z. 121 Transport 2018
Mariusz Kostrzewski
Politechnika Warszawska, Wydział Transportu
ZASTOSOWANIE METODY ANALIZY RODZAJÓW
I SKUTKÓW MOŻLIWYCH BŁĘDÓW W OCENIE
FUNKCJONOWANIA WYBRANEGO OBIEKTU
LOGISTYCZNEGO
Rękopis dostarczono: kwiecień 2018
Streszczenie: Przedmiotem artykułu jest analiza ryzyka wystąpienia niepożądanych zjawisk w obiekcie
logistycznym typu stacja składowania paliw płynnych, w którym realizowane są procesy magazynowania i przeładunku paliw ciekłych. Do analizy i oceny czynników ryzyka zastosowana została metoda FMEA (Failure Mode and Effect Analysis). W artykule przedstawiono opracowany przez autora model formalny metody (wyrażony zarówno z wykorzystaniem parametrów ilościowych, jak i jakościowych), a także przykład zastosowania metody i modelu.
Słowa kluczowe: ryzyko, FMEA, paliwa płynne, ładunki niebezpieczne, stacja składowania paliw
1. WPROWADZENIE
Globalizacja rynków logistycznych, rozwój nowoczesnych technologii informacyjnych i komunikacyjnych oraz coraz bardziej wymagający klienci to tylko wybrane tzw. mega trendy w ostatnim dziesięcioleciu. Wobec sprostania tym wyzwaniom, wiele firm przeprojektowuje wewnętrzne procesy operacyjne i organizacyjne, aby obniżyć koszty, podnieść jakość produktów i usług oraz zachować zwinność w szybko zmieniających się warunkach. Jednak wewnętrzne usprawnienia są uznawane przez ekspertów za krótkowzroczne. Konieczne jest bardzo sprawne zarządzanie ryzykiem oraz niepewnością, szczególnie przy szybko zmieniających się warunkach społecznych, ekonomicznych, czy politycznych. Według Andrew (2003), w ramach procesu zarządzania ryzykiem, decyzje podejmowane są w oparciu o wyniki oceny ryzyka i oszacowania jego poziomów. Całkowite wyeliminowanie ryzyka nie jest możliwe. Można natomiast ograniczyć je do akceptowalnego lub znośnego, nieszkodliwego poziomu, poprzez eliminowanie jego przyczyn i skutków, a przy tym można zapewnić jego całkowity nadzór. Oszacowanie ryzyka w obiektach logistycznych, produkcyjnych czy jakichkolwiek innych ogniw w łańcuchu dostaw jest bardzo ważne, ponieważ może być związane z redukcją szeroko pojmowanych strat, zarówno w zakresie obsługiwanych jednostek ładunkowych, jak i infrastruktury, suprastruktury, czy też życia ludzkiego. W literaturze, w której
przedstawiane są zagadnienia dotyczące ryzyka, występują różne podziały ryzyka, a przy tym różne podziały niepewności w łańcuchu dostaw. Ogólnie rzecz ujmując ryzyko można podzielić na wewnętrzne i zewnętrzne, zarówno względem projektu jak i organizacji (przedsiębiorstwa), Bode et al. (2013). Przedmiotem artykułu nie jest jednak analiza definicji i charakterystyki ryzyka, zatem pominięto dalsze rozważania na ten temat.
W literaturze występują liczne sposoby na radzenie sobie z niepewnością i ryzykiem. W przypadku ryzyka mówi się o zarządzaniu ryzykiem i prowadzeniu działań zmierzających do obniżenia stopnia oddziaływania ryzyka na funkcjonowanie organizacji oraz zabezpieczenie operacyjnej efektywności przedsiębiorstwa. Do pozostałych sposobów ograniczających ryzyko w łańcuchu dostaw i organizacjach zalicza się m.in.: łagodzenie ryzyka dostaw poprzez wdrożenie behawioralnych technik zarządzania zapasami (Zsidisin i Ellram, 2003), budowanie strategicznych relacji z dostawcami i zarządzanie tymi relacjami (Giunipero i Eltantawy, 2004; Hallikas et al., 2005), wczesne zaangażowanie dostawców w zakresie realizowanych procesów (Zsidisin i Smith, 2005), zmniejszenie złożoności dostaw bazowych (Choi i Krause, 2006), naturalne zabezpieczenie wahań walutowych i cen towarów (Hofmann, 2011), budowę zaufania oraz wprowadzenie zarządzania wiedzą do łańcucha dostaw (Pérez-Salazar et al., 2017), a także wprowadzenie identyfikacji i oszacowania luk w łańcuchu dostaw oraz identyfikacji tzw. „wąskich gardeł” (Zheng i Chang, 2017).
