基于模糊貝葉斯網絡的煤氣化職業健康風險分析*

王 博，趙志博，多依麗，孫 鐵，高 涵，王志榮，郭品坤

(1.遼寧石油化工大學 機械工程學院，遼寧 撫順 113001； 2.南京工業大學 安全科學與工程學院，江蘇 南京 211816)

0 引言

近年來我國煤炭氣化工業發展迅速，但由于該行業生產條件苛刻、反應過程復雜，因而存在大量職業危害，若缺少管控，不但嚴重危害職工身體健康，而且對環境帶來惡劣影響。因此，識別煤氣化職業健康風險，了解行業危害，運用科學高效的方法估算發生概率、提出防控措施，對于維護職工健康和危害防治有著重要的現實意義。

目前國內關于煤氣化職業健康風險的研究尚處起步階段，研究方法多數為現場定點或個體采樣檢測[1-2]，參照標準比對后確定嚴重程度[3-4]，檢測費時費力，且多集中于常見因素的分析，對于個別不確定性原因及難以測量的因素，缺乏有效分析和方法支持。本文從煤氣化行業整體安全角度出發，分析可能存在的多種職業風險因素，建立了貝葉斯網絡模型，確定了因素之間的邏輯關系。采用問卷調查法，邀請專家對風險因素發生的可能性作出評價，利用模糊數學理論削弱模糊性的影響，將評價結果轉換為具體的數字，以此得到發生概率。結合貝葉斯網絡模型實現了職業健康風險的概率計算，并通過反向推理得出后驗概率，通過對概率值大小進行排序，確定了薄弱環節，提出了改進措施，為煤氣化職業健康風險分析提供準確有效的分析依據。

1 危害因素識別

煤氣化主要流程包括煤粉或煤漿的加工與輸送、煤的氣化反應、廢水凈化及排渣。結合具體工藝流程及設備，根據《職業病危害因素分類目錄》，確定煤氣化過程中存在的職業危害因素包括：粉塵、具有毒性的化學因素，以及噪聲、振動、高溫3種物理因素。

1.1 粉塵

受工作環境影響，輸煤系統及除渣環節常伴隨大量粉塵：原料煤進入碎煤倉粉碎后途經給煤機、輸送機，在煤倉等煤粉集中部位會殘留大量顆粒及粉塵。若工人在防護措施不得當的情況下長時間進行作業，則接觸的粉塵濃度可能超標，引起肺部損傷，引發煤工塵肺等職業病。

1.2 噪聲

廠區內各類風機、泵、破碎機、壓縮機和鍋爐等設備，由于布局、選型不合理或缺少隔音措施，在正常運行或故障時會產生高強度噪聲，若傳播途徑無法受到阻隔，將對聽力造成損傷[5-6]。

1.3 振動

生產性振動常見于煤氣化過程中的各類機械設備或作業臺、振動性工具，長期接觸振幅較大的設備將會對人體產生不良影響，形成局部振動病[7]。

1.4 高溫熱輻射

高溫工作區域中包含氣化爐、鍋爐等產熱設備，外操人員在進行巡檢時，設備密閉性差、缺乏水分與通風，長時間處于高溫環境下，生理功能易發生變化，從而引發中暑[8]。

1.5 化學毒物

煤氣化過程中使用的大量催化劑和合成原料，以及眾多產品和二次產品，都具有毒性。正常情況下由于設備自動化程度高、管道密封，多數毒物難以逸散，濃度低于接觸限值，危害較小。但某些輔助工作場所，例如排污口、采樣口，以及部分老化設備，易發生跑冒滴漏現象，毒性物質將會擴散，造成濃度超標，引起急慢性職業病，嚴重時造成大型環境污染以及死亡事故。

2 模糊貝葉斯網絡建模

2.1 貝葉斯網絡介紹

貝葉斯網絡是通過有向無循環網絡圖表示屬性依賴關系的一種因果網絡模型，變量用節點表示，各節點之間通過有向邊相連，節點之間概率分布參數用條件概率表進行描述，其最大的優勢在于概率計算及實現不確定性推理，計算原理為貝葉斯公式，如式1所示：

(1)

