劉惠玲，李偉偉，劉夢娟，胡進偉

（中國質量認證中心華南實驗室，廣東 廣州 510700）

1 引言

機械是機構與機器的總稱。機械設備是現(xiàn)代工業(yè)生產的主力軍，在把原料加工成產品或半成品的過程中涉及到各類專業(yè)機械與設備的使用，但同時也伴隨著許多機械安全事故，造成各類經濟財產損失甚至人員傷亡。因而對機械設備進行有效可行的風險評估，降低安全事故發(fā)生的可能性，在工業(yè)生產中有著重要的意義。

2 機械安全概念

機械設備的種類多樣，用途不同，對機械安全的要求也不盡相同。但總體而言，是指在預定的使用條件下正常運行，不會對操作人員造成危害的能力。有些產業(yè)中的機械安全還包括不會對所生產產品的品質造成危害。以食品加工機械的安全要求為例，除滿足一般生產過程的機械安全，即保證機械運行的可靠、穩(wěn)定外，還必須保證食品安全，不會在加工過程中由于機械的原因在食品中引入有毒有害物質，而危害消費者的生命健康[1]。

3 機械風險評估流程

機械風險評估的一般流程為以下幾個步驟：機械限制的確定、危險識別、發(fā)生概率和嚴重程度分析以及規(guī)避的可能性分析[2]。規(guī)避的可能性是指所識別的危險能否通過采取相應的措施規(guī)避或減小，如修改設計、安裝防護措施、添加警示標志等?？偟膩碚f，對于危險發(fā)生概率大、損失嚴重且無法通過措施手段來避免的危險，則其風險等級高。

以食品機械設備為例，在符合機械限制的正常使用狀態(tài)下，其危險是指食品機械使用過程中可能對人體身心健康和加工食品等造成的損害。孫姍等結合食品機械設計和事故經驗、食品機械的運行情況、食品加工流程及操作條件等信息，歸納了食品機械安全衛(wèi)生風險評估的流程，如圖1 所示。

首先需要收集有關食品機械安全衛(wèi)生設計的技術標準、材質選擇、機械特性等相關資料，確定對機械的時間限制、空間限制和使用限制，并明確對操作人員的限制；隨后開展危險識別，進行危險識別時應考慮機械狀態(tài)、使用壽命、可預期的誤用等因素；然后通過定性或定量方法來分析危害發(fā)生的概率和嚴重程度，并盡量通過定量法進行風險評價；最后在評價的基礎上，考慮風險是否可消除或減小、安全防護措施是否合適等因素進行風險縱橫對比，作出風險評定[3]。

圖1 食品機械安全衛(wèi)生風險評估流程

根據對危害發(fā)生概率和嚴重程度分析方式的差異，將機械風險評估的方法分為定性評估和定量評估兩大類。定性評估主要依靠專家等有經驗人員的主觀判斷來對危險發(fā)生的可能性、嚴重程度和規(guī)避可能性進行分級、綜合評價后將風險程度劃分為低、中、高等不同層級；而定量分析則是通過數學模型按照既定的規(guī)則進行計算，從而定量、直觀地反映出風險情況[4]。在定性評估模型中，主要依靠相關人員的主觀判斷來分析得出結論，雖易于操作但對危險的評估缺乏深度、主觀性過強。定量評估模型則是通過精確的數學方法構建模型來分析計算風險程度，更具客觀性，且能實現(xiàn)更細致、系統(tǒng)的風險分級；但定量評估需要以足夠的歷史統(tǒng)計數據為建模的基礎，當基礎數據不夠時，其計算模型的準確度無法得到保證，且計算過程復雜，在工業(yè)生產中操作難度較大。

4 機械設備風險評估計算模型

機械設備風險的定量評估涉及到了計算模型的選擇。工程上用以定量評價的常見方法有事件樹分析、故障樹分析、事件樹/故障樹方法，本質都屬于概率風險評價。以故障樹分析為例，涉及到最小割集的計算，通過布爾表達式不交化求解最小割集，從而計算出各事件的發(fā)生概率[4]。但以上較為傳統(tǒng)的定量評估計算模型，大多要求以單調系統(tǒng)、二態(tài)系統(tǒng)和失效獨立性所為前提條件，然而在實際生產中，機械所處的系統(tǒng)大多是非單調的、多態(tài)的，共因失效的情況也時常發(fā)生，所以需要借助數學和計算機技術的發(fā)展，使用更加優(yōu)越的計算模型，提高機械風險評估的準確性。近幾年在風險評估中較為熱點且應用較為廣泛的計算模型主要有模糊矩陣運算法、貝葉斯網絡模型和人工神經網絡模型。

