石化工業工安事故往往造成嚴重的經濟損失與人員傷亡，預防工安事故發生在於控制危害因子的發生。本研究收集台灣自2000-2010年間349筆石化工業重大職災案例進行分析，經由相關分析、變異數分析方法(ANOVA)及貝氏網路分析方法(BBN)，結果顯示：由火災事故探討事故成因規則，發現以員工人數10-29人的化學製品製造業中，由25-29歲非機械設施操作員工因使用物質材料的不安全放置、混合等等的危險方法程序所導致火災百分比最高；由有害物等之接觸事故探討事故成因規則，發現以員工人數30-99人的化學材料製造業中，由25-29歲具專業性技術員工因沒有使用可用的個人防護裝備或因構造等缺陷，導致接觸到有害等物質材料其百分比最高。此外，因勞工作業未採取正確程序與確實使用個人防護具(PPE)，作業中因接觸機具/設備等切入點與捲入點而發生被夾/被捲，墜落/滾落與感電事故。因此，加強機具設備的安全防護設計；落實新進勞工與資深勞工作業前工具箱會議的安全宣導工作；對具高風險性且常發生之工作場所應加強自我風險評估，對石化工業管線配置，保溫防護與接頭控制閥的材質設計，應考量作業環境溫/濕度與管材內物質特性及其溫度與壓力，避免管材裂化/破損等洩漏問題。對檢查、操作、及風險評估人員，應以具實務專業訓練合格人員擔任，可有效避免造成嚴重的財務損失與人員傷亡。

Each manufacturing processing unit in the petrochemical industry involves different conditions and hazard levels. With changes in the operating environment, aging equipment can damage associated facilities, pipelines, and pipe racks, which can precipitate hazardous-substance leaks. These accidents typically cause a chain of reactions in equipment damage or failures and expose operators to numerous risks. This study collected 349 cases of occupational accidents that occurred between 2000 and 2010 and used statistical methods (e.g., contingency tables and Analysis of Variance and Bayesian Network) to analyze accident distributions and trends.
From the BBN results, the main causes of fires, explosions, and contact with harmful substances in the petrochemical industry were related to the use of flammable, pyrophoric, and explosive substance. These accidents occurred primarily in enterprises with 30 to 99 employees and the workers type was machinery operators that age was between 25 to 29 years old working on the manufacturers of chemical materials or chemical products. When maintaining/replacing or dismantling factory equipment, the employees came into contact with material substances and did not follow standard operating procedures/methodology or used equipment improperly, they frequently suffered injuries from contact with harmful substances or caused fires or explosions. In addition, the results indicated that establishing adequate risk-assessment systems and self-inspection systems facilitates the early detection of potential safety hazards in devices, pipelines, and connecting components. Early safety-hazard detection facilitates the avoidance of unsafe operation methods or procedures. The results also indicated that when contractors provide pre-employment training, convene toolbox talks, and supply employees with appropriate personal protection equipment (PPE), major occupational accidents in the petrochemical industry are effectively reduced.

