基于HFACS-BN模型的危險化學品事故人因路徑分析*

陳星霖，郭 勇，陽富強

(福州大學 環境與安全工程學院，福建 福州 350116)

0 引言

化工產業是國民經濟中的基礎產業和支柱產業。化工生產過程復雜，涉及多種易燃易爆、有毒有害危險化學品，一旦發生事故，破壞力強，社會影響大。根據相關統計數據[1]，國內危險化學品較大及以上事故在2010—2019年年均13.4起，年度事故數在2015年后呈現逐年下降的趨勢，但每年總體事故數量仍達數百起[2]。國內外學者的相關研究表明[3-6]，人的不安全行為是導致危險化學品事故發生的主要原因。因此，為減少危險化學品事故的發生，需要對引發危險化學品事故的人為因素及相關影響因素進行研究。

從人因角度出發，基于瑞士奶酪模型(SCM)[7]、美國軍事和民用航空飛行數據，Shappell和Wiegmann[8]提出人為因素分析和分類系統(HFACS)。HFACS模型從組織影響、不安全監督、不安全行為的前提條件和不安全行為4個層次對人為因素進行分析，該方法已在建筑[6,9]、煤礦[10-11]、地鐵[12-13]、交通[14]等領域得到應用。近年來，化工領域也涌現出一些使用HFACS研究危險化學品事故的成果。在國外研究中，Rostamabadi等[15]將貝葉斯網絡和模糊最佳最差方法納入HFACS框架的事故分析模型并成功量化1家石化廠事故；Theophilus等[16]提出HFACS-OGI框架，以解決石油和天然氣行業原始HFACS框架的缺點并已成功應用于石油和天然氣行業。國內，Zhou等[17]研究發現不同層次的人為因素相互作用導致天津港“8·12”瑞海公司危險品倉庫特別重大火災爆炸事故發生；徐德宇等[5]研究63起火災爆炸事故案例，應用HFACS模型得出引發事故的關鍵路徑及其人為因素的主要表現形式。然而，鮮有國外學者利用HFACS來分析危險化學品事故的人為因素；國內學者多對單一危險化學品事故開展研究，少有對多起危險化學品事故人為因素的綜合性研究。同時，HFACS為定性分析方法，單獨使用時缺少定量分析的支撐。因此，該方法通常需要與其他定量分析方法相結合，以達到更好的分析效果。

貝葉斯網絡適用于表達和分析不確定性和概率性的事件，已在化工領域得到應用。Mkrtchyan等[18]將構建的貝葉斯網絡用于煉油廠的可保險性風險篩查，并展示貝葉斯網絡相對于過程工業中廣泛使用的其他方法的優勢。Kumari等[19]提出1種修正貝葉斯網絡，用于準確診斷化學加工工業中過程故障的根本原因。鑒于此，將貝葉斯網絡與HFACS結合，借助改進的HFACS來分析導致危險化學品事故的一般原因，運用貝葉斯網絡對危險化學品事故成因進行靈敏度分析，得出造成危險化學品事故的靈敏路徑以及靈敏路徑中關鍵事故因子，以期為危險化學品事故預防和原因調查提供參考和建議。

1 研究方法

1.1 危險化學品事故的HFACS模型

HFACS模型的事故因果鏈是“主要原因引起事故，潛在原因引起主要原因”，其中主要原因是指人的不安全行為，潛在因素指不安全行為的前提條件、不安全監督和組織影響。HFACS模型最初用于航空領域，模型中各項目內容的定義是針對于航空事故，將該模型用于研究危險化學品事故時，考慮到航空事故與危險化學品事故存在差異，需要根據2類事故間的差異，對模型的項目定義進行調整，使其適用于危險化學品事故。航空事故與危險化學品事故的差異體現在3個方面：1)對比2類事故的事故報告，航空事故處罰涉及到管理單位和政府部門數量不及危化品事故，從而體現出危險化學品事故中組織影響更加多樣化和復雜化；2)事故涉及的工作環境不同，從而使得環境因素對2類事故的影響不同；3)事故多發環節不同，航空事故多發于起飛與降落環節，而危險化學品事故多發于運輸和儲存環節，對比而言，危險化學品事故的多發環節更加體現模型中組織影響與不安全監督對人員不安全行為的影響。基于以上差異，按照如下步驟對模型進行適用性調整。首先，需要對所收集信息進行篩選，挑選出事故主要原因為人的不安全行為的事故；其次，根據事故報告中的直接原因與間接原因，并參考相關的研究[5,20]，按照HFACS模型的項目類別對危險化學品事故的人為因素進行分類匯總；最后，基于分類匯總結果得出適用于危險化學品事故HFACS模型。調整后的HFACS模型沿用其初始框架，將原模型中各項目內容的定義修改為危險化學品事故的直接和間接原因，后續分析建立在對各項目的統計數據上，實現對危險化學品事故進行人因路徑分析并確定關鍵風險因子。危險化學品事故HFACS模型中各項目分類的具體定義見表1。

