LNG加注船加注过程中人因失误风险分析与评估_高飞德.pdf

第 31 卷 第 4 期2023 年 4 月Vol.31 No.4Apr.,2023船 舶 物 资 与 市 场 MARINE EQUIPMENT/MATERIALS&MARKETING0 引言随着越来越多的双燃料动力船舶投入运营，LNG 燃料的加注需求也越来越大，但这种清洁能源背后的危险性不可忽视。LNG 燃料本身具有低温、易燃易爆、易蒸发等特性，在开展船对船 LNG 加注时的安全保障不容有丝毫松懈1。在 LNG 加注船风险分析方面，Fan 等2基于近 20年的研究成果归纳整理了 LNG 加注同步作业安全理念和风险分析方法，提出该领域研究的空白；黄国良等3结合 FLACS 软件对加注泄露后果进行模拟，得出加注作业可燃气体云分布及其影响因素。在人因失误研究方面，周颖等4利用层次任务分析、贝叶斯网络和证据推理算法，构建自主船舶避碰过程中人为失误模型，进而对 MASS 避碰过程中的人为失误进行风险量化分析；杨柏丞等5利用模糊规则库和传统 Fine-Kinney 理论相结合的方法对沿海水域碰撞事故人为失误风险进行分析。综上，LNG 加注作业的现有研究成果多侧重于加注作业中 LNG 泄露及火灾爆炸等的事故模拟研究或是从宏观层面上（人-船-环境-管理）研究 LNG 加注船的加注作业风险，很少有研究侧重船-船（STS）模式下加注作业时的人因失误风险分析6。因此，本文从风险分析方法出发，提出在 STS 模式LNG加注船加注过程中人因失误风险分析与评估高飞德（武警海警学院 航海系，浙江 宁波 315801）摘 要：为量化液化天然气(LNG)船舶加注过程中可能出现的人因失误问题，本文从风险分析方法出发，提出了在船-船(ship to ship,STS)模式下加注作业过程中人因失误风险的识别方法和评估模型。首先，采用层次任务分析法(Hierarchical Task Analysis,HTA)获得加注作业过程中操作人员的关键任务，利用认知模型(Information Decision Action Crew,IDAC)对任务进行分类；其次，利用失效模式与影响分析(Failure Mode Effect Analysis,FMEA)和基于规则的贝叶斯网络(Rule-Bayesian Network,RBN)相结合的方法来量化所识别人因失误的风险水平，并对其进行排序。结果表明，“缺乏应急处置经验，判断有误”是 LNG 加注船 STS 加注模式下最大的风险因素，另外是“沟通失误”和“操作不当”。关键词：LNG 加注；人因失误；贝叶斯网络；风险分析中图分类号：U676.1 文献标识码：A DOI:10.19727/ki.cbwzysc.2023.04.031 引用格式 高飞德.LNG 加注船加注过程中人因失误风险分析与评估 J.船舶物资与市场,2023,31(4):97-100.下加注作业过程中人因失误风险的识别方法和评估模型。利用层次任务分析法（HTA）分析 LNG 加注船加注作业的操作任务，建立基于 HTA-IDAC 的人因失误风险识别模型，获得 LNG 加注船加注作业中人因失误风险因素，采用FMEA 和 RBN 对识别出的人因失误风险因素进行定量分析和排序，以期提高 LNG 加注船加注作业的安全水平。1 基于 HTA-IDAC 模型识别加注作业中的人因失误1.1 STS 加注模式及加注作业操作流程现有 LNG 燃料动力船舶水上加注方式主要有 3 种，船-船加注、槽车-船加注和岸站-船加注。相比其他 2种方式，STS 加注模式因其灵活性和高效性，具有良好的应用前景。STS 模式加注作业流程如表 1 所示。表 1 STS 模式加注作业流程准备阶段加注阶段完成阶段定义从受注船与加注设施第一次加注交流开始，直到加注管路连接到加注设施结束。通过约定的通讯方式，待准备就绪信号发出后，双方按照约定的传输速率进行加注作业。从 加 注 补 足 操 作 完成、LNG 释放阀关闭开始，直到受注船和加注设施安全脱离。