2017, Vol. 38
根据工业与信息化部数据, 我国2015年汽车市场呈现平稳增长态势, 年累计产销超过2 400万辆[1].我国汽车制造业平均每辆车消耗105 kg铝合金, 在“十二五”期间, 我国汽车制造业铝材消费年复合增长率为20.9%.铝合金板材的应用得到了很大的发展[2].在汽车生产过程中涉及到板材冲压、焊接、涂装、总装等工序, 抛光工艺在各工序中均有应用, 目的是使板材更加美观或通过抛光处理达到下一步工序要求.
在机械抛光的过程中, 会产生铝镁合金粉尘, 可引起工作场所内粉尘爆炸, 人体吸入后会对身体健康造成危害.目前有干式除尘和湿式除尘两种方式, 干式除尘存在粉尘爆炸的危险性, 湿式除尘解决了这一问题, 但铝镁合金粉尘在除尘器内与水反应产生氢气, 又带来了氢气火灾爆炸的危险性.2001年, 日本宫城县某电子零件工厂由于铝镁合金粉尘遇水产生氢气, 遇火源后, 抛光车间除尘系统爆炸, 造成10人受伤.2011年, 江苏镇江某精密加工公司铝合金机壳加工湿式除尘系统管道内, 静电积聚引起氢气爆炸事故, 造成除尘系统和车间爆炸, 21人受伤.在湿式除尘系统运行过程中, 如何进行安全评估和安全管理是一个急需解决的问题.
通过使用株洲市拓达电子有限公司生产的S10-H2-A型氢气浓度变送器(图 1), 对某公司冲压车间内铝镁合金板机械打磨湿式除尘器内氢气含量进行了测试.测试中将最大量程为5 000×10-6的两台变送器分别放在除尘器内不同位置处, 用型号为TX2100-4型的记录主机每隔5 s记录一个数据数据, 测量1 500 min, 如图 2所示.可以看出, 湿式除尘器内存在氢气, 且氢气呈现出不规则的变化趋势.
|
图 1 氢气浓度变送器 Fig.1 Hydrogen concentration transmitter |
|
图 2 湿式除尘器内氢气含量 Fig.2 Hydrogen concentration levels of wet dust removal system |
铝镁合金湿式打磨过程中存在氢气爆炸的危险性, 而目前专家学者并没有对此提出系统的研究和评价方法.本文提出一种将WBS-RBS分析与BN网络相结合的风险分析方法.利用WBS-RBS分析出除尘工作的步骤和导致氢气爆炸的风险因素, 形成耦合矩阵, 依据耦合矩阵分析得到的基本事件画出湿式除尘系统氢气爆炸事故故障树.将故障树转化为贝叶斯网络, 通过GeNIe软件计算基本事件后验概率, 明确安全管理工作的重点, 从而达到降低氢气爆炸事故风险的目的.
1 WBS-RBSWBS-RBS分析方法由美国PMI专家提出[3-4].WBS(work breakdown structure)代表作业分解结构, 其中每一个独立的工序或操作步骤就是一个作业包(work package); RBS(risk breakdown structure)是风险分解结构, 由若干风险包(risk package)组成.对系统进行WBS与RBS分析与耦合, 得到耦合矩阵, 逐一判断矩阵中各元素是否存在相应风险, 耦合矩阵中1代表该事件具有一定的对应风险, 需要进行进一步分析; 0代表该事件不具有对应风险, 如表 1所示.它可以系统全面分析系统中存在的各类风险因素.同时将分析出的风险因素进行归类和划分, 又可得到导致事故发生的基本事件[5].
|
表 1 WBS-RBS耦合矩阵 Table 1 Coupled matrix of WBS-RBS |
贝叶斯网络(Bayesian networks, BN)是图论与概率论的结合, 直观表示为一个赋值因果关系图.BN能够表示变量的随机不确定性和相关性, 可进行不确定性推理[6].通过式(1)可以推导基本事件的后验概率, 比较后验概率后可找到对顶事件发生贡献较大的基本事件.
|
(1) |
式中:P(B|A)为事件A发生时事件B发生概率; P(A|B)为事件B发生时事件A发生概率; P(A)为事件A发生概率; P(B)为事件B发生概率.
故障树分析法是以系统最不希望发生的事件作为发生的目标, 找出系统内可能发生的部件失效、环境变化、人为失误等因素与系统之间的逻辑联系, 用倒立树状图表示出来.从推理过程和对系统状态的描述过程来看, 贝叶斯网络中的结点与故障树中的事件是一一对应的, 故障树中的事件也正是建立贝叶斯网络所需结点的完整集合[7-8].
将故障树中的基本事件和非基本事件分别对应贝叶斯网络中的父节点或子节点, 重复事件在贝叶斯网络中只保留一个节点.各基本事件的发生概率对应贝叶斯网络中父节点的先验概率.结合故障树的逻辑关系建立贝叶斯网络中的节点之间的连接, 而贝叶斯网络中子节点的条件概率分布由故障树的逻辑门来确定[9-11].
