RISIT Rapport. Professor Jørn Vatn, NTNU

Dokument type: RISIT Rapport Tittel: Forfatter: Sammendrag: Oppsummering av RISIT prosjektet: Transport av farlig gods på veg, sjø og bane Professor Jørn Vatn, NTNU Denne rapporten oppsumerer de viktigste resultatene fra prosjektet Transport av farlig gods på veg, sjø og bane. Prosjektet er en del av et fellesprosjekt sammen med Stavangermiljøet som foretar egen sluttrapportering. Prosjektet har bestått av tre hovedaktiviteter, kartlegging, utvikling av risikoanalysemetoder, og regelverksutvikling. Som en del av kartleggingen er det gjennomfør en spørreundersøkelse for å belyse sikkerhetskulturen ifbm transport av farlig gods. Noen stikkord er: Dårlig samhandling mellom aktører er en risikofaktor. Prosedyrer og regler er ofte vanskelig å forstå og/eller uhensiktsmessige. Dette leder til avvik som i seg selv er en risikofaktor. Det er en betydelig underrapportering av hendelser som svekker læring og forbedringsarbeidet. Merking av farlig gods er til dels feilaktig og manglende. Det er utviklet en egen risikomodell for analyse av transport av farlig gods på en strekning mellom to punkter. Metoden baserer seg på en segmentering, hvor egne hendelsestrær utvikles for hvert type segment. Parameterene i hendelsestrærne kan justeres i forhold til type farlig gods, forhold som beskriver kjøreruten, og mer generelle risikofaktorer. Modellen er programmert i et verktøy. Analyseverktøyet er benyttet for å sammenligne risikoen for tre alternative kjøreruter hvor den ene innbefatter bruk av ferje. Analysen viser at å velge ferjestrekningen gir klart lavest risiko. Det er også foretatt en grundig diskusjon av hva risikoanalysen gir som grunnlag til beslutningsstøtte i en slik sammenheng. Dette er viktig fordi risikoanalysen hele tiden kritiseres som grunnlag for beslutningstøtte. Risikomodellen kan anvendes på flere nivå. På et lavt nivå kan den enkelte transportør bruke verktøyet for å minimere risikoen for sin virksomhet, og på et høyt nivå kan myndigheter benytte verktøyet som grunnlag for regelverksutforming. Som en del av prosjektet har det vært diskusjoner med Sjøfartsdirektoratet som et myndighetsorgan med ansvar for regelverksutforming på innenriks ferjer og transportnæringen. Formålet med en slik diskusjon har vært å se hvordan ønske om å minimere totalrisiko ved transport av farlig gods i Norge også kan legges til grunn ved regelverksutforming. I rapporten er det gjort en utredning mht regelverksutforming. Spesielt er fordeler og ulemper ved bruk av hhv preskriptive og funksjonelle krav diskutert. ISBN Dato, sist oppdatert: Gradering: ÅPEN Antall sider og vedlegg: Redaktør dette dokument: NØKKELORD NORSK Farlig gods, ferje, risiko, verktøy 2008-04-24 50 Jørn Vatn e-post:: jørn.vatn@sintef.no NØKKELORD ENGELSK Dangerous goods, ferry, risk, tool

2 FORORD Under forskningsprogrammet risiko og sikkerhet i transportsektoren (RISIT) har det vært gjennomført et forskningsprosjekt med fokus på transport av farlig gods. Dette prosjektet har vært et samarbeidsprosjekt mellom forskningsmiljøene i Stavanger og Trondheim. Formelt sett har det vært to separate prosjekter, og denne rapporten oppsummerer de viktigste funn fra arbeidet utført i Trondheim. De ulike faggruppene som har samarbeidet er: Universitet i Stavanger IRIS (International Research Institute of Stavanger) Studio Apertura, NTNU (Trondheim) SINTEF Marintek (Trondheim) SINTEF Trafikksikkerhet og informasjonssystemer (Trondheim) SINTEF Sikkerhet og pålitelighet (Trondheim) Prosjektet startet våren 2005, og ble avsluttet høsten 2007. Prosjektet er finansiert av: Forskningsrådet Vegdirektoratet Jernbaneverket Direktoratet for samfunnssikkerhet og beredskap Norsk Industrigass Forening Norsk Petroleumsinstitutt Norges Lastebileier-Forbund Rederienes Landsforening Vi vil rette en stor takk til de som har vært med og finansiert prosjektet. Forskningsrådet takkes spesielt for forskerseminarene som har vært arrangert i RISIT programmet hvor vi har hatt faglige diskusjoner mellom de ulike forskningsprogrammene. De andre som har bidratt til å finansiere prosjektet samt Cargo Net takkes også for deres faglige bidrag gjennom deltagelse i referansegruppen for prosjektet. En spesiell takk rettes også til Terje Norddal som har vært Sjøfartsdirektorates observatør, og som har bidratt aktivt for å få til en dialog med Sjøfartsidrektoratet. I denne oppsummeringsrapporten kommer vi med en del betraktninger og oppfatning angående utvikling av regelverk, bruk av risikoanalyser med mer. Forfatteren av denne rapporten står bak disse, og vi er ydmyk for at andre forskere og/eller andre interessenter i problemstillingene som reises, kan ha et annet syn.

