!5. Hazop Markov 29-10-2013
-
Upload
lathifa-nur-ramdhania -
Category
Documents
-
view
14 -
download
1
description
Transcript of !5. Hazop Markov 29-10-2013
(lanjutan)
1
What is (SIL) – Safety Integrity Level?
Informal Definition:
SIL ..the Safety Integrity Level of a specific Safety Instrumented Function (SIF) which is being implemented by a Safety Instrumented System (SIS).
OR
The amount of risk reduction achieved by a specific Safety Instrumented Function (SIF)
Safety Integrity
Level
SIL 4
SIL 3
SIL 2
SIL 1
SIL expressed as PFD
SIL 1
SIL 2
SIL 3
SIL 4
PFD (t)
time
PFDavg
test interval
PFDavg = λDU TI / 2
PFD:Probability of Failure on Demand
λDU:
Dangerous Undetected Failures
TI:Test Interval (proof)
Different levels of SIL
Safety Integrity
Level
SIL 4
SIL 3
SIL 2
SIL 1
Probability of Failure on Demand
0.001% to 0.01%
0.01% to 0.1%
0.1% to 1%
1% to 10%
Risk Reduction Factor
100,000 to 10,000
10,000 to 1,000
1,000 to 100
100 to 10
Safety
> 99.99%
99.9% to 99.99%
99% to 99.9%
90% to 99%
What is Risk?“the likelihood of a specified undesired event
occurring within a specified period or in
specified circumstances.”
RISK = Likelihood x consequence
Consequence
minor serious extensive
high
moderate
low
Likelihood
Minor consequence x low likelihood = low risk
Serious consequence x high likelihood = higher risk
Effects of taking too much risk
Injury / death to Personnel
Environment damage and consequential clean up
costs
Damage and loss of equipment / property
Business interruption associated losses
Legal liability, litigation & “duty of care defense”
Company image
Lost market share
Consequence
minor serious extensive
high
moderate
low
Likelihood
Tolerable Risk
Legal Moral
Financial
Make plant as safe as
possible, disregard cost
Build the lowest cost plant
and keep operating budget
as small as possible
Comply with regulation
as written, regardless of
cost or level of risk
Moral, Legal and financial responsibility to limit our risk
In some countries, the law mandates tolerable risk levels
Meeting OSHA requirements as minimum
Reducing Risk
Unacceptable Risk Region
L
ikel
iho
od
Consequence
Inherent Process Risk
Tolerable Risk Region
Reducing Risk
L
ikel
iho
od
Consequence
Inherent Process Risk
Active Protection e.g. PRV
Unacceptable Risk Region
Tolerable Risk Region
Reducing Risk
L
ikel
iho
od
Consequence
Inherent Process Risk
Active Protection e.g. PRV
Passive Protection e.g. Containment Dyke
Unacceptable Risk Region
Tolerable Risk Region
Reducing Risk
L
ikel
iho
od
Consequence
Inherent Process Risk
Active Protection e.g. PRV
Passive Protection e.g. Containment Dyke
Unacceptable Risk Region
Tolerable Risk Region
SIS Applied
Reducing Risk
L
ikel
iho
od
Consequence
Inherent Process Risk
Active Protection e.g. PRV
Passive Protection e.g. Containment Dyke
Unacceptable Risk Region
Tolerable Risk Region
SIS Applied
SIL 1
SIL 2
SIL 3
PROSES
13
14
15
16
17
18
On Demand and Preventive MaintenanceOutage
Management
Process Controland Monitoring
ProductionPlanning
Licensing andRegulatory
Incoming andSite Materials
Quality Controland Assurance
Operating Procedures
Training
Revamp andDebottlenecking
Manufacturing Activities
Key Performance Indicators19
Process Control & Process Control & MonitoringMonitoring
The feedback / monitoring of the facility control system. Keeping the process under control within quality and equipment safety parameters.Better Asset Management
Information InInformation In Information OutInformation Out
Opportunities for ImprovementOpportunities for Improvement
Rapid and seamless access to “Information In” data.
