<<
>>

2.1 Теоретические предпосылки оценки рисков аварий

Возникновение аварий на ОПО подчиняется схеме испытаний Бернулли с переменными вероятностями [128], так как авария может произойти с какой-то

вероятностью р( или не произойти с вероятностью 1-д.

Тогда £р,, где и-

1=1

число элементов оборудования ОПО, будет ожидаемым числом аварий на всем заводе. Эта сумма - ожидаемое количество аварий - имеет в пределе

I

распределение Пуассона Р(х = к) = ——, где к - число аварий в год к = 0,1,2,...; А!

»=|

Величины вероятностей аварий на элементах оборудования определяются большим количеством малых возмущающих факторов: старение оборудования, коррозионная стойкость, твердость материала, квалификация обслуживающего персонала, агрессивность среды, давление, температура и так далее, но их совокупность, по центральной предельной теореме теории вероятностей [104] подчиняется нормальному раерределению.

Авария на конкретном объекте может произойти как по причине собственного отказа, так и по причине воздействия на данный объект других объектов. Математическое ожидание числа появления события в п опытах равно сумме всех вероятностей его появления в отдельных опытах [25], следовательно, общая вероятность появления аварии на конкретном элементе оборудования будет равна сумме вероятностей собственного отказа и вероятностей воздействия других объектов.

Невозможно получить точные значения вероятностей аварий на элементах .оборудования, вследствие многочисленности и сложности причин, вносящих вклад в эти значения. Но можно сделать оценки предрасположенности к аварии, и затем, на основе этих оценок, найти предполагаемые ущербы. Данные оценки мы получим с помощью созданной нечеткой экспертной системы.

“Истинные” неизвестные вероятности аварий подчиняются нормальному .распределению. Бесполезно знать (и невозможно) “точные” значения вероятностей, поскольку мы никогда нс сможем предвидеть, где именно произойдет случай, который приведет к превышению давления и последующему разрыву элемента оборудования.

Но для того элемента оборудования, у которого коэффициент предрасположенности к аварии высокий, флуктуация более вероятно приведет к аварии, чем у элемента оборудования с меньшим коэффициентом.

Имеющиеся данные по вероятности возникновения аварий в нефтегазовой отрасли свидетельствуют о следующем.

t

Вероятность возникновения небольших аварий (инцидентов) типа утечки газа из емкостей и технологического оборудования на газоперерабатывающих заводах составляет Ю'2-е-ю’/объект-год; вероятность возникновения средней аварии на трубопроводах и резервуарах для хранения газа составляет 10 “• +10’‘/объект-год [65].

Вероятность возникновения крупных аварий на технологических трубопроводах составляет 5-кг’/м-год [111].

Средняя вероятность возникновения аварий на трубопроводах составляет 0.3 *0.9/тыс.км-год [65].

Очевидно, вероятность развития тяжелой аварии с максимально возможным размером убытка, соответствующим полному уничтожению имущества, намного ниже представленных показателей. Таким образом, при анализе потребности в страховании, целесообразно ограничиться возможностью получения страхового покрытия в случае средних и крупных аварий и исключить сверхкрупные убытки. Возможная верхняя планка убытков,

SI

которые целесообразно включить в рассмотрение, может быть установлена на уровне нескольких десятков процентов от стоимости страхуемого имущества [65].

Рассмотрев теоретические предпосылки оценки рисков аварий и инцидентов, перейдем к разработке компьютерной СППР в управлении процессом обеспечения промышленной безопасности.

2.2 Разработка автоматизированной системы поддержки принятия ‘ решении в управлении процессом обеспечения промышленной безопасности нефтегазового предприятия на основе нечеткой базы знаний

В результате перехода нашей страны в рыночную экономику и смены ’собственника нефтегазовых предприятий, изменились принципы управления процессом обеспечения промышленной безопасности. Если раньше промышленными предприятиями владело государство, и средства на обеспечение промышленной безопасности выделялись из государственного бюджета, то теперь задача обеспечения безопасности принадлежит в основном частным предприятиям.

От того насколько эффективно предприятие будет управлять процессом обеспечения промышленной безопасности, зависит ее конкурентоспособность.

Правила по обеспечению безопасного производства нефтегазовых • предприятий отражены в федеральных законах “О промышленной безопасности опасных производственных объектов” [126], “О газоснабжении в Российской Федерации, “Об охране окружающей среды”, “О техническом регулировании” [127], в нормативных требованиях и стандартах экологической, социальной, технической безопасности, региональных законодательных актах, инструкциях по уменьшению риска аварий и последствий, созданных на предприятии. В правовом обеспечении еще многое предстоит сделать, в связи с необходимостью соответствия наших законов мировым стандартам, так как

одной из возможных стратегий нашей страны является вступление во Всемирную торговую организацию (ВТО) [63].

Экономический механизм имеет большое значение в обеспечении промышленной безопасности [20]. Задачей предприятия является эффективное распределение своих денежных средств на уменьшение вероятности возникновения случившихся аварий и потерь от них. При этом необходимо чтобы затраты от аварий (социальные, экологические и материальные [64]) были минимальными, при минимуме использованных средств на предотвращение аварий. Затраты от аварий можно уменьшить с помощью превентивных мер [12] (диа/ностирование оборудования, контроль за его работой, ремонт, замена оборудования, повышение квалификации персонала, страхование, снабжение работников средствами индивидуальной защиты и др.).

