Quaderni INAIL: Valutazione dinamica del rischio nel contesto Seveso
25/11/2024
Valutazione dinamica del rischio nel contesto Seveso
Lo studio, presentato nella collana Quaderni di ricerca INAIL 2024 e stato elaborato da un team multidisciplinare di ricercatori appartenenti a diverse istituzioni (INAIL, Università di Messina e Genova, Arpa Liguria e Sicilia), nasce nell’ambito di una sperimentazione condotta da INAIL e UNEM (ex Unione Petrolifera) e propone un approccio sicuramente innovativo per la gestione del rischio negli impianti Seveso. Integra metodi matematici avanzati e tecnologie di intelligenza artificiale per rendere la valutazione del rischio un processo continuo e adattivo. Questo permette di anticipare e prevenire eventi critici, contribuendo a una gestione più sicura, efficiente e sostenibile degli impianti industriali.1. Obiettivo, destinatari e contesto normativo
Obiettivo dello studio: Il documento esplora strumenti innovativi per la gestione del rischio negli stabilimenti soggetti alla Direttiva Seveso, che trattano sostanze pericolose. Lo scopo è migliorare la sicurezza prevenendo incidenti attraverso una "valutazione dinamica del rischio", capace di adattarsi ai cambiamenti in tempo reale. Questo approccio supera le metodologie tradizionali, spesso statiche e non in grado di cogliere le variazioni operative continue.
Destinatari: La ricerca è rivolta a chi opera nel settore della sicurezza industriale, come ricercatori, gestori degli impianti, RSPP (Responsabili del Servizio Prevenzione e Protezione), consulenti della sicurezza e autorità competenti.
Contesto normativo: La valutazione si colloca nell’ambito della Direttiva EU/2012/18 (Seveso III) recepita in Italia dal D.Lgs. 105/2015, che obbliga gli stabilimenti a rischio a implementare un sistema di gestione della sicurezza e a redigere Rapporti di Sicurezza aggiornati periodicamente.2. Metodi innovativi e vantaggi
Il cuore dello studio è rappresentato dall’integrazione di metodi avanzati per prevedere e mitigare i rischi facendo richiamo a:
Reti neurali dense (DNN)
- Cosa sono: Si tratta di una tecnologia di intelligenza artificiale che modella relazioni complesse tra variabili. Le DNN apprendono dai dati e forniscono previsioni accurate sui valori di parametri critici, come temperatura o pressione nei processi industriali.
- Vantaggi: Riconoscono schemi complessi nei dati, migliorando la precisione delle previsioni e riducendo errori umani nell'identificazione dei rischi.
Modelli di Markov a stati nascosti (HMM)
- Cosa sono: Sono modelli probabilistici che analizzano sequenze temporali di dati per identificare stati nascosti (non direttamente osservabili), come il livello di degrado di un componente.
- Scopo: Scopo di questi modelli è predire con anticipo stati operativi critici, fornendo così tempo per intervenire prima di un potenziale guasto.
- Vantaggi: Permettono di dedurre informazioni anche in assenza di dati completi, migliorando l’efficienza del monitoraggio.
Reti Bayesiane
- Cosa sono: Si tratta di strutture che rappresentano e aggiornano le relazioni causa-effetto tra eventi. Utilizzano il teorema di Bayes per integrare nuovi dati e migliorare le stime del rischio. Nell’allegato allo studio sono riportati esempi.
- Scopo: Ad esempio, possono identificare come un cambiamento di pressione in un impianto influenzi il rischio di rilascio di sostanze pericolose.
- Vantaggi: Riducono l'incertezza e offrono un quadro in tempo reale del rischio, adattandosi rapidamente a nuove informazioni.
3. Gestione dinamica delle attrezzature e degli impianti
Cos’è: L’approccio proposto dallo studio tiene conto delle variazioni nelle condizioni operative e del degrado progressivo dei materiali per ottimizzare la manutenzione e prolungare la vita utile degli impianti (RUL – Residual Useful Life).
Vantaggi:
- Prevenzione dei guasti attraverso aggiornamenti frequenti basati su dati reali.
- Riduzione dei costi di manutenzione non necessari e miglioramento dell’affidabilità.
4. Previsione delle deviazioni dall’andamento normale
Cos’è: La previsione delle deviazioni attiene l'identificazione di anomalie o segnali deboli che possono indicare l'inizio di un evento pericoloso.
Strumenti utilizzati: Le reti neurali e gli HMM prevedono queste deviazioni analizzando dati in tempo reale e segnalando condizioni di rischio emergenti.
Vantaggi: Consentono
- Interventi tempestivi per prevenire incidenti.
- Maggiore sicurezza operativa con un approccio proattivo.
5. Potenzialità della valutazione dinamica nel settore Seveso
Perché è rilevante:
- Gli stabilimenti Seveso gestiscono rischi complessi, spesso soggetti a cambiamenti nelle condizioni operative (es. nuove materie prime, invecchiamento degli impianti).
- La "valutazione dinamica" consente una gestione più efficace e precisa dei rischi rispetto ai metodi tradizionali, aumentando l’affidabilità degli impianti.
Obiettivo finale: Raggiungere un'industria chimica e petrolifera senza incidenti ("incidenti zero"), essenziale per garantire sicurezza e sostenibilità economica.6. Metodi Bayesiani: significato e applicazioni
Significato: Sono strumenti che combinano dati storici con informazioni nuove per aggiornare in tempo reale la valutazione del rischio. Si basano sul teorema di Bayes, che calcola la probabilità di un evento incorporando nuove evidenze.
Quando utilizzarli:
- In sistemi complessi con molte variabili interconnesse.
- In situazioni di incertezza o incompletezza dei dati.
- Per migliorare le previsioni sulla base di dati aggiornati e per integrare informazioni provenienti da tecnologie di monitoraggio avanzate.
L’ Appendice A dello studio riporta brevi cenni sui metodi Bayesiani.