نقش داده‌های حوادث در ارتقای سیستم‌های حفاظتی پالایشگاه

تحلیل سیستم‌های حفاظتی و ارتقای آن‌ها، ایستگاه نهایی در سفر یک حادثه است. زمانی که یک انحراف اولیه رخ می‌دهد و سیستم کنترل فیدبک (Feedback Control) با سرعت پاسخ (Dynamic Response) پایین خود نمی‌تواند آن را مهار کند، فشار فرآیندی به مرزهای طراحی نزدیک می‌شود. اینجا دقیقاً نقطه‌ای است که ما به داده‌های رویدادهای نزدیک به حادثه (Near Miss) نیاز داریم تا پیش از پارگی تجهیزات، تنظیمات کنترلی را اصلاح کنیم.

بر اساس راهنمای CCPS و چارچوب‌های بین‌المللی، تجهیزات حیاتی ایمنی (SCE) مانند سیستم‌های قطع اضطراری (ESD) و شیرهای اطمینان (PSV) باید بر اساس داده‌های عملکردی واقعی سایت ارزیابی شوند [cite: 1.1.2]. اگر تحلیل‌های ما نشان دهند که یک PSV در سرویس گاز ترش مکرراً دچار نشتی (Passing) می‌شود، این داده باید مستقیماً فرکانس بازرسی (Inspection Frequency) آن تجهیز را در سیستم CMMS تغییر دهد.

۱. کالبدشکافی لایه‌های حفاظتی (Barrier Analysis) با رویکرد داده‌محور

مدل Bowtie به ما کمک می‌کند تا لایه‌های حفاظتی پیشگیرانه (Prevention Barriers) و کاهنده پیامد (Mitigation Barriers) را به صورت بصری درک کنیم [cite: 1.1.2]. استفاده از Barrier Analysis برای حوادث فرآیندی و عملیات کارخانه بسیار مناسب و کاربردی است [cite: 1.1.5]. اما این داده‌های حوادث هستند که نشان می‌دهند کدام لایه در حال فرسایش است.

فرض کنید در یک مبدل حرارتی پوسته و لوله (Shell and Tube) مطابق با استاندارد TEMA، داده‌های حوادث جزئی (Tier 4) نشان‌دهنده افزایش تدریجی دمای خروجی سمت پوسته هستند. این یک سیگنال افت راندمان حرارتی و احتمالاً رسوب‌گذاری (Fouling) شدید است که می‌تواند به کاهش ضریب انتقال حرارت و در نهایت افزایش فشار منجر شود. داده‌های حوادث در اینجا به ما می‌گویند که باید موانع اداری (برنامه تمیزکاری دوره‌ای) را پیش از وقوع یک حادثه مکانیکی ارتقا دهیم.

۲. شاخص‌های API RP 754 و پیش‌بینی شکست سیستم‌ها

استاندارد API RP 754، شاخص‌های ایمنی فرآیند را به دسته‌های پیشرو (Leading) و پسرو (Lagging) تقسیم می‌کند [cite: 1.2.4]. حوادثی که منجر به نشت اولیه مواد (Loss of Primary Containment – LOPC) می‌شوند، در دسته Tier 1 یا Tier 2 قرار می‌گیرند و معمولاً نشان‌دهنده شکست چندین لایه حفاظتی به صورت همزمان هستند [cite: 1.2.4].

برای ارتقای پیش‌دستانه سیستم‌های حفاظتی، باید شاخص‌های Tier 3 و Tier 4 را در سطح تجهیزات مانیتور کنیم [cite: 1.2.4]. وقتی داده‌ها نشان می‌دهند که زمان تاخیر (Lag Time) در پاسخ یک کنترل‌کننده تناسبی-انتگرالی (PI Controller) طی ماه‌های گذشته افزایش یافته است، ما با یک شاخص پیشرو (Leading Indicator) مواجهیم که هشدار می‌دهد سیستم کنترلی پیش از رسیدن به نقطه تنظیم (Setpoint) بحرانی، توانایی مهار انحراف را از دست داده است.

۳. تزریق داده‌های RCA به مدیریت یکپارچگی مکانیکی (MI)

هدف اصلی تحلیل علت ریشه‌ای (RCA)، یافتن دلایل بنیادی حوادث برای جلوگیری از تکرار آن‌ها است [cite: 1.1.4]. وقتی علت ریشه‌ای مستقیماً به شکست تجهیزات برمی‌گردد، خروجی RCA باید به عنوان یک دستورالعمل الزام‌آور وارد برنامه‌های بازرسی و نگهداری شود. مدل Bowtie می‌تواند برای تعیین استانداردهای عملکرد و اولویت‌بندی بازرسی، تست، نگهداری و تعمیر تجهیزات ایمنی حیاتی مورد استفاده قرار گیرد [cite: 1.1.2].