Государство может помочь предприятиям в ликвидации последствий аварий с помощью льготных кредитов и займов. Существует система обязательного страхования экологических и социальных рисков и добровольная по страхованию имущества, которая способна уменьшить затраты предприятий при наступлении аварий и снизить неопределенность. Если предприятия не уменьшают повышенный риск аварий, то они облагаются штрафами, платежами за риск, увеличиваются сумма страховых взносов и другие денежные отчисления в виде налогов.

Кроме этого штрафные санкции назначаются за нанесение ущерба окружающей среде.

Информационный механизм играет важную роль в обеспечении промышленной безопасности. От полноты информации, зависит то, насколько правильно будет оценен риск аварии и возможные затраты. В случае завышенной оценки возможных последствий от аварий, предприятие тратит средства на обеспечение промышленной безопасности впустую, а в случае заниженной оценки, этих средств может не хватить.

В соответствии с [98] риск аварий и инцидентов R для ОПО будем оценивать по следующей формуле:

/*•

(2.1)

где P^P^ - вероятности аварий и инцидентов соответственно для каждого j - го элемента оборудования;

Z*,Z4 - возможные ущербы от аварии и инцидентов соответственно, оцененные для каждого j - го элемента оборудования;

N - число элементов оборудования.

На наш взгляд, целесообразно создание компьютерной системы управления промышленной безопасности (СУПБ) предприятия, обладающей •чертами СППР, которая позволит выдавать рекомендации на основе входной информации (рисунок 3).

Рисунок 3 - СУПБ (СППР) предприятия

Рекомендации могут заключаться, например, в замене или ремонте

оборудования, повышении квалификации персонала, оптимальном

использовании ресурсов, направляемых на уменьшение риска и потерь от

аварий. Ядром этой СУПБ может стать нечеткая экспертная система. %

. Необходимо накопление в компьютерных базах правовой информации, данных

об авариях, оборудовании, о нарушениях техники безопасности, результатах тестирования обслуживающего персонала установок ОПО, для выработки эффективных решений по управлению процессом обеспечения безопасной работы предприятия. •

Накопление и организация знаний - одна из самых важных характеристик экспертной системы, поэтому сердцевиной экспертной системы является база знаний [95, 125].

Знания - основа экспертных систем - являются явными и доступными, что *и отличает эти системы от большинства традиционных программ. Наиболее полезной характеристикой экспертной системы является то, что она применяет для решения проблем высококачественный опыт. Этот опыт может представлять уровень мышления наиболее квалифицированных экспертов в данной области, что ведет к решениям творческим, точным и эффективным [99]. Аналогично, пользователь может оценить влияние новых стратегий или процедур на решение, добавляя новые правила или изменяя уже существующие.

Если база знаний разработана в ходе взаимодействия с ведущими • специалистами учреждения, отдела или штаба, то она представляет текущую политику или способы действия этой группы людей. Такой набор знаний становится сводом очень квалифицированных мнений и постоянно обновляющимся справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остается.

Эксперт использует свои приемы и наработки, чтобы сделать поиск решения более эффективным, и экспертная система моделирует все его стратегии. Как правило, экспертная система моделирует знания одного или нескольких человек, хотя она может также содержать опыт, почерпнутый из •других источников, таких как книги и журнальные статьи. Одним из положительных качеств искусственной компетентности является ее постоянство. Человеческая компетентность ослабевает, независимо от того, относится она к физической или умственной деятельности. Эксперт должен

постоянно практиковаться и упражняться, чтобы сохранить свой профессиональный уровень в некоторой предметной области. Значительный перерыв в деятельности эксперта может серьезно отразиться на его профессиональных качествах. Это не относится к искусственной экспертной системе [77, 120J.

Существует несколько веских доводов в пользу того, чтобы не отказываться полностью от эксперта-человека.

Хотя экспертные системы хорошо справляются со своей работой, тем не менее, в определенных областях деятельности человеческая компетентность явно превосходит любую * искусственную. Это не есть отражение фундаментальных ограничений искусственного интеллекта (ИИ), но характерно для современного его состояния.

Возьмем, например, область творчества. Люди обладают значительно большей способностью к творчеству и изобретательностью, чем даже самая умная программа. Эксперт-человек способен реорганизовать информацию и использовать ее для синтеза новых знаний, в то время как экспертная система тяготеет к рутинному, лишенному творчества поведению. Эксперты справляются с неожиданными поворотами событий с помощью воображения и новых подходов к решению задачи, включая проведение аналогий с ситуациями из совершенно других предметных областей. У программы в этих случаях нет шансов на успех.

Эксперты могут непосредственно воспринимать весь комплекс входной сенсорной информации, будь то визуальная, звуковая, осязательная или обонятельная. У экспертной системы есть только символы, через которые представлены концепции базы знаний. Поэтому сенсорную информацию необходимо преобразовать в символьную форму, которая понятна системе. При преобразовании теряется некоторая часть информации, особенно когда визуальные сцены отображаюіся во множество объектов и взаимосвязей между ними [125].