3 WBS-RBS-BN集成分析步骤故障树分析存在一定的局限性, 主要表现在过分依赖人员的主观意识和经验, 且容易遗漏一些基本事件.通过WBS-RBS耦合分析, 得到可导致铝合金打磨湿式除尘器氢气爆炸事故的风险因素集, 对其风险事件划分得到故障树基本事件, 这样可避免人为因素影响分析过程.画出氢气爆炸事故故障树, 并将故障树转化为贝叶斯网络, 通过企业统计数据明确基本事件发生概率.在GeNIe软件中对贝叶斯网络进行量化分析, 得到除尘器氢气爆炸事故基本事件的后验概率, 明确安全管理的重点.WBS-RBS-BN集成分析步骤:
1) 熟悉除尘器的各部分组成及相关操作, 搜集整理资料;
2) 对除尘器除尘工作进行工作分解, 得到WBS架构;
3) 对除尘器除尘工作风险因素进行分解, 得到RBS架构;
4) 得到铝合金湿式除尘器氢气爆炸事故WBS-RBS耦合矩阵, 逐项分析耦合矩阵中风险因素是否存在, 存在用1表示, 不存在或无意义用0表示;
5) 对WBS-RBS耦合矩阵各风险因素或事件进行分析, 明确为湿式除尘器氢气爆炸事故故障树的基本事件, 并根据逻辑结构画出氢气爆炸事故故障树, 明确基本事件发生概率;
6) 根据故障树, 在GeNIe软件中, 将故障树转化为贝叶斯网络;
7) 计算基本事件的后验概率, 并依据计算值进行排序, 明确安全管理工作的重点.
4 实例应用 4.1 冲压车间铝板材打磨湿式除尘工艺简介某公司冲压车间内需要对冲压后不合格的零部件进行修补, 其中一项工作就是机械抛光打磨, 打磨的铝合金粉尘采用湿式除尘器进行收集处理.系统实物图和原理图如图 3所示.除尘器风机将打磨下的粉尘抽入系统内, 系统内部储存有除尘用水, 可以吸附粉尘, 同时设置多个挡板, 避免粉尘和水的小液滴被抽出系统外, 提高了除尘效率.
|
图 3 湿式除尘系统实物图和原理图 Fig.3 Physical and schematic diagram of wet dust removal system (a)—实物图；(b)—原理图. |
湿式除尘器完全实现了PLC自动控制, 装有氢气传感器, 有一整套的人工和程序控制来实现除尘器工作或停止.在日常金属机械抛光过程中, 除尘器正常工作时氢气无法积聚.在抛光工作暂停时, 除尘器停止工作, 风机停止运转.此时, 积聚在除尘器水体内的铝合金颗粒与水反应产生的氢气就会积聚, 如图 2所示.PLC控制程序, 设置了风机与氢气传感器的连锁, 当除尘器内氢气浓度达到设定值时, 自动开启风机进行排风; PLC控制程序中还设定了一套强制排风, 每隔一定时间风机自动启动, 确保氢气无法积聚.为防止静电积聚, 打磨间内设有接地板接地线, 打磨系统各跨接处均设有跨接线.
4.2 湿式除尘器工作和风险分解WBS-RBS将湿式除尘器日常工作分解为打磨工作、暂停工作和静电导除三个作业包.将其进一步划分可得到打磨间工作分解结构WBS, 如图 4所示.
|
图 4 冲压车间铝合金粉尘湿式除尘系统WBS分解结构 Fig.4 Stamping workshop wet dust removal system WBS breakdown structure |
将湿式除尘器日常工作存在的风险因素进行分解, 得到打磨间工作风险分解结构RBS, 如图 5所示.
|
图 5 冲压车间铝合金粉尘湿式除尘系统RBS分解结构 Fig.5 Stamping workshop wet dust removal system RBS breakdown structure |
通过归纳, 将风机工作归为一类, 以WBS分析结果W11, W12, W212, W222和W3作为行向量, 以RBS分析结果R1, R2和R3作为列向量, 形成WBS-RBS耦合矩阵, 如表 2所示.
|
|
表 2 铝合金粉尘湿式除尘系统WBS-RBS耦合矩阵 Table 2 Wet dust removal system WBS-RBS coupling matrix |
通过WBS-RBS耦合矩阵可以看到, 风机故障、传感器故障、连锁装置故障、控制装置故障、跨接线断开和接地线接地板失效, 是导致湿式除尘器氢气爆炸事故的主要原因.风机故障将导致湿式除尘器无论工作与否, 内部积聚的氢气无法排出.传感器故障会导致氢气浓度超限值后无法被及时发现, 从而PLC程序无法自动启动风机排风.连锁装置故障会在氢气传感器探测到氢气浓度超标后, 无法启动风机排风.控制装置故障时, 无法按照程序设定, 每隔一定时间进行一次强制排风.将以上事件作为湿式除尘器氢气爆炸事故故障树的基本事件, 并根据不同事件间的逻辑关系, 画出氢气爆炸事故故障树, 如图 6所示.