Zagadnienia ryzyka i niepewności mają szczególne znaczenie w obsłudze ładunków niebezpiecznych, w tym paliw płynnych. Według pracy Bęczkowska i Grabarek (2017), w 2012 roku liczba przewozów ładunków niebezpiecznych wyniosła około 150 mln ton. Większość z nich, ponad 70%, to paliwa ciekłe, transportowane w cysternach. Przewóz ładunków niebezpiecznych w Polsce od wielu lat odbywa się głównie transportem drogowym. Nie mniej istotne jest składowanie tego typu paliw. W artykule rozważana jest ocena czynników ryzyka zachodzących w obiekcie logistycznym typu stacja składowania paliw ciekłych, przy zastosowaniu metody FMEA (Failure Mode and Effect Analysis).
2. TEORETYCZNE UWARUNKOWANIA METODY FMEA
Pomiar ryzyka jest najczęściej operacją subiektywną, jako że zazwyczaj do oceny ryzyka wykorzystywane są techniki jakościowe. Istotne jest zatem zapewnienie systematycznego monitorowania występującego ryzyka i jego ciągła analiza. Zgodnie z tradycją zarządzania ryzykiem (Hopkin 2013) do jego oceny często stosowane są dwa elementy: prawdopodobieństwo i jego wpływ (Harland et al., 2003; Zsidisin et al. 2004). Wyżej wymienione możliwości spełnione są przez metodę FMEA, która może stanowić narzędzie systematycznego organizowania i oceny poziomu ryzyka przez ekspertów. Metoda FMEA jest koncepcją sprawowania kontroli nad produktami, usługami lub obiektami i dotyczy technik unikania lub ograniczenia ryzyka dotyczącego tych produktów, usług lub obiektów. Podczas wykorzystania metody FMEA możliwa jest analiza ryzyka w trzech wymiarach: prawdopodobieństwa wystąpienia ryzyka, wpływu oraz kontroli ryzyka. Aby ocenić każdy z tych trzech wymiarów, w klasycznej jakościowej odmianie metody FMEA stosuje się skalę 10-punktową (wyższe punkty oznaczają gorsze przypadki w zakresie oceny danego
czynnika ryzyka tj. czynnika mogącego stanowić ryzyko wystąpienia wady, uchybienia, awarii czy innych odstępstw od normy). Numer priorytetu ryzyka (RPN), który jest wskaźnikiem określającym priorytet dla działań naprawczych, otrzymuje się przez pomnożenie trzech wymiarów ryzyka związanych z prawdopodobieństwem, wpływem i kontrolą. Im wyższa jest jego wartość, tym szybciej powinna nastąpić redukcja czynnika ryzyka, który jest przypisany numerowi priorytetu ryzyka. Z tego powodu metoda FMEA stała się ważnym narzędziem, wykorzystywanym w ocenie ryzyka w łańcuchu dostaw i jego kontroli. Historyczne uwarunkowania jej zaistnienia są następujące. W celu zminimalizowania kosztów związanych z usuwaniem wad i usterek w gotowych produktach, w latach ’60 ubiegłego stulecia, w USA przy wyrobach dla astronautyki zaczęto stosować metodę FMEA znaną też jako AMDEC (Analys des Modes de Defaillace et Leurs Effets). Metoda ta posłużyła do weryfikacji projektów różnych elementów statków kosmicznych, zdobywając uznanie NASA. Uznanie to spowodowało rozszerzenie stosowalności tej metody na inne dziedziny przemysłu, początkowo lotniczy i jądrowy, a następnie na chemiczny, elektroniczny oraz samochodowy, Folejewska (2010). W latach ’90 ubiegłego wieku włączono ją w zakres normy ISO 9000: 2015 (Pałubicki i Kukiełka, 2017). W przemyśle metoda FMEA wchodzi także w skład metodologii zarządzania jakością Six Sigma. Metoda FMEA to narzędzie służące do analizy ryzyka, używane w procesie projektowania produktu w celu poprawy jego niezawodności (Anleitner 2010; Carlson 2012).