Экспертная деятельность (ЭД) является распространенным видом интеллектуальной деятельности. В экономической, технической, социальной диагностике характерны разнообразные методы. Модели объектов анализа разнообразны в такой же степени, в какой и объективная реальность. Однако все более широкое использование математики, современных информационных технологий, развитие общеметодологических теорий (например, теории систем и системотехники) создали предпосылки выделения методов ЭД как области 'деятельности большой группы специалистов независимо от вида объекта экспертизы. В результате появилось направление систем искусственного интеллекта, известное как экспертные системы (ЭС), которые становятся модулем системы автоматизированного проектирования (САПР), научных исследований, систем управления предприятием. Свойство интеллектуальности теперь присуще всем новейшим информационным системам [56]. Слияние ЭС и систем поддержки принятия решений на уровне методов повышает эффективность интеллектуальных САПР. Обоснованием тому может служить представление проектирования как итерационного процесса анализа и синтеза

* автоматизированного проектирования.

Общей философией экспертной деятельности признается системный подход [92, 124, 134], хотя и понимаемый в общем смысле, но развиваемый на основе разных математических методов в направлении от теории систем к системотехнике. ,

Нечеткие экспертные системы используют представление знаний в форме нечетких продукций и лингвистических переменных. Основу представления лингвистической переменной составляет терм с функцией принадлежности. Способ обработки знаний в ЭС - это логический вывод по нечетким

• продукциям. Особенностью нечеткой ЭС является способ извлечения функций принадлежности, который сводится либо к статистическим методам построения, либо к методу экспертных оценок [140].

Системы с нечеткой логикой целесообразно применять в следующих случаях [45]:

1) для сложных процессов, когда нет простой математической модели;

2) экспертные знания об объекте или процессе можно сформулировать в лингвистической, т.с. в словесной форме.

Эти требования вполне применимы для рисковых процессов производства нефти и газа. Как было показано в первой главе, целесообразно использование нечетко-множественного подхода в описании таких процессов. Поэтому, для описания этих процессов, будем использовать системы, основанные на нечеткой логике.

Для выполнения нечеткого вывода при нечетких данных необходимо уметь определять степени принадлежности входов к термам из базы знаний. Они рассчитывается по-разному при четких и нечетких входных значениях. При четких исходных данных они рассчитывается подстановкой текущего значения переменной в формулу функции принадлежности. При нечетких исходных данных необходимо определить степень принадлежности одного нечеткого множества А значения входной переменной, к другому нечеткому множеству В терму из базы знаний. Она равна высоте пересечения этих нечетких множеств [138, 146] (см. рисунок 4).

Рисунок 4 - Расчет степени принадлежности нечеткого множества А нечеткому множеству В

Нечеткие правила достаточно хорошо описывают сложную нелинейную зависимость. При этом модель типа Сугэно более точная. Преимущество моделей типа Мамдани состоит в том, что правила базы знаний являются прозрачными и интуитивно понятными, тогда как для моделей типа Сугэно не всегда ясно, какие линейные зависимости “входы-выход” необходимо использовать [138].

Нечеткий логический вывод по алгоритму Мамдани выполняется по нечеткой базе знаний, в которой значения входных и выходной переменной заданы нечеткими множествами: где х,- вход нечеткой базы знаний;

п

ПХ1 =а1.№ свесом

Л>

at jf - лингвистический терм, которым оценивается переменная xt в строчке с номером jp (р = М^);

к}- количество строчек-конъюнкций, в которых выход у оценивается лингвистическим термом df;

wJP- весовой коэффициент правила с порядковым номером jp число из диапазона [0,1], задающее относительный вес правила при нечетком логическом * выводе;

т - количество термов, используемых для лингвистической оценки выходной переменной У.

Обозначим //^(х,) - функция принадлежности входа х, нечеткому терму а, функция принадлежности выхода у нечеткому терму dr Степени

принадлежности входного вектора X' = (х{ ,xS ,...tx*) нечетким термам dt из базы знаний рассчитывается следующим образом:

/G, (О = V. wi,' Л кг J = ,

где v(a)- операции нахождения максимума и минимума.

Степень квалификации персонала, диагностики, контроля, состояние .оборудования представим в виде лингвистических переменных. Термами - лингвистическими оценками, будут, например, “очень большое”, “большое”, “среднее” и “низкое” значение. Экспортно определяются границы термов лингвистических переменных и строятся их кривые. На основе информации в базах данных оцениваются риски аварий и инцидентов, и принимаются

I

.решения по использованию средств на обеспечение промышленной безопасности. Правила нечеткого вывода размещаются в нечеткой базе знаний. Эти правила строятся на основе нормативных документов и экспертных оценок.

Создание СППР позволит отслеживать ситуацию на предприятии и быстро принимать эффективные решения на основе использования нечеткой базы знаний.

Свойство универсальности применения систем нечеткого вывода доказано рядом фундаментальных теорем. У. Ванг в 1992 г. показал, что справедливо утверждение: если нечеткая импликация основана на использовании операции min, функция принадлежностей задается гауссовым распределением:

и используется центроидный метод (метод нахождения центра тяжести) дефаззификации, то система нечеткого вывода является универсальным аппроксиматором [139].

Согласно знаменитой теореме FAT (Fuzzy Approximation Theorem), доказанной Б. Коско в 1993'г., любая математическая система может быть аппроксимирована системой, основанной на нечеткой логике [143].

Рассмотрим организационно-техническое мероприятие по уменьшению рисков - диагностирование оборудования.

