驗概率如圖5所示。由分析結果可知：若事故發生，則最可能的事故根本原因為O1規章制度不健全和O2教育培訓不足；最可能的人員因素為H5監護失效和H4.2違章動火；最可能的設備因素為M1.3管線泄漏和M1.5連接法蘭泄漏。

表2 內部耦合交互層H5監護失效條件概率

圖5 各風險因子后驗概率與先驗概率Fig. 5 Prior probabilities and posterior probabilities of the risk factors

3.2.2 事故致因鏈發生概率計算

采用逆向推理方法求取各事故致因鏈的發生概率。由頂事件開始，選取其某一父節點輸入節點證據(即設該節點事件發生)并確定該父節點為下級子節點，依次向下推理直至事故鏈根事件結束。當耦合演化層某子節點風險的發生需多個父節點同時發生風險時，同級輸入多個節點證據并逐一向下推理得到事故鏈式結構。運用公式(1)求取該事故鏈發生的概率。以最大概率事故致因鏈為例，其發生概率P=0.031 6，鏈式結構如圖6所示。

圖6 事故發生的最大概率事故鏈Fig.6 Accident causation chain with the maximum probability of occurrence

實際生產中，規章制度不健全易導致員工違反動火作業審批制度進行違章動火作業，同時由于監督檢查制度落實不到位，造成監護失效，在發生因管線未進行定期維護保養導致物料泄漏的情況下，未能及時制止違章動火行為，造成泄漏物料在空氣中達到爆炸極限并遇點火源發生爆炸。可見，該過程呈現復雜的“人-機-管”風險耦合交互影響特性。

3.2.3 關鍵節點分析

采用敏感度分析辨識貝葉斯網絡結構中的關鍵風險點。敏感度分析綜合考慮了各節點間的關聯程度以及網絡結構，表示局部參數變化對目標節點的影響，節點敏感度越高，對目標影響越大。通過在耦合演化層設置不同的節點目標，分析得出H4.1，H3，H1，H5對反應器內部形成爆炸性混合氣體影響較大，H3，H4.2，H1，H5對產生點火源影響較大，H5對物料泄漏影響最大。綜合分析整個網絡共辨識出10個關鍵風險點，如圖4所示，不同灰度代表不同的敏感度大小，灰度越大，敏感度越高，具體敏感度大小排序為：H4.1>H4.2>H3>H1>H5>A8>H2>E2>O1>O2。因此，為防范事故發生應著重提高員工的安全意識，杜絕違章指揮、違章操作和違章動火行為的發生；并做好監督檢查工作，及時排查設備隱患并定期對設備進行維修保養。

4 結論

1)在辨識主要風險因子的基礎上，將化工過程爆炸事故微觀耦合過程分為3個層次：外部耦合影響層由組織管理因素構成，直接影響人、機、環等因素構成的內部耦合交互層；外部和內部風險因子通過交互耦合形成新的風險狀態，如物質交互紊亂、信息傳遞失效和能量異常變化等，構成耦合演化層。

2)從風險耦合致因角度對近年來國內外44起化工過程爆炸事故進行統計分析并將耦合致因重要度進行分級，發現91種雙因子耦合風險狀態中，47種呈現弱耦合致因特性；7種因子雙耦合形成風險的概率較大，其中，規章制度不健全和操作錯誤2個因子耦合形成風險概率最高。

3)HCNAM-BN從多因素風險耦合角度研究化工過程爆炸事故風險因素關聯特性和事故演化路徑，可找出事故發生的最可能原因、定量分析各事故致因鏈的發生概率及確定事故網絡結構關鍵節點，可為采取措施從化工過程薄弱和關鍵環節防范爆炸事故提供依據。

[1] Adedigba S A, Khan F, Yang M. Process accident model considering dependency among contributory factors[J]. Process Safety & Environmental Protection, 2016, 102:633-647.

[2] 姚錫文,許開立,王貝貝,等.石化裝置火災爆炸貝葉斯網絡與防護層集成分析[J].中國安全生產科學技術,2014,10(3): 95-100.

YAO Xiwen, XU Kaili, WANG Beibei,et al.Integrative analysis of Bayesian networks and LOPA for fire and explosion in petrochemical plant[J].Journal of Safety Science and Technology,2014,10(3): 95-100.

[3] Leveson N G.Applying systems thinking to analyze and learn from events[J].Safety Science,2011,49(1):55-64.

[4] Liou J J H, Tzeng G H, Chang H C.Airline safety measurement using a hybrid model[J].Journal of Air Transport Management, 2007,13(4):243-249.

[5] 劉堂卿,羅帆.空中交通安全風險構成及耦合關系分析[J].武漢理工大學學報(信息與管理工程版), 2012,34(1):93-97.

LIU Tangqing, LUO Fan. Analysis on constitution and coupling of air traffic security risk[J]. Journal of WUT(Information & Management Engineering), 2012,34(1):93-97.

[6] 劉全龍,李新春,王雷.煤礦事故風險因子耦合作用分析及度量研究[J].統計與信息論壇,2015,30(3):82-87.

LIU Quanlong, LI Xinchun,WANG Lei.Analysis and measurement of risk factors coupling in coal mine accidents[J]. Statistics & Information Forum, 2015,30(3):82-87.

[7] 張津嘉,許開立,王貝貝,等.特別重大煤礦瓦斯爆炸事故致因分析及管理模式研究[J].中國安全科學學報,2016,26(2):73-78.

ZHANG Jinjia, XU Kaili, WANG Beibei, et al. Extraordinarily serious gas explosion accidents in coal mines: analysis of causes and research on management mode[J].China Safety Science Journal,2016,26(2):73-78.

[8] Zarei E, Azadeh A, Khakzad N, et al. Dynamic safety assessment of natural gas stations using Bayesian network[J].Journal of Hazardous Materials,2017,321(1):830-840.

[9] 龍妍. 基于物質流、能量流與信息流協同的大系統研究[D]. 武漢: 華中科技大學, 2009.

[10] 黃浪,吳超,王秉.基于熵理論的重大事故復雜鏈式演化機理及其建模[J].中國安全生產科學技術,2016,12(5):10-15.

HUANG Lang, WU Chao, WANG Bing.Complex chain evolution mechanism and its modeling of major accident based on entropy theory[J].Journal of Safety Science and Technology,2016,12(5):10-15.

[11] 薛曄,劉耀龍,張濤濤.耦合災害風險的形成機理研究[J].自然災害學報,2013,22(2):44-50.

XUE Ye, LIU Yaolong, ZHANG Taotao. Research on formation mechanism of coupled disaster risk[J].Journal of Natural Disasters,2013,22(2):44-50.

[12] 王慰. 空中交通管制安全風險耦合模型研究[D]. 武漢:武漢理工大學, 2011.

[13] Alvarez-Galvez J. Discovering complex interrelationships between socioeconomic status and health in Europe: A case study applying Bayesian Networks[J]. Social Science Research,2016,56(1):133-143.

[14] Ogle R A, Megerle M V, Morrison Ⅲ D R, et al. Explosion caused by flashing liquid in a process vessel[J].Journal of Hazardous Materials,2004,115(1-3):133-140.

[15] Khakzad N, Khan F, Amyotte P.Dynamic safety analysis of process systems by mapping bow-tie into Bayesian network[J].Process Safety and Environmental Protection,2013,91(1-2):46-53.