Według Hamrol i Mantura (2005) celami metody FMEA są:
konsekwentne i trwałe eliminowanie wad („słabych” miejsc, uchybień, awarii czy innych odstępstw od normy) wyrobu (konstrukcji wyrobu) lub procesu (np. procesu obróbki) poprzez rozpoznawanie rzeczywistych przyczyn ich powstawania i stosowanie odpowiednich środków zapobiegawczych,
unikanie wystąpienia rozpoznawanych, a także jeszcze nieznanych wad w nowych wyrobach, obiektach i procesach poprzez wykorzystanie wiedzy i doświadczeń wynikających z przeprowadzonych wcześniej analiz.
Metoda polega na analitycznym ustalaniu związków przyczynowo-skutkowych powstawania potencjalnych wad produktu, procesu lub obiektu oraz uwzględnieniu w analizie czynnika krytyczności (ryzyka). Metoda FMEA pozwala poddawać wyrób, proces lub obiekt kolejnym analizom, a następnie na podstawie uzyskanych wyników, wprowadzać działania naprawcze i nowe rozwiązania, skutecznie eliminując źródła wad co jest zgodne z zasadą ciągłego doskonalenia (Hamrol i Mantura, 2005). Klasycznie pojmowana metoda FMEA jest metodą typowo jakościową. W kolejnym rozdziale podjęto próbę przekształcenia jej do postaci ilościowej przy jednoczesnym ujęciu charakterystyk jakościowych (inny model formalny metody: Gandhi i Agraval, 1992).
3. AUTORSKI MODEL METODY FMEA – quanFMEA
W rozdziale przedstawiono autorski model metody FMEA i określono go mianem quanFMEA (przedrostek quan- od ang. quantitative – ilościowy, kwantyfikowalny).
Klasyczne równanie (1) zostało dostosowane do potrzeb formalnego modelu zdefiniowanego w niniejszym rozdziale (Oazi et al., 2017) i ostatecznie zapisane jako (17).
N P R
RPN (1)
W niniejszym rozdziale przedstawiono model formalny metody quanFMEA. Jako j oznaczono tu parametr wyrażony w postaci liczbowej stanowiący numer kolejny ocenianych cech (czynników ryzyka). Jednocześnie każdej wartości parametru j jest przypisany czynnik ryzyka d . Wszystkie czynniki ryzyka zawierają się w zbiorze D przedstawionym tu jako j
zależność (2).
^
d1,...,dj,...,dJ`
D , j 1,J (2)
Każdy czynnik ryzyka dj jest oceniany w aspekcie trzech kryteriów: R
dj – częstości wystąpienia danego czynnika ryzyka (wady) d , j P
dj – znaczenia wady danego czynnika ryzyka (wady) d , j N
dj – poziomu wykrywalności danego czynnika ryzyka (wady) d . j Kryteria te w ujęciu formalnym zostały zamieszczone jako zależności (2 - 17).
Parametr ji
a w zależności (4) jest częstością występowania czynnika ryzyka, pobraną na
przykład z rejestru awarii i naprawy wady danego j-typu. Zakresy wartości parametru ji
a
podano w zależności (7). Zastosowanie parametru umożliwia ilościowe określenie częstotliwości występowania wady. Jeśli rejestr awarii i napraw nie jest prowadzony, można wówczas zastosować metodę ekspercką. Zbiór częstości wystąpienia wady d oznaczono j
jako R, a jego elementy jako R
dj i przedstawiono jako (3), a w wersji zmodyfikowanej jako (7).