3 INNHOLDSFORTEGNELSE FORORD...2 INNHOLDSFORTEGNELSE...3 1. BAKGRUNN OG MÅLSETNING MED PROSJEKTET...5 1.1 FORKORTELSER...5 2. FORSKNINGSSPØRSMÅL OG FORSKNINGSDESIGN...6 3. KARTLEGGING...7 3.1 SIKKERHETSKULTUR - SPØRRESKJEMA...7 3.2 KARTLEGGING OG ANALYSE AV HENDELSER...7 3.3 TRANSPORT AV FARLIG GODS I NORGE...10 3.4 ANDRE FUNN REGELVERK TRANSPORT AV FARLIG GODS PÅ FERJER...12 3.5 BRUK AV DISPENSASJONER...13 4. RISIKOANALYSE...15 4.1 BAKGRUNN...15 4.2 HVA SIER RISIKOANALYSEN EGENTLIG?...15 4.3 FORBEDRING AV RISIKOANALYSEN I LYS AV FUNN...19 4.4 EKSEMPEL PÅ RESULTATER FRA RISIKOANALYSEN...20 5. RISIKOMODELL OG VERKTØY...22 5.1 RISIKOMODELL...22 5.2 VERKTØY...22 6. RISIT FARLIG GODS PROSJEKTETS DELTAKELSE I ARBEIDET MED Å ETABLERE EN NY FORSKRIFT FOR TRANSPORT AV FARLIG GODS PÅ FERJER...25 6.1 INNLEDNING...25 6.2 PRINSIPIELL TENKNING RUNDT SIKKERHET, RISIKOAKSEPTKRITERIER MED MER...26 6.3 IMDG / ADR AVKLARINGER...26 6.4 BEGRENSNINGER GITT I STUINGSPLAN...27 6.5 PRESKRIPTIVE KRAV KONTRA FUNKSJONELLE KRAV...27 7. PROSJEKTLEVERANSER...28 8. KONKLUSJON OG VIDERE ARBEID...29 REFERANSER...30 VEDLEGG A PRINSIPPER FOR REGELVERKSUTFORMING...32 A1 - HVORDAN SKAL EN FORSKRIFT UTFORMES...32 A2 - PRESKRIPTIVE KRAV...32 A3 - FUNKSJONELLE KRAV...33 A4 - HVA SKAL MAN VELGE, PRESKRIPTIVE ELLER FUNKSJONELLE KRAV, ELLER BEGGE DELER?...34 A5 - HVA SKAL FORSKRIFTEN BASERES PÅ, IMDG ELLER ADR?...34 A6 - BEHOVET FOR RISIKOANALYSER...35 VEDLEGG B - RISIKOBASERT SIKKERHETSSTYRING...36 B1 - INNLEDNING...36 B2 - DEFINISJON AV RISIKO...36 B3 - BEGREPENE RISIKO OG SIKKERHET...37 B4 - SIKKERHETSKRITISKE FUNKSJONER...37 B5 - RISIKOANALYSEN...40 B6 - BESLUTNINGER OM RISIKO...43 B7 - RISIKOSTYRING (RISK MANAGEMENT)...46

4 VEDLEGG C POPULÆRVITENSKAPELIG FREMSTILLING...48

5 1.BAKGRUNN OG MÅLSETNING MED PROSJEKTET Transport av farlig gods på veg, sjø og bane representerer en relativt liten risiko sammenlignet med annen transport. Dersom det skulle skje en ulykke hvor farlig gods er involvert, er imidlertid faren for en svært stor ulykke til stede. I Norge er det ulike forskrifter som regulerer transport av farlig gods. I transportnæringen er det en utbredt oppfatning av at regelverket ikke er optimalt utformet. Spesielt er næringen opptatt av at forskriften for transport av farlig gods på ferjer legger begrensninger som fører til at en god del av transporten av farlig gods tvinges over til lengre omkjøringsruter på landeveien. Det er en oppfatning av at dette representerer en større risiko enn det ville vært om farlig gods transporten uhindret kunne benytte ferjene. Derfor var det et ønske om å undersøke hvordan regelverket virker med hensyn på å redusere det totale risikonivået ved transport av farlig gods. Hovedmålet i prosjektet har vært å utvikle egnede risikostyringsverktøy til bruk på de forskjellige nivåene innenfor farlig gods (FG) transportsystemet. Forskningsprosjektet er gjennomført i tre delprosjekter: (1) Kartlegging, (2) Utvikling av risikomodeller (3) Myndighetsorganisering, regelverk og aktørenes roller i et risikostyringsperspektiv. Det legges ikke skjul på at vi i dette prosjektet har erfart et anstrengt forhold mellom Sjøfartsdirektoratet og resten av næringen. Internt i forskergruppen har vi diskutert hvorvidt det er riktig å utvikle risikoanalyseverktøy og gjennomføre risikoanalyser til bruk i argumentasjon ved regelverksutvikling i en situasjon hvor det er et anstrengt forhold mellom aktørene. Vi har likevel funnet det forsvarlig å utvikle risikoanalytiske verktøy, og å bruke dette for å få fram argumenter som kan benyttes f eks i regelverksutforming. Dette blir også diskutert senere i denne rapporten. 1.1 Forkortelser ADR Den europeiske avtale om internasjonal vegtransport av farlig gods (The European Agreement concerning the International Carriage of Dangerous Goods by Road) DSB Direktoratet for samfunnssikkerhet og beredskap FG Farlig gods IMDG Internasjonalt maritimt regelverk for farlig gods: (International Maritime Dangerous Goods Code IRIS International Research Institute of Stavanger, forskningsinstitutt i Stavanger NEMO Nasjonal transportmodell NTNU Norges Teknisk-Naturvitenskapelig Universitet PLL Potential Loss of Life, forventet antall drepte knyttet til en aktivitet for en gitt tidsperiode, vanligvis ett år. RID Det internasjonale reglement for transport av farlig gods med jernbane (Regulations concerning the International Carriage of Dangerous Goods by Rail) RIF Risikopåvirkende faktor (Risk Influencing Factor) RISIT Risiko og sikkerhet i transportsektoren, forskingsprogram finansiert av Norges Forskningsråd. SKF Sikkerhetskritisk funksjon SINTEF Forskningsinsstiftelse ved NTNU i Trondheim VPF Value of Prevented Fatality. Hvilken økonomisk verdi vi setter på det å forhindre ett dødsfall

6 2.FORSKNINGSSPØRSMÅL OG FORSKNINGSDESIGN Prosjektet har i hovedsak vært et uviklingsprosjekt hvor målet er å utvikle hensiktsmessige metoder og verktøy for å analysere risiko i forbindelse med transport av farlig gods. Prinsippene for risikoanalyse er vel etablert, slik at prosjektet ikke har bidratt til å utvikle risikoanalysen generelt. Fokus har vært på spesifikke forhold knyttet til transport av farlig gods. En viktig del av arbeidet har vært å kartlegge viktige forhold som har betydning for risiko ifbm transport av farlig gods. I tillegg til kartlegging av f eks mengder av farlig gods som transporteres, har også sikkerhetskultur, omfang av ulykker og hendelser, og forhold rundt operasjon blitt kartlagt. Kartleggingen er i hovedsak eksplorativ. Noen konkrete forskningsspørsmål er likevel identifisert: 1. Hva er viktige faktorer som påvirker risikoen, og som bør inkluderes i risikomodellen(e)? 2. Hvilke beslutningssituasjoner skal risikoanalysen benyttes i? 3. Er det sik at det restriktive regelverket for transport av farlig gods om bord på ferjer faktisk bidrar til økt risiko? 4. Hvordan kan et verktøy for risikoanalyse utformes slik at det vil være til hjelp i risikostyringen på ulike nivå i samfunnet? 5. Hvor troverdig er risikoanalysen egentlig som et element i risikostyringen? 6. Når er det hensiktsmessig å utforme regelverket basert på preskriptive krav, og når er det mer hensiktsmessig å basere seg på funksjonelle krav? Som grunnlag for en eventuell lemping av regelverket for transport av farlig gods på ferjer har det også vært viktig å foreta eksplisitte risikovurderinger. Kapittel 4.4 viser resultater fra en slik risikovurdering.