Information InInformation In
Control StrategyOperational Staffing PlanAnalyzer DataList of critical InstrumentsList of Safety relief DevicesP&ID’sHAZOP dataManagement Report Requirements Instrument Technician Training Skill LevelsOperating ProceduresRegulatory RequirementsSafety PermitsProcess Control StandardsProcess Control DiagramsDCS system Including I/OOptimization Model
Information OutInformation Out
Preventative Maintenance ProgramManagement Reports and Production Data Raw Material ConsumptionQuality metricsEnergy ConsumptionWaste – By Product InformationEmissions DataEquipment Performance TrendsOptimization Data InterfaceAlarm Management and AnalysisHistorical Trends (Product)Pipeline Product Interface
Information Map - Manufacturing Activities
Back20
21
22
23
24
OK0
DegradedDetected
1
DegradedUndetected
2
Fail-Safe
3
Fail-Danger
4
1
3
2
4
5
6
7
1
2
3
25
26
27
28
29
30
22 ANSI/ISA-S84.01-1996 AcronymsBPCS : Basic Process Control System
CFR : Code of Federal Regulations
E/E/PES : Electrical/Electronic/Programmable Electronic System
I/O : Input/Output
MOC : Management of Change
MTBF : Mean Time Between Failures
MTTF : Mean Time To Failure
MTTR : Mean Time To Repair
OSHA : Occupational Safety and Health Administration
PES : Programmable Electronic System
PFD : Probability of Failure on Demand
PHA : Process Hazards Analysis
PSAT : Pre-Startup Acceptance Test
PSSR : Pre-Startup Safety Review
SIL : Safety Integrity Level
SIS : Safety Instrumented Systems
WDT : Watchdog Timer31
Figure A.1 — Company ABC, Site XX, Specific SIL implementation techniques,example only
Misalnya ada suatu proses low pressure system yang memerlukan SIS. SIS diimplementasikan dengan memasang sensor pressure dan control valve untuk SIL yang berbeda dengan sensor, final elemen dan logic solver yang digambarkan seperti Figure A.1 dan Figure A.2.
32
33
34
35
Markov Model
Repairable systems merupakan ciri khas dari
suatu lingkungan industri.
Sistem harus diinstall dimana dapat di perbaiki,
biasanya diganti modul.
Probability method dapat memberi perkiraan
solusi yang dapat menghitung repair time.
Metode tersebut harus dapat menghitung
realistic repair time, various sistem
configuration dan realistic system feature.
36
Markov Model
Markov menyediakan flexibility untuk
keperluan modeling reliability, safety,
performance dan combined measures.
Markov modeling hanya menggunakan dua
simbol yang dapat memberikan
seperangkat alat evaluasi yang dapat
dibandingkan dengan teknik evaluasi yang
lain.
37
Markov Model
Lingkaran merepresentasikan komponen dari State (bekerja or failed),
Merepresentasikan arah dari atau transisi diantara kedua kondisi tersebut (failure or repair).
38
Markov Model
Markov model untuk single non repairable
Component.
OK0
FAIL1
λ
Markov model untuk single repairable
Component.
OK0
FAIL1
λ
μ39
Discrete – time Markov Model
Pendekatan Markov terhadap reliability model
dari kontrol sistem tidak hanya fleksibel tetapi
juga sistematik dimana dapat menyatakan
kondisi failure yang tak diduga.
Markov model dapat diselesaikan untuk time –
dependent condition.
Time dapat dilihat kedalam dua cara yang
berbeda yaitu:
Discreate – time
Continuous - time
40
Discrete – time Markov ModelDiscrete – time Markov Model
Discreate time model berubah sekali setiap
kenaikan waktu.
Kenaikan waktu tergantung dari model,
dapat tiap jam, hari, bulan, tahun atau
yang lain.
Sedang pada time continuous mempunyai
konsep yang sama hanya increment time
berupa limit dari selisih waktu.41
Discrete – time Markov Model
• Markov process pada continuous-time ataupun discrete-state sering juga di sebut Markov chain.
