Методика априорной оценки риска происшествий на объекте повышенной опасности

Предлагаемая ниже методика может быть применена начиная с момента определения структуры, конструктивного исполнения и технологии эксплуатации конкретного ОПО. Оцениваемыми по ней показателями являются:

• 1) вероятность возникновения техногенных происшествий в течение времени т его функционирования;
• 2) ожидаемый от них за этот же период ущерб ;
• 3) связанные с этим средние задержки времени

Исходными данными, необходимыми для априорной оценки таких показателей, служат:

• а) параметры производственного процесса (количество типов т технологических операций и предполагаемая интенсивность проведения каждой из них, общая длительность времени их выполнения и количество привлекаемого персонала;
• б) параметры безошибочности и своевременности действий персонала в обычных и особых ситуациях: заданные ему алгоритмы и продолжительности времени: – их выполнения, – нахождения незащищенных компонентов соответствующей человекомашинной системы в зоне возможного появления опасных факторов и – предельно допустимого с момента возникновения ошибки персонала и отказа техники до появления этих факторов;
• в) параметры надежности производственного оборудования: структурные схемы безотказности в различных режимах функционирования и интенсивности отказов его элементов, а также наименования, надежность и количество r технических средств защиты персонала, используемых в конкретных технологических операциях для обеспечения безопасности выполнения им своих функций;
• г) справочные данные о надежности среднестатистического человека-оператора, аварийности и травматизме на аналогичном технологическом оборудовании и другой технике универсального назначения: средние длительности выполнения элементарных тактов алгоритма и их стандартные отклонения ; вероятности безошибочного выполнения этих тактов и вероятности ошибок контроля их правильности; коэффициенты экстремальности либо дискомфортности условий труда персонала в различных ситуациях; число N типов особых ситуаций и происшествий, средние задержки времени и средний ущерб от одного происшествия j-ro типа.

Априорная количественная оценка выбранных показателей техногенного риска осуществляется разработчиком ОПО совместно с привлекаемыми для этого специализированными организациями и включает следующие этапы.

• 1. Сбор данных, необходимых для определения указанных выше параметров, и проведение дополнительных целевых исследований. Требуемые для расчетов исходные данные определяются изучением проектно-технологической и эксплуатационной документации на оборудование ОТУ, включая расчеты прочности и устойчивости их элементов. При сборе этих данных могут быть использованы приведенные в приложениях А и Б к настоящей книге справочные данные, позаимствованные из научно-технической литературы по надежности техники и качеству человекомашинных систем.
• 2. Прогноз вероятностей характеризующих безотказность технологического оборудования ОТУ при выполнении k-х технологических операций, проводится с помощью структурных схем безотказности и с учетом приведенных выше рекомендаций.
• 3. Оценка вероятностей определяющих своевременность и безошибочность выполнения персоналом заданных функций в процессе функционирования соответствующих ОТУ, осуществляется в следующей последовательности.
• 3.1. Алгоритмы функционирования персонала представляются в виде совокупностей элементарных действий и типовых функциональных структур с учетом рекомендаций [4] и эксплуатационно-технологической документации ОПО по выполнению конкретных операций.
• 3.2. Подбираются параметры быстродействия и безошибочности выполнения тактов алгоритмов , предписанных персоналу ОТУ в обычных условиях (состояние 1 граф-модели), а также на случай устранения нестандартных ситуаций, т.е. возникших ошибок, отказов (состояния 2,3), опасных и критических ситуаций (состояния 4, 5) – по табл. А.1 и А.2 приложения.
• 3.3. Рассчитываются показатели безошибочности выполнения каждого подобного алгоритма – в соответствии с изложенными выше рекомендациями.
• 3.4. При найденных значениях параметров быстродействия определяются вероятности своевременного выполнения алгоритмов каждым членом персонала ОТУ – по формулам (11.18) – (11.21).
• 3.5. Рассчитываются вероятности безошибочных и своевременных действий персонала по ликвидации создавшихся наОТУ критических ситуаций – перемножением вероятностей
• 3.6. Определяются вероятности безошибочных , и своевременных действий по выполнению персоналом алгоритмов , возложенных на него в i-x технологических операциях, – перемножением вероятностей, найденных ранее для каждого его члена.
• 4. С помощью формул (11.15) – (11.17) находят условные вероятности – перерастания опасных ситуаций в критические и критических в происшествия
• 5. Оценивают вероятности возникновения происшествий при выполнении конкретных технологических операций на ОТУ по зависимости (11.22) или (11.11) с учетом особенностей их эксплуатации и имеющихся исходных данных.
• 6. Определяют вероятность появления аварийности и травматизма при проведении на рассматриваемых ОТУ и ОПО в целом всего производственного процесса в течение заданного времени – по формулам (11.24) и (11.23).
• 7. Рассчитывают ожидаемые средние потери (задержки) времени работы ОТУ и такую же величину ущерба из-за возможных на нем техногенных происшествий:

(11.25)

Пример 1

Апробация методики проведена на примере прогнозирования риска перегрузки АХОВ с помощью автомобильного крана типа КС-3572. Так как при данных работах оператор автокрана и такелажник действуют последовательно, то вероятность происшествий за время одной перегрузки удалось оценить с помощью упрощенной формулы (11.22).