4.1 模糊風險評價法

模糊風險評價法，是一種基于模糊數學的方法基礎對風險作出評價的方法。其中模糊數學是以模糊性現(xiàn)象的處理為研究對象的一種數學理論。通過模糊數學的方法，可以利用模糊、定性或者不精確的數據和信息來實現(xiàn)對故障風險的定量評價，得出對故障風險的數值化描述，從而對潛在風險的重要性進行排序。模糊風險評價法的特點是模型簡單，在對多因素、多層次的復雜問題進行評價方面，有著其他數學模型難以取代的優(yōu)勢。

俞中健等嘗試采用模糊數學的方法對橋式起重機進行金屬結構風險評估。橋式起重機金屬結構潛在風險因素包括裂紋、腐蝕、強度及變形導致的破壞，根據這些因素建立風險因素集，隨后再將起重機的整體結構進行簡化和拆分，如橋架在簡化為單梁結構后可進一步劃分為上蓋板、下蓋版、腹板和隔板。將金屬結構作為風險因素集的子系統(tǒng)，進行系統(tǒng)層級劃分，建立橋式起重機金屬結構風險綜合評判系統(tǒng)。再構造風險各要素中的概率等級和后果等級的評判集Q和G，分別反映風險發(fā)生的可能性和嚴重程度。關鍵是確立風險隸屬度矩陣及權重系數，其中風險概率隸屬度矩陣參照由可靠性分析得到的可靠性隸屬度矩陣建立。通過不確定AHP判斷矩陣一致性逼近與排序法，確定風險評估中的權重系數。最后由以上參數計算出風險度W，根據W的數值大小進行風險等級的劃分[5]。

P=RpQnT，其中Rp為風險發(fā)生概率隸屬度矩陣，Qn為概率等級評判集中評判語句對應的權重系數。

C=RcGnT，其中Rc為風險影響隸屬度矩陣，Gn為風險影響等級評判集中評判語句對應的權重系數。

W=PCT

程序等基于模糊理論，設計了針對智能電網的信息通信系統(tǒng)風險評估方案，嘗試解決評估指標間的非可加性問題。首先確定關于智能電網信息通信系統(tǒng)風險評估的指標，再通過主觀的層次分析法和客觀熵值法計算單風險指標的權重，依權重算出各層次指標集合的模糊測度；隨后通過風險指標對應風險等級的隸屬度建立評價矩陣，利用模糊積分向量融合指標集的評估值；最終，按照最大隸屬度原則得到智能電網信息通信系統(tǒng)風險的綜合評估值[6]。智能電網信息通信系統(tǒng)模糊風險評估模型流程如圖2 所示。

圖2 智能電網信息通信系統(tǒng)模糊風險評估模型流程

模糊風險評價方法在餐飲食品微生物風險評估中的應用也有相關的報道，張娜等以某省份4 年的餐飲環(huán)節(jié)微生物監(jiān)測數據作為樣本，采用模糊綜合分析法，利用粗糙集決策模型確定了評價指標體系中各指標的權重值和隸屬度矩陣，最后建立了菌落總數、大腸菌群、沙門氏菌和金黃葡萄球菌四項指標在餐飲及加工用具中風險的評價模型[7]。可以預見，在食品機械的風險評估方面，模糊數學法也同樣具有適用性。

4.2 貝葉斯網絡風險評價法

貝葉斯網絡結合了圖論和概率論，可以形象地表示為一個賦值因果關系圖。一個具有N個節(jié)點的貝葉斯網絡可用N=＜＜V，E＞，P＞ 來表示，其中＜V，E＞表示一個節(jié)點個數為N的有向無環(huán)圖，P則表示與每個節(jié)點相關的條件概率分布。貝葉斯網絡建模包括兩個部分，分別是拓撲結構的確定和概率參數的確定。其優(yōu)點在于能夠在風險評估過程中，反映出系統(tǒng)的非單調性、多態(tài)性、動態(tài)性、失效相關性以及軟件、人因交互影響等。

以安全門系統(tǒng)的風險評價為例，該系統(tǒng)由保安看守，辦公人員則通過身份識別系統(tǒng)PACS 進出，PACS 是一個提供身份認證的軟件系統(tǒng)，它可以根據用戶提供的密碼或者IC卡識別等進行信息匹配，從而開關安全門。當危險發(fā)生時，辦公人員可以通過IC 卡識別或輸入密碼打開安全門離開。其中PACS 系統(tǒng)涉及到了軟件與系統(tǒng)的交互作用，利用貝葉斯網絡對PACS 系統(tǒng)進行分析，將其劃分為IC 卡認證（S1）和密碼認證（S2）兩個模塊。以系統(tǒng)的處理器C 和內存M作為參考節(jié)點，可以假設安全門PACS 軟件的ICReader、Value、Range、Amount、Type、Time、Input 等參數有兩種狀態(tài)：正常（Normal）、不正常（Abnormal）；CPU、Memory、Support 有三種狀態(tài)：正常工作（Full）、降階工作（Degrade）、不工作（None）；IC 卡認證模塊的Output 有兩種狀態(tài)：允許輸入密碼（AllowPIN）、不允許輸入密碼（NotAllowPIN）；密碼認證模塊的Output 有兩種狀態(tài)：密碼正確（Right）、密碼錯誤（Wrong）；PACS 有兩個狀態(tài)：開門（Open）、不開門（Close）。再根據這些節(jié)點構建類PACS 網絡結構，結合設定的根節(jié)點的概率分布，即可形成類 PACS 的潛在貝葉斯網絡，最后利用經典推理算法計算出在意外事件發(fā)生時辦公人員通過PACS 系統(tǒng)打開門逃生的概率，用以對安全門進行風險評估[8]。類PACS 的潛在貝葉斯網絡如圖3 所示。