Техническое диагностирование, проводимое специалистом по диагностированию (экспертом), фактически представляет собой научно­исследовательскую работу, выполненную в сжатые сроки. Поэтому основная задача эксперта - не только отыскивать дефекты, допущенные при изготовлении и пропущенные при входном контроле, но и оценивать влияние обнаруженных дефектов на безопасность, не повторяя все расчеты проектировщика, при этом вместо проектных значений толщины стенок сосудов или трубопроводов берутся фактические. Главная задача технического диагностирования - определение доминирующего механизма повреждения, на основании которого делается прогноз (оценка остаточного ресурса) и назначаются компенсирующие мероприятия и мониторинг. Остаточный ресурс - время от момента контроля за техническим состоянием до перехода в неработоспособное или предельное состояние. Оценка остаточного ресурса выполняется для назначения срока следующего технического диагностирования, т.е. установления назначенного ресурса с учетом дефектов, их допустимых значений и возможного развития повреждений.

Практика показала, что применение старых (традиционных) подходов при определении возможности, условий и сроков дальнейшего использования длительно эксплуатируемого оборудования приводит не только к перебраковке (запрету на эксплуатацию пригодного оборудования), но и к недобраковке (допуску к эксплуатации непригодного оборудования).

В настоящий момент актуальна проблема разработки и внедрения принципиально новых нормативных документов по оценке пригодности к эксплуатации технологического оборудования на опасных производственных объектах.

Оценка прочности при техническом диагностировании отличается от расчетов на прочность при проектировании ввиду различных задач, стоящих перед проектировщиком и диагностом. Задача первого - спроектировать изделия, пригодные к эксплуатации в достаточно широком диапазоне условий, второго - определить безопасность длительно эксплуатируемого изделия, работоспособность которого подтвердила (или опровергла) практика [7]. Нормативные документы на проектирование не учитывают тот факт, что в процессе эксплуатации происходит деградация свойств металла, и образуются дефекты в конструкции. Вследствие этого длительно эксплуатируемое оборудование может не соответствовать требованиям документов на проектирование.

При экспертизе промышленной безопасности (ЭПБ) оборудования,

отработавшего проектный срок службы, обязательно проведение технического

диагностирования с определением возможности и сроков его дальнейшей

эксплуатации (остаточного ресурса). Ключевые моменты такого

диагностирования: нормативный контроль (НК) и оценка остаточного ресурса *

на основании прочностных расчетов.

В подавляющем большинстве случаев разрушение технологического оборудования начинается с зарождения и развития трещин (или развития несплошностей металлургического происхождения), образовавшихся при изготовлении конструкции. Традиционные методы НК - ультразвуковой контроль, рентгенография - позволяют своевременно определить стадию начала разрушения. Такую очевидную связь НК и науки о прочности можно назвать качественной, так как она не содержит количественных норм дефектов, выявляемых НК в зависимости от требований к прочности конструкции и ее ресурсу.

В настоящее время нормирование дефектов проводится по научно- техническим документам на изготовление новых изделий, оценку прочности выполняют для бездефектного материала, что нельзя признать правильным. Это положение противоречит основным задачам ЭПБ.

Нормативно-технические документы на проектирование оборудования не учитывают факта деградации свойств материала и образования дефектов различной природы в длительно эксплуатируемом оборудовании [53].

Если результаты оценки показывают, что техническое устройство пригодно к эксплуатации в данных условиях, то можно продолжать его дальнейшее использование при тех же параметрах. При этом должны быть разработаны соответствующие программы, определяющие объем, методы и периодичность работ по техническому диагностированию оборудования. Если же по результатам диагностики техническое устройство оказывается непригодным к эксплуатации при конкретных рабочих параметрах, то предусматривается пересмотр их значений в целях уменьшения на основе применения соответствующих расчетных методик. Для технического устройства (сосуд или трубопровод), работающего под давлением, эти методики могут быть ‘ использованы для определения сниженного значения максимально допустимого рабочего давления и (или) рабочей температуры.

К заключению об остаточном (назначенном) ресурсе прилагаются документы, содержащие объем, методы и периодичность работ по определению технического состояния оборудования в течение срока до следующего технического диагностирования.

Для выявления закономерностей возможного развития повреждений с учетом механизмов деградации и типов дефектов проводится мониторинг. Его назначают также в случаях, когда остаточный ресурс оценить не удается из-за * невозможности формального описания деградации свойств металла технического устройства в условиях эксплуатации.

В тех случаях, когда по тем или иным причинам невозможно рассчитать остаточный ресурс или он слишком мал, эксплуатация технических устройств возможна только при проведении мониторинга в процессе эксплуатации.

Обычно применяемые технологии мониторинга [53]:

- постоянный или периодический акустико-эмиссионный контроль;

- ультразвуковая толщинометрия;

- визуально-измерительный контроль;

- тспловизионные обследования;

- вибродиагностирование;

- картографирование профиля толщины стенки;

- установка образцов-свидетелей (коррозионные пробы);

контроль скорости сероводородной коррозии (контроль электрохимического потенциала поверхности объектов с помощью промышленных высокоомных потенциометров);

- постоянный или периодический контроль пропуска продукта (течеискатели);

- слежение за изменением данных нивелирования и контроль вертикальности (геодезический мониторинг).

В последние годы была активизирована работа промышленных предприятий по определению остаточного ресурса безопасной эксплуатации основного технологического оборудования. Эта мера, с одной стороны, позволила оптимизировать расходы на обновление основных фондов и ремонт оборудования, с другой - провести в сжатые сроки техническое диагностирование технологического оборудования для определения остаточного ресурса его эксплуатации, что минимизировало риск аварий на самых опасных участках технологических процессов.