明志科技大學碩士學位論文指導教授推薦書 i
明志科技大學碩士學位論文口試委員審定書 ii
誌謝 iii
中文摘要 iv
英文摘要 v
目錄 viii
表目錄 x
圖目錄 xii
第一章 緒論 1
1.1 前言 1
1.2 研究動機與目的 2
1.3 研究範圍與限制 2
1.4 研究內容與步驟 4
1.5 小結 5
第二章 文獻回顧 6
2.1石化業安全管理問題探討 6
2.1.1 國內石化業分佈狀態 7
2.1.2 國內外石化業安全管理政策 8
2.1.3 國內外石化業安全管理問題 9
2.2.1 國內石化業職災概況 15
2.2.2 國外石化相關產業職災概況 21
2.3 失誤樹相關探討 22
2.3.1 失誤樹圖分析繪製方式 25
2.3.2 失誤樹圖 26
2.4 貝氏網路相關領域研究概況 28
2.5 小結 31
第三章 研究方法之介紹與應用 32
3.1 貝氏定理 35
3.2 貝氏網路條件機率定義 37
3.2.1 貝氏網路特徵值 38
3.2.2 貝氏網路分析 (Bayesian Belief Network, BBN) 40
3.3 小結 40
第四章 石化業職災資料庫建置 41
4.1 重大職業災資料彙整 41
4.2 職災屬性變項名稱定義與歸類 43
4.3 資料前處理 45
4.3.1 資料整合 46
4.3.2 資料清理/合併與形式轉換 47
4.3.3 應用OLAP方法進行檢視 48
4.4 實體關係模型(ER-Model)建置 49
4.5 小結 49
第五章 研究成果 50
5.1 石化業總體職災分佈狀態 52
5.1.1 依時間屬性 54
5.1.2 依管理屬性 54
5.1.3 依勞工屬性 57
5.1.4 依災害屬性 61
5.2 石化業事業種類職災探討 63
5.3 石化業變異數分析結果探討 68
5.3.1 1-Way ANOVA分析結果 69
5.3.2 2-Way ANOVA分析結果 75
5.4 貝氏網路圖之應用 80
5.4.1 貝氏網路圖分析依管理屬性結果與探討 81
5.4.2 貝氏網路圖分析依勞工屬性結果與探討 89
5.4.3 貝氏網路圖分析依災害屬性結果與探討 100
5.5 小結 106
第六章 結論與建議 107
6.1 結論 107
6.2 建議 109
參考文獻 110
中文文獻 110
英文文獻 115

1.陳錫仁、古慶發，異丙苯氧化反應器之安全分析，勞工安全衛生季刊，1997。
2.張義鋒、康淵，營建用升降機危害評估與預防對策，行政院勞工委員會勞工安全衛生研究所，1999。
3.黃俊英，多變量分析：台北中國經濟研究所，2000。
4.陳嘯虎，99課綱第二冊教學重點，2000。
5.陳建蒝，貝式網路為基礎之動態軟體專案管理，元智大學資訊工程研究所碩士論文，2001。
6.林永章、葛維忠、徐啟銘，重大化災回顧系列(六) ―墨西哥Pemex廠之液化石油氣儲槽群爆炸事故之探討，化工會刊，2001。
7.柯志哲、何明信，臨時工之工作型態與人力資源管理-以石化業承攬商僱用之臨時工為例，人力資源管理學報，2002。
8.林宗賢，多因子變異分析於國內重大化學職災特徵探討之研究，國立雲林科技大學環境與安全工程系碩士論文，2003。
9.胡靖榮，談骨牌理論與人為因素的防範，保險大道，2004。
10.陳順宇、鄭碧娥，基礎統計學，台北：華泰書局，2004。
11.郭勇志、吳鴻鈞，我國近十年批式製程災害調查與防止對策研究，行政院勞工委員會勞工安全衛生研究所，2004。
12.郭昭吟，重大化學工業災害案例研析，工業安全衛生月刊，2005。
13.陳思達，光碟製成設備故障樹分析與動態可靠度估算，國立中央大學碩士論文，2005。
14.陳政宏、陳宗傑、張哲群、李宗衛、陳雅惠，台灣漁船機艙防火之系統工程分析與對策，工業安全衛生月刊，2006。
15.楊豐州，石化業歲修期間承攬商安全衛生管理探討立雲林科技大學環境與安全衛生工程系碩士論文，2006。
16.施淑娟，應用貝氏網路認知診斷模式進行國小五年級小數單元學習診斷之研究，國立臺灣師範大學教育心理與輔導學博士論文，2006。
17.洪培元，由不安全行為談職災防止，工業安全衛生月刊，2006。
18.戴基福，英國政府推行工作場所風險評估及管理的作法，2007。
19.張淑如，製造業勞工職業傷害之探討，工業安全衛生月刊，2007。
20.高仲思，石化業設備風險管理評估模式建構之研究，天主教輔仁科技大學管理學研究所在職專班碩士論文，2008。
21.黃榮華、楊長林、高仲思，石化業風險管理評估模式建構之研究，工業安全衛生月刊，2008。
22.黃文聰、謝家祥、劉建男，建置石化廠行動消防巡查檢點系統與自動檢查表單電腦化作業，石油季刊，2008。
23.顏村煌，資料庫系統原理與應用，台北：碁峰資訊股份有限公司，2008。
24.台灣工業文化資產網，產業簡史~石化業產業結構，網址：http://iht.nstm.gov.tw/form/index-1.asp?m=2&m1=3&m2=76&gp=21&id=7，2009。