7 3.KARTLEGGING I dette kapitlet gis noen hovedfunn fra de ulike kartleggingsstudiene som er foretatt. For en mer fullstendig presentasjon henvises til de ulike arbeidsrapportene som er produsert i prosjektet. 3.1 Sikkerhetskultur - spørreskjema Det er utført en spørreundersøkelse for å kartlegge sikkerhetskultur og andre aspekter knyttet til personer og organisasjoner som er involvert i transport av farlig gods. Noen viktige funn er: Dårlig samhandling mellom aktører som er involvert farlig gods transport er vurdert som en viktig faktor som kan lede til ulykker. Dette funnet fra spørreundersøkelsen bekreftes også fra annet hold. F eks uttrykkes usikkerhet til hvordan brannvesen vil håndtere en farlig gods ulykke dersom brannvesenet må stole på informasjon kun fra f eks sjåføren av en farlig gods transport om egenskaper til det farlige godset. Prosedyrer og regler som gjelder for håndtering av farlig gods vurderes av mange som vanskelig å forstå, og delvis uhensiktsmessige. Dette er en forklaring på at prosedyrer av og til ikke blir fulgt. Generelt vet vi fra sikkerhetsforskningen at et prosedyreverk som svulmer opp og blir uhåndterlig er en viktig risikofaktor fordi man da er i en konstant avvikssituasjon, og ingen har oversikt over hvilke prosedyrebrudd som faktisk representerer en stor risiko. Det er en betydelig underrapportering av hendelser. Om lag halvparten av informantene unnlater av og til å rapportere farlige situasjoner eller uønskede hendelser. Manglende eller feilaktig merking av farlig gods. Om lag halvparten av informantene relatert til ferjetransport angir at manglende eller feilaktig merking kan være en viktig årsak til ulykker. Dette funnet fra spørreundersøkelsen bekreftes også fra annet hold. Bransjen vurderer at en del manglende merking er beviste handlinger for å kunne bli med ferjene uten restriksjoner. Dette er en svært uheldig situasjon fordi fergemannskapet i en krisesituasjon ikke er klar over at farlig gods kan være involvert. Det restriktive regelverket på ferjer som diskuteres i avsnitt 3.4, kan være en årsak til dette. Det vil ikke nødvendigvis være riktig å lempe på regelverket for å redusere problemet, men en tilpasning av regelverket kan kanskje sammen med mer tilsynsvirksomhet redusere problemet. Stort arbeidspress angis som en viktig årsak til at ulykker kan inntreffe på vei, bane og ved terminaler. Dårlig tilstand på infrastruktur angis som en viktig årsak til at ulykker kan inntreffe på vei, bane og ved terminaler. 3.2Kartlegging og analyse av hendelser Innmelding av ulykker og hendelser ved transport av farlig gods skal rapporteres til DSB (Direktoratet for Samfunnssikkerhet og Beredskap). Rapporteringen er basert på en rekke ulike typer av dataopptak og aktører. Dette medfører i seg selv usikkerheter med hensyn til gjennomgående representativitet, analyse og utsagnskraft for nøkkeltall og konklusjoner. I tillegg er det åpenbart en betydelig underrapportering, til tross for at de involverte parter er pliktig til å rapportere om hendelser. Det er grunn til å tro underrapportering primært gjelder mindre uhell og ulykker uten personskade. Et annet

8 forhold som også klart påvirker rapportering og klassifisering er at det ikke finnes noen enhetlig definisjon av hendelsestyper. I Tabell 1 er gjengitt hendelsesdata fra DSBs statistikk for perioden 1995-2005, som inneholder totalt 640 rapporterte hendelser ved transport av farlig gods; tilsvarende ca 58 hendelser pr år i gjennomsnitt. I år 2000 skjedde en innskjerping av rapporteringskravene for Farlig Gods (FG)-ulykker, noe som kan forklare det økede antall hendelser i 2000-2002, hvoretter antallet rapporter er kommet ned på et noe lavere nivå. Flest ulykker ble det registrert i 2001 med 98 uhell, men året etter var tallet nede på 61. I 2005 ble det registrert 52 uhell, samme antall som i 1997 Grunnet få hendelser med FG bør det utvises forsiktighet ved tolkningen av tallmaterialet. Tabell 1 Oversikt over ulykker og uhell med farlig gods i perioden 1995-2005 År 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 Totalt Ulykker med transport i alt 44 43 52 42 59 72 98 61 58 59 52 640 - veg 40 40 48 42 54 60 85 53 56 54 45 577 - jernbane 3 2 2 4 10 7 6 1 4 4 43 - ferge 1 1 1 1 1 1 6 - annet/skip 1 1 2 6 1 1 2 14 Ledd i transportkjeden - ulykker under kjøring 36 38 37 37 48 41 64 33 35 36 25 430 - ulykker ved håndtering 8 5 15 5 11 31 34 28 23 23 27 210 Skadde og drepte - antall drepte 1 1 2 1 1 1 2 1 2 2 14 - antall skadde 1 4 7 8 8 9 11 12 3 9 7 79 Datagrunnlaget i Tabell 1 kan oppsummeres i følgende punkter: Om lag 90 % av de rapporterte uhellene har skjedd på veg. Det er rapportert om 14 dødsfall og 79 personskader fordelt på 80 ulykker, det vil si for 14,5 % av de registrerte FG-uhellene. 2/3 av hendelsene har skjedd under transport og 1/3 ved håndtering/lasting/lossing på bedrifter, terminaler, bensinstasjoner, fyllerack eller privat. 12 av de 13 rapporterte ulykkene med registrerte dødsfall skjedde på veg under kjøring, hvilket viser at alvorlighetsgraden klart større for uhell ved transport, sammenlignet med håndtering/lasting/lossing. Når det gjelder lastbærer/lastenhet fordeler ulykkene seg med ca 71 % på tank og 29 % på stykkgods. Det er ikke klart hvorvidt ulykker og hendelser er utløst av det farlige godset selv, eller om det skyldes trafikale forhold. En gruppering etter trafikkforholdene (høy hastighet, kollisjon osv) og forhold ved (det farlige) godset (lekkasje, overfylling, dårlig sikring osv) kan gi en viss indikasjon. Av de 65 personskadeulykkene hvor årsak til ulykken er kjent er det grunn til å tro at forhold ved godset har hatt betydning for 15, det vil si i 23 % av tilfellene.