^
Rd1,...,Rdj ,...,Rdj`
R , j 1,J (3)^
aj1,...,aji,...,ajI`
A , i I1, 1,10, j 1,J (4) R A Du o : f (5)dj f
dj aji R ; (6)
Parametr P
dj opisuje znaczenie danego czynnika ryzyka (wady), jest zatem parametrem jakościowym, jednak na potrzeby modelu formalnego został przekształcony do postaci ilościowej. Każdej z charakterystyk jakościowych bjk parametru P
dj , opisanej poniższymi ciągami słów, przypisano wartość f
dj;bjk
. Charakterystyki jakościowe b jk zgrupowane zostały w postaci macierzy B, którą zdefiniowano jako zależność (9).
°° ° ° ° ° ° ° ° ° ¿ ° ° ° ° ° ° ° ° ° ° ¾ ½ ° ° ° ° ° ° ° ° ° ° ¯ ° ° ° ° ° ° ° ° ° ° ® 0 1 1 2 2 2 2 2 2 3 3 3 3 3 3 4 4 6 6 00 . 1 ; 25 . 1 10 ; 25 . 1 ; 00 . 5 9 ; 00 . 5 ; 50 . 2 8 ; 50 . 2 ; 25 . 1 7 ; 25 . 1 ; 50 . 2 6 ; 50 . 2 ; 00 . 1 5 ; 00 . 1 ; 00 . 4 4 ; 00 . 4 ; 00 . 2 3 ; 00 . 2 ; 00 . 1 2 ; 00 . 1 ; 0 1 ; E E a a d f E E a a d f E E a a d f E E a a d f E E a a d f E E a a d f E E a a d f E E a a d f E E a a d f E a a d f ji ji j ji ji j ji ji j ji ji j ji ji j ji ji j ji ji j ji ji j ji ji j ji ji j R (7) Następnie całość zbioru parametrów określonych jako znaczenie wady danego czynnika ryzyka (wady) d oznaczono jako P i przedstawiono w postaci zależności (8), a w wersji j zmodyfikowanej jako (12). Charakterystyki jakościowe są następujące:
brak istotnego wpływu na niezawodność lub bezpieczeństwo (bj1), nieznaczny wpływ na niezawodność lub bezpieczeństwo (bj2),
mniej niż bardzo niewielki efekt, brak uszkodzeń, brak obrażeń, powoduje jedynie działanie wymagające konserwacji (zauważalne tylko przy bardzo dokładnych oględzinach lub przez bardzo roztropnego klienta; bj3),
bardzo niewielki efekt, brak uszkodzeń, brak obrażeń, powoduje jedynie działanie wymagające konserwacji (zauważalne tylko przez bardzo dokładnych oględzinach lub przez bardzo roztropnego klienta; bj4),
niewielki efekt, drobne uszkodzenia, lekkie obrażenia, powoduje jedynie działanie wymagające konserwacji (w niewielkim stopniu wpływa na system, zauważalne przez przeciętnego klienta; bj5),
mniej niż efekt krytyczny (powoduje utratę podstawowych funkcji systemu, przekroczenie wszystkich marginesów bezpieczeństwa, opisuje zdarzenie „o jeden krok” od katastrofy; bj6),
efekt krytyczny (powoduje utratę podstawowych funkcji systemu, przekroczenie wszystkich marginesów bezpieczeństwa, opisuje zdarzenie „o jeden krok” od katastrofy, poważne uszkodzenie; bj7),
więcej niż efekt krytyczny (powoduje utratę podstawowych funkcji systemu, przekroczenie wszystkich marginesów bezpieczeństwa, opisuje zdarzenie „o jeden krok” od katastrofy, poważne uszkodzenie, poważne obrażenia; bj8),
katastrofalny efekt (awaria może spowodować całkowicie niebezpieczne działanie systemu, mogą wystąpić wielokrotne zgony; bj10).
^
Pd1,...,Pdj ,...,Pdj`
P , j 1,J (8)^
bj1,...,bjk,...,bjK`
B , k I1, 1,10, j 1,J (9) P B Du o : f (10)dj f
dj bjk P ; (11)
Parametr N
dj to poziom wykrywalności czynnika ryzyka (wady) d . Jest on wyrażony j w postaci prawdopodobieństwa X
p
dj
wykrycia czynnika ryzyka d . Wielkości tego j
prawdopodobieństwa zgrupowano pod postacią wektora losowego X, zdefiniowanego tu w postaci zależności (14).