پایش مستمر این داده‌ها تضمین می‌کند که فرکانس تست‌های دوره‌ای (Proof Testing) برای شیرهای قطع اضطراری، نه بر اساس توصیه‌های عمومی سازنده، بلکه بر اساس دینامیک واقعی سیال (مانند اثرات کاویتاسیون یا ویسکوزیته سیال نیوتنی در شرایط سایت) تنظیم گردد.

بازگشت به مقاله قبلی: تحلیل حوادث تکرارپذیر و روندهای آماری (Trending)

۴. جدول کاربردی: تبدیل داده به ارتقای مهندسی

جدول زیر نشان می‌دهد که چگونه داده‌های یک حادثه، مسیر ارتقای لایه‌های حفاظتی و سیستم‌های مکانیکی را مشخص می‌کنند:

۵. سناریوی تمرین میدانی (Field Exercise): ارتقای سیستم حفاظتی پس از نشت آمین

شرح مختصر حادثه:
در سیستم پمپاژ آمین غنی (Rich Amine)، پمپ اصلی دچار افت هد ناگهانی می‌شود (پدیده کاویتاسیون به دلیل افت NPSHa). سیستم کنترل فشار نتوانسته به سرعت شیر مسیر فرعی (Bypass Valve) را باز کند. ارتعاشات شدید باعث شکست مکانیکی سیل پمپ شده و سیال حاوی H₂S در سایت منتشر می‌شود (LOPC – Tier 1). اپراتور برد متوجه آلارم‌ها نشده و نشت تا زمان مداخله اپراتور سایت ادامه می‌یابد.

شواهد و تحلیل دینامیک سیستم:
– داده‌های DCS نشان می‌دهد سرعت پاسخ (Response Time) شیر کنترلی بیش از ۱۵ ثانیه بوده است.
– قوانین تشابه پمپ‌ها (Affinity Laws) در تغییرات اخیر دور الکتروموتور برای افزایش ظرفیت لحاظ نشده بود.
– سیستم مانیتورینگ گاز (F&G) در منطقه به دلیل کالیبراسیون نامناسب، غلظت H₂S را کمتر از حد واقعی نشان داده و آلارم اضطراری را فعال نکرده است.

تمرین برای کارشناسان و طراحان سیستم‌های حفاظتی (شما پاسخ دهید):

• ۱. چگونه داده‌های مربوط به سرعت پاسخ سیستم کنترل (۱۵ ثانیه تاخیر) به عنوان یک علت ریشه‌ای در شکست لایه حفاظتی اولیه (BPCS) تحلیل می‌شود؟
• ۲. با استفاده از اصول دینامیک سیالات و هد پمپ، عدم توجه به Affinity Laws چگونه یک علت زمینه‌ای برای ایجاد کاویتاسیون فراهم کرده است؟
• ۳. با توجه به رویکرد Just Culture، چرا مقصر دانستن اپراتور برد بابت «ندیدن آلارم» یک خطای تحلیلی است و مانع از ارتقای سیستم HMI می‌شود؟
• ۴. بر اساس الزامات مدیریت یکپارچگی مکانیکی، چه تغییراتی در فرکانس و روش کالیبراسیون سیستم F&G به عنوان CAPA باید اعمال گردد؟
• ۵. چگونه از این رویداد یک شاخص پیشرو (Tier 3/4) استخراج می‌کنید تا پیش از وقوع حادثه مشابه در پمپ‌های دیگر، افت عملکرد سیستم‌های کنترلی را پایش کنید؟

جمع‌بندی فنی و سیستمی

پایان یافتن فرآیند تحلیل حادثه به معنای تولید یک زونکن قطور از گزارش‌ها نیست؛ بلکه نقطه آغاز یک جراحی مهندسی روی لایه‌های دفاعی پالایشگاه است. داده‌های استخراج‌شده از حوادث، معتبرترین و گران‌بها‌ترین اعدادی هستند که یک مهندس ایمنی فرآیند در اختیار دارد. این داده‌ها با خون، خسارات مالی و توقفات تولید به دست آمده‌اند.

ارزش واقعی بررسی حادثه در این است که نشان می‌دهد تئوری‌های طراحی در مواجهه با واقعیت‌های خشن عملیاتی چگونه رفتار می‌کنند. با تزریق هوشمندانه این داده‌ها به برنامه‌های نگهداری، تنظیمات لوپ‌های کنترلی و سیستم مدیریت تغییر (MOC)، سازمان می‌تواند از غافلگیری‌های آینده جلوگیری کند. ارتقای مستمر سیستم‌های حفاظتی بر پایه داده‌های واقعی، تنها تضمین‌کننده بقا و پایداری تولید در صنایع پرمخاطره نفت و گاز است.