9 Når det gjelder ulykkesformer er spill/lekkasje den vanligste og representerer 37 % av ulykkene. Deretter kommer utforkjøring/avsporing med 24 % og kollisjoner med om lag 10 %. Andre kjente ulykkesformer er brann og velt som til sammen står for nær 8 % av ulykkene. Når det gjelder fordelingen av rapporterte hendelser på fareklasse er klasse 3 Brannfarlige væsker dominerende med 46 % av samlet antall ulykker, Etsende stoffer er involvert i 18 % og klasse 2 Gasser i 14 % av hendelsene. Av 640 ulykker for alle transportformene, skjedde 577 i tilknytning til vegtransport (sum av transport og håndtering). Ser en nærmere på disse ulykkene vises det at lekkasje har oppstått i 130 av disse ulykkene, og at sannsynligheten for lekkasje er om lag dobbelt så stor ved velt, sammenlignet med kollisjon eller utforkjøring. Av de i alt 640 rapporterte ulykkene med farlig gods i perioden 1995-2005, har 210 av dem skjedd under håndtering. Konsekvensene ved håndteringsuhellene er generelt mindre enn under kjøring. Lekkasje eller overfylling er de mest vanlige årsakene ved håndteringsuhell. Tabell 2 gir en sammenstilling av rapporterte hendelser ved transport av farlig gods med jernbane. Materialet gjelder SYNERGI- rapporter for CargoNet for årene 2004-2006. I prinsipp er alle hendelser knyttet til containertransport. Tabell 2 Oversikt over hendelser med farlig gods på jernbane / CargoNet, 1995-2005 Hendelse 2004 2005 2006 SUM Ingen eller mangelfull eller feil merking av container 24 5 8 37 Manglende og / eller feil innmelding av gods på toget 44 24 22 90 Andre hendelser med farlig gods 9 9 4 22 Andre hendelser for øvrig 12 4 4 20 SUM 88 42 38 168 Som tabellen viser er manglende og / eller feil innmelding den absolutt mest hyppige hendelsen. Dette innebærer at togfører ikke har kunnskap om hvorvidt det er farlig gods med toget. Dette gjelder totalt ca 54 % av alle rapporterte hendelser. I tillegg kommer 37 tilfeller, ca 22 % av hendelsene i form av manglende eller feil merking av containere med farlig gods. Når det gjelder andre hendelser hvor farlig gods er involvert er disse spredt på en rekke ulike hendelsestyper. Eksempler på slike hendelser som er meldt inn er: Lekkasje fra tank med brennbar væske, samt feil dokumentasjon. Container ankom med farlig gods som ikke kan samlastes Andre observasjoner sikkerhetsfokus i bedriftene Gjennom de bedriftsintervju som er foretatt fremkommer også informasjon som gjenspeiler den sikkerhetskulturen som ligger til grunn ved planlegging og gjennomføring av farlig gods transportene. Utvelgelse av transportører strenge krav til seriøsitet, kvalitet og renommé Krav til sjåførene ved ansettelse - minimum erfaring og lav skadehyppighet Kursing og årlige oppdateringskurs for sjåførene

10 Krav til kjøretøyenes standard - alder, sikringsutstyr, ekstra isolering mot varmeutvikling / brann Oppgjør etter reelt medgått tid og km - ingen akkordavtaler som skal stresse sjåføren Detaljerte rutebeskrivelser som sikrer at man følger sikreste rute Sporing med GPS - for oppfølging av transporten, lokalisering av ulykkessteder, security Klare nedfelte rutiner som skal benyttes når hendelse inntreffer og videre oppfølging Statistikk og analyse av ulykker, herunder kartlegging av Hot-spots. 3.3Transport av farlig gods i Norge 3.3.1Innledning Totalt transporteres det ca 8 millioner tonn med farlig gods med bil og bane i innenlands transport i Norge på årsbasis. I 2004 ble det fremlagt en rapport utarbeidet for DSB av TØI (DSB, 2004). Denne gir en oversikt over omfanget av farlig gods som transporteres, fordelt på de ulike fareklassene, med unntak av produkter i 3 brannfarlige vesker og gruppe 7, radioaktivt materiale. Oversikten er basert på et utvalg på 271 000 tonn registrert i perioden september-november 2002, som er blåst opp til årsvolum. Totalt viser oversikten en samlet farlig godsmengde på ca 1 100 000 tonn. Resultatene vil være beheftet med en viss usikkerhet, men gir et godt bilde av en fordeling mellom godsvolumer i de ulike fareklassene som er med i undersøkelsen. I dette prosjektet er det i hovedsak fokusert på transport av klasse 3 brannfarlige væsker, samt at det er gjort en oppdatert kartlegging av transport av klasse 2, Gasser. Når det gjelder tilgang til data vedrørende de aktuelle transportene finnes en rekke kilder, resultater av beregningsmodeller (transportmodeller), offentlig statistikk, bransjestatistikk og data fra enkeltbedrifter. Data er delvis oppgitt i m 3 og delvis i tonn, noe som krever oppmerksomhet ved sammenstillinger og beregninger. 3.3.2Omsetning av petroleumsprodukter Tabell 3 gir en oversikt over omsetning av alle petroleumsprodukter for årene 2002-2007 (Norsk Petroleumsinstitutt, 2008 ).