Zależności (13) i (16) jednoznacznie identyfikują poziom wykrywalności danego czynnika ryzyka (wady), gdzie N jest zbiorem wszystkich wartości przyjmowanych przez parametr N
dj . Z uwagi na fakt, że prawdopodobieństwo przyjmuje wartości ze zbioru wartości 0;1 , a w tradycyjnym podejściu w metodzie FMEA wartości parametrów przynależą do zbioru liczb naturalny od 0 do 10, w zależności (16) wprowadzono mnożenie wartości X
p
dj
przez 10 oraz funkcję sufit.
°° ° ¿ ° ° ° ¾ ½ ° ° ° ¯ ° ° ° ® { { { { { { { { { { 10 9 8 7 6 5 4 3 2 1 10 ; , 9 ; , 8 ; , 7 ; , 6 ; , 5 ; , 4 ; , 3 ; , 2 ; , 1 ; j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j j jk jk j b b b d f b b b d f b b b d f b b b d f b b b d f b b b d f b b b d f b b b d f b b b d f b b b d f P (12)
^
N d1,...,Ndj,...,Ndj`
N , j 1,J (13)^
X pd1 ,...,X pdj ,...,X pdJ`
, Xp
dj
0;1 X , j 1,J (14) N X Du o : f (15)
dj f
dj X
p
dj
ª
Xp
dj
º
N ; 10 , j 1,J (16)W końcowym etapie stosowania metody quanFMEA wyznaczany jest RPN, znany jako Risk Priority Number, wskazujący kolejność czynników ryzyka, w jakiej powinno się dążyć
do redukcji, zniwelowania przyczyn ich występowania. Jego wartość jest efektem przemnożenia wartości będących wynikiem oszacowania efektów wystąpienia czynników ryzyka według trzech kryteriów: R
dj , P
dj , N
dj . W przypadku RPN
dj !1 powinny zostać podjęte działania prewencyjne celem wyeliminowania potencjalnego ryzyka wystąpienia danego czynnika ryzyka (wady) w analizowanym systemie.
dj Rdj Pdj N dj
RPN , j 1,J (17) Tablica 1
Czynniki ryzyka i wartości parametrów R
dj , P
dj , N
dj
Obszar ryzyka j Czynnik ryzyka d j R
dj P
dj N
dj RPN
dj
Popyt 1
2
Dokładność metod prognoz. popytu Rozwój branży samochodów elektr.
4 5 5 6 8 9 160 270 Zapas Rezerwy paliw Zapas bieżący 3 4 5 6 7 8
Starzenie się paliw Awaria infrastruktury Parowanie paliw
Katastrofy i klęski żywiołowe Zanieczyszczenie drobnoustrojami Zmieszanie dobrego paliwa z paliwem o niskiej jakości
2 4 3 9 8 9 5 7 5 3 4 8 8 6 7 5 3 5 80 168 105 135 96 360 Infrastrukt ura wewnętrzna Zbiorniki i infra-struktura dystrybu-cyjna 9 10 11 12 13 14 15 16 17 18 19 Nieszczelność zbiorników Przelanie ponad poziom zbiornika Parowanie
Przeciek zbiornika
Skażenie paliwa i instalacji dystry-bucyjnych mikroorganizmami Zanieczyszczenie paliw z zewnątrz Dodawanie paliw o nieprawidłowej jakości do partii świeżego paliwa Kontrola szczelności zbiorników do magazynowania paliw płynnych Przecieki do gruntu, wód powierzchniowych i gruntowych Niezapewnienie ochrony odgromowej obiektów stacji Awaria stałego urządzenia gaśniczego pianowego 3 4 4 8 3 4 9 3 8 5 5 7 6 4 8 8 4 7 9 7 2 4 4 4 8 6 5 5 4 1 9 4 4 84 96 128 384 120 80 252 27 504 40 80 Zbiorniki z pływaj. dachami 20 21
Zatopienie pływającego dachu Nierównomierne rozłożenie obciążenia na pływających dachach
8 5 8 6 8 9 512 270 Rurociągi przesyłowe 22 23 24 25 Opóźnienie dostaw
Awarie infrastruktury przesyłowej Mieszanie się paliw między sobą Awaria betonowego zabezpieczenia
9 6 5 2 9 6 5 2 7 5 9 2 567 180 225 8 Źródło: na podstawie Czwajda i Kostrzewski (2018), PIP (2018), Żurowski i Gawrych (2016)
Tablica 2
Czynniki ryzyka i wartości parametrów R
dj , P
dj , N
dj - ciąg dalszy tab. 1
Obszar ryzyka j Czynnik ryzyka
j d R
dj P
dj N
dj RPN
dj Infrastrukt ura wewn. Układ przestrzenno – funkcjo-nalny 26 27 28 29 30 31 32 Sprawność Dokładność pomiaru Przepustowość parkingów i dróg Awaryjność Sprawność