表1 適用于危險化學品事故的HFACS項目定義Table 1 HFACS project definition for hazardous chemical accidents

1.2 貝葉斯網絡

貝葉斯網絡(Bayesian Network，BN)，又稱信念網絡，分為有向無環圖(Directed Acyclic Graph，DAG)和條件概率表(Conditional Probability Tables，CPT)2部分。DAG描述貝葉斯網絡拓撲結構，由代表變量的節點與連接節點、反映節點間因果關系的有向邊組成。在DAG中，有向邊從節點x1指向x2，則節點x1為父節點，x2為子節點；無父節點的節點為根節點，無子節點的節點為葉節點。

CPT描述節點間的條件概率以及表示節點間的強度。CPT中的每個節點均有條件概率，其條件概率由貝葉斯公式得到，如式(1)所示：

(1)

式中：P(A)為先驗概率，P(A|B)為后驗概率。對根節點只需計算先驗概率，對有父節點的節點需要計算多變量條件概率。根據貝葉斯網絡的特點，在計算父節點的值時，每個節點是獨立于父節點的，其多變量條件概率可由全概率公式計算得到，如式(2)所示：

(2)

1.3 靈敏度分析

靈敏度分析是研究與分析1個系統(或模型)的狀態或輸出變化對系統參數或周圍條件變化的敏感程度的方法。通過靈敏度分析可以決定哪些參數對系統或模型有較大的影響。靈敏度SV定義為原因事件在發生狀態下引起結果事件發生概率的變化率，用式(3)表示：

(3)

式中：SVij表示節點的靈敏度；xj表示結果事件；xi表示原因事件；1表示該事件發生，0表示該事件不發生；ΔPij=P(xj=1|xi=1)-P(xj=1|xi=0)。

2 樣本數據收集

2.1 樣本數據來源及篩選

本文查閱并收集了185起危險化學品事故，并剔除2000年以前的事故、事故原因分析不明確的事故以及模糊人為因素引起的事故。同時為提高之后分析的針對性，還剔除部分國外事故和非化工廠事故，最后整理出134起在國內化工企業發生的危險化學品事故。所收集危險化學品事故的事故報告和信息來自國家應急管理部、各省市區應急管理部門網站和國內權威媒體發布的調查報告、報導等，均為官方給出的事故調查結果，具有權威性。

2.2 數據記錄

所收集的危險化學品事故涉及爆炸、中毒等多種事故類型，各種事故類型的統計結果見表2。

表2 事故類型統計Table 2 Accident type statistics

根據調整的危險化學品HFACS模型，按照人為因素分類對134起事故報告中的事故直接原因和間接原因進行分類統計，計算各項目在事故中分別發生的次數與占比，計算結果見表3。

表3 人為因素分類統計匯總Table 3 Classified statistics summary of human factors

3 數據處理

3.1 HFACS-BN的概念模型

基于HFACS模型的基本理論，事故因果鏈為“組織影響→不安全監督→不安全行為的前提→不安全行為”。組織影響與不安全監督、不安全監督與不安全行為的前提條件間均存在隱性差錯，不安全行為的前提條件和不安全行為之間既存在隱性差錯又存在顯性差錯。因此，相鄰層級之間的所有項目均是相關的，則根據層級間的相互關系可繪制HFACS模型的貝葉斯網絡拓撲圖，其基本形式見圖1。