Отдельные поднадзорные предприятия решают проблему определения остаточного ресурса безопасной эксплуатации на плановой основе, расходуя на эти цели существенные финансовые средства.

Ставка на диагностирование устаревшего оборудования и продление его ресурса не может полностью решить проблему противостояния авариям.

Взрывы в 1984 и 2004 гг. абсорберов моноэтаноламиновой очистки (обследованных и отремонтированных в полном соответствии с действующими нормативными документами ASME и API [141]) на нефтеперерабатывающих предприятиях США, повлекшие за собой многочисленные человеческие жертвы и большие материальные потери, подтверждают этот факт.

Многие объекты продиагностированы уже несколько раз, и их надо выводить из эксплуатации. Такая практика на фоне незначительных объемов ввода в действие новых производственных мощностей закладывает отставание в прогивоаварийной устойчивости и эффективности производств.

Применяемые в настоящее время многообразные методы неразрушающего контроля не всегда позволяют правильно проанализировать состояние основного металла и сварных соединений, а также прогнозировать срок их службы.

На настоящий момент существует более десяти методик диагностики: •направленные на обнаружение дефектов - ультразвуковая дефектоскопия, магнитопорошковая дефектоскопия, рентген; направленные на определение поверхностных трещин - вихретоковый метод контроля; метод акустической эмиссии (АЭ), основанный на испускании материалом упругих волн при .динамической локальной перестройке его структуры, и метод акустической струкгуроскопии [115]. Совместное использование нескольких методов значительно повышает качество диагностики. Необходимость сто - процентного обследования оборудования при оценке ресурса хотя и осознана, однако для реализации этой задачи на практике требуются большие затраты - времени и материально-финансовых средств. С использованием традиционных методов - ультразвуковой дефектоскопии (УЗД), рентгена, магнитопорошковой дефектоскопии (МПД) - эта задача на практике не реализуется. Например, на современном паровом котле производительностью 1000 т/ч протяженность труб . поверхностей нагрева составляет более 500 км, поэтому обстучать, зачистить и измерить методом УЗД их практически невозможно, и эту работу ни одна электростанция не выполняет. Аналогичные проблемы имеются при контроле газо- и нефтепроводов, протяженность которых в России достигает сотни тысяч километров, в нефтяной и химической отраслях промышленности - при контроле большого парка сосудов и трубопроводов, а в других отраслях промышленности - при контроле стареющего оборудования и конструкций [115].

Надежность функционирования трубопроводов в значительной степени .определяется работоспособностью металла, эксплуатирующегося в сложных напряженных условиях. В этой связи особенно актуальной является оценка изменений микроструктуры и механических характеристик жаропрочных

сталей в процессе длительной эксплуатации трубопроводов.

Комплекс конкретных компенсирующих и мониторинговых мероприятий разрабатываются экспертной организацией и согласовываются с владельцем технического устройства. Указанные рекомендации должны содержать объем, методы и периодичность работ по определению технического состояния оборудования в течение срока до следующего технического диагностирования.

Рассмотрев теорию и практику диагностирования оборудования, можно перейти к созданию нечеткой базы знаний “Диагностика”.

База знаний “Диагностика” предназначена для определения качества диагностирования и имеет следующие входные переменные: “Количество методов диагностирования”, “Объем методов диагностирования”, “Группа * опасности”, “Категория опасности”.

Введем лингвистическую переменную “Количество методов

«

диагностирования”, значения которой лежат в пределах [0;10]. Термами лингвистической переменной будут “Низкое”, “Среднее”, “Высокое” количество. В качестве функций принадлежностей выберем нормальные кривые.

Под уровнем диагностики будем понимать число из интервала [0,1]. Чем выше это число, тем выше уровень диагностики. На уровень диагностики влияет объем диагностирования, количество используемых методов диагностики, группа транспортируемых или содержащихся веществ, категория объекта.

Согласно нормативной документации по техническому диагностированию сосудов, работающих под давлением, и продлению срока их службы требуется знание объема дефектоскопического контроля, выполняемого при диагностировании. В частности, в работе [117] для расчета ресурса эксплуатации необходимо знать отношение объемов дефектоскопического контроля, выполняемого при диагностировании и изготовлении. Данная информация об объеме контроля при изготовлении сосуда содержится в ‘технических паспортах на диагностируемое оборудование. Лингвистическая переменная “Объем диагностирования”, имеет значения в пределах [0;!] равные отношению объемов дефектоскопического контроля, выполняемого при диагностировании и изготовлении. Термы лингвистической переменной - “Низкий”, “Средний”, “Высокий”.

На уровень необходимой диагностики влияет также группа транспортируемых или содержащихся веществ и категория объекта. К первой группе относят вещества с токсическим воздействием, ко второй - взрыво и пожароопасные вещества, к третьей - трудногорючие и негорючие вещества. . Наибольший объем диагностики и количество используемых методов требуется для объектов, содержащих вещества первой и второй группы опасности. Это и понятно, для объектов, содержащих вещества третьей группы опасности (например, водяной пар в сосудах газоперерабатывающего завода) возможный ущерб от аварий и инцидентов наименьший. Введем лингвистическую переменную “Группа опасности”, значения которой лежат в пределах [1;3]. К первому терму “12” относятся первая и вторая группы опасности, ко второму терму “3” - третья группа.

