Методичка (2) (975693), страница 5
Текст из файла (страница 5)
Неопределенность моделейотражает слабости, недостатки и неадекватности, свойственныемодели, и является мерой степени того, насколько плохо реальностьпредставлена в модели. Неопределенности во входных параметрахмодели происходят из-за неполноты имеющихся данных и137необходимости заполнения пробелов посредством оценки, вывода илимнения экспертов.Внастоящеевремябольшеевниманиеуделяетсянеопределенностям в данных, чем неопределенностям в моделях или вкачестве оценок, поскольку существуют математические методы дляанализа таких неопределенностей в количественных терминах, Этиметоды основываются на теории вероятностей и статистике.Неопределенности в моделях и в качестве оценок в меньшей степениподдаются количественному анализу и часто обрабатываютсяпосредством анализа чувствительности.Источники неопределенности в Количественном Анализе РискаХимических Процессов:Описание системыОписание процесса или его схемы некорректны или не соответствуютданнымПроцедуры не представляют фактическую операциюКарты местности и данные о популяции могут быть некорректны или вних не учтены все данныеПогодные данные из ближайшего доступного места могут бытьнесоответствующими действительностиИдентификация опасностиРаспознавание основных опасностей может быть неполнымМетоды скрининга, разработанные для выбора опасностей с цельюдальнейшей оценки, могут не учитывать важные случаиМетоды анализа последствийНеопределенности в физическом моделированииВыбор несоответствующей моделиНекорректная или неадекватная физическая база для моделиНеадекватное обоснованиеНеточные параметры моделиНеопределенности в данных для физических моделейВходные данные (состав, температура, давление)Исходные слагаемые для дисперсии и других моделейНеопределенности в моделировании эффектов138Данные для животных не подходят дал людей (особенно при анализетоксичности)Могут быть опущены эффекты смягченияМетоды анализа частотНеопределенности в моделированииЭкстраполяция исторических данных на операции большего масштабамогут привести к тому, что будут не замечены опасности, возникающиепри переходу к более крупному оборудованиюОграничения теории деревьев отказов требуют упрощения системыНеполнота анализа с использованием деревьев отказов и событийНеопределенности в данныхДанные могут быть неточными, неполными или не соответствующимидействительностиДанные от относительных действий могут быть непосредственнонеприменимымиДанные, генерируемые по заключениям экспертов, могут бытьнеточнымиОценка рискаПредположение симметрииРоза ветров редко бывает равномернойПредположение о равномерности распределения источниковвоспламенения может быть некорректнымВозможно, нельзя рассматривать один точечный источник для всехинцидентов.Упрощения для уменьшения глубины обработкиОграниченное число случаев воспламенения уменьшит точностьДля аналитика, а также для тех, кто будет использоватьполученные результаты важна идентификация "вкладов" в общуюнеопределенность, изоляция неопределенностей, возникающих из-закачества используемой в исследовании базы данных, от технеопределенностей, которые связаны с применяемыми методами имоделями, способствует возможности уменьшения неопределенностии улучшению качества оценки.
Это может помочь в определении того,на что следует обратить особое внимание - на наборы данных или на139модели - для существенного уменьшения неопределенности. Конечно,существует внутренняя статистическая изменчивость в данных оботказах и такая неопределенность не может быть устранена.Как подчеркивается Бэйбатгом (Baybutt,1986) [4] анализ иобработка неопределенности в Количественном Анализе РискаХимических Процессов (КАРПХ) включает в себя пять следующихзадач:1. Оценка и представление неопределенностей в исходных данных,2.
Распространение неопределенностей в исходных данных напротяжении всего Количественного Анализа Риска ХимическихПроцессов.3. Комбинация неопределенностей в выходных данных каждого изшагов методологии КАРПХ.4. Показ и интерпретация неопределенностей в окончательнойоценке риска.5. Обработка неопределенностей при принятии решений. Все этизадачи рассматриваются в следующих разделах.4.5.2. ОЦЕНКА и ПРЕДСТАВЛЕНИЕ НЕОПРЕДЕЛЕННОСТЕЙПеред тем, как приступить к оценке неопределенности,аналитик должен определить, как наилучшим образом представитьнеопределенность от каждого из рассмотренных выше источников.Существуют количественные меры для неопределенностей, связанныхс моделями или с качеством оценок риска, но их не так простоиспользовать.
Однако, количественные меры неопределенностей висходных параметрах моделей действительно существуют и просты виспользовании. Такие меры основываются на теории вероятностей истатистике и включают в себя следующее:- ожидаемое значение с некоторыми верхней и нижней границами;- ожидаемое значение со стандартным отклонением;- функция распределения вероятностей;- ожидаемое значение с доверительным интервалом.Эти меры могут быть определены с использованиемстатистических методов при наличии данных, в достаточной степениотносящихся к делу. Однако, часто имеющихся данных недостаточно,они могут требовать адаптации или расширения в соответствии смнением эксперта. Следовательно, база данных количественногоанализа риска химических процессов может включать в себя как140объективные, так и субъективные данные.