圖1 HFACS模型的貝葉斯網絡拓撲圖Fig.1 BN topology of HFACS model

3.2 各人為因素的條件概率

組織影響中的資源管理、組織氛圍和組織過程是最基本的人為因素，即作為貝葉斯網絡中的根節點。考慮到組織影響是最底層的因素且不會受其他因素影響，將其在134起危險化學品事故中發生的概率作為基礎條件概率。例如，資源管理在134起事故中發生65次，事件發生占比0.485，那么其發生概率為0.485，不發生的概率為0.515。同理可從原始數據中得出組織氛圍和組織過程的發生概率，最終層級1的3個項目發生概率見表4。

表4 組織影響的概率Table 4 Probabilities of organizational impact

由于不安全監督、不安全行為的前提條件和不安全行為的人為因素層間存在聯系，在計算它們的條件概率時要考慮層級間的關聯性，但考慮到直接計算條件概率較為繁瑣，于是采用層間關聯概率來表示該因素的條件概率。例如，監督不力與組織影響的3個因素均有聯系，那其發生與否的狀態應存在8種情況，在計算該因素的條件概率時要對每個情況都進行計算。在事故的HFACS模型項目統計數據中，資源管理、組織氛圍和組織過程全不發生(即S-S-S情況)的事故數為3起，而這3起事故的監督不力全是不發生狀態，那么監督不力該情況下的層間關聯概率為1/0，即該情況下監督不力的不發生概率為1，發生概率為0。同理，該因素的其他情況、同一層級中的其他因素均如此計算層間關聯概率，由此得出不安全監督的4個因素層間關聯概率，見表5。

表5 不安全監督的層間關聯概率Table 5 Inter-layer correlation probabilities of unsafe supervision

表5中S表示該情況未發生，F表示發生，/左右兩側的數值分別表示未發生概率和發生概率。針對下層因素狀態組合不存在的情況，采用瓦爾德準則，即使用同一水平上其他因素的最大發生概率作為該情況的發生概率，之后的表6和表7相關內容均是如此表示。按照本文的層間關聯概率的計算規則對各因素進行計算，不安全行為的前提條件、不安全行為的各因素層間關聯概率的計算結果見表6和表7，表6中*表示統計數據不存在這類情況。

表6 不安全行為的前提條件的層間關聯概率Table 6 Inter-layer correlation probabilities of prerequisite for unsafe behavior

表7 不安全行為的層間關聯概率Table 7 Inter-layer correlation probabilities of unsafe behavior

3.3 靈敏度分析

首先，在GeNle 3.0軟件中繪制HFACS模型的貝葉斯網絡拓撲圖。其次，將表4～7的數據代入繪制好的貝葉斯網絡圖中，得到人為因素的初始貝葉斯網絡圖。危險化學品事故的人為因素初始貝葉斯網絡見圖2，組織過程發生和不發生時的貝葉斯網絡分別如圖3和圖4所示。圖2～4中每個節點均表示有該節點對應項目在初始數據下發生與不發生的概率，以及與其他層節點的聯系情況。

圖2 人為因素初始貝葉斯網絡Fig.2 Initial Bayesian network diagram of human factors

當更改其中任意節點的狀態時，其余所有節點的概率均會改變，將變化的數值代入到式(3)中，由此便可計算上層因素對下層因素狀態變化的靈敏度。

采用靈敏度的計算方法，以圖3與圖4中的監督不力為例。當組織過程發生時，監督不力的發生概率為0.60；而組織過程不發生時，其概率為0.50。顯見0.50<0.60，則由式(3)計算組織過程發生時，靈敏度SV=0.2，同理可計算其他所有的情況。具體計算結果見表8，其中行因素為因因素，列因素為果因素。