|
图 6 铝镁合金粉尘湿式除尘系统氢气爆炸事故故障树 Fig.6 Fault tree of hydrogen explosion of aluminum-magnesium alloy wet dust removal system |
通过查阅系统相关资料得到故障树基本事件的发生概率, 如表 3所示.将图 6所示的故障树转化为贝叶斯网络, 使用美国匹兹堡大学开发的BN计算软件GeNIe绘制出贝叶斯网络并进行计算, 如图 7所示.按照基本事件发生的概率, 可以通过计算得出顶事件发生概率为P=5.54E-07.当顶事件发生时, 可以通过贝叶斯网络双向推理的功能, 计算得到基本事件对顶事件的影响程度, 即基本事件的后验概率.通过计算得到各基本事件的后验概率如表 3所示.
|
|
表 3 湿式除尘系统氢气爆炸事故基本事件概率 Table 3 Wet dust removal system hydrogen explosion accident probability of basic events |
|
图 7 铝镁合金粉尘湿式除尘系统氢气爆炸事故贝叶斯网络 Fig.7 BN of hydrogen explosion about aluminum-magnesium alloy wet dust removal system |
根据计算结果, 可以看出风机故障、跨接线断开、接地线及接地板失效以及氢气检测器防爆性能失效, 对顶事件发生有较大程度的影响, 应加强这方面的管理.这些元器件发生故障后, 容易引发氢气爆炸事故的发生, 可以对其进行经常性的检查, 以确保其发挥作用.
5 结论提出了基于WBS-RBS-BN的评价方法, 并应用到铝合金粉尘湿式除尘器氢气爆炸事故安全评价中, 得到事故发生概率为5.54E-07.同时明确了风机故障、跨接线断开、接地线及接地板失效以及氢气检测器防爆性能失效对顶事件发生有较大程度的影响.对于提升企业安全管理水平具有指导意义.
| [1] | 中华人民共和国工业和信息化部. 2015年1~12月汽车工业经济运行情况[EB/OL]. (2016-01-25). http://www.miit.gov.cn/n1146312/n1146904/n1648362/n1648363/c4622444/content.html. ( ) |
| [2] |
杨晓霞.
国内外铝工业现状及发展前景[J]. 有色金属加工, 2016, 45(1): 4–7.
( Yang Xiao-xia. Present situation and prospect of aluminum industry at home and abroad[J]. Nonferrous Metals Processing, 2016, 45(1): 4–7. ) |
| [3] | Rafele C, Hillson D, Grimaldi S.Understanding project risk exposure using the two-dimensional risk breakdown matrix[C]//2005 PMI Global Congress Proceedings.Edinburgh, 2005. |
| [4] | Hillson D, Grimaldi S, Rafele C. Managing project risks using a cross risk breakdown matrix[J]. Risk Management, 2006, 8(1): 61–76. DOI:10.1057/palgrave.rm.8250004 |
| [5] |
周洁静, 宋永发.
基于WBS-RBS结构的地铁施工风险研究[J]. 价值工程, 2009(11): 76–80.
( Zhou Jie-jing, Song Yong-fa. To study on subway construction risk based on WBS-RBS structure[J]. Value Engineering, 2009(11): 76–80. DOI:10.3969/j.issn.1006-4311.2009.11.028 ) |
| [6] | Lindhe A, Rosena L, Norberg T, et al. Fault tree analysis for integrated and probabilistic risk analysis of drinking water systems[J]. Water Research, 2009, 43(6): 1641–1653. DOI:10.1016/j.watres.2008.12.034 |
| [7] | Kales P.Reliability for technology, engineering and management[M].Taipei:Pearson Education Taiwan Ltd., 2006. |
| [8] | O'Connor.Practical reliability engineering[M].New York:John Wiley & Sons, 2002. |
| [9] | Graves T L, Hamada M S, Klamann R, et al. A fully Bayesian approach for combining multi-level information in multi-state fault tree quantification[J]. Journal of Reliability Engineering and System Safety, 2007, 92(10): 1476–1483. DOI:10.1016/j.ress.2006.11.001 |
| [10] | Liu X, Li H J, Li L.Building method of diagnostic model of Bayesian networks based on fault tree[C]//Proceedings of SPIE-The International Society for Optical Engineering.Beijing, 2008:71272c-1~71272c-6. |
| [11] | Franke U, Flores W R, Johnson P.Enterprise architecture dependency analysis using fault trees and Bayesian networks[C]//Proceedings of the 42nd Annual Simulation Symposium.San Diego, 2009:209-216. http://dl.acm.org/citation.cfm?id=1639866 |