Menembus Batas Keandalan Industri: Integrasi Physics-of-Failure dan Jaringan Bayesian Dinamis untuk Evaluasi Risiko Fasilitas Industri
1. Pendahuluan: Era Baru Manajemen Risiko Industri
Di tengah meningkatnya kompleksitas fasilitas industri dan ancaman dari peristiwa alam ekstrem (seperti gempa), muncul kebutuhan akan pendekatan penilaian risiko yang adaptif dan akurat. Artikel ini memperkenalkan framework baru berbasis Physics-of-Failure (PoF) dan Dynamic Bayesian Network (DBN) untuk menilai degradasi safety barrier seiring waktu, memungkinkan pembaruan risiko secara berkala dan responsif terhadap kondisi nyata.
2. Inti Inovasi: Integrasi PoF ke dalam Model DBN
Framework ini menyatukan dua pendekatan kuat:
- PoF memodelkan degradasi fisik dari komponen pelindung sistem (safety barrier) akibat waktu dan tekanan lingkungan.
- DBN memungkinkan representasi hubungan probabilistik antara kejadian dalam sistem dinamis dan memperbaruinya seiring waktu berdasarkan data baru.
Hasilnya: prediksi kegagalan yang lebih presisi dan tindakan mitigasi yang berbasis data.
3. Studi Kasus: Fasilitas Kimia & Risiko NaTech (Natural Hazard-Induced Technological Events)
a. Karakteristik Fasilitas & Bahaya
- Fasilitas: Terdiri dari 2 tangki atmosferik (T1 dan T2) dan 1 bejana bertekanan (P1).
- Umur desain: 50 tahun.
- Ancaman: Gempa bumi dengan PGA (Peak Ground Acceleration) hingga 9.81 m/s².
- Batas LSIR (Location-Specific Individual Risk): 4.3×10⁻⁵ fatalitas/tahun.
4. Sistem Pelindung (Safety Barriers) Terdapat lima jenis pelindung:
Dalam sistem perlindungan keselamatan industri, terdapat lima jenis pelindung (safety barriers) yang diklasifikasikan berdasarkan fungsi dan cara kerjanya. Pertama, Water Deluge System (WDS) merupakan pelindung aktif yang bekerja secara otomatis untuk menyemprotkan air guna meredam panas dan mencegah penyebaran api. Kedua, Fireproofing (PFP) berperan sebagai pelindung pasif dengan melapisi struktur atau peralatan penting agar tahan terhadap suhu tinggi dalam jangka waktu tertentu. Ketiga, Pressure Safety Valve (PSV) termasuk dalam kategori aktif, berfungsi melepaskan tekanan berlebih untuk mencegah kegagalan peralatan akibat overpressure. Keempat, Emergency Team Intervention (ETI) diklasifikasikan sebagai pelindung prosedural, yang mengandalkan kecepatan dan keahlian tim darurat untuk menanggulangi insiden. Terakhir, Foam Water Sprinkler System (FWS) juga merupakan pelindung aktif yang menyemprotkan busa untuk mengendalikan kebakaran, terutama pada area penyimpanan bahan mudah terbakar. Kelima pelindung ini bekerja secara sinergis untuk meminimalkan risiko dan dampak dari potensi kecelakaan industri.
b. Umur & Parameter Kritis
Contoh:
- PSV → PFD awal 0.01, inspeksi tiap 1 tahun
- ETI → waktu respons meningkat seiring relokasi tim
- WDS & FWS → rawan korosi → menurunkan kekuatan terhadap guncangan seismik
5. Model Fragilitas Berbasis Usia (Age-Dependent Fragility)
a. PFP:
- Degradasi: Tensile strength turun dari 1.03 MPa ke 0.30 MPa dalam 30 tahun.
- Implikasi: Semakin tua, semakin mudah gagal saat gempa → kenaikan fragilitas.
b. Sprinkler:
- Model korosi: Cr(t) digunakan untuk menghitung penurunan ketebalan pipa → berkurangnya kapasitas seismik.
c. PSV:
- Model Markov: Menjelaskan transisi antar level degradasi → tiap state punya nilai PFD berbeda.
6. Struktur DBN: Digital Twin Risiko Fasilitas
- 51 Node waktu (0–50 tahun)
- Input: PGA, usia sistem, jadwal perawatan
- Output: Probabilitas kegagalan tiap tangki dan pemodelan efek domino (0–3 tangki gagal)
- Validasi model: 105.000 simulasi → MSE sangat rendah (rata-rata 2.5×10⁻⁴) → menunjukkan akurasi tinggi
7. Hasil: Risiko Dinamis & Pembaruan Model
a. Tanpa Perubahan (By-Design)
- Probabilitas kegagalan T1 & T2 naik stabil, P1 lebih cepat karena tekanan tinggi
- Risiko tetap dalam batas selama 50 tahun bila perawatan dilakukan sesuai jadwal
b. Dengan Informasi Baru
Tahun ke-8: Waktu respons ETI meningkat → Risiko naik → Tambah PFP di T1/T2 → Risiko turun kembali
Tahun ke-14: Update peta seismik → LSIR naik → Tambah anchor peredam energi → Risiko kembali turun
Tahun ke-23: Beban tangki meningkat → Risiko naik tajam → Ganti sprinkler ke ESFR → Risiko terjaga
8. Analisis Kritis: Mengapa Ini Penting?
- Konvensional vs Inovatif:
Pendekatan tradisional pakai data historis → tak bisa adaptif.
Framework ini real-time, adaptif, dan fisik-sentris. - Kekuatan DBN:
- Bisa update risiko seiring waktu
- Bisa belajar dari data (gunakan algoritma EM)
- Fleksibel menangani skenario kompleks (domino, keterlambatan mitigasi)
- Hubungan dengan Tren Industri:
- Digital Twin & Predictive Maintenance
- Resiliensi Infrastruktur
- NaTech Risk di era perubahan iklim
9. Keterbatasan & Saran Lanjut
- Model PoF tidak selalu tersedia untuk semua jenis barrier → perlu riset lanjutan
- Validasi lapangan diperlukan untuk kalibrasi model
- Potensi integrasi AI/ML → bisa mempercepat pelatihan model & personalisasi lebih lanjut
10. Kesimpulan: Risiko Bisa Dikendalikan, Asal Terukur
Framework ini bukan sekadar alat akademik—ia menawarkan solusi nyata untuk industri kimia, energi, dan infrastruktur kritis. Dengan kemampuan prediksi yang berbasis fisika dan pembaruan berbasis data, perusahaan bisa:
- Menjaga keselamatan jangka panjang
- Merespons kondisi baru dengan tepat
- Menjadi lebih tangguh menghadapi skenario terburuk
Keamanan kini bukan reaktif, tapi prediktif.
Sumber : Marchetti, S.; Di Maio, F.; Zio, E. A Physics-of-Failure (PoF) Model-based Dynamic Bayesian Network for Considering the Aging of Safety Barriers in the Risk Assessment of Industrial Facilities. Journal of Loss Prevention in the Process Industries, August 2024.