25.廖嘉雄，以貝式網路為基礎的知式處理機制之研究，東海大學工業工程研究所碩士論文，2009。
26.楊瓊、曹亦薇，貝氏方法在探索差異試題功能潛在因素中的應用，測驗統計年刊，2009。
27.林楨中、于家均，營造業職災災情分析知識平台建置，行政院勞動部勞工安全衛生所，2009。
28.黃千容，應用貝氏網路建構墜落風險評估模型之研究，國立台灣科技大學營建工程系碩士論文，2009。
29.陳婷，轉化故障樹分析到貝葉斯網絡-案例分析：液壓動力系統的取水點，國立台灣科技大學碩士論文，2009。
30.鄭慶武，台灣營造業總體職災資料探勘及要因之研究，國立台灣科技大學營建工程系博士論文，2010。
31.梁順治，以AHP探討石化業工安事件防制關鍵因素之研究，2010。
32.黃甫尚，營造業與石化業營造工程人員對施工安全認知與態度差異之研究，2010。
33.李駿宏、古清仁，類神經網路與資料探勘技術在醫療診斷之應用研究，工程科技與教育學刊，2010。
34.顏至徽，對貝氏網路的研究，國立台灣科技大學資訊管理系碩士論文，2010。
35.曹常成、謝賢書、蔡永銘，製造業職勞工災職災不安全行為研究，行政院勞動部勞工安全衛生研究所研究報告，2010。
36.桂思強，SQL SERVER 2008 R2資料庫設計實務，台北：碁峰資訊股份有限公司，2011。
37.段文憑、羅勇夫，資料庫管理系統 – 使用MS SQL Server實作，台北：全華圖書，2011。
38.戴基福，我國及美國石化業製程安全管理法規及檢查比較(上)，工業安全衛生月刊，2011。
39.曹常成、謝賢書、蔡永銘，製造業職災情境分析與致災行為研究，行政院勞工委員會勞工安全衛生研究所，2011。
40.曹常成、林效荷、郭建志、高崇洋，主管安全領導、溝通與員工行為安全：安全管理的調節效果，勞工安全衛生研究季刊，2011。
41.蔡永銘，建立全方位安全文化是石化業的唯一出路，工業安全衛生月刊，2011。
42.戴基福，我國及美國石化業製程安全管理法規及檢查比較(上) ，工業安全衛生月刊，2011。
43.戴基福，我國及美國石化業製程安全管理法規及檢查比較(下) ，工業安全衛生月刊，2011。
44.戴基福、高瑞穗，升高的化學災害警訊（省思）：安全楷模的美國杜邦公司發生事故了，工業安全衛生月刊，2011。
45.高瑞聲、陳建榮、徐啟鋁，石化廠歲修作業危害預防對策之研究一以六輕工業區某L廠為例，勞工安全衛生研究季刊，2011。
46.梁順志，以AHP探討石化工安事件防制關鍵因素之研究，國立高雄應用科技大學企業管理研究所碩士論文，2011。
47.謝賢書、陳振和、張承明，石化工業職災預防措施探討，行政院勞工委員會勞工安全衛生研究所，2012。
48.蔡永銘、朱蓓蓓、謝賢書、陳皎眉，推動全方位安全文化，追求無止境安全卓越，工業安全衛生月刊，2012。
49.姚宏慶，應用資料探勘技術於石化業重大職災原因分析，明志科技大學碩士論文，2012。
50.中區勞動檢查所，101年下半年職業殘廢暨屋頂墜落災害預防宣導會講義，2012。
51.林宜洲，保護層分析於印刷電路板鍍銅設備火災預防應用研究，國立中央大學環境工程研究所碩士論文，2012。
52.洪孟毅、陳嘉明，以不安全情境之統計及失誤樹分析探討墜落之預防策略，管理資訊計算，2013。
53.中國石油化學工業開發股份有限公司，永續發展報告，網址：http://www.cpdc.com.tw/_img/tw_img/csr/CPDC-Final%2014CSR-WEB.pdf，2013。
54.張承明、于樹偉、張日誠，事故調查與分析方法之應用，勞工安全衛生研究季刊，2013。
55.鄭慶武、姚宏慶，台灣石化工業職業災害調查與預防措施探討 ，2013。
56.范振誠，石化業年鑑，2013。
57.內政部消防署全球資訊網，災害專區網頁http://eoc.nfa.gov.tw/eoc/index.aspx?ID=37，2014
58.勞動部，化學材料製造業，網址： http://www.mol.gov.tw/new_ed/upload/files/AC05.PDF。
59.勞動部，化學製品製造業，網址：http://www.mol.gov.tw/upload/cht/attachment/ad623e3e9d2b48688aee70ef901f94dd.pdf。
60.勞動部，化學工程師，網址：http://www.mol.gov.tw/upload/cht/attachment/c286610c265c5dd010e73076d0571cf0.pdf。
61.勞動部，化學產品機械操作員 ，網址：http://www.mol.gov.tw/upload/cht/attachment/b208eaa3597d8c464b9f4bc892faef5a.pdf。