В зависимости от рабочих состояний среды (давления и температуры) . выделяют пять категорий объектов. Наиболее опасны объекты первой, второй и третьей категорий. Введем лингвистическую переменную “Категория опасности”, значения которой лежат в пределах [0;5]. Термами лингвистической переменной будут “1”, “2”, “3”, “4”, “5” категории.

Выходная лингвистическая переменная “Уровень диагностики” состоит из термов “Очень низкий”, “Низкий”, “Средний”, “Высокий”, “Очень высокий”. Возможные значения принадлежат интервалу [0,1].

Нечеткие правила в базе знаний имеют вид: Если “Количество методов” = “Высокое” и “Объем методов диагностирования” = “Высокий” и “Группа опасности” = “12” и “Категория опасности” = “1” то “Уровень диагностики” = “Очень высокий”.

Создано три базы знаний для определения состояния оборудования. Первая база знаний - для оборудования, не превысившего нормативный срок эксплуатации, вторая и третья^- для оборудования, превысившего нормативный срок эксплуатации с продленным сроком на 4 года и 8 лет соответственно.

В базы знаний состояния оборудования входят следующие лингвистические переменные: “Срок эксплуатации”, “Группа опасности”, “Категория опасности”, “Подконтрольная эксплуатация”, “Скорость коррозии”, “Диагностика”, “Технический контроль”, “Датчики”. На выходе лингвистическая переменная “Состояние”, имеющая термы “Очень низкое”, “Низкое”, “Ниже среднего”, “Среднее”, “Выше среднего”, “Высокое”, “Очень высокое”. Базы знаний состояния оборудования является частью иерархической базы знаний. Входная переменная “Диагностика” баз знаний, определяющих состояние оборудования, является выходной переменной “Уровень диагностики” из базы знаний “Диагностика”. В результате дефаззификации нечеткого набора выводов в базе знаний “Диагностика”, получаем действительное число из интервала [0;1], которое подставляем на вход переменной “Диагностика” соответствующей базе знаний, определяющей состояние оборудования. Входная переменная “Срок эксплуатации” первой базы знаний состояния оборудования с нормативным сроком эксплуатации принимает значения на интервале [0,35]. Входные термы имеют следующие интервалы значений [о,з], [3;10] и [10;35]. Причина такого разбиения следующая. Первые три года оборудование эксплуатируется в неустановившемся режиме. На данном периоде устраняются дефекты сварки, начальной сборки. Во втором периоде, интенсивность отказов наименьшая. В третьем периоде происходит постепенное увеличение числа отказов в связи с нарастающим износом. Его причинами может быть механическое истирание, воздействие высоких температур и окружающей среды и др. [97]. В общем случае поток аварий элемента оборудования не стационарен [123], его интенсивность Л (О имеет вид, сходный с показанным на рисунке 5 [26]. На участке от оси (0,/,) интенсивность аварий технического устройства Л(0 уменьшается: новое техническое устройство “прирабатывается”, в нем выявляются и устраняются различные дефекты, проходит период “обкатки”. Затем на участке (/,♦/,) наступает период “стабильной” работы устройства, когда можно считать, что Л(/) = const. Затем по мере “старения” технического устройства (участок времени />/г) интенсивность аварий снова возрастает.

Рисунок 5 - Изменение интенсивности аварий с течением времени

Оборудование со сроком эксплуатации, превышающим нормативный, диагностируется и в результате расчетов выводится из эксплуатации или производится продление его работы на срок 4 или 8 лет. Если остаточный ресурс слишком мал, то назначается мониторинг, то есть подконтрольная эксплуатация. Во второй и третьей базе знаний интервалы изменения входной

I

. переменной “Срок эксплуатации” [0;4] и [0;8] соответственно. Данные переменные имеют три терма: “Начало”, “Середина” и “Конец”, соответствующие разным периодам эксплуатации.

Входная переменная “Подконтрольная эксплуатация” может принимать два .значения - “0” - нормальная эксплуатация, “1” - подконтрольная эксплуатация.

Лингвистическая переменная “Скорость коррозии” состоит из трех термов: “Низкая” - скорость коррозии менее 0,1 мм/ год, “Средняя” - скорость коррозии от 0,1 до 0,5 мм /год, “Высокая” - скорость коррозии от 0,5 и выше мм/год.

Входная переменная “Датчики” определяет наличие датчиков контроля давления и температуры может принимать два значения - “0” -“Нет”, “1” - “Есть”.

Входная переменная “Технический контроль” баз знаний состояния оборудования является выходйой переменной “Уровень технического контроля” базы знаний “Технический контроль”.

База знаний “Технический контроль” состоит из трех входных лингвистических переменных - “Эксплуатация”, “Контроль визуальный”, “Контроль в подконтрольной эксплуатации”.

Значения переменной “Эксплуатация” - “0” - “Нормальная эксплуатация”, “1” - “Подконтрольная эксплуатация”.

Лингвистическая переменная “Контроль визуальный” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения количество раз визуального контроля элемента оборудования, за год принадлежат интервалу [0;700].

Лингвистическая переменная “Контроль в подконтрольной эксплуатации” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения количество раз контроля с использованием приборов элемента оборудования, находящихся в подконтрольной эксплуатации за год, принадлежат интервалу [0;3].

Лингвистическая переменная “Уровень технического контроля” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения принадлежат интервалу [0;1]. *

Нечеткие правила в базе знаний “Технический контроль” имеют следующий вид: Если “Эксплуатация” = “Подконтрольная” и “Контроль визуальный” = “Низкий” и “Контроль в подконтрольной эксплуатации” - “Низкий” то “Уровень технического контроля” = “Низкий”.