• 1. Изучением проектно-технологической и эксплуатационной документации указанного выше автокрана установлено, что и
• 2. Вероятность Р₁₃(0 отказа автокрана за время одной перегрузки была рассчитана по формуле (11.21) на основе проектной интенсивности отказов и соответствующей структурной схемы надежности; при этом ее величина оказалась равной 0,015.
• 3. Используя заданные технологией перегрузки АХОВ алгоритмы действий рабочих в стандартных и нестандартных ситуациях, а также приведенные выше рекомендации, оценены вероятности:
• 4. С помощью формул (11.15) – (11.17) и принятых исходных данных были рассчитаны условные вероятности перерастания опасной ситуации в критическую и критической – в происшествие:
• 5. Вероятность появления происшествий за одну перегрузочную операцию рассчитана по формуле (11.22) и оказалась равной 0,0008.
• 6. При выбранной интенсивности и однотипности работ по перегрузке АХОВ рассчитана вероятность происшествий на ОПО за год их выполнения, значение которой оказалось следующим:
• 7. Ожидаемый от аварийности и травматизма средний ущерб за этот срок был оценен по правой формуле из (11.25) и с помощью статистических данных о тяжести (Y = 660) последствий одного происшествия при перегрузке АХОВ:

В предположении экспоненциального распределения времени найденная оценка эквивалентна параметру "средняя наработка на происшествие", равному 410 ч перегрузки АХОВ автокраном с двумя рабочими. При выбранной интенсивности данных работ это соответствует примерно 3,5 годам их проведения с указанной ранее интенсивностью, равной 360 перегрузкам в год. Или иначе – из каждых 10 тыс. рассматриваемых здесь работ в 8 из них могут возникать техногенные происшествия различного типа (катастрофа, несчастный случай с людьми, авария).

Заметим, однако, что предложенная модель не позволяет прогнозировать риск появления конкретного происшествия, хотя относительное распределение их различных типов может быть найдено с помощью статистических данных. В частности, если исходить из обычно рекомендуемого соотношения между числом несчастных случаев, аварий и поломок, выражаемого пропорцией 1 :10 : 30, то среди каждых 250 происшествий при перегрузке АХОВ в среднем будут иметь место 6 несчастных случаев, 61 авария и втрое больше поломок.

Что касается достоверности подобного прогноза, то по арифметическому порядку этот результат совпадает, например, с оценками Q(x) других авторов [37], однако более строго о его точности можно судить, зная дисперсию оценок, получаемых по формулам (11.22)–(11.24). С целью упрощения расчета представим ее в виде линеаризованных функций случайных переменных, а входящие в них параметры заменим оценками средних значений соответствующих нормально распределенных величин. При этих допущениях значение дисперсии оценки может быть определено, например, по следующей формуле:

(11.26)

где – частные производные функции(11.22) по всем ее вероятностям , рассчитываемые для оценки математического ожидания этой функции; – дисперсии соответствующих оценок – корреляционная матрица величин

В предположении о некоррелированности шести параметров (т = 6) модели (11.22) можно получить следующие выражения для входящих в формулу (11.26) частных производных:

(11.27)

(11.28)

(11.29)

(11.30)

(11.31)

(11.32)

Что касается способов оценки дисперсий D(P^) и корреляционных коэффициентов входящих в выражение (11.26), то их значения могут быть найдены подобным образом. Однако, исходя из иллюстративного характера рассматриваемого примера, соответствующие выкладки здесь не приводятся. С учетом этого, а также подразумевая под параметрами выражений (11.27)–(11.32) математические ожидания этих вероятностей с числовыми значениями, взятыми из примера 1, может быть получено следующее приближенное выражение для первого слагаемого формулы (11.26):

(11.33)

где – дисперсии оценок параметров, входящих

в зависимость (11.22), которые в последующих расчетах рассматривались как известные исходные данные.

Не приводя результата расчетов по последней формуле, отметим, что найденная по ней дисперсия оказалась примерно в двадцать раз меньше по сравнению с суммой дисперсий входящих в нее вероятностей, что косвенно свидетельствует о приемлемой точности прогноза риска происшествий даже по упрощенной модели (11.22).

Заметим также, что формулы (11.22)–(11.33) потребуются ниже (см. параграф 18.2) при использовании результатов этой модельной оценки для повышения достоверности статистического контроля одного из параметров техногенного риска в условиях дефицита эмпирических данных и невозможности отложить принятие решений о степени удовлетворения заданным к риску требованиям.