Dynamiczne zarządzanie ryzykiem instalacji przemysłowych

Walidacja

Dane do walidacji pochodzą z różnych systemów rejestracji parametrów procesowych, analiz laboratoryjnych. Pochodzą również z wyników badań nieniszczących, inspekcji oraz zapisów sporządzanych w toku eksploatacji instalacji.

Dzięki coraz większej cyfryzacji procesów produkcyjnych dysponujemy ogromnymi zbiorami tych danych. Jednakże z uwagi na mnogość systemów archiwizacji danych oraz różną ich formę, zautomatyzowana analiza danych musi być poprzedzona ich przygotowaniem.

Proces ten jest jednym z obszarów zastosowania metod opartych o zalgorytmizowaną obróbkę danych. Dzięki nim możliwe jest np. poszukiwanie anomalii, korelacji pomiędzy danymi.

Tworzone są i testowane rozwiązania oparte np. o technologie sztucznych sieci neuronowych ANN (Artificial Neural Networks) lub rozwiązania hybrydowe wykorzystujące różne technologie do obróbki i analizy danych wykorzystywanych w analizach ryzyka [6].

Zastosowanie takich technologii w procesie zarządzania ryzykiem może przyczynić się do skrócenia okresów pomiędzy kolejnymi walidacjami.
Jak w każdym procesie analizy danych należy pamiętać o zasadzie GIGO (garbage in, garbage out). Jest to szczególnie istotne w procesie analizy ryzyka instalacji procesowej, gdzie proces pozyskiwania danych jest bardzo złożony.
Analiza danych pochodzących np. z zapisów zdarzeń awaryjnych, dokumentacji inspekcyjnych wymaga wiedzy eksperckiej.

Zarządzanie zamianami

Zmiany przebiegu ryzyka w czasie (rysunek 3) mogą skutkować skróceniem okresu do przekroczenia wartości akceptowalnego ryzyka. To może prowadzić do sytuacji niebezpiecznej. Zmiany te mogą wynikać między innymi z błędnych danych wykorzystanych w modelowaniu lub założeń.
W tym zakresie zarządzanie ryzykiem realizowane jest poprzez skuteczny system zarządzania zmianami oraz monitorowaniem czynników ryzyka (tzw. risk drivers), czyli czynników, które wykorzystano do zbudowania modelu predykcyjnego.

Czynnikami tymi mogą być między innymi parametry procesu technologicznego, czy określone podczas analizy graniczne stężenia czynników powodujących degradację ścianki urządzenia.

Należy podkreślić również istotny element, którym są założenia podejmowane w toku obliczeń ryzyka, szczególnie w obliczeniach konsekwencji potencjalnego uszkodzenia, a które mogą wpłynąć na wartość ryzyka. Są to np. liczba osób potencjalnie narażonych na konsekwencje lub rodzaj i sposób działania systemów ograniczających skutki po uwolnieniu.

Czytaj też >> Laserowe pomiary drgań w zastosowaniach przemysłowych

Skuteczność elementów systemu zarządzania bezpieczeństwem procesowym w znaczący sposób mogą wpłynąć na wyniki ryzyka. Dlatego powinny być doskonalone przede wszystkim w zakresie wiarygodności uzyskiwanych wyników a także określenia wymagań dla wyników tych procesów.

PRZYKŁAD
Przykładem jest analiza wyników analiz zagrożeń procesowych pod kątem wpływu odchyleń na przyjęte w analizie RBI wartości prędkości korozji. Podobnie jest w przypadku wprowadzania zmian w instalacji procesowej. Proces nadzoru nad zmianami powinien pozwalać na identyfikację a także analizę wszelkich zmian. Mogą one mieć wpływ na dane wykorzystane w modelu predykcyjnym ryzyka.

Mogą zainteresować Cię również

Styczeń miesiącem bezpieczeństwa produkcji.

zobacz więcej