式中：Pa(Xi)表示父節點概率；P(Xi|Pa(Xi))表示父節點事件發生的條件下子節點發生的概率；P(A)表示求解概率。

將貝葉斯網絡應用于煤氣化行業的職業危害分析，一方面可在邏輯上反映出各基本事件對職業危害因素的影響作用，另一方面可清晰直觀地表達出節點變量間的不確定關系，通過底層根節點概率計算出上層葉節點的發生概率，實現定量計算。

本文綜合煤氣化工藝流程、設備運行情況、危險源分布、以及安全防范措施的應用情況，在已確定的危害因素基礎上，結合發生規律及影響因素的關聯性，并添加了“防護措施不到位”這一因素，根據前后因果關系，增添激發因素，建立煤氣化行業職業危害因素節點，連接構成貝葉斯網絡模型。為了更直觀表達影響關系，將“化學因素”在網絡中命名為“有毒化學物質積累”。最終網絡圖如圖1所示，具體事件名稱見表1。

圖1 煤氣化職業健康風險貝葉斯網絡Fig.1 Bayesian network of occupational health risk for coal gasification

2.2 概率確定

煤氣化生產過程是一個人機環相耦合的系統，系統的多樣性以及環境的隨機性，使得事件發生概率存在未知性，難以定量描述，從而為量化影響因素帶來困難。因此，本文采用問卷調查法，邀請若干相關領域專家，憑借經驗，采用“較大”、“較小”等描述性語言對27個子事件發生的可能性做出判斷。然后對應圖2所示的三角模糊數，結合模糊集理論，綜合專家意見，計算模糊失效率，將模糊失效率作為事件發生概率[9-12]，進行貝葉斯網絡計算。

表1 事件編號及名稱Table 1 Number and name of events

圖2 自然語言對應的三角模糊數Fig.2 Triangular fuzzy number corresponding to natural language

2.2.1 確定專家權重

本次調查邀請了14位從事相關行業的專家對煤氣化職業危害因素進行評價。

在確定專家權重時選取“職稱”、“工齡”、“年齡”和“學歷”4項基本信息作為參考標準，對每一項細化后的指標賦予權值，采用強制比較法確定權重[13]?？紤]到專家工齡普遍較長，豐富的工作經驗優勢顯著，適當降低“學歷”項對應權重，結果見表2。

具體計算方法如式(2)～(4)所示：

(2)

(3)

(4)

根據問卷回收信息，對照表2確定專家分值，利用強制比較法計算專家權重后進行記錄，見表3。

表3 專家權重Table 3 Experts weights

2.2.2 子事件發生概率的確定

通過專家填寫的問卷結果來確定子事件發生概率，以“除塵、過濾系統故障”事件為例，概率計算步驟如下：

1)匯總回收問卷得到“除塵、過濾系統故障”這一子事件的評估數量結果為：“大”，2人；“較大”，3人；“中等”，2人；“較小”，6人；“小”，1人。

結合三角模糊數的隸屬度函數，反解求得α截集，見表4。利用α截集對評估結果進行綜合[12]，由文獻[13-14]中的計算方法，可求得平均模糊數為[(0.306 74+0.182 6α),(0.548 30-0.172 6α)]，結合模糊集理論，將平均模糊數轉化為對應隸屬度函數，如式(5)所示。

(5)

2)利用左右模糊排序法[15]將得到的平均模糊數隸屬度函數轉化為模糊可能性值SFPS。

3)根據經驗公式(6)～(7)將模糊可能性值轉化為模糊失效率[16]，計算得到模糊失效率R=0.004 955 296，即“除塵、過濾系統故障”事件發生概率為0.004 955 296。

(6)

(7)

式中：SFPS為模糊可能性值；R為模糊失效率。其余事件概率計算方法與此相同，不再贅述。

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

2.3 模型求解

貝葉斯網絡模型結構建立后，可按照以下步驟對模型進行計算求解：

1)將子事件作為根節點，利用模糊數學計算所有子事件發生概率，將發生概率作為根節點先驗概率。由于職業健康風險因素之間作用關系較為明確，因此非根節點的條件概率采用“與”、“或”邏輯門表示。

2)根據計算獲得的基本數據信息及建立的網絡模型結構，運用貝葉斯網絡計算軟件GeNIe實現概率計算。

3)將職業健康風險證據值設置為“1”，進行貝葉斯網絡反向推理，計算后驗概率，找尋引發職業風險的關鍵因素，從而提出相關措施，降低職業健康風險。

3 模型應用

本文以某新建煤氣化企業為例，該企業采用SE-東方爐氣化技術，選用的煤種灰分、熔點較高，氣化爐規模為1 500 t/d，5開2備，氣化工藝流程較為成熟，但投入運行時間較短，有必要對其職業健康風險進行評定。

