From Micro to Macro: Prior Baseline and Awareness of Uncertainty

Prior Baseline and Awareness of Uncertainty is Essential for Risk Assessment and Management

風險的評估與管理需要

比較基準與先驗概率
知悉(影響評估結果的)不確定性因素

除了內部相對主觀的風險排序，還需要有一個prior& external比對的基準，理由如下：

沒有比較基準，internal的主觀排序，往往淪為自我感覺良好，看不出效益nor努力方向與空間(有比較才知道差距與方向感)
當事後posterior發生事故，會無法判斷是否屬於意外(=統計上的異常)，風險管理淪為政治卸責遊戲與災害發生後的口水爭辯(=獵巫/找代罪羔羊)
主觀的半定量或者相對客觀的引用業界的統計數字/學界研究報告，和實際的況狀的落差(會不會出事其實只有上帝知道)；

而專家與行家的專業在於知道：造成估算偏誤的因素有多少與範圍有多大(=不確定因素)

一般工安部分大概可以用(自家)職災率對比業界水準

然而有趣的(=大哉問)是：「做了OO業務可以降低職災率多少比例？」

很多規定業務存在的意義是

1.聊供官方查核(=應付稽查的paper work)

2.協助EHS幕僚有存在感

3.幫助業主萬一出事，舉證無過失

而非真的有助於降低風險….

A system of safety management practices and worker engagement for reducing and preventing accidents: An empirical and theoretical investigation

https://www.researchgate.net/publication/256330389_A_system_of_safety_management_practices_and_worker_engagement_for_reducing_and_preventing_accidents_An_empirical_and_theoretical_investigation

各種業務與管理機制對於職災率的解釋力只有約10%

學術實證研究的結果，只能說讓人謙卑+千杯啊

以下用兩個典範案例(一個衛生、一個消防)來對比一般做法(兩光、應付認證與不知道自己無知的那種)

一般作法

職業衛生風險評估

架構流程

Prior& external比對的基準：

依據毒理學與動物實驗數據推估得的容許暴露濃度PEL

Internal & Posterior的評估結果

進行作業環境測定乃至於擴散模式推估的暴露濃度

問題與不確定因素在於

PEL透過動物試驗與短期高劑量來推估
作業環境測定有抽樣代表性、統計變異與各種誤差的問題；而擴散模式推估有其假設與不確定性

以上衛生風險評估參考資料：

1.職業安全衛生健康風險評估黃奕孝 page 5-12 下載網址：http://www.isha.org.tw/newsdata%5CISO45001%E5%B0%88%E6%AC%84%5C%E5%AE%89%E5%85%A8%E8%A1%9B%E7%94%9F%E9%A2%A8%E9%9A%AA%E8%A9%95%E4%BC%B0.pdf

2.108年「固定污染源有害空氣污染物健康風險評估及防制技術講習會」講義page 25-39

健康風險評估在空氣品質管理之應用江鴻龍下載網址：

https://proj.ftis.org.tw/eta/legislation.aspx?mno=2608

消防風險評估

感覺工安領域談火災爆炸，除了講述火災三要素與滅火器消防栓使用要領外，外加引用一些火災事故案例(通常沒有深入探討事故的原因分析，目的為消費出事公司+提醒大家注意與重視)，對於火災事故的預防與風險評估方法論多半停留於5S、防爆劃分或者深入一點的採用Dow F&EI（見數不見林與讓人對於火災的基礎機率沒有概念與感覺）

以下非化工製程與防爆觀點的火災風險評估方法論，說不定更適合一般業界與廠房

科技廠房建築物防火安全評估法之建構與實例驗證

http://www.abri.gov.tw/tw/research/show/796

建築物火災風險評估通用指南及量化驗證研究

https://www.grb.gov.tw/search/planDetail?id=2549477

提供查核重點與說明指引(page 100-113)

用來精確計算火災或然率的基本模型，分別為：(1)簡單統計分析（simple statistical analysis），(2)邏輯樹分析（logic tree analysis）及(3)敏感度分析（sensitivity analysis）。

簡單統計分析(page 293-306)

統計分析的好處在於是以實際事件為基礎，並且結果通常簡單可用。然而，統計分析是根據平均的就有資料，因此是假設可從過去的經驗預測未來的表現，並且平均的測量結果可適用某一特定的建築物。在大部分的情況，這種假設很合理，並且在大部分的情況下，根據舊有資料實施風險評估的不確定性，要比考量建築物設計內各種防火設施的故障或然率的不確定要小。

統計分析的其他限制，就是通常無法收集預測所需的足夠可信資料，另外像是多重致命性火災這種結果很嚴重但是頻率很低的事件，也是個問題。諸如起火和防火設施有效或無效的條件性或然率的頻率性事件越多，統計資料就越有用。這些獨立片段的資料可以利用邏輯性樹狀圖和其他技術來預測低頻率事件的頻率。