Efektywność wykorzyst. pojazdów Niewłaściwy stan techniczny dróg, przejść komunikacyjnych i wysepek 6 9 6 9 8 6 8 5 4 9 5 9 7 9 4 4 6 4 4 4 4 120 144 324 180 288 168 288 Aspekty klimatyczne i środowiskowe 33 34 35 36 37 Awaria infrastruktury Nieumyślne obchodzenie się Klęski żywiołowe Zapłon, pożar Przenikaniem do gruntu, wód powierzchniowych i gruntowych 5 4 5 5 8 6 7 7 8 7 5 4 7 8 9 150 112 245 320 504 Czynnik ludzki 38 39 40 41 42 43 44
Błędy w odczycie stanu zbiorników Niewykrycie przeładowania/ niedoładowania zbiornika Nieprecyzyjne dozowania dodatków chemicznych do paliwa Niedokładne zmieszanie dodatków z paliwem
Błędna ocena stanu urządzeń Niedokładność w ocenie stopnia otwarcia zaworu i kontroli prędkości przesyłu paliwa Zmieszanie dobrego paliwa z paliwem o niskiej jakości
9 8 8 6 9 8 9 6 6 5 4 9 5 6 3 5 4 5 5 3 5 162 240 160 120 405 120 270 Organ izacja prac y Harmono-gram dostaw do klienta Harmono-gram dostaw do bazy Bezpieczeń stwo i higiena pracy 45 46 47 48 49 50 51 52 Problemy z realizacją
harmonogramu dostaw do klientów Przyjęcie cystern na teren bazy paliw, ważenie cystern, kontrola dostarczonych paliw
Wyładunek cystern kolejowych lub ciężarowych (w zależności od temperatury ładunku) Brak przestrzegania przepisów BHP przez organizację (brak szkoleń BHP)
Brak przestrzegania przepisów BHP przez pracowników
Zewnętrzne czynniki środowiskowe Niedostateczne wyposażenie stacji w podręczny sprzęt przeciwpoż. Niezapewnienie pomieszczeń higienicznosanitarnych 7 8 7 10 10 8 8 3 9 7 8 7 7 5 7 3 8 7 8 3 4 3 7 3 504 392 448 210 280 120 392 27 Źródło: na podstawie Czwajda i Kostrzewski (2018), PIP (2018), Żurowski i Gawrych (2016)
Tablica 3
Czynniki ryzyka i wartości parametrów R
dj , P
dj , N
dj - ciąg dalszy tab. 2
Obszar ryzyka j Czynnik ryzyka
j d R
dj P
dj N
dj RPN
dj Przepływ informacji (cyfryzacja procesów) 53 54 55
Opóźnienia w przepł. informacji Awarie systemu Kompatybilność systemów IT 9 9 8 5 8 5 5 2 3 225 144 120 Reg ulacje prawn e Polityka energe-tyczno – klimatycz-na Obrót hur-towy i de-taliczny Podatki 56 57 58 59 60 Wprowadzanie nowych biokomponentów do paliw Podatki (akcyza, VAT, inne) Obowiązek realizacji narodowego celu wskaźnikowego [19] Opłaty koncesyjne, środowiskowe Niewyposażenie stacji
w odpowiednie znaki drogowe i informacyjno-ostrzegawcze 7 8 7 7 3 6 6 8 4 3 8 5 3 5 3 336 240 168 140 27 Źródło: na podstawie Czwajda i Kostrzewski (2018), PIP (2018), Żurowski i Gawrych (2016)
4. STUDIUM PRZYPADKU – REZULTATY I OMÓWIENIE
Metoda quanFMEA została w tym przypadku wykorzystana jako narzędzie do rejestrowania fachowej wiedzy pracowników obsługi stacji z różnych obszarów ryzyka. Poczyniono to w celu wsparcia procesu decyzyjnego w aspekcie poprawnego funkcjonowania procesów występujących na stacji. Pracownicy stacji będą mogli wykorzystać swoją wiedzę i doświadczenie z różnych obszarów, aby uzyskać lepszy wgląd w awarie, ich przyczyny oraz skutki, a także określić prawdopodobieństwo ich wystąpienia w przyszłości. Tabele w metodzie quanFMEA, oprócz wykorzystywania ich do organizowania ekspertyz dotyczących źródeł ryzyka (przyczyn) i ich skutków, są również wykorzystywane jako oficjalne dokumenty do dyskusji na temat zagrożeń, wśród pracowników na różnych poziomach i obszarach, umożliwiając w ten sposób całościowy pogląd na kwestie sprawnej i bezpiecznej obsługi tego typu obiektów. Ocenie poddano
j = 60 czynników ryzyka. Całość wyników zamieszczono w tablicach 1 - 3.
