Сугак Е.В., Кучкин А.Г., Окладникова Е.Н. Надежность технических систем и техногенный риск. Часть 1. Техногенная безопасность

Подождите немного. Документ загружается.

109

выполнение функций безопасности, требуемых для обеспечения проект-

ного протекания аварий или снижения аварийных последствий. Их раз-

работка проводится с целью определения множества конечных состоя-

ний объекта с нарушением безопасности и с целью подготовки моде-

лей для последующего расчета вероятностей их реализации. В систем-

ных деревьях событий промежуточными событиями являются успеш-

ное функционирование или отказы систем и их компонентов и (или)

ошибочные действия персонала, которые способны повлиять на вы-

полнение рассматриваемых функций безопасности. Разработка систем-

ных деревьев событий проводится с целью детализации полученных

в результате построения функциональных деревьев событий аварий-

ных последовательностей на системном уровне (систем безопасности,

структурных частей или компонентов и соответствующих функций

персонала) и с целью разработки расчетных моделей для оценки веро-

ятности их реализаций. Детализация аварийных последовательностей

заключается в определении множества минимальных сечений систем-

ного уровня, реализация каждого из которых приводит к реализации

рассматриваемой аварийной последовательности.

Метод деревьев отказов представляет собой дедуктивный логи-

ческий анализ причин, приводящих к отказу системы (или ее состав-

ных частей). Процедура составления дерева отказов представляет со-

бой повторяющийся анализ причин – начиная с вершинного события

дерева (отказа системы или ее части) для каждого события выявляют-

ся события, являющиеся его непосредственными причинами. Процеду-

ра заканчивается выявлением первичных событий, которые не детали-

зируются и не разлагаются на составляющие и могут быть статисти-

чески описаны на основе информации об аналогичных элементах или

экспериментальными данными. Важным аспектом метода является учет

ошибок персонала и зависимых отказов систем безопасности. Дерево

отказов графически изображается в форме разветвленного разомкну-

того (с отсутствием кольцевых связей) графа.

Построенные при анализе объекта структурно-логические модели

используются в качестве исходной информации для расчета количест-

венных значений вероятностных показателей безопасности объекта –

вероятности невыполнения заданных функций безопасности или отка-

за системы безопасности, частоты или интенсивности возникновения

исходных событий и др. Определение вероятностных показателей безо-

пасности основывается на расчетах вероятностей реализации различ-

ных последовательностей или соответствующих им конечных состоя-

ний подсистем или системы в целом.

Для исследования влияния различных факторов на безопасность

и выявления наиболее критичных элементов проводится анализ зна-

чимости, где выявляются слабые места, вносящие основной вклад в ве-

роятностные показатели безопасности, и разрабатываются меры по их

110

устранению. Для определения влияния изменения количественных ха-

рактеристик различных факторов на изменение результирующих зна-

чений показателей с целью поддержки или обоснования анализа зна-

чимости проводится анализ чувствительности по отношению к различ-

ным факторам: исходным событиям, функциям безопасности, системам

безопасности или входящим в них компонентам, стратегиям и регламен-

там технического обслуживания, действиям персонала и т. д. По окон-

чании процедуры рекомендуется проводить анализ неопределенностей

для значимых элементов. Вероятностная модель источника неопреде-

ленности представляет собой случайную величину с известным зако-

ном распределения, характеризующую диапазон параметров расчетной

модели. Расчет интервальных оценок вероятностных показателей про-

изводится с использованием статистического моделирования методом

Монте-Карло [108–111].

Опыт применения концепции риска для проведения эксплуатаци-

онного контроля RI-ISI и вероятностного анализа безопасности под-

твердил их высокую эффективность как инструмента системного ана-

лиза безопасности объектов [56]. Так, опыт применения методологии

RI-ISI как подхода, позволяющего эффективно решать проблемы экс-

плуатационного контроля в условиях ограниченных ресурсов (в том чис-

ле и финансовых), показали его целесообразность и перспективность.

При этом разработанные программы позволяют осуществлять эффек-

тивное управление контролируемыми системами, включать разработан-

ные процедуры и полученные результаты в полномасштабную систему

менеджмента сложных технологических объектов [112].

