ความสัมพันธ์ระหว่าง PFD กับ Safety Review เช่น HAZOP Study
ค่า PFD (Probability of Failure on Demand) และการศึกษา HAZOP (Hazard and Operability Study) มีความสัมพันธ์กันอย่างใกล้ชิดในลักษณะของ “เหตุและผล” หรือ “ข้อมูลตั้งต้นสู่การกำหนดเป้าหมายความปลอดภัย” ภายในวงจรชีวิตของระบบความปลอดภัย (Safety Lifecycle)
กล่าวง่ายๆ คือ HAZOP จะเป็นตัวบอกว่าระบบของเรามีอันตรายอะไรบ้างและมีความจำเป็นต้องใช้ระบบความปลอดภัยหรือไม่ ส่วนค่า PFD จะเป็นตัวเลขที่บอกว่าระบบความปลอดภัยนั้นๆ จะต้องมีความน่าเชื่อถือสูงแค่ไหนเพื่อจัดการกับอันตรายเหล่านั้นให้ได้ตามเกณฑ์
ความสัมพันธ์เชิงลึกระหว่างสองสิ่งนี้ สามารถอธิบายได้ดังนี้
- HAZOP คือแหล่งข้อมูลตั้งต้นในการหา “อัตราความต้องการใช้งาน” (Demand Rate)
- HAZOP ช่วยระบุ “ชั้นการป้องกันที่มีอยู่” (Safeguards / IPLs)
- HAZOP เชื่อมโยงสู่การกำหนด Target PFD ของระบบความปลอดภัย (SIF) ผ่านการวิเคราะห์ต่อด้วยวิธีเชิงปริมาณ เช่น LOPA
Probability Failure on Demand (PFD) คืออะไร
เราใช้ตัวกลางดูประสิทธิภาพหรือออกแบบของระบบที่เกี่ยวข้องนี้ ผ่านการคำนวนทางสถิติ โดยที่กระบวนผลิตจะเริ่มสนใจจากมีอยู่ของระบบนี้ ก็ต่อเมื่อมีความจำเป็นที่ต้องใช้งานแต่ไม่สามารถใช้งานได้ เราเรียกเหตุการณ์นี้ว่า Probability of failure on demand หรือ ความน่าจะเป็นที่ระบบจะไม่สามารถใช้งานได้เมื่อถึงเหตุการณ์ที่จำเป็น
ในการคำนวนความน่าจะเป็นนั้น อันที่จริงจะไม่มีหน่วยในการคำนวน เพราะเป็นจำนวนโอกาสต่อด้วยจำนวนทั้งหมด แต่ทั้งนี้ ความต้องการใช้ระบบความปลอดภัยโดยเครื่องมือวัดในกระบวนการผลิตนั้นจะขึ้นอยู่กับความถี่ของอุบัติเหตุ accident หรืออุบัติการณ์ incident ที่เกิดในกระบวนการผลิต โดยเหตุการณ์ที่ว่านี้ไม่ได้เกิดขึ้นทุกวันแต่อาจจะเกิดขึ้นเป็นรายปี หรือหลายๆปีจะเกิดขึ้นซักครั้งหนึ่ง เราเรียกความถี่ของเหตุการณ์ประเภทนี้ว่า Low Demand Mode
จากที่กล่าวนี้ทำให้สามารถแบ่งความน่าจะเป็นที่ระบบจะไม่สามารถใช้งานได้เมื่อถึงเหตุการณ์ที่จำเป็น หรือ Probability of failure on demand นั้นแบ่งออกได้เป็น
- ถ้าใช้กับระบบที่มีโอกาสเกิดอันตรายเป็น รายปี เช่น กระบวนการผลิต process production เรียกความถี่นี้ว่า Low Demand Mode ค่าความน่าจะเป็นจะใช้คำว่า Probability of failure on demand average (PFDavg)
- ถ้าใช้กับระบบที่มีโอกาสเกิดอันตรายได้บ่อยขึ้น ไม่สามารถตรวจเจอได้ทันถ้ารอการตรวจสอบระบบโดยมือ Manual Proof Test Interval (PTI) แต่ก็ไม่ได้บ่อยจนขนาดที่ต้องการระบบตรวจวัดวัตโนมัติ Automatic Diagnostic Interval (ADI) และก็ไม่ได้มีอันตรายอยู่ตลอดเวลา เรียกความถี่เช่นนี้ว่า High Demand Mode ซึ่งจะใช้ค่าความน่าจะเป็นว่า Probability of failure per hour (PFH)