5. PODSUMOWANIE
W wyniku obliczeń numeru priorytetu ryzyka określono czynniki ryzyka, które wymagają priorytetowego potraktowania. Za najbardziej ryzykowne czynniki wymagające szczególnej kontroli i monitorowania uznano: „opóźnienie dostaw” RPN
d22 567,
a następnie „przecieki produktów do gruntu, wód powierzchniowych i gruntowych”
d17 504
RPN , RPN
d37 504 (zarówno w obszarze ryzyka „zbiorniki i infrastruktura dystrybucyjna” jak i „aspekty klimatyczne i środowisko”) oraz „problemy z realizacją harmonogramu dostaw do klientów” RPN
d45 504. Szczególnie czynniki ryzyka d 17
i d37 w dobie bacznego zwracania uwagi na kwestie ekologii i zrównoważonego rozwoju są istotne i wymagają eliminacji skutków ryzyka i redukcji przyczyn jego występowania.
Bibliografia
1. Anleitner M. A.: The power of deduction: Failure modes and effects analysis for design. ASQ Quality Press, Milwaukee 2010.
2. Bęczkowska S., Grabarek I.: Monitorowanie jako element bezpieczeństwa przewozów towarów niebezpiecznych–koncepcja system. Zeszyty Naukowe Małopolskiej Wyższej Szkoły Ekonomicznej w Tarnowie, vol. 35, nr 3, pp. 67-78.
3. Bode Ch., Kemmerling R., Wagner S. M.: Internal versus External Supply Chain Risks: A Risk Disclosure Analysis. [w:] Essig M., Hülsmann M., Kern E. M., Klein-Schmeink S. (red.), Supply Chain Safety Management, chapter 6, Springer 2013.
4. Carlson C.: Effective FMEAs: Achieving safe, reliable, and economical products and processes using failure mode and effects analysis. Wiley, New Jersey 2012.
5. Choi T. Y., Krause D. R.: The Supply Base and Its Complexity: Implications for Transaction Costs, Risks, Responsiveness, and Innovation. Journal of Operations Management, 2006, vol. 24, pp. 637–652. 6. Czwajda L., Kostrzewski M.: Application of FMEA analysis to the risk assessment in the area of liquid
fuel storage management. In Okręglicka, M., Korombel, A., Lemańska-Majdzik, A., (red.). Proceedings of
the 2nd International Conference Contemporary Issues in Theory and Practice of Management 2018.
Wydawnictwo Wydziału Zarządzania Politechniki Częstochowskiej, Częstochowa 2018, pp. 70-77. 7. Folejewska A.: Analiza FMEA – zasady, komentarze, arkusze. Verlag Dashofer Sp. z o.o., W-wa 2010. 8. Gandhi O.P., Agrawal V.P.: FMEA—A diagraph and matrix approach. Reliability Engineering & System
Safety, vol. 35, is. 2, 1992, pp. 147-158.