Нечеткие правила в базе знаний “Состояние оборудования с нормативным сроком эксплуатации” имеют вид: Если “Срок нормативный” = “От 3 до 10” и “Группа опасности” = “3” и “Категория” - “3” и “Скорость коррозии” = ‘‘Низкая” и “Диагностика” - “Средняя” и “Датчики” = “Есть” и “Технический контроль” •=■ “І Іизкий” то “Состояние” - “Очень хорошее”.

Пример построения кривых функций принадлежностей для нормативного срока эксплуатации элемента оборудования входной переменной продолжительности экенлуагации - “Срок нормативный” представлен на рисунке 6.

Рисунок 6 - Окно редактора функций принадлежности

В результате анализа причин аварийности и травматизма на нефтегазовых предприятиях, проведенном в первой главе, было выяснено, что одним из основных факторов аварийности является человеческий фактор Аварийные ситуации зачастую являются следствием неправильного действия персонала, из- за недостаточной профессиональной подготовки, незнания безопасных приемов труда, неслаженной работы коллектива. Необходимо проводить организационные мероприятия с целью улучшения состояния человеческого фактора. Данные мероприятия должны быть экономически оправданными. Сформировать оптимальну^ стратегию организационных мероприятий поможет разработанная СППР.

Рассмотрим человеческие качества, влияющие на риск аварий и инцидентов.

Под профессионализмом будем понимать: квалификацию по роду деятельности, наличие смежных квалификаций, умение пользоваться компьютерной техникой, знания в области промышленной безопасности, умение ориентироваться в информационном пространстве, объем общих и специальных знаний, профессиональный и общий стаж работы, образование и специальность, соответствие специальности, должность и эрудицию в специальных вопросах, трудовые навыки, умение действовать в нештатных и экстремальных ситуациях.

Под психофизиологическими качествами будем понимать способность к запоминанию и переработке информации, концентрацию внимания, сообразительность, скорость восприятия информации.

Под личностными - ответственность, эмоциональную устойчивость, степень социальной зрелости, отношение к образованию и повышению профессиональной квалификации, культура самосовершенствования, ориентация в информационном пространстве, коммуникабельность, здоровье, работоспособность, объективность, эрудиция, ответственность. Для определения личностных и психофизиологических факторов можно использовать тестирование, например, тест Кеттелла [2,59].

Со временем состояние общей квалификации людей меняется: уходят старые специалисты, приходят новые, в течение жизни меняются психофизиологические качества, знания конкретных людей. Поэтому необходимо каждый год пересчитывать состояние человеческого фактора для работников каждой установки, с целью пересчета рисков аварий и инцидентов и определения эффективных мероприятий по уменьшению рисков.

Повышение квалификации персонала, приобретение знаний и навыков, позволяет формировать более высокий уровень культуры производства, повышать эффективность системы управления процессом обеспечения промышленной безопасности. Это выражается в снижении аварийности и травматизма на предприятии. ‘

Руководствуясь индивидуальными особенностями того или иного человека, далеко не всегда можно предсказать его поведение в групповой деятельности. Отсюда можно объяснить часто встречающиеся на практике случаи, когда группы со “средними” индивидуальными показателями решают коллективные 'задачи более организованно и эффективно, чем группы с “лучшими” [130].

Роль человеческого фактора в оптимизации производственной деятельности коллективов отчетливо продемонстрирована в проведенных исследованиях [105], из которых видно, что при равных технических и экономических условиях эффективность работы коллектива может быть увеличена в три раза за счет роста его сплоченности; в группах с доброжелательной атмосферой производительность труда выше средней на 15 - 40 %, а брак ниже на 10-20 %; недооценка роли коллективного настроения ведет к потере до 15 % рабочего времени. От того, насколько хорошо сработан • коллектив, зависит насколько эффективно он будет противостоять возникновению аварии и бороться с ее последствиями.

Под социально-психологическим климатом (СПК) будем понимать срабатываемость коллектива, на которую влияет общее настроение, доброжелательность. ,

Оценка СПК в бригаде можно проводить по методике Фидлера [44]. Итоговый показатель колеблется от 10 (наиболее положительная оценка) до 80 (наиболее отрицательная). На основании индивидуальных оценок каждого члена бригады создается средний показатель СПК, характеризующий •психологическую атмосферу в коллективе. Методика допускает анонимное обследование. Климат в группе может определять лицо, имеющее

удостоверение эксперта, например, начальник установки, как “Плохой”, “Хороший”, “Отличный”.

Для определения уровня человеческого фактора, влияющего на аварийность, была создана нечеткая база знаний “Человеческий фактор”.

Входными переменными являются:

- переменные, определяющие текущее состояние человеческого фактора: . “Профессионализм”, “Психофизиологический фактор”, “Личностный фактор”, “Климат”;

- переменные, влияющие на изменение текущих показателей: “Контроль работы”, “Контроль знаний”, “Повышение квалификации”, “Коллективные смотры-конкурсы”.

Лингвистическая переменная “Профессионализм” состоит из следующих

термов “Очень низкий”, “Низкий”, “Средний”, “Высокий”, “Очень высокий”.

Возможные значения - средний результат тестирования профессиональных

знаний и умений работников одной установки принадлежат интервалу [0,100].