11 Tabell 3 Leveranser av petroleumsprodukter 2002-2007 i mill liter og 1.000 tonn (Kilde Norsk Petroleumsinstitutt) Produkter 2007 2006 2005 2004 2003 2002 Bilbensin 1950 2057 2139 2216 2229 2254 Flybensin 2 2 3 6 5 6 Jetdrivstoff 894 893 813 772 671 768 Autodiesel 2155 1953 1782 1647 1521 1446 Anleggsdiesel 799 698 654 626 601 597 Marine gassolje 1828 1818 1827 1764 1814 1879 Tungdestillat marine 86 101 158 106 113 174 Marine tungolje 378 378 362 363 351 282 Drivstoff i alt 8092 7900 7738 7500 7305 7406 Propan og butan (LPG) 357 350 295 291 304 258 Naturgass (LNG) 23 34 25 31 29 23 Fyringsparafin 103 130 130 157 185 161 Lett fyringsolje 488 571 525 699 912 696 Tungdestillat 42 42 28 58 76 81 Tung fyringsolje 190 265 272 213 221 195 Fyringsprodukter i alt 1203 1392 1275 1449 1727 1414 Sum energiprodukter 9295 9292 9013 8949 9032 8820 Bitumen/veiolje 370 328 306 313 266 257 Smøremidler 81 79 75 78 79 87 SUM i mill. liter 9746 9699 9394 9340 9377 9165 Sum i 1000 tonn 7923 7959 7683 7616 7627 7486 Som det fremgår av tabellen er det totale volum av petroleumsprodukter i 2007 9,7 mill liter eller ca 7,9 av totalt ca 9 mill tonn, noe som tilsvarer ca 88 % av alt farlig gods i innenlands transport. 3.3.3Transport av petroleumsprodukter I prosjektet er fokus primært rettet mot transport av produkter som anvendes i transportsektoren dvs. bilbensin, autodiesel og Jet-drivstoff. Dette er gjort fordi disse transportene er relativt enkle med tanke på å få oversikt over volumer og transportstrømmer som i hovedsak følger mer eller mindre faste rutemønster. Distribusjonsmønster Distribusjon av drivstoff til transportsektoren skjer med utgangspunkt i et antall depoter som alle ligger langs kysten. Inntransport til depotene skjer i prinsipp utelukkende med skip. De enkelte oljeselskapene distribuerer gjerne ut fra 15-20 depoter som dekker kyststrekningen fra Oslo til Kirkenes. Depotene kan være selveide, eller deles med andre selskap slik at flere selskaper kan trekke fra samme depot. Transport av flydrivstoff fra Sjursøya til Gardermoen er siden flyplassen åpnet utført med tog. Totalt volum i 2007 var på ca 435 000 m3 eller 348 000 tonn. All annen transport av drivstoff skjer i dag med bil, også til de øvrige flyplassene. Distribusjonsrutenes lengde vil variere. Det settes normalt en grense for turlengden slik at bilen kan rekke å kjøre tur/retur på ett skift. Lengste rute som er oppgitt er på ca 700 km t/r. I 2006 betjente distribusjonsrutene i underkant av 1 700 bensinstasjoner, samt ytterligere ca 270 andre utsalgssteder. Ressursinnsats Basert på en oppblåsing av innehentede data krever de aktuelle distribusjonsoppleggene ca 300 biler som kjører ca 25 mill vognkilometer i løpet av året.

12 Fordeling av transportvolumene på vegnettet Basert på nasjonal transportmodell (NEMO) er det som en demonstrasjon foretatt en utlegging av de aktuelle transportvolumene på en liten del av vegnettet internt i Oslo samt på delstrekninger av E6 nordover fra Oslo og banestrekningen Oslo - Gardermoen. Volumene er også vist for Rv3 nord til Tynset. Resultatene er vist i Figur 1. Drivstoffomsetning og transporter (i 1000 tonn for 2003) 350 300 250 200 150 100 50 0 Veg - innen Oslo Bane Oslo-Gardermoen E6 Oslo-Gardermoen E6 Gardermoen-Hamar E6 Hamar-Lillehammer E6 Lillehammer-Dombås Rv3 Elverum-Tynset Figur 1 Strekningsbelastninger Oslo E6 Nord og Rv3 3.3.4Transport av gasser, fareklasse 2 Gasser kan i denne sammenhengen delt i to hovedgrupper; komprimert og flytende gass. Flytende gass er dominerende i omfang. Basert på oppblåsing av innhentede tall er det totale transportvolumet ca 300 000 tonn på årsbasis, mens komprimert gass utgjør i størrelsesorden 10 000 tonn. Distribusjonsmønster Distribusjonsmønsteret for gasser er bygget på distribusjon med bil, i hovedsak ut fra sentrale lager/produksjonssteder i det sentrale Østlandsområdet/Oslo til et antall depoter. Meget begrensede mengder går i med bane i container eller på vekselflak på hovedstrekningene ut fra Oslo. Det er betydelig flere depoter/leveringssteder for gassdistribusjon, opp til i størrelsesorden 100 depoter for det enkelte gassprodusent/leverandør. Gjennomsnittlig transportlengde ved distribusjon ut til depotene er vesentlig lenger enn tilsvarende for drivstoff. Videre distribusjon ut fra disse depotene skjer enten ved utkjøring fra leverandøren eller ved at sluttbrukeren henter ved depotet. Ressursinnsats i distribusjon av gass Med utgangspunkt i data fra de største leverandørene er estimert en samlet utkjørt distanse i gassdistribusjon på ca 8 millioner vognkilometer på vei, og i tillegg kommer lokal distribusjon ut fra de enkelte depoter. Transportene utføres med totalt 80-90 biler. 3.4 Andre funn regelverk transport av farlig gods på ferjer I dette prosjektet har transport av farlig gods på ferjer fått ekstra mye fokus fordi transportnæringen mener at regelverket her er for strengt. Eksisterende forskrift (FOR 406, 1987) har derfor blitt gjennomgått nøye. Innholdet i forskriften kan deles i to:

13 1. Begrensninger forskriften setter mht hva som tillates fraktet av farlig gods på ferjer 2. Andre forhold som påvirker sikkerheten Det er særlig punkt 1) ovenfor som er kostnadsdrivende, og som i visse situasjoner kan øke risikoen. Kravene under punkt 2) er i liten grad kostnadsdrivene, men er viktig for å ivareta en sikker drift. Nedenfor diskuteres hvorvidt noen av kravene kunne formuleres som funksjonskrav heller enn deskriptive krav slik de nå er formulert. 3.4.1Preskriptive kontra funksjonelle krav Forskriften er i hovedsak preskriptiv ved at den foreskriver typer farlig gods som tillates fraktet, evt sammen med under hvilke betingelser transporten kan foretas. Et preskriptivt regelverk står i motsetning til et funksjonsbasert regelverk hvor det stilles krav til hvilke funksjoner som skal være i varetatt, og hvilke ytelseskrav disse funksjonene skal ha. Et preskriptivt regelverk er lett å håndtere, men vil ofte være unødig strengt fordi man ikke kan ta høyde for alle faktorer som har betydning, og derfor må ta høyde for variabiliteten i disse faktorene når krav skal fastsettes. Et funksjonsbasert regelverk vil være mer målrettet mot de viktigste sikkerhetsfunksjonene. Erfaring viser at det er vanskelig å etablere et funksjonsbasert regelverk som virker etter sin hensikt. 3.4.2Arbeidstillatelsessystem Forskriften stiller preskriptive krav til at ulike typer vedlikehold og reparasjonsarbeider ikke skal utføres under overfart. Her er vurderingen vår at et funksjonskarv til for eksempel et arbeidstillatelsessystem ville gitt bedre sikkerhet. Innholdet i et arbeidstillatelsessystem vil ikke naturlig høre inn under forskriften, men bransjen kan etablere rimelige krav her. Viktige krav er at ferjemannskapet har oversikt over arbeid som utføres, og kan vurdere dette opp mot hvilke transporter som er med skipet. Det ville være naturlig å være mer restriktiv med arbeid dersom farlig gods transporteres enn ellers. Det er også mulig å stille krav om at når farlig gods transporter er med ferjen, skal kontroller utføres. 3.4.3Bobiler og campingvogner Forskriften stiller også preskriptive krav til at bobiler, campingvogner med mer skal ha stengt hovedkran til evt gassbeholdere under overfart. Her vil også en funksjonstenkning være mer relevant, hvor det også kunne stilles krav til kontroller. F eks dersom farlig gods transporteres skal det foretas kontroller av at hovedkranene er stengt. Det er rapportert om mange hendelser hvor bruk av propanapparater til matlaging under overfart har forekommet. 3.5 Bruk av dispensasjoner I forskriften gis det i dag rom til å gi dispensasjoner fra noen krav som i dag begrenser muligheten til å transportere farlig gods. Bransjen oppfater at regimet for å gi dispensasjoner praktiseres ulikt, og at dokumentasjonskravet er uklart. Vår generelle vurdering er at Generelt vurderes det som uheldig dersom regelverket er så strengt at det blir en utbredt bruk av dispensasjoner. Dersom dette er tilfellet, er det anbefalt å omforme