主要内容1）兼容性和安全性评估；2）加注条件确认，如气象条件、通信条件、照明条件等；3）加注系统干燥惰化、预冷；4）加注管路对接、监测。1）监测传输速率，燃 料 舱/液。2）监测货舱的状态及液位。3）持续进行泄露监测。4）监测加注设施液货舱压力。1）加注管路的吹扫、惰化。2）加注后检查，如双方管路上的阀件都应关闭，填写加注后检查表等。3）连接管路和通讯设施。收稿日期：2022-12-12作者简介：高飞德（1989-），男，硕士研究生，研究方向为海上交通安全及船舶避碰。船舶物资与市场第 31 卷 第 4 期 98 1.2 基于 HTA-IDAC 分析方法的人因失误建模HTA 是一种结构化的描述任务与其子任务层次体系的方法，通过陈述个人必须达到的总体目标，将其重新描述为一组子操作并指定何时执行计划，通过这种方式，复杂的计划任务可以被表示为操作层次结构7。HTA 专注于任务分析，了解人们在做什么，如何失败，以及如何防止此类失败。确定人们失败的可能环节使 HTA 成为人的可靠性分析（Human Reliability Analysis,HRA）的有用工具。HTA 包括任务确定、任务分析以及错误识别 3个部分，其中任务分析是 HTA 的核心。操作员认知模型（Information Decision Action Crew,IDAC）是一种基于行为科学、认知心理学等相关研究成果而发展起来的操作者行为模型，该模型由信息处理（I）、问题解决和决策（D）、行动执行（A）和团队（C）组成，任何与目标需求间的不匹配行动都可以被归类为人因失误。在建模时，其结合了理性和情感维度的影响，精神状态和各个模块间是相互影响的动态过程8。IDAC操作员的认知模型如图 1 所示。MS-精神状态I-信息收集和预处理D-决策制定A-行动执行传入信息外界输入影响图 1 操作员认知模型IDAC 与 HTA 相结合，可用于识别认知错误和行为，重新描述 HTA 中的目标，将每个认知阶段的人因失误模式分为信息收集、决策和行动。具体可将 STS 模式加注作业划分如下阶段：1）感知阶段：实时监控 LNG 加注船加注作业，包括使用气体探测设备，如固定式红外气体探测器，便携式气体探测器；通过固定式氧气探测系统，便携式露点温度测量仪，高液位和溢流报警系统以及加注系统参数对加注作业进行实时监测。2）决策阶段：根据双方高程差，判断合适加注系统连接方式，加注作业时应按照液化天然气燃料水上加注作业安全规程的要求进行加注；探测到 LNG 泄露、过压等报警时，操作人员需立即判断采取何种方式的应急响应措施，还需与被加注船进行沟通，确保双方能正确理解对方意图，妥善制定应急计划。3）执行阶段：按照决策阶段制定好的决策进行加注作业；应急时，须按照应急计划进行响应操作，不论正常加注还是应急响应均需对加注进行持续监测，直至加注作业完成。鉴于 STS 模式加注作业应用时间较短，可供参考的危险事故案例少，因此，参考 LNG 加注作业中发生的事故案例9及专家意见归纳出基于 HTA-IDAC 模型的 STS模式加注作业人因失误模型。2 加注作业中人因失误的评估模型鉴于 ER 及 RBN 的使用能够确保即使在响应者的置信度分布总和不为100%的情况下，也能得到解决方案，故采用 FMEA，RBN 和 ER 相结合的混合风险评估方法，以评估加注作业人为失误风险的重要性。2.1 FMEAFMEA 广泛应用于风险评估，由后果严重性（C）、危险可能性（L）和不可预测性（P）3 个参数组成10。根据 IEC 60812:2018 标准，风险值（R）可表示为：R=LiCjPk，（1）FMEA 各个参数语义如表 2 所示。表 2 FMEA 各个参数语义因素12345危险可能性 L非常低较低一般频繁非常频繁后果严重性 C可以忽略不严重中等严重灾难性不可预测性 P非常不可能不可能一般可能非常可能感知阶段监督加注作业状态失误决策阶段评估情况制定方案失误执行阶段按既定方案进加注作业失误LNG加注船加注作业中人为失误报警设置失误收听警报失效警报类别识别错误混淆加注作业限制区和警戒区边界混淆预传输检查表提供的信息缺乏应急处置经验，判断有误沟通不当，判断有误误判加注系统提供的信息加注前检查工作不到位，判断有误未遵守主管机关的要求未保持持续监测误触加注作业开关操作人员操作失谐操作不当未及时采取应急行动图 2 基于 HTA-IDAC 识别 STS 加注作业人因失误风险由于 RPN 结果不是以使用所提供证据权重的方式产生的，且 RPN 值相同时可能表示不同的风险状况，而使得 FMEA 在风险和安全评估时存有局限性，因此，为了更好地利用FMEA进行风险评估，通常会将其与ER，D-S理论，BN，Markov 模型，灰色系统理论和模糊逻辑结合起来使用。本文选用 RBN 进行聚合计算。由图 2 可知，船舶避碰过程中首先是通过瞭望发现他船，根据他船的航向、航速等信息判断是否存在碰撞危险，其次是结合判断结果研判避让航法，最后则是将决策付诸于行动。整个过程中驾驶员起到关键性作用，任何环节的人为失误都可能导致紧迫局面甚至碰撞事故的发生。第 4 期 99 2.2 基于规则的贝叶斯网络将 FMEA 与 RBN 结合使用。该方法包括以下步骤：1）识别在STS模式下加注作业操作中的人因失误。2）构建贝叶斯网络。3）建立具有置信结构的加注作业风险模型。通过赋予权重的方式将 IF 部分转换成 THEN 部分，结合本文，在基于 BN 的子 FMEA 中重新描述加注作业风险模型的 IF 和 THEN 间的因果关系。4）将得到的结果转化为可精确排序的值。利用线性效用函数计算 R 的风险优先级指标 RPI，如下所示：RPI=h5=1p（Rh）URh，（2）式中：P（Rh）为效用值的置信度，将 URh赋值为 UR1=13，UR2=23，UR3=33，UR4=43，UR5=53。3 加注作业中人因失误的评价3.1 风险因素与数据基于 HTA-IDAC 建立船舶碰撞人为失误模型，得到影响碰撞风险的人因指标，以获取专家对风险参数的置信度（Degree of Belief,DoB），即与各个风险相关的 L，C 和 P 置信度的值。受访专家使用利克特量表（Likert）五点量表来表示问题的置信度（见表3），即以认可的各项陈述的比例表示，对于任意一个参数（L，C，P），所有 Likert 的置信度总和应为 111。表 3 受访专家利克特量表专家序号LCP1(0,0.8,0.2,0,0)(0,0.4,0.3,0.3,0)(0,0.6,0.3,0.1,0)2(0,0.2,0.5,0.3,0)(0,0.1,0.4,0.5,0)(0,0.2,0.4,0.4,0)3.2 基于 RBN 的加注作业评价结果为了利用 FMEA 和 RBN 来分析 STS 模式加注作业的风险级别，首先得到 3 个风险参数(L,C,P)置信度的Likert 表。而后，将各个风险置信度输入 RBN，以获得各个风险类别的结果。如图 3 所示，描述了 BN 中“感知阶段”部分风险评价结果。其余部分风险因素的风险置信度采用同样的方式进行构造和计算，其结果如表4所示。利用层次分析法中的成对比较方法计算出不同风险因素的权重，“感知阶段”风险等级置信度的计算结果如图 4 所示。同理，可以获得决策阶段和执行阶段风险等级置信度，如表 5 所示。图 3 “感知阶段”部分风险评价结果表 4 不同风险因素权重和聚合结果汇总操作阶段 风险影响因素风险等级的置信度R1R2R3R4R5感知阶段报警设置失误0.000.520.280.150.05收听警报失效0.000.390.380.210.02警报类别识别错误0.050.280.390.240.04混淆限制区和警戒区的边界0.670.240.080.010.00混淆预传输检查表提供的信息0.210.360.270.150.01决策阶段缺乏应急处置经验，判断有误0.000.160.370.380.09加注双方沟通不畅，判断有误0.000.