- และถ้าใข้กับระบบที่มีโอกาสเกิดอันตรายที่อาจจะเกิดขึ้นบ่อยมาก หรืออันตรายนั้นมีอยู่ตลอดเวลา และถ้าเกิดระบบป้องกันอันตรายด้วยเครื่องมือวัดเสียหายขึ้นความอันตรายจะเกิดขึ้นทันที เรียกลักษณะความถี่แบบนี้ว่า Continuous Demand Mode ค่าความน่าจะเป็นจะใช้คำว่า Probability of failure per hour (PFH) เหมือนกัน
ตามที่กล่าวข้างต้นว่าระดับของระบบป้องกันอันตรายหรือ Safety Integrity Level (SIL) จะมีค่าระดับจาก 1 จนถึง 4 ถ้านำมาแสดงในค่าความน่าจะเป็นจะแสดงได้ดังนี้
ถึงตรงนี้จะเห็นว่าค่าระดับของระบบป้องกันอันตรายหรือ Safety Integrity Level (SIL) มาจากการคำนวนความน่าจะเป็นนั้นเอง
แต่นั้นยังไม่ใข่ทั้งหมดของระบบป้องกันอันตรายด้วยเครื่องมือวัดหรือ Safety Instrumented System (SIS) เพราะยังจะต้องทำให้ผู้ใช้งานมีความมั่นใจได้ว่าระบบจะเป็นไปตามที่ออกแบบไว้ตลอดช่วงอายุการใช้งาน ซึ่งเรียกการจัดการทั้งหมดนี้ว่า Safety Lifecycle (SLC)
วิธีการคำนวนหาค่าความน่าจะเป็นที่ระบบจะไม่สามารถใช้งานได้เมื่อถึงเหตุการณ์ที่จำเป็นโดยเฉลี่ย หรือ Probability of failure on demand
ในการคำนวนนี้ มีสมมุติฐานที่ต้องที่เป็นข้อกำหนดดังต่อไปนี้
- สมการใช้ได้กับองค์ประกอบเดี่ยวเท่านั้น single component
- ค่าอัตราการเสื่อมหรือเสีย failure rate เป็นค่าคงที่ constant failure rate ไม่ขึ้นกับเวลา
- สมการข้างล่างนี้ยังไม่รวมถึง อุปกรณ์ที่มีความสามารถที่ตรวจสอบความผิดปกติได้โดยอัตโนมัติ
โดยแทนค่าหน่วย ดังนี้
- ค่าอัตราการเสื่อมหรือ failure rate (l) หน่วย ชั่วโมง-1
- ช่วงเวลาจากการเริ่มต้นใช้งานองค์ประกอบนั้นจนถึงหยุดเพื่อทำการทดสอบ Interval Time (t) หน่วย ชั่วโมง
- โอกาสจะเจอความผิดปกติในช่วงทดสอบ proof test coverage ค่าอยู่ระหว่าง 0 – 1
- และอายุการใช้งานขององค์ประกอบตลอดอายุการใช้งาน Life Time หน่วย ชั่วโมง
ตัวอย่างการคำนวน
- λDU = 1e-6 ต่อชั่วโมง
- λDD = 1e-7 ต่อชั่วโมง
- CPT = 85%
- MTTR = 24 hr
- LT = 10 Years
ประเด็นวิเคราะห์และข้อสังเกต
- ความแตกต่างระหว่าง PFD_avg และ PFD_max
- โดยทั่วไป PFD_max จะมีค่าเป็น 2 เท่า ของ PFD_avg แบบ Ideal เสมอ
- สูตรประมาณการ PFD_max ให้ค่าที่แม่นยำใกล้เคียงกับ Exact Formula มาก เมื่อค่า λDU*TI ยังมีค่าน้อยๆ (< 0.1) แต่จะเริ่มมีความคลาดเคลื่อนสะสมเมื่อยืดเวลาทดสอบออกไปหลายๆ ปี
- ผลกระทบที่รุนแรงของ Imperfect Proof Testing
- ในช่วงเวลาการทดสอบสั้นๆ (เช่น 1–3 เดือน) ค่า PFD_avg แบบ Imperfect จะค่อนข้างโดดสูงกว่าแบบ Ideal อย่างชัดเจน (จาก 3.65e-4 ขึ้นไปถึง 6.88e-3
- โดยภาพรวม
- หากคำนวณแบบ Ideal อุปกรณ์ตัวนี้จะผ่าน SIL 3 ได้ที่การทดสอบทุก 1 เดือน แต่หากพิจารณาปัจจัยตามความเป็นจริง (Imperfect) ระบบจะทำได้ดีที่สุดแค่ SIL 2 เท่านั้น แม้จะทำการทดสอบถี่แค่ไหนก็ตาม