Pure-birth process (Poisson process if 0= 1 = 2 … )
0 1 2 n n
42
Discrete – time Markov Model
1, 2
2
1
0
Both p1 and p2 are working
p1 is working, p2 is failed
p2 is working, p1 is failed
Both p1 and p2 are failed
Non-identical p1 and p2
p1 has failure rate 1, repair rate 1
p2 has failure rate 2, repair rate 2
43
Discrete – time Markov Model
Contoh :
Sebuah mesin pemasang label stamps out,
dari recording terlihat setiap 100 mesin,
terdapat 1 mesin fail. Rata – rata time
repair 20 menit.
Dengan markov model :
Time interval 10 min
Dua kondisi state (0) sukses
state (1) Failure.44
Discrete – time Markov Model
Sistem mulai dari state 0, dari kondisi itu
sistem akan tetap disitu atau ke state 1 dalam
beberapa waktu.
Ada satu dalam 100 ( 0.01 ) kemungkinan
sistem akan pindah dari state 0 ke 1.
Dalam beberapa waktu interval sistem pasti
akan bergerak ke state yang baru atau akan
tetap pada state sebelumnya dengan
probabilitas satu.
45
Discrete – time Markov Model
Probabilitas untuk tetap di state 0 adalah 0.99.
Sekali sistem fail maka akan tinggal di state 1 jika tidak
di repair dan akan pindah ke state 0 jika di repair,
Probabilitas dari perpindahan dari state 1 ke 0 dalam
beberapa interval time adalah 0.5. (10 min interval /
20 min repair time).
Sistem akan tetap di state 1 dengan probabilitas 0.5
( 1- 0.5 ).
OK0
FAIL1
0.01
0.5
0.99 0.5
46
Transition Matrix
Model dapat di representasikan dalam bentuk
matrik.
Sebuah matrik n X n dimana n number of
state, dapat menunjukkan semua probabilitas.
Matrik tersebut sering di sebut sebagai
“transition matrix “ dengan simbol “P”.
Misalnya untuk kasus sebelumnya mempunyai
matrik transisi :
5.05.0
01.099.0P
Tree Diagram
Karakteristik dari sistem dapat dilihat dengan
Tree diagram.
Dimulai dari state 0, sistem bergerak ke state
1 atau tetap di state 0 selama interval waktu
tertentu.
Sehingga dari tree diagram dapat di ketahui
berapa lama downtime sistem harus
diharapkan ataupun yang lain.
Tree Diagram
Tree Diagram
Dari Tree diagram tersebut akan tampak bahwa
probabilitas sistem untuk dapat bertahan pada
kondisi / state 0 ( berfungsi ) mulai dari interval
pertama hingga interval ke empat adalah:
Dari Tree diagram tersebut juga dapat kita lihat
probabilitas pada tiap – tiap interval
time,misalnya melihat probabilitas state 0 pada
interval ke 2:
960597.0
99.099.099.099.0)(
pathupperP
9851.0005.09801.0)20( tpdstateP
Tree Diagram
Jika probabilitas tersebut ditampilkan
dalam sebuah grafik probabilitas terhadap
interval time seperti berikut:
51
Tree Diagram
Jika probabilitas tersebut ditampilkan
dalam sebuah tabel adalah seperti
berikut :
52
Tree Diagram
Ada metoda lain untuk menghitung probabilitas
steady state, yaitu matrik.
Matrik trasisi ‘P’ merupakan matrik yang
menunjukkan probabilitas dari state 0 ke state 1.
1 nstatenstate PPP
Sehingga jika ingin mendapatkan probabilitas pada
state ke n maka harus diketahui probabilitas pada
state ke n-1.
P merupakan matrik transisi.
Tree Diagram
Misalnya kita ingin mengetahui probabilitas
pada interval ke-3 maka probabilitas pada
interval ke-2 harus di ketahui
255.0745.0
0149.09851.0
5.05.0
1.099.0
5.05.0
1.099.02P
1350.08650.0
0173.09827.0
255.0745.0
0149.09851.0
5.05.0
1.099.03P
Tree Diagram
Jika perhitungan tersebut kita lakukan hingga
interval tertentu dan perubahan hasil
perhitungannya sangat kecil / tidak terlalu signifikan
nn PP 1
Maka kondisi tersebut disebut sebagai “ Limiting
state probability “ atau LP
Tree Diagram
Metode dengan menggunakan matrik yang lain
adalah dengan starting-state probabilities, S.