14 kravene til funksjonskrav, hvor disse funksjonskravene formuleres i samsvar til det som i dag er dokumentasjonskravet bak dispensasjonene

15 4.RISIKOANALYSE 4.1 Bakgrunn En viktig årsak til at prosjektet ble etablert var at transportnæringen i Norge mente at regelverket (FOR 406, 1987) for transport av farlig gods på ferjer er for strengt på visse områder. Det er ingen tvil om at regelverket slik det nå er utformet påfører transportnæringen store kostnader. Det er to hovedelementer i et slikt kostnadsbilde. For det første legger forskriften begrensninger for hvilke typer farlig gods som tillates transportert om bord på innenriks ferjer. Dette betyr at noen transporter av farlig gods blir tvunget til å velge omkjøringsruter for å unngå ferjestrekningene, noe som fordyrer transporten. For det andre innfører forskriften begrensninger på antall passasjerer som tillates om bord på ferja når det er en farlig gods transport med. Dette betyr at andre reisende og transporter ofte må vente til en senere avgang. Dette medfører også en ekstra kostnad for transportnæringen. Det er naturlig at transportnæringen er opptatt av disse økte kostnadene som i det lange løp bidrar til økt kostnadsnivå i Norge. Transportnæringen er også opptatt av at det restriktive regelverket trolig gir en økt totalrisiko knyttet til transport av farlig gods. Her er det to hovedelement som er ført fram. Den viktigste argumentasjonen er at det restriktive regelverket fører til at mange farlig gods transporter tvinges over til andre kjøreruter hvor man kan unngå ferjetransport. Svært ofte er disse alternative rutene betraktelig lengre slik at det totale transportarbeidet blir mye større. Et slikt økt transportarbeid representerer en økt risiko. I forhold til ordinære trafikkulykker er det åpenbart en økt risiko ved at det blir flere kjørte kilometer. Med ordnær trafikkulykke mener vi her en ulykke hvor selve farlig gods lasten ikke blir berørt. F eks dersom en lastebil med farlig gods er involvert i en fotgjengerulykke vil som regel den farlig gods lasten ikke bli berørt. I tillegg til disse ordinære ulykkene er det også en risiko for at farlig gods transporten er involvert i en ulykke hvor det farlige godset blir eksponert, f eks i form av en brann eller eksplosjon. En slik ulykke har et potensial for en storulykke med svært mange drepte. I en tidligere studie utført av Rambøll (Norddal m fl 2004) er det vurdert at denne ekstra risikoen ved at mange farlig gods transporter tvinges over til andre omkjøringsruter er større enn risikoen ville vært dersom disse transportene ble med på ferjene. Dette er bekreftet i analyser i dette prosjektet, se avsnitt 4.4. Et annet forhold som næringen også er bekymret for, er manglende eller feilaktig merking av farlig gods transporter om bord i ferjene. Det er en generell oppfatning at noen farlig gods transporter snur skiltene for merking av farlig gods før de kommer til ferjeleiet for derved å kunne bli med ferja uten å bli avvist, eller å måtte vente til senere avganger. En slik praksis representerer en stor risiko dersom en farlig situasjon skulle oppstå om bord i ferja fordi det farlige godset da ikke blir vurdert i arbeidet med å få kontroll over situasjonen. 4.2 Hva sier risikoanalysen egentlig? Ut fra argumentasjonen ovenfor er næringen åpenbart interessert i at det gjennomføres risikoanalyser slik at man kan bevise at regelverket er for restriktivt. Et interessant spørsmål blir da om det lar seg gjøre å føre en slik bevisføring. Mange er av den oppfatning av at risikoanalysen ikke kan bevise noe som helst. I et klassisk perspektiv på risiko eksisterer risiko uavhengig av vi som observerer og analyserer våre analyseobjekt. Risikoen er da en egenskap ved aktiviteten eller systemet som analyseres. Det vil være usikkerhet i hva den sanne risikoen er fordi vi mangler presise estimat for parametrene