Основная задача всех мероприятий по промышленной безопасно-

сти – предупреждение промышленных аварий и подготовка к действи-

ям при их возникновении. К наиболее важным мероприятиям относят-

ся введение критериев для выявления опасных промышленных объек-

тов, проведение оценки опасности и составление для опасных промыш-

ленных объектов на базе этих оценок Декларации безопасности и вве-

дения лицензирования опасных видов промышленной деятельности.

4.5. МЕТОДЫ ПРОГНОЗА РИСКА

Для управления безопасностью необходимы прогнозы ЧС при-

родного и техногенного характера. К настоящему времени создан об-

ширный арсенал методов прогноза (оценки на определенный момент

или интервал времени в будущем) рисков, в том числе связанных с ЧС

техногенного характера. По назначению их логично разделить на два

вида (рис. 4.1): методы прогнозирования возникновения и прогнозиро-

вания последствий ЧС [4].

Прогноз возникновения ЧС основывается на прогнозе возможно-

сти возникновения инициирующих их событий. Инициирующими со-

111

бытиями для возникновения ЧС являются проявления источников

опасности: опасных природных явлений, аварийных ситуаций на объ-

ектах техносферы, несанкционированных действий с потенциально

опасными объектами и другие события.

Рис. 4.1. Методический аппарат прогноза риска

Изучение этих редких, но опасных по последствиям событий, яв-

ляется одной из важнейших задач в анализе и управлении риском, ко-

торые должны прийти на смену применявшемуся до сих пор методу

проб и ошибок.

Различают ряд подходов к прогнозированию инициирующих со-

бытий (табл. 4.3) [4].

Вероятностно-статистический подход основан на представле-

нии природных явлений на рассматриваемой территории или аварий-

ных ситуаций на совокупности однотипных объектов пуассоновским

потоком случайных событий. Он используется для оценивания частот

опасных природных явлений с силой, не менее заданной, и аварийных

ситуаций определенного вида. В предположении стационарности, ор-

динарности и отсутствия последействия поток инициирующих событий

характеризуется средним числом событий за интервал времени (обыч-

но за год).

Методы

По назнач

нию

По исходным да

ным

По времени упрежд

ния

По времени проведения

По параме

рам

Прогноз риска ЧС

Расчетные

(по моделям)

Прогнозирование

возникновения

Расчетно

эксперимен-

тальные

Заблаговременно

Место

Сила

Частота

Прогнозирование

последствий

Априорные

Апостерио

ные

Опер

тивно

по факту

Экспери

менталь-

ные

Время

Средне

срочный

Кратко

срочный

Долго

срочный

Вероятн

о-

стно стати-

стический

Вероятн

ст

но детерми-

нированный

Детермин

и-

рованно ве-

роятностный

112

Таблица 4.3

Подходы к прогнозированию инициирующих событий

Подход

Интервал упреждения,

исходная информация

Аппроксимация

модели

Прогнозируемый

показатель

Меры по снижению рисков

и смягчению последствий ЧС

Вероятностно-

статистический

Оценка частоты по дан-

ным многолетних наблю-

дений

Пуассоновский по-

ток

Частота природных

явлений на рассмат-

риваемой территории

Долгосрочный (годы)

прогноз времени насту-

пления по данным мно-

голетних наблюдений

Цикличность, уни-

модальные распре-

деления

Периодичность и ве-

роятность природных

явлений на рассмат-

риваемой территории

Меры по ограничению антропоген-

ной деятельности для сдержи

вания

роста частоты и силы опасных при-

родных явлений [114].

Предупреждение (снижение си

лы)

некоторых природных явлений.

Регулирование застройки на осно-

ве районирования территории.

Строительство сооружений инже-

нерной защиты.

Повышение устойчивости (сейсмо-

стойкое строительство).

Ужесточение строительных норма-

тивов.

Перенос потенциально опасных объ-

ектов, переселение людей

Вероятностно-

детерминированный

Среднесрочный про

гноз

места и времени (месяцы,

недели) наступле

ния по

данным мониторинга

Периодичность при-

родных явлений на

рассматриваемой тер-

ритории

Повышение защищенности террито-

рий (инженерная защита).