010 S
Dengan menggunakan matrik S dan P maka akan
dapat dihitung probabilitas tiap interval time.
PSS nn 1
Tree Diagram
01.099.0
5.05.0
01.099.0011
S
0149.09851.0
5.05.0
01.099.001.099.02
S
0173.09827.0
5.05.0
01.099.00149.09851.03
S
Tree Diagram
Kondisi “ Limiting state probability “ terjadi jika :
nn
nn
SS
PSS
1
1
Tree Diagram
Sehingga jika dimasukkan persamaan :
5.05.0
1.099.02121LLLL SSSS
LLL
LLL
SSS
SSS
221
121
5.01.0
5.099.0
01961.098039.01
98039.002.1
1
2
1
L
L
S
S
Tree Diagram
Sehingga persamaan solusi tersebut dapat di
aplikasikan pada semua sistem yang repairable.
01961.098039.01
98039.002.1
1
2
1
L
L
S
S
60
Tree Diagram
Sebuah sistem kontrol mempunyai Markov model seperti
berikut. Proses akan shutdown ketika kontroler pada state
3. Oleh karena itu state 3 diklasifikasikan sebagai sistem
failure. Sedangkan state 0,1 dan 2 diklasifikasikan
sebagai sistem yang sukses.Probabilitas failure dan
probabilitas repair ditampilkan dalam Markov model dalam
basis perjam.
Sehingga berapakah perkiraan downtime dari sistem?
61
Tree Diagram
99.00001.0
001.0899.001.0
001.00899.01.0
0002.0002.0996.0
32103210LLLLLLLL SSSSSSSS
99.00001.0
001.0899.001.0
001.00899.01.0
0002.0002.0996.0
P
62
Tree Diagram
LLLL
LLL
LLL
LLLLL
SSSS
SSS
SSS
SSSSS
3213
202
101
32100
99.0001.0001.0
899.0002.0
899.0002.0
01.01.01.0996.0
LLLL SSSS 32101
003794.0
018975.0
018975.0
958254.0
3
2
1
0
L
L
L
L
S
S
S
S ♣ Sehingga pada interval ke -3 tersebut rata – rata downtime steady-state sebesar 0.3794%
Availability
Penggunaan limiting state probability dari
markov model pada perkiraan dari Availability /
Unavailability suatu sistem adalah cukup efektif.
Misal :
Dari soal sebelumnya hitung steady state availability dari
sistem.
Solusi:
Jika kita lihat sistem tersebut sukses pada state 0,1 dan 2.
Sehingga probability dari availability sistem.
996205.0
018975.0018975.0958255.0
)( 210
LLL SSSsA
Time-Dependent Availability
Ketika model diskrite time markov mulai pada t=0
dalam sebuah bagian starting state, Availability
akan bervariasi terhadap waktu.
Availability merupakan kemungkinan sistem akan
sukses pada waktu tertentu dan merupakan
representasi dari prosentase uptime suatu device.
Availability sistem sering di rumuskan sebagai :
MTTRMTTF
MTTFA
Time-Dependent Availability
Dengan menggunakan model markov untuk
menghitung Time dependent availability sistem
adalah cukup efektif.
Misal:
Dari contoh sebelumnya time-dependent availability
sistem setelah step 1 ( 1 jam ) adalah.
0002.0002.0996.0
99.00001.0
001.0899.001.0
001.00899.01.0
0002.0002.0996.0
00011
S
000004.000379.000379.0992416.0
99.00001.0
001.0899.001.0
001.00899.01.0
0002.0002.0996.0
0002.0002.0996.02
S
Time-Dependent Availability
Sehingga Availability sama dengan jumlah
probabilitas pada state 0,1 dan 2. yaitu
0.999996.
Kesimpulan
Metode Markov mempermudah dalam
penghitungan Reliability maupun Availablelity.
69
70
71
72
73