*

Лингвистическая переменная “Психофизиологический фактор” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения - [0;100].

Лингвистическая переменная “Личностный фактор” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения - средние по t результатам тестирования работников, обслуживающих установку, принадлежат интервалу [о,юо].

Климат в группе может определять начальник установки. Введем лингвистическую переменную “Климат”. Термами лингвистической переменной будут “Плохой”, “Хороший”, “Отличный”.

I

Лингвистическая переменная “Контроль работы” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения - количество раз контроля работников, обслуживающих установку, за год принадлежат интервалу [0;Ю].

Нужно отметить, что практически по всем направлениям надзорной деятельности Гостехнадзора России отмечаются слабая эффективность систем производственного контроля, формализм, который создает условия для бесконтрольности при решении вопросов обеспечения промышленной безопасности. И это тот же “человеческий фактор” [74].

Лингвистическая переменная “Контроль знаний” состоит из термов “Низкий”, “Средний”, “Высокий”. Возможные значения - количество раз проверки знаний работников, обслуживающих установку, за год принадлежат интервалу [0;5].

Лингвистическая переменная “Повышение квалификации” состоит из термов “Низкое”, “Среднее”, “Высокое” - количество занятий по повышению профессионально-технического уровня работников, обслуживающих установку, за год, принадлежат интервалу [0;5].

Лингвистическая переменная “Коллективные смотры-конкурсы” состоит из •термов “Низкое”, “Среднее”, “Высокое” - количество раз проведения коллективных мероприятий с целью улучшения психологического климата в коллективе, за год, принадлежат интервалу [О;5]. Коллективные конкурсные мероприятия улучшают климат в коллективе работников установок, расширяют кругозор, помогают лучше ориентироваться в вопросах охраны труда, усваивать учебный материал. Их можно проводить в форме соревнований, деловых игр, по тематике, связанной с вопросами охраны труда и промышленной безопасности.

Выходная лингвистическая переменная “Уровень человеческого фактора” • имеет термы “Очень низкий”, “Низкий”, “Ниже среднего”, “Средний”, “Выше среднего”, “Высокий”, “Очень высокий”. Возможные значения принадлежат интервалу [0,1].

Нечеткие правила, например, могут иметь следующий вид: Если “Профессионализм” = “Очень высокий” и “Психофизиологический фактор” = “Высокий” и “Личностный фактор” = “Высокий” и “Климат” = “Хороший” и “Контроль работы” = “Средний” и “Контроль знаний” = “Средний” и “Повышение квалификации” = ’’Среднее” и “Коллективные смотры-конкурсы” = “Средние” то “Уровень человеческого фактора” = “Очень высокий”.

Окно редактора правил базы знаний “Человеческий фактор” представлено на рисунке 7.

Рисунок 7 - Окно редактора правил

Па этом заканчивается описание баз знаний, имеющихся в нечеткой

I

экспертной системе.

Схема нечеткой экспертной системы изображена на рисунке 8.

База знаний

Состояние оборудования с нормативным сроком эксплуатации

База з’наний

Состояние оборудования со сроком эксплуатации, продленном на 8 лет

База знаний

Состояние оборудования со сроком эксплуатации, продленном на 4 года

База знаний

Человеческий

фактор

------ *----------

База знаний

Технический

контроль

База знаний Диагностика

База данных

элементов

оборудования

База данных обслуживаю­щего персонала

ъ

Рисунок 8 - Нечеткая экспертная система

Схема данных таблиц баз данных, входящих в нечеткую экспертную систему, представлена на рисунке 9.

1 ннОбору дсватя Г рутэОпэсиосги Категория

ЗатратыИмцидент Затрат ь4Ьиімден г

Іхтоборудомп

СрокЗксгшуатої Стойкое тьЗаиеь ТипСтали Рабом^еДавпен»

год

| Квалификация

——*

Год

Квалификация

ГехСостоьмид

КьЯлификац»'

ТехСоетоями

Квзлификаць

ЛетВЭкспл

ЧислоСосудо—

Трубопровод

Вероятное ты

Вероятность,

ТсхСосто^іиУ 1

Год

[Квалификация

Гхема данных

Рисунок 9 - Схема данных

;
<< | >>

Еще по теме 2.1 Теоретические предпосылки оценки рисков аварий:

- Антимонопольное право - Бюджетна система України - Бюджетная система РФ - ВЭД РФ - Господарче право України - Государственное регулирование экономики России - Державне регулювання економіки в Україні - ЗЕД України - Инвестиции - Инновации - Инфляция - Информатика для экономистов - История экономики - История экономических учений - Коммерческая деятельность предприятия - Контроль и ревизия в России - Контроль і ревізія в Україні - Логистика - Макроэкономика - Математические методы в экономике - Международная экономика - Микроэкономика - Мировая экономика - Муніципальне та державне управління в Україні - Налоги и налогообложение - Организация производства - Основы экономики - Отраслевая экономика - Политическая экономия - Региональная экономика России - Стандартизация и управление качеством продукции - Страховая деятельность - Теория управления экономическими системами - Товароведение - Управление инновациями - Философия экономики - Ценообразование - Эконометрика - Экономика и управление народным хозяйством - Экономика отрасли - Экономика предприятий - Экономика природопользования - Экономика регионов - Экономика труда - Экономическая география - Экономическая история - Экономическая статистика - Экономическая теория - Экономический анализ -