Существуют двастатистических подхода к оценке такой базы данных: классическийили объективный подход и Байесов или субъективный подход.Главное различие между этими подходами заключается в том, как ониинтерпретируют вероятность. В Байесовом подходе "догадка"эксперта признается априорной вероятностью, Затем эта вероятностьизменяется по мере сбора данных. Классический подход не допускаетникакого смещения в мнении эксперта. Это различие влияет наинтерпретациюмернеопределенности,вычисленныхсиспользованием аналитических средств каждого из этих подходов.4.5.3. ЗНАЧЕНИЕ НЕОПРЕДЕЛЕННОСТИСуществует два важных способа использования оценок риска:абсолютный и относительный.
Абсолютное использование оценокриска основано на сравнении конкретных значений оцененного рискас некоторыми целевыми значениями; оно в большей степеничувствительно к неопределенности.Использование оценок риска в относительном смысле частообладает намного меньшей чувствительностью к ошибке.Фактическое расположение контура риска или значение оценки рискане используется. Вместо этого, исследуется изменение риска всоответствии с некоторым другим изменением (например,альтернативный проект или мероприятие по смягчению опасности).Поскольку для расширения возможностей оценивания различныхрассматриваемых альтернатив используются те же самые методологиии предположения, результирующие оценки риска подверженыаналогичным неопределенностям.
Таким образом, относительноеранжирование различных альтернатив может испытывать меньшеевлияние неопределенности, чем абсолютное значение меры риска.4.5.4. ЧУВСТВИТЕЛЬНОСТЬКогда пользователи количественного анализа риска химическихпроцессов хотят получить некоторую оценку неопределенностиконечного результата, исследование чувствительности можетоказаться самым простым и наиболее экономичным подходом. Анализчувствительности может идентифицировать основные потенциальныевклады в общую неопределенность от большого числа инцидентов.Он также может определить, какие модели, предположения и данныеважны для окончательной оценки риска.Чувствительность (Sj) к параметру] определяется как изменениемеры риска на единицу изменения этого параметра, т.е.:141S^ARj/AP.где(4.5.1)ARj - изменение меры риска в результате изменения j-гопараметра модели;АР.
- изменение j-ro параметра модели.Например, 10%-ное изменение интенсивности отказоввнутренней блокировки (АР,) может изменить риск в 2 раза (AR^.Чувствительность меры риска к интенсивности отказов внутреннейблокировки составит35*,»^== 2/0,1=20(4.5.2)Теоретически, аналитик может проверить чувствительностьмеры риска к каждому параметру. На практике для большинстваподходов количественного анализа риска химических процессов этооказывается неприемлемым из-за большого числа учитываемыхпараметров. Однако, может быть определена чувствительность кпараметрам, важность которых предполагается или про которые.известно, что они обладают высокой степенью неопределенности.Параметр модели, который оказывает наибольшее влияние на риск,имеет и наибольшую чувствительность.4.5.5.
ВАЖНОСТЬИдентификации основных вкладов в риск - это одно из самыхважных направлений в использовании количественного анализа рискахимических процессов.Вообще говоря, общий риск (R) является суммой рисков от всехслучаев проявления инцидентов (R.):R=2>i«(4.5.3)"Вкладчики" риска (например, случаи проявления инцидентов)могут быть отсортированы по своей важности:[R,,R 2 , ...
, R B ] так, что R, *R W(4.5.4)В результате получается список всех инцидентов в порядкеубывания их важности. Представление инцидентов в табличном видес ранжированием их в порядке убывания тех вкладов, которые онивносят в риск, может оказаться очень эффективным представлениемрезультатов исследования. Оно также очень четко показываетнаиболее важные инциденты, "высвечивая" их как места, где усилияпо уменьшению риска могут стать наиболее эффективными.142Важность вкладов, вносимых инцидентами, относительнопросто определяется для индивидуального риска. Как указывалосьвыше, форма контуров часто позволяет наглядным образом найтиключ к ответу на этот вопрос, давая представление о том, какраспределяются опасности на местности.143ЛИТЕРАТУРА К РАЗДЕЛУ 41.
Lees P.P. Lees F.P. Loss Prevention in the Process Industries.Hazard Identification, Assessment and Control. - 2 Rev. ed.London: REPP Ltd, 1996, v,2 - 988 p.2. Lees P.P. Loss Prevention in the Process Industries. HazardIdentification, Assessment and Control. - London: ButterWorths,1980.-671 p.3. Маршалл В. Основные опасности химических производств.Пер. с англ. - М.: Мир, 1989. - 672 с.4. Guidelines for Hazard Evaluation Procedures with WorkedExamples. 2nd Edition. -N.Y.: AICE, 1992. - 461 p.5.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