16 som inngår i våre modeller. Modellene vil også kun være tilnærminger til virkeligheten. En slik klassisk oppfatning av risiko er blitt kritisert, og særlig har professor Terje Aven ved Universitetet i Stavanger vært en talsmann for et såkalt epistemisk prediktivt perspektiv på risiko. Innholdet i et slikt perspektiv er at når vi skal uttrykke risiko må vi først fokusere på observerbare størrelser slik som antall ulykker, antall drepte i ulykker osv. Deretter må vi fastsette usikkerheten i disse størrelsene. Å fastsette disse usikkerhetene betyr at vi må foreta analyser, tolke data osv. Usikkerhetene er her ikke sanne objektive størrelser, men reflekterer analysegruppens mangel på sikkerhet om hvilken verdi de observerbare størrelser vil ta i fremtiden. Se f eks Aven (2003) for en grundig diskusjon. I diskusjonen som følger tar vi et slikt epistemisk prediktivt perspektiv. I resten av avsnitt 4.2 gis en relativt omfattende diskusjon for de av leserne som er spesielt interessert i grunnlaget for den risikoanalytiske tenkningen. 4.2.1Strukturering Farlig gods transport representerer en relativt liten del av risikoen i det norske transportsystemet dersom vi betrakter forventningsverdier. Farlig gods transport har imidlertid et betydelig storulykkespotensial, og vi vil derfor i det følgende kun fokusere på storulykkesrisiko. Å bevise at regelverket for transport av farlig gods på ferjer er for restriktivt betyr da å analysere om det restriktive regelverket gir et høyere forventet antall storulykker enn et mindre restriktivt regelverk ville gitt. Den observerbare størrelsen vi da fokuserer på er X = antall storulykker. For å strukturere analysen må vi gjøre en del presiseringer og forenklinger: 1. Vi vil sammenligne risikoen med dagens regelverk og risikoen med et nytt fremtidig regelverk som er mindre restriktivt. De observerbare størrelsene er da X D = antall storulykker med dagens regelverk, og X A = antall storulykker med et mindre restriktivt regelverk. 2. Omfanget av en storulykke om bord på en ferje og ved en omkjøring vil kunne være forskjellig. Derfor er det ikke nok å studere differansen X = X D X A. For å foreta en sammenligning, må vi derfor studere ulike storulykkesscenarioer for å kunne håndtere ulike konsekvenser. For den prinsipielle diskusjonen nedenfor vil vi imidlertid anta at vi operasjonaliserer storulykke på en slik måte at konsekvensen er de samme. Bevisføringen blir da å kunne avgjøre om X = X D X A er større enn null. At X er større enn null betyr at det blir færre storulykker ved å endre regelverket. Da X er en stokastisk variabel (tilfeldig størrelse) er det umulig å bevise hva X vil bli. Vi kan imidlertid uttrykke usikkerhet i størrelsen X, dvs vi kan angi en sannsynlighetsfordeling for X. 3. Da vi forventer svært få storulykker enten vi endrer regelverket eller ikke, blir forventningsverdien til X liten. Sannsynligheten for at X er større enn 1, eller mindre enn -1, er svært liten dersom vi f eks studerer en 10-års periode. For beslutningen om endring av regelverket virker det derfor rimelig kun å fokusere på verdiene -1, 0 og 1. Her vil X = -1 representere hendelsen at vi i neste 10-års periode vil få en ekstra storulykke ved å gjøre regelverket mindre restriktivt, X = 0 representerer ingen endring i antall storulykker X = 1 representerer en reduksjon på en storulykke ved et mindre restriktivt regelverk. Dersom Pr(X = -1) er mindre enn Pr(X = 1) har vi så langt det lar seg gjøre bevist at endringen er gunstig, dvs at dagens regelverk gir unødig høy risiko. Som et alternativ til å beregne Pr(X = -1) og Pr(X = 1) kan vi finne forventningsverdien, dvs ρ = E(X) Pr(X = 1) - Pr(X = -1). Merk at de sannsynligheter det her er snakk om ikke er sanne objektive størrelser, men uttrykker usikkerhet mht verdien observerbare

17 størrelser vil ta i fremtiden i lys av den kunnskap og innsikt risikoanalytikeren har. 4. I klassisk statistikk slik den praktiseres innenfor f eks medisin ville vi foretatt en hypotesetest hvor vi undersøker om størrelsen ρ er statistisk signifikant større enn null. I vår situasjon gir ikke dette mening, vi har ikke et statistisk materiale som kan si noe om ρ. 5. Analysesituasjonen må presiseres. En regelverksendring vil ha innflytelse på en hel rekke transporter av farlig gods. I prinsippet kunne vi utført risikoanalyser for alle mulige transporter i Norge, og så sammenlignet alle disse med og uten endring i regelverket. Dette vil være urealistisk å gjennomføre. Derfor må vi foreta et representativt utvalg. I det følgende vil vi kun vurdere situasjonen for en enkelt transport. Det betyr at vi kan si noe om hvordan en regelverksendring vil påvirke denne ene transporten. Dersom denne transporten ikke er representativ for endring i kjøremønster som følge av en regelverksendring vil naturlig nok flere transporter måtte vurderes. Vi vil i det etterfølgende ikke diskutere hvor representativ vår analyse vil være da det ikke påvirker den prinsipielle diskusjonen. 4.2.2Innhold i selve risikoanalysen Risikoanalysen gjennomføres ofte ved at uønskede hendelser struktureres i en såkalt bow tie modell 1. Det som skjer før den uønskede hendelsen analyseres til venstre i modellen, og det som skjer etter den uønskede hendelsen analyseres til høyre i modellen. I forhold til effekt av regelverksendring vil en naturlig analysetilnærming være å analysere relevante uønskede situasjoner for de to alternativene: D: Dagens situasjon hvor f eks en farlig gods transport kjører strekningen Moss Horten fra Moss til Oslo sentrum, og deretter videre til Horten. A: Alternativsituasjon, hvor en lemping av regelverket gjør at den farlige gods transporten velger ferje Moss Horten. En uønsket hendelse kan f eks være varmgang i bremser i personbil i tunnel. Denne hendelsen vil være aktuell for alternativ D, mens for alternativ A vil en hendelse være brann i propanapparat i bobil om bord på ferja. En viktig størrelse i den venstre delen av bow-tie modellen er frekvensen av den uønskede hendelsen. Slike hendelser inntreffer av og til slik at vi har et visst statistisk datagrunnlag for å kunne si noe om frekvensene. Empiriske data må imidlertid fortolkes. For at analysen skal gi troverdighet må tre viktige forhold være oppfylt: (i) det må tydeliggjøres hvilket empirisk materiale som er benyttet, og argumenteres for relevansen av dette materialet, (ii) det må tydeliggjøres og argumenteres for de antagelser som gjøres for å benytte materialet i de valgte statistiske metoder, og (iii) det må argumenteres for relevansen av de statistiske metoder som benyttes, og analysene må utføres med tilstrekkelig høy statistikk-faglig kompetanse. Når vi analyserer konsekvensene etter at den uønskede hendelsen har inntruffet, vil analysene være en kombinasjon av hendelsestrær og fysiske modeller. Hendelsestrærne inneholder såkalte barrieresannsynligheter. Disse sannsynlighetene er delvis etablert ut 1 Bow tie kan her oversettes med tversoversløyfe, og tversoversløyfa gir et konseptuelt bilde av et ulykkesforløp. Selve knuten i sløyfa er den uønskede hendelsen, for eksempel lekkasje i en farlig gods tank. Mange årsaker kan lede til en slik uønsket hendelse og dette blir illustrert av venstre del av sløyfa, mens det også kan være mange mulige hendelsesforløp etter at hendelsen har inntruffet. Dette blir så illustrert ved en høyre del av sløyfa. Se f eks Aven m. fl (2008) for en ytterligere beskrivelse av bow tie konseptet.

18 fra analyse av statistisk materiale, delvis ut fra bruk av ekspertuttalelser, og delvis ut fra beregninger i fysiske modeller. For å illustrere usikkerheten i en slik analyse betraktes som et eksempel en brann i en tunnel. I flere studier av tunnelsikkerhet (se f eks Langset m.fl. 2006) er det påpekt at kanskje det største usikkerhetsmomentet er knyttet til tidsutviklingen av brannforløpet, og hvordan personer i tunnelen vil oppføre seg. Når det gjelder tidsforløpet er tiden fram til brannen når sin største effekt kritisk. Personer som oppholder seg i tunnelen etter at brannen har nådd maksimalstørrelsen vil ha små sjanser til å overleve. La T være tiden det tar før brannen når sin maksimale størrelse. Det eksisterer i dag gode simuleringsmodeller som beregner T med relativt stor nøyaktighet dersom vi kjenner initialbetingelser. Slike initialbetingelser vil være mengde og type brennbart materiale i tunnelen, ventilasjon og stigningstall i tunnelen osv. Utfordringen ligger i at vi på forhånd ikke kan fastsette hva initialbetingelsene vil være i en gitt ulykkessituasjon. Vi kan imidlertid uttrykke ulike sett av initialbetingelser. La C i være ett slikt sett (verdier) av initialbetingelser. For gitte C i -er kan vi foreta beregninger av T. Ved å fastsette sannsynlighetsfordeling over C i -ene, Pr(C i ), kan vi da finne sannsynlighetsfordelingen over T ved å benytte loven om total sannsynlighet. Usikkerheten i T er da i hovedsak knyttet til usikkerheten i initialbetingelsene, og ikke i de fysiske modeller. Troverdigheten i analysen er da i hvilken grad man kan argumentere for valg av initialbetingelser. Konsekvensen av en brann er også avhengig av hvor raskt personer i tunnelen oppfater situasjonen. Tid til brannen oppnår dødelig effekt kan typisk variere fra 10 minutter til en halv time. Det er derfor helt avgjørende for utfallet i hvilken grad personer vil oppfatte alvoret i situasjonen og hvor effektivt tunnelen kan evakueres. Antall personer som ikke vil være evakuert i løpet av f eks 10 minutter, Z, er også en stokastisk variabel. Man kan også her foreta antagelser som gjør det mulig å fastsette sannsynlighetsfordelingen til Z. Ved å kombinere sannsynlighetsfordelingene til T og Z er det mulig å beregne forventet antall drepte i en slik brann. I en god risikoanalyse er det argumentert for hvilke antagelser som ligger bak, og resultatet er analysegruppens beste vurdering. Ved å kombinere venstre og høyre side i bow tie modellen kan vi nå etablere det totale risikobildet. Til slutt kan vi beregne størrelsen ρ som var det primære målet med analysen. I fremstillingen ovenfor har vi valgt å la all usikkerhet uttrykkes ved hjelp av sannsynligheter. Vi har da understreket at dette er usikkerhet knyttet til den kunnskap vi som analytiker har mht det fenomenet som analyseres. Det kan jo videre fremføres at det er usikkerhet knyttet til om hvor god vår kunnskap faktisk er. Aven m.fl (2008) argumenterer for at vi ikke kan legge all usikkerhet i sannsynlighetene, og poengterer at disse sannsynlighetene er betinget av bakgrunnskunnskapen. Her ligger også en usikkerhet som bør synliggjøres. Metoder for å synliggjøre effekt av slik usikkerhet er å foreta følsomhetsanalyser samt å kvalitativt liste opp viktige forutsetninger som er lagt som en del av bakgrunnskunnskapen. 4.2.3Tallknusing og GIGO Risikoanalysen er ofte kritisert for å være en enorm øvelse i tallknusing. Videre hevdes at GIGO (Garbage in Garbage Out) prinsippet gjelder fordi det er så store usikkerheter i dataene vi putter inn i modellene. Slik kritikk på et generelt plan er etter vår oppfatning av liten verdi. Vi må se risikoanalysen i lys av hvilken beslutningssituasjon vi står ovenfor og hvilken kvalitet analysen har. I denne presentasjonen har vi belyst problemstillingen med et for restriktivt regelverk som i følge en hel bransje representerer en unødig høy risiko. Beslutningen som har vært diskutert her er hvorvidt man skal forsøke å endre regelverket dersom risikoanalysen viser at dette vil gi en risikoreduksjon. Her har vi kun sett på regelverksendringer slik at andre sikkerhetstiltak slik som bedre

19 kjøreopplæring, beredskapsplanlegging mht tunnelsikkerhet osv ikke tas med i vurderingene. I relasjon til eksemplet vårt er da problemstillingen begrenset til om vi ønsker at farlig gods transporten her skal gå på E6/E18 og gjennom Oslo sentrum, eller om vi ønsker at den skal gå på fergen. For å forenkle den prinsipielle diskusjonen velger vi også å se bort fra andre dimensjoner enn sikkerhet. Dvs vi vurderer ikke miljøaspekter og kostnader, som her trolig vil favorisere ferjetransport. Så dersom sikkerheten ved å velge ferje er høyere enn ved å kjøre om Oslo, er det svært gode grunner til å lempe på regelverket for transport av farlig gods på ferjer. Vi er da tilbake til å se hva risikoanalysen har gitt. For det første har den gitt en økt kvalitativ forståelse av de ulykkesscenarioene vi ser for oss. Disse ulykkesscenarioene kan kommuniseres til relevante interessenter (stakeholders). For det andre har analysen gitt vurderingen av om en regelverksendring bedrer sikkerheten. Dette er uttrykt gjennom størrelsen ρ. Denne størrelsen er fremkommet ved en strukturert analyse av problemstillingen. Det er mange faktorer og forhold som påvirker ρ, og dermed vurderingen om sikkerheten bedres eller ikke. Disse forhold har man da forsøkt å belyse så langt det lar seg gjøre. Tallsvaret vil åpenbart være avhengig av de vurderinger som er foretatt. En annen analysegruppe vil kunne komme til andre konklusjoner. Beslutningstaker kan imidlertid ikke fraskrive seg ansvaret ved å henvise til GIGO prinsippet. Beslutningstaker må vurdere troverdigheten til analysegruppen samt vurdere antagelsene som er gjort i analysen. I den grad troverdigheten er liten ved at det er stor usikkerhet i bakgrunnskunnskapen slik Aven m. fl (2008) uttrykker det, kan beslutningstaker velge å foreta en ny analyse, evt komplettere analysen. Usikkerheten kan imidlertid ikke elimineres, og før eller siden må vi ta en beslutning som forholder seg til usikkerhet. Det betyr at vi her eventuelt velger å lempe på regelverket dersom vår beste vurdering (ρ > 0) er at dette vil gi et lavere antall ulykker. I analysen som faktisk er foretatt er konklusjonen at ρ > 0, se avsnitt 4.4. 4.3 Forbedring av risikoanalysen i lys av funn Tradisjonelle risikoanalyser kritiseres ofte for at operasjonelle forhold, og forhold knyttet til organisasjon og menneskelige feilhandlinger ikke integreres på en god måte. Det er ulike måter slike forhold kan tas inn i analysen på. Tilnærmingen vil avhenge av tilgjengelