企业在生产过程中,风险处于持续动态变化当中。因此,有必要建立动态定量风险评价系统,监控和预测企业风险,帮助企业进行安全相关决策。前导事件是生产过程中事故、未遂事件和报警等异常情况的总合,是未来事故的有效指征。贝叶斯网络模型与其他定量风险评价方法相比,具备动态更新、描述复杂模糊逻辑关系的特点。因此,采用贝叶斯网络对事故发生概率进行定量分析和预测。在利用蝴蝶结模型辨识事故原因和后果的基础上,将其转化为贝叶斯网络模型。导入前导事件信息和先验概率推导后验事故发生概率,最终量化分析事故发生随时间的变化规律。蝴蝶结模型在分析人因失误时往往存在逻辑模糊、定量分析耗时复杂的问题,就此本文提出蝴蝶结模型的人因失误分类方法。根据人因失误对事故贡献度的不同,将其分为三类。同时引入SPAR-H、SRK三级认知行为模型和最大熵模型,建立结构化的人因可靠性定量计算方法。采用该方法,分析人员能够更高效地计算蝴蝶结模型中的人因失误概率,动态定量风险评价体系也得到进一步完善。综合考虑设备部件失效和人因失误,建立综合动态定量风险评价体系,将风险矩阵作为评估准则。以异构化装置精馏塔超压场景为例验证方法体系的可行性,计算结果表明,随化工装置生产时间和“前导事件”增长,元件失效概率和事故风险呈现显著增长趋势。且在装置运行第5年,精馏塔发生蒸汽云爆炸的概率超过可接受水平,达到高风险等级。后验概率计算结果表明,塔压力远传装置和高液位报警对事故发生的影响程度较高。因此,企业应重视“前导事件”并采取措施减少“前导事件”,如优化检维修方案,及时更换关键部件,进行全面的事故调查等。