9. Giunipero L. C., Eltantawy R. A.: Securing the Upstream Supply Chain: A Risk Management Approach. International Journal of Physical Distribution & Logistics Management, vol. 34, 2004, pp. 698–713. 10. Hallikas J., Puumalainen K., Vesterinen T., Virolainen V. M.: Risk-based Classification of Supplier
Relationships. Journal of Purchasing & Supply Management, vol. 11, 2005, 72–82.
11. Hamrol A., Mantura, W.: Zarządzanie jakością. Teoria i praktyka. Wydawnictwo PWN, Warszawa 2005. 12. Ho W., Zheng T., Yildiz H., Srinivas T.: Supply chain risk management: a literature review. International
Journal of Production Research, vol. 53, is. 16, 2015, pp. 5031-5069.
13. Hofmann E.: Natural Hedging as a Risk Prophylaxis and Supplier Financing Instrument in Automotive Supply Chains. Supply Chain Management: An International Journal, vol. 16, 2011, pp. 128–141. 14. Hopkin P.: Risk management. Kogan Page Ltd., London 2003.
15. Oazi A., Quigley J., Dickson A., Ekici S. O.: Exploring dependency based probabilistic supply chain risk measures for prioritising interdependent risks and strategies. European Journal of Operational Research, vol. 259, is.1, 2017, pp. 189-204.
16. Pałubicki S., Kukiełka K.: Zarządzanie jakością w wybranym procesie produkcyjnym z zastosowaniem metody FMEA. Autobusy, nr 7-8, 2017, pp. 256-261.
17. Pérez-Salazar M. d. R., Lasserre A.A.A., Cedillo-Campos M. G., Hernández González J. C.: The Role of Knowledge Management in Supply Chain Management: A Literature Review. Journal of Industrial Engineering and Management, vol. 10, is. 4, 2017, pp. 711-788.
18. PIP: http://www.bip.pip.gov.pl/pl/bip/px_spr_gip_04_zal_40.pdf, dostęp on-line 8 maja 2018 r. 19. Urząd Regulacji Energetyki (2018),
https://www.ure.gov.pl/pl/urzad/informacje- ogolne/aktualnosci/7425,Nowy-wykaz-NCW-w-2018-r-na-podstawie-ustawy-o-biokomponentach-i-biopaliwach-ciek.html, dostęp on-line 12 kwietnia 2018 r.
20. Wrona A., Wrona M.: Zastosowanie wybranych narzędzi Six Sigma w procesach technologicznych. Knosala R. (red.), Komputerowo Zintegrowane Zarządzanie, Oficyna Wydawnicza PTZP, Opole 2009, pp. 532-540.
21. Zheng L., Chang Y.: Risk assessment model of bottlenecks for urban expressways using survival analysis approach. Transportation Research Procedia, vol. 25, 2017, pp. 1544-1555.
22. Zsidisin G. A., Ellram L. M.: An Agency Theory Investigation of Supply Risk Management. The Journal of Supply Chain Management, vol. 39, 2003, pp. 15–27.
23. Zsidisin G. A., Ellram L. M., Carter J. R., Cavinato J. L.: An analysis of supply risk assessment techniques. International Journal of Physical Distribution and Logistics Management, vol. 34, 2004, pp. 397–413. 24. Zsidisin G. A., Smith M. E.: Managing Supply Risk with Early Supplier Involvement: A Case Study and
Research Propositions. The Journal of Supply Chain Management, vol. 41, 2005, pp. 44–57.
25. Żurowski W., Gawrych M.: Autobusy: technika, eksploatacja, systemy transportowe, vol. 17, nr 6, 2016, pp. 1640-1646.
APPLICATION OF THE METHOD OF FAILURE MODE AND EFFECT ANALYSIS IN THE ASSESSMENT OF OPERATION OF A SELECTED LOGISTICS FACILITY
Summary: The subject of this paper is the analysis of the risk of undesirable phenomena occurrence in
a logistics facility such as a liquid fuel storage station, in which the processes of storage and handling of liquid fuels are accomplished. The FMEA (Failure Mode and Effect Analysis) method was used to analyze and assess risk factors. The paper presents the formal model of the method developed by the paper’s author (expressed both with the use of quantitative and qualitative parameters), as well as an example of the method’s and model’s application.