3.1 概率計算

1)根據問卷結果，計算根節點先驗概率，結果見表5。

2)“T職業健康風險”、“M6有毒化學物質積累”、“M7噪聲”與其對應的根節點采用“與”邏輯門表示條件概率，其余節點均采用“或”邏輯門，將概率數據輸入貝葉斯計算軟件GeNIe，計算得到職業風險概率為0.001 185 005 5。

3)將職業健康風險概率證據值設為“1”，對網絡進行更新，即在風險已經出現的情況下，應用反向推理功能計算根節點后驗概率，以此確定最容易導致風險發生的因素，軟件部分計算結果如圖3所示，將子事件后驗概率由大到小排序，結果為：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，“防護用品更換不及時”、“未使用防護用品”、“設備固定不良”、“防護用品選用錯誤”事件的后驗概率較高，確定為此次職業健康風險評估中的薄弱環節，對職業健康影響較大，應優先對防護用品的使用情況及設備固定情況進行檢查修整，及時排除風險。

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

圖3 后驗推理部分計算結果Fig.3 Calculation results of posterior inference part

3.2 應對措施

根據上文模型推理得到的薄弱環節，為有效降低職業健康風險的發生概率，提出如下應對措施：

1)對于“防護用品更換不及時”和“防護用品選用錯誤”，應加大強制管理力度，例如：按照現場相關危險以及危害因素辨識結果，完善防護用品配置標準，加大采購資金投入，選用合適、舒適、質量良好的防護用品，嚴格按照“三同”原則發放防護品，配置專職人員定期檢查使用周期并進行維護保養，構建臺賬；建立監督崗位，落實責任制，做到日?；⒅贫然?，獎懲分明，嚴格執行。

2)“未使用防護用品”可分為忘記穿戴、佩戴意識不足和僥幸心理引發的隨意穿戴及不穿戴，對于此現象，應實行目視化管理手段，并加大教育宣傳力度。例如：在廠區內張貼標語及標準作業看板，達到提示員工正確穿戴和使用防護用品的目的；將相關防護用品放置于制定位置，合理擺放；開展危險預知活動，普及危險事故知識；結合典型案例繪制宣傳畫或制作報告展覽，應用網絡新媒體對職工及管理層開展安全宣傳教育，提高安全意識；張貼光榮榜，對于防護品使用良好的員工給予合理的獎勵。

3)針對“設備固定不良”事件的發生，采取的應對措施有：①操作人員在開工收工前應檢查設備狀態、發現異常及時報修，嚴禁在設備異常狀態下進行作業。配備專職人員對設備使用情況及狀態進行記錄，并定期進行巡檢維護和保養；②對工藝操作進行調整，合理設置運行參數，避免產生高強度振動。對設備進行優化改進，在地基上采用減振材料進行固定，設置動平衡裝置，安裝減振設備和緩沖裝置，對于固定不良產生嚴重振動的設備，選用低振動強度或新設備替代。

4 結論

1)在煤氣化職業危害分析中，應用模糊數學理論中的隸屬度概念闡述了被評價因素本身的模糊性和不確定性，將模糊概念量化表示，直觀描述了不確定因素的發生概率，充分發揮了專家的行業經驗，融合了主觀判斷和客觀計算，解決了職業危害理論分析中數據缺乏的問題，提高了模型的準確性。

2)對煤氣化職業健康風險建立模糊貝葉斯網絡模型，能夠充分考慮多個因素對職業健康的影響，快速確定風險因素間的影響關系。從整體到局部的分析思路彌補了單一評價多于整體評價的不足，提高了評價的科學性。該模型同樣可以分析多態性事件，具有較強的適用性。

3)貝葉斯網絡模型不僅可以利用專家知識正向推理職業健康風險概率，還可以通過反向推理迅速定位薄弱環節，解決了薄弱環節定位困難的問題，減輕了風險概率計算工作量，并在一定程度上解決了因事故影響因素具有模糊性且數量眾多導致風險難以定量評估的問題，提高了職業健康風險評價效率，為相關行業風險因素概率預測提供了有效的技術理論支持。