圖3 組織過程發生的貝葉斯網絡Fig.3 BN diagram of organizational process occurrence

圖4 組織過程不發生時的貝葉斯網絡Fig.4 BN diagram without organizational process occurrence

本文將復雜靈敏路徑定義為以每層級中唯一能與后續層級因素存在最多聯系的因素為起點，其所有聯系所形成的路徑網絡。此外，該層級中其他因素為起點而形成的路徑均為非復雜靈敏路徑。根據表8的結果，按照復雜靈敏路徑的定義，組織影響、不安全監督以及不安全行為的前提條件3個層級中以本層因素為起點的復雜靈敏路徑分別為“資源管理→風險認知與處理不當(0.263)→環境因素(0.069)/操作者狀態(0.143)→行為違規(0.023)”，“風險認知與處理不當→環境因素(1.316)/操作者狀態(1.555)/個人因素(0.180)→行為違規(0.071)”，“個人因素→行為錯誤(0.389)/行為違規(0.122)”。根據上述路徑，資源管理、風險認知與處理不當、個人因素為各自所在層級中造成危險化學品事故的主要人為因素，同時這些因素所在的復雜路徑是引發事故的關鍵路徑。從路徑結果來看，行為違規更容易受上層因素影響。結合表3，行為違規發生次數均明顯高于行為錯誤，因此可以推斷行為違規是引起危險化學品事故的最主要不安全行為。從靈敏度的數值來看(表8)，在復雜靈敏路徑中，環境因素(1.316)和操作者狀態(1.555)對風險認知與處理不當的靈敏度較高。該結果表明，風險認知與處理能力與效率的提高會有效改善企業生產環境與職工狀態，從而提高企業的事故預防能力。因此，企業要重點加強提高風險認知與處理能力，以實現對事故的有效預防。

表8 各因素靈敏度Table 8 Sensitivity of each factor

非復雜靈敏路徑分別為“組織氛圍→監督不力(0.564)/運行計劃不當(1.045)/監督違規(0.444)”，“組織過程→監督不力(0.200)/運行計劃不當(1.000)/風險認知與處理不當(0.029)/監督違規(0.182)”，“監督不力→環境因素(0.185)/操作者狀態(0.143)”，“運行計劃不當→操作者狀態(0.308)→行為錯誤(0.095)/行為違規(0.023)”，“監督違規→操作者狀態(1.154)/個人因素(0.327)→行為違規(0.214)”，“操作者狀態→行為違規(0.625)”。組織氛圍、組織過程、監督不力、運行計劃不當、監督違規以及操作者狀態在各層級中表現為較次級的影響。在非復雜靈敏路徑中，操作者狀態(1.154)和運行計劃不當(1.000/1.045)分別對監督違規、組織氛圍和組織過程表現出較高的靈敏度。由此可知，監督違規、組織過程和組織氛圍是導致事故發生的根本起點，可由此來分析事故直接原因和間接原因。

在2種路徑中，操作者狀態均表現出較高的靈敏度。因此，在危險化學品安全管理中，企業要注重職工的生理與心理狀況，及時發現并改善，避免由不良心理或生理狀態導致的不安全行為。

3.4 因素在個別路徑中的概率補正

在計算各層間的關聯概率時，由于可收集到的事故樣本有限，對部分條件因素組合進行篩選時，存在個別因素無法計算出相應的層間關聯概率。鑒于這種情況，采用瓦爾德準則，即選用同水平中最大的層間事發關聯概率來表示該因素的層間事發關聯概率。

4 結論

1)危險化學品事故的人為因素分類統計中組織氛圍、組織過程、監督不力、個人因素在事故原因中占有顯著比重(占比大于50%)，是導致危險化學品事故發生的基本人為因素。同時，并不是上一層級表現出全發生或全不發生就一定使得與之關聯的下一層級所有因素表現出必發生或必不發生，尤其在層級3和4表現更為明顯，該結果表明跨越層級的因素間也存在影響關系。

2)利用HFACS-BN模型得出基于134起危險化學品事故人為因素的復雜靈敏路徑和非復雜靈敏路徑，并由復雜路徑得出引發事故的關鍵路徑。

3)通過對2種靈敏路徑的分析得出行為違規是導致危險化學品事故的最主要不安全行為；風險認知與處理不當是阻礙事故預防的關鍵因素；監督違規、組織過程和組織氛圍是事故發生根本起點，可依此分析事故直接原因和間接原因。此外，化工企業在人員管理上要加強關注職工狀態，避免職工因不良心理或生理狀態產生的不安全行為。

4)由于收集的危險化學品事故的樣本有限，導致部分因素狀態路徑不存在，于是采用瓦爾德原則進行補正，補正值作為該路徑下的層間關聯概率。由此可見，樣本數量問題在后續研究中亟待改善。同時，后續可進一步開展國內外或某企業危險化學品事故人因分析的研究，來增加研究的廣度和針對性。