62.勞動部，化工技術員，網址：http://www.mol.gov.tw/upload/cht/attachment/62b0787fbe3fd5df5c6fb6ef3576571d.pdf。

1.Heinrich H., A scientific approach, Industrial accident prevention. 1941.
2.Pearl, J., Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann, San Mateo, CA. 1988.
3.Fayyad, W.J., Piatetsky-Shapiro, G., Matheus, C.J., Knowledge Discovery in Database,Cambridge,MA:AAAI/MIT. 1991.
4.McGraw-Hill., Reliability-based design. 1992.
5.Chi, C.F., Wu,M,L.. Fatal occupational injuries in Taiwan — Relationship between fatality rate and age. Safety Sci. 1997, 27, 1-17.
6.M, Berry., & G, Linoff., Data Mining Techniques. 1997.
7.Khan, F., Abbasi.S.A., Major accidents in process industries and an analysis of causes andconsequences . J. Loss Prevent Proc. 1999, 12, 361-378.
8.Lortie, M., Rizzo, P., The classification of accident data, Saf Sci. 1999 31, 31-57.
9.Voro, A., Jovic, F., Multiple attribute entropy classification of school-age injuries. Accid Anal Prev. 2000, 32, 445-454.
10.Lewis, R.J., An Introduction to Classification and Regression Tree(CART) Analysis., http://www.saem.org/download/lewis 1.pdf. 2000.
11.Han, J., Kamber, M ., Data Mining: concepts and Techniques. Morgan Kaufmann, San Francisco. 2001.
12.Carnero, M., An evaluation system of the setting up of predictive maintenance programmes. Reliab Eng Sys Saf. 2006, 91, 945-963.
13.Nivolianitou, Z., Konstandinidou, M., Michalis, C., Statistical analysis of major accidents in petrochemical industry notified to the major accident reporting system (MARS). J Hazard Mater. 2006, 137, 1-7.
14.Nivolianitou, Z., Konstandinidou, M., Kiranoudis, C., Markatos, N., Development of a database for accidents and incidents in the Greek petrochemical industry. J. Loss Prevent Proc. 2006, 19, 630-638.
15.Khana, F., Amyotteb, P., Modeling of BP Texas City refinery incident. J. Loss Prevent Proc. 2007, 20, 387-395.
16.Henriksen, H., Barlebo, H., Reflections on the use of Bayesian belief networks for adaptive management. J Environ Manage. 2008, 88,1025-1036.
17.Leea, E., Parkb, Y., Shinc, J., Large engineering project risk management using a Bayesian belief network, Expert Syst Appl. 2009, 36, 5880-5887.