圖3 類PACS 的潛在貝葉斯網絡

隨著人工智能和計算機技術的發(fā)展，未來的機械設備將越來越智能化，安裝的軟件系統(tǒng)也將日益復雜，所以未來對機械設備的風險評估必須包含軟件系統(tǒng)和網絡安全的風險評估。如在食品機械中的自動化包裝機械、自動清洗機械等都涉及到了自動控制系統(tǒng)，相信未來對機械設備進行軟件系統(tǒng)交互作用風險評估的需求也會日益增加。

此外，貝葉斯網絡在食品行業(yè)還被應用在了食品安全的風險評估，如在微生物定量評估中占據了重要地位[9]。

4.3 人工神經網絡風險評價法

人工神經網絡的研究在人工智能領域一直備受關注。在神經網絡的運算模型中，有大量相互聯(lián)接的節(jié)點，一個節(jié)點對應一個特定的輸出函數，每兩個節(jié)點間的聯(lián)接則對應通過該連接信號的加權值。人工神經網絡具有非線性映射、分布并行處理、自適應學習等特性，在工程領域的實際應用中有許多優(yōu)勢。而BP 網絡是目前應用最為廣泛的一種神經網絡模型，屬于多層映射網絡，采用的學習方法是最小均方差法，具有簡單的結構和穩(wěn)定的工作狀態(tài)。

尹曉偉等提出了一種基于BP 神經網絡的復雜機械安全性分析新方法，突破了以往有限元分析方法的建模煩瑣和運行周期長的局限。其基本步驟是采集復雜機械在工作狀態(tài)下的載荷數據作為訓練樣本，經過訓練和泛化性測試，建立神經網絡模型。最后利用建好的神經網絡模型進行映射，得到新的載荷作用下結構的荷載效應，將其與結構抗力比較，即可分析其機械安全性。以減速器箱體結構安全性分析為例，實測得到工作狀態(tài)中減速器箱體承受的15 組載荷及各組荷載作用下的最大變形，輸入有限元分析，得到最大變形量Midst；再利用其中10 組數據訓練網絡，憑經驗算法選取了網絡節(jié)點層數為8-6-1 的BP 網絡模型，輸出層只有一個節(jié)點，傳輸函數為Tan-Sigmoid 函數，對應最大形變量Midst。利用剩下5 組數據作為驗證，確保網絡的分析精度滿足要求[10]。BP 神經網絡模型如圖4 所示。

圖4 BP 神經網絡模型

目前神經網絡在機械系統(tǒng)安全評估上的應用還沒有普及，如在食品工業(yè)中的應用目前仍停留在對加工過程中工藝參數的優(yōu)化和過程分析以及食品分析中的數據處理[11]，在食品機械的風險評估上具有相當好的應用前景。

5 展望

在定性風險評估和定量風險評估方法中，都涉及到的關鍵步驟是危險發(fā)生可能性的確定，發(fā)生概率的確定方式直接影響著機械風險評估計算模型的可靠性?！稒C械安全風險評價的原則》中規(guī)定，風險發(fā)生的概率可以依據可靠性和其他統(tǒng)計數據獲取。其中可靠性結果是由專家評判得到，仍然受到主觀因素的影響，所以最好依據統(tǒng)計數據來計算概率。然而目前工業(yè)生產中相關統(tǒng)計數據的積累較少，無法提供足夠的統(tǒng)計數據作為支持，影響了風險發(fā)生概率的統(tǒng)計計算。所以構建相應的機械風險監(jiān)測信息平臺，匯集和共享信息，建立起以數據庫為依托建立的系統(tǒng)完整的機械風險評估機制，對中國機械風險評估水平的提高有著重要意義。如在食品安全風險評估方面，為了給食品安全評估提供真實有效的數據，廣東省自2009 年便開始實施食品風險監(jiān)測，監(jiān)測對象包含全省21 個地級市和150 多個縣市區(qū)，采集了30 多萬條相關數據作為統(tǒng)計樣本[12]。因此，相信未來也可以建立相應的食品機械風險監(jiān)測信息平臺，在相關企事業(yè)單位采集機械事故相關數據，為食品機械的風險評估提供足量、可靠的數據支持，使風險評估結果更加科學有效。