Обучение населения и аварийно-

спасательных формирований дейст-

виям в условиях ЧС

Детерминированно-

вероятностный

Краткосрочный про

гноз

места, си

лы и времени

наступле

ния (дни, часы)

по предвестникам и опе-

ративной информации

Модели возникно-

вения и раз

вития

опасных природных

явлений, погрешнос-

ти методик

Смягчение последствий (оповеще-

ние; эвакуация; своевременное на-

чало аварийно-спасательных работ)

113

Частота (интенсивность) инициирующих событий рассчитывает-

ся по их статистике:

 = d /T, (4.3)

где d – число инициирующих событий за интервал времени T.

Повторяемость инициирующих событий (средний интервал вре-

мени между ними) определяется по формуле

= 1/. (4.4)

По многолетним наблюдениям за природными явлениями на кон-

кретной территории определяется также их распределение по силе.

Вероятностно-детерминированный подход основан на установ-

лении законов и закономерностей развития природных процессов во вре-

мени и пространстве, цикличности природных явлений, что можно ис-

пользовать для целей их долго- и среднесрочного прогнозирования.

Если имеется циклически действующий фактор, то свойство отсутствия

последействия нарушается, и поток природных явлений не подчиняет-

ся закону Пуассона. Применительно к объектам техносферы вероятно-

стно-детерминированный подход основан на установлении закономер-

ностей развития деградационных процессов накопления повреждений,

образования и распространения трещин, приводящих к авариям, и со-

стоит в прогнозировании срока службы их критичных по безопасности

составных частей, ограничиваемого параметрическими отказами, вслед-

ствие процессов старения, изнашивания, разрегулирования [18; 113].

На основе оценки вероятности параметрических отказов опреде-

ляется необходимость профилактических замен составных частей с ис-

текшим сроком службы.

С помощью методик прогнозирования, базирующихся на знании

закономерностей формирования инициирующих событий, прогнозиру-

ется время и место природных явлений с силой, превышающей заданную

величину, время наступления на конкретных объектах техносферы ава-

рийных ситуаций определенного вида.

Для краткосрочного прогнозирования используется детермини-

рованно-вероятностный подход. При этом, кроме времени наступле-

ния природного явления прогнозируются его место и сила. Подход

применим и для прогнозов аварийных ситуаций на технических объек-

тах с непрерывным контролем технического состояния.

Методы прогнозирования возникновения инициирующих событий –

опасных природных явлений по прогнозируемым параметрам – делят-

ся на методы прогноза места, времени наступления или частоты [4].

Применительно к объектам техносферы, это методы выявления ава-

рийного объекта, вида аварийной ситуации (уровней аварийных воз-

действий), времени возникновения или частоты аварийной ситуации.

114

Точность решения этих задач зависит от вида природных явлений или

объектов техносферы, наличия соответствующих систем мониторинга

и прогнозирования, точности применяемых методик и технических

средств контроля. Чем полнее и точнее прогноз, тем эффективнее ме-

ры защиты (больше предотвращенный ущерб в расчете на единицу за-

траченных средств).

Эффективность принимаемых управленческих решений зависит

от точности прогноза. Способы ее повышения различаются по ряду

признаков (рис. 4.2) [4].

Способы и методы повышения точности

По стратегии

снижения

разброса

Снижение

разброса

данных

Снижение

разброса

оценок

Снижение природной

неопределенности

Снижение

погрешностей

методик

По назначению

Оценка

частоты

Прогноз

времени

наступления

По виду

дополнительной

информации

О вероятностных

распределениях

О величине

прогнозируемого

параметра

По составляющим

разброса

Рис. 4.2. Классификация способов и методов

повышения точности прогнозов

По назначению различают способы повышения точности про-

гноза времени наступления и оценки частоты инициирующих событий.

По стратегии снижения разброса выдаваемые прогнозы опас-

ных природных явлений относительно фактического времени их наступ-

ления делятся на способы снижения разброса данных и разброса оце-

нок (за счет привлечения дополнительной информации).

Снижение разброса получаемых данных достигается снижением

его отдельных составляющих. По составляющим разброса способы

данной группы делятся на способы, основанные на снижении природ-

ной неопределенности, обусловленной несовершенством наших знаний

о закономерностях возникновения инициирующих событий и способы

снижения погрешностей используемых методик прогноза. Снижение

статистической погрешности оценки частоты достигается увеличением

числа данных при увеличении интервала наблюдения.

По виду привлекаемой дополнительной информации различают

способы объединения информации о величине прогнозируемого пара-

115

метра (методы объединения данных, объединения оценок прогнозируе-

мого параметра и комбинированные методы) и привлечения информа-

ции о вероятностных распределениях [4; 115; 116]. Повышение точно-

сти за счет объединения данных достигается с помощью методов объ-

единения однородных (включая методы объединения априорной инфор-

мации и данных наблюдений) и неоднородных данных [117]. При на-

личии данных, однородных с имеющимися (принадлежащих одной ге-

неральной совокупности), проводится их суммирование. Для объеди-

нения неоднородных данных необходимы процедуры пересчета, осно-

ванные на привлечении дополнительной информации о моделях пере-

носа информации [115; 118; 119].

К методам объединения оценок прогнозируемого параметра отно-

сятся линейное объединение независимых оценок, применение множе-

ственной регрессии для линейного объединения оценок и др. [115].

При использовании метода линейного объединения независимых

прогнозов времени наступления инициирующих событий при извест-

ных погрешностях методик формула для объединения прогнозов вре-

мени наступления события, обеспечивающая минимум дисперсии оцен-

ки, имеет вид [4]





(4.5)

где t

– несмещенные оценки времени до наступления события с дисперсиями D

полученные по различным методикам (i = 1  n).

Представим как случайную величину t

ис

. Пусть в рамках детер-

минированно-вероятностного подхода получены прогнозы времени на-

ступления событий – t

, t

, ..., t

этой случайной величины. Необхо-

димо найти наилучшую (в соответствии с принятым критерием) объе-

диненную оценку t

ис

времени наступления инициирующего события.

При оценке частот аварийных ситуаций на объектах техносферы

может быть использовано линейное объединение расчетной оценки и ста-

тистических данных [4]:

2 2

р р

D T D T

 



   

 

   

 

 

(4.6)

где 

– расчетная оценка интенсивности аварийных ситуаций с дисперсией D



; 

–

статистическая оценка интенсивности аварийных ситуаций; T – полное время

эксплуатации всех объектов по статистическим данным.

Для повышения точности прогнозов могут быть использованы

байесовские методы [117]. К схеме байесовского оценивания приводит

116

целый ряд задач, в частности, объединение долго- и краткосрочного про-

гнозов. Долгосрочный прогноз в виде распределения времени до очеред-

ного события, в этом случае считается априорной информацией, а в ка-

честве экспериментальных рассматриваются данные краткосрочных про-

гнозов. Объединение априорной информации и данных краткосрочных

прогнозов дает оценку выбранного показателя  вероятности или ин-

тенсивности событий [4; 117].

Методы прогнозирования возможных последствий ЧС хорошо

развиты применительно к вызывающим их явлениям как техногенного,

так и природного характера [4; 120–123].

Методы оценки и прогнозирования последствий ЧС по времени

проведения можно разделить на две группы [4]: методы, основанные

на априорных (предполагаемых) оценках, полученных с помощью тео-

ретических моделей и аналогий, и методы, основанные на апостериор-

ных оценках (оценки последствий уже произошедшей ЧС).

По используемой исходной информации методы прогнозирования

последствий делят на экспериментальные (основанные на обработке

данных произошедших ЧС), расчетно-экспериментальные (имеющиеся

статистические данные обрабатывают с помощью математических мо-

делей) и расчетные (основанные на использовании только математиче-

ских моделей) [4]. Расчетные модели, используемые для априорных

оценок тестируются по реально произошедшим стихийным бедствиям

и катастрофам.