18.Johnson, M., The potential for vapour cloud explosions - Lessons from the Buncefield accident. J. Loss Prevent Proc. 2010 23, 921-927.
19.Jones, B., Jenkinson, I., Yang, Z., Wang, J., The use of Bayesian network modelling for maintenance planning in a manufacturing industry. Reliab Eng Syst Safe. 2010, 95, 267-277.
20.Saleha, J., Maraisb, K., Bakolasa, E., Cowlagia, R., Highlights from the literature on accident causation and system safety: Review of major ideas, recent contributions, and challenges. Reliab Eng Syst Safe. 2010, 95, 1105-1116.
21.Khakzada, N., Khana, F., Amyotteb, P., Safety analysis in process facilities: Comparison of fault tree and Bayesian network approaches. Reliab Eng Syst Safe. 2011, 96, 925- 932.
22.Kisioglu P., Topcu Y., Applying Bayesian Belief Network approach to customer churn analysis: A case study on the telecom industry of Turkey. Expert Syst Appl. 2011, 38, 7151-7157.
23.Chai, C-L., Liu, X., Zhang, W.J., Baber, Z., Application of social network theory to prioritizing Oil & Gas industriesprotection in a networked critical infrastructure system. J. Loss Prevent Proc. 2011, 24, 688-694.
24.Herreroa, S., Mariscala, M., Rodríguezb, J., Ritzelc, D., Working conditions, psychological/physical symptoms and occupational accidents. Safety Sci. 2012 50, 1760–1774.
25.Jinbong, C., A content analysis of BP’s press releases dealing with crisis. Public Relations Review.2012, 38, 422-429.
26.Badri, A., Nadeau, S., Gbodossou, A., Proposal of a risk-factor-based analytical approach for integrating occupational health and safety into project risk evaluation. Accid Anal Prev. 2012 223-234.
27.Saleh, J., Pendley, C., From learning from accidents to teaching about accident causation and prevention: Multidisciplinary education and safety literacy for all engineering students. Reliab Eng Syst Safe. 2012, 99, 105-113.
28.Wang, Y., Xie, M., Approach to Integrate Fuzzy Fault Tree with Bayesian Network. Procedia Engineer. 2012, 45, 131-138.
29.Liao, Y., Huang C., Hsu S., Slip and fall event detection using Bayesian Belief Network. Pattern Recogn. 2012, 45, 24-32.
30.Ainia, M., Razib, F., Latent errors of socio-technical disasters: A Malaysian case study. Safety Sci. 2013, 51, 284-292.
31.Hänninena, M., Kujalab, P., Bayesian network modeling of Port State Control inspection findings and ship accident involvement. Expert Syst Appl. 2013, 41, 1632-1646.
32.Landuyta, D., Broekxb, S., D'hondta, R., Engelenb, G., Aertsensb, J.,. Goethalsa, P., A review of Bayesian belief networks in ecosystem service modeling. Environ Modell Softw. 2013, 46, 1-11.
33.Leu, S., Chang, C., Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention. 2013, 54, 122-133.
34.Martín, J., Vargasb, A., Linear Bayes policy for learning in contextual-bandits. Expert Syst Appl. 2013, 40, 7400-7406.
35.Nenonen N., Analysing factors related to slipping, stumbling, and falling accidents at work: Application of data mining methods to Finnish occupational accidents and diseases statistics database. Appl Ergon. 2013, 44, 215-224.
36.Shallcross, D., Using concept maps to assess learning of safety case studies – The Piper Alpha disaster. Educ Chem Eng. 2013, 8, 1-11.
37.Peter, O., Stein, H., Maintenance-related major accidents: Classification of causes and case study. J. Loss Prevent Proc. 2013, 26, 1060-1070.
38.Troldborg, M., Aalders, I., Willie, T., Paul D., Blair, M., Glyn, A., Allan, L., Bruce C., Rupert, L., Application of Bayesian Belief Networks to quantify and map areas at risk to soil threats: Using soil compaction as an example. Soil Till Res. 2013, 132, 56-68.