117

5. МЕТОДЫ И МЕХАНИЗМЫ УПРАВЛЕНИЯ

БЕЗОПАСНОСТЬЮ И РИСКОМ

Проблема безопасности имеет как технические, так и социальные

аспекты. Вторгаясь в природу, человечество сформировало чрезвычай-

но сложную систему, закономерности развития которой не в доста-

точной степени изучены. Разрушительный потенциал крупных техно-

логических катастроф сопоставим с угрозой военно-политических ка-

таклизмов. Только в сфере энергетики добывается, хранится и перера-

батывается около 10 млрд т условного топлива (масса сравнимая с ар-

сеналом ядерного оружия). Опасные химические вещества использу-

ются в количествах, измеряемых от сотен миллиардов до триллионов

летальных доз, что на один-два порядка выше накопленных радиоак-

тивных веществ [124]. Крупнейшие аварии XX  начала XXI вв., вы-

звавшие значительные жертвы, сопровождавшиеся эвакуацией людей,

приведшие к значительному загрязнению окружающей среды, произош-

ли в течение двух последних десятилетий [125]. Одновременно увели-

чился их разрушительный эффект  на минувшее десятилетие прихо-

дится половина из почти 10000 погибших в промышленных авариях

и катастрофах XX в.

Современное общество все в большей мере сталкивается с про-

блемами обеспечения безопасности и защиты человека и окружающей

среды. Безопасность и устойчивость развития общества – два взаимо-

связанных понятия, имеющих определяющее значение при выборе

ориентиров и путей достижения высокого материального и духовного

уровней жизни людей.

Создавшаяся ситуация в области обеспечения промышленной

безопасности потребовала изменения подходов к задачам управления

в данной области, использования системного подхода при принятии

решений в области промышленной безопасности.

Существенное влияние на снижение вероятности возникновения

крупномасштабных катастроф должно оказать внедрение государст-

венной системы нормирования безопасности (ГСНБ) сложных техни-

ческих систем, которая содержит общие требования запретительного,

предписывающего и разрешительного характера, обязательные для вы-

полнения и находящиеся под государственным контролем [1]. В основе

этой системы обязательное наличие следующих нормативных доку-

ментов: перечней потенциально-опасных объектов; методик оценки

опасности объектов и последствий возможных катастроф; требований

к безопасности объектов, а также региональных программ обеспечения

безопасности и др.

Осознание факта необходимости разработки методологии анали-

за и управления риском аварий, позволяющей оценить баланс между

масштабами возможного ущерба от потенциальных аварий системы

118

и ее технико-экономическими преимуществами, привело к созданию

на стадии проектирования современной концепции «приемлемого рис-

ка» на основе вероятностных подходов. Учитывая, что для сложных

и ответственных систем безопасность является важнейшей характери-

стикой качества и конкурентоспособности, можно констатировать, что

методология управления качеством в части безопасности на стадии

эксплуатации не отработана в требуемом объеме [86].

Разработка научных основ оперативного управления безопасно-

стью с использованием вероятностного анализа на стадии эксплуата-

ции представляется актуальной народнохозяйственной проблемой, ре-

шение которой направлено на непрерывное повышение качества жиз-

ни населения.

На стадии эксплуатации наиболее емким является канал инфор-

мации, содержащий сведения о нарушениях условий эксплуатации, чис-

ло которых на несколько порядков превышает число серьезных проис-

шествий и аварий. Таким образом, оперативное управление эксплуа-

тационной безопасностью целесообразно ориентировать на результаты

анализа нарушений. При этом анализ должен учитывать, что в услови-

ях ограниченности временных и стоимостных ресурсов, необходимость

и срочность разработки корректирующих мер зависят от степени опас-

ности нарушений. Это обусловливает целесообразность разработки на-

бора показателей, характеризующих тяжесть нарушений, и соответст-

вующих методов оценки введенных показателей по эксплуатационным

данным [18; 32; 126].

5.1. ЗАДАЧИ УПРАВЛЕНИЯ ПРОМЫШЛЕННОЙ

БЕЗОПАСНОСТЬЮ

Управление безопасностью при угрозе и в случае возникновения

чрезвычайных ситуаций является широким понятием, включающим

не только меры по предотвращению возникновения чрезвычайных си-

туаций и уменьшению их последствий, но и мероприятия по подготов-

ке к отражению реализовавшихся угроз. Управление безопасностью

и рисками является важной стратегической составляющей в деятель-

ности любой организации. Его можно рассматривать как процесс из че-

тырех стадий [9; 10]:

 выявление факторов, влияющих на конкретный вид риска;

 анализ выявленных факторов;

 контроль риска;

 оценка и переосмысление.

Управление риском – это основанная на оценке риска целена-

правленная деятельность по реализации наилучшего из возможных спо-

собов уменьшения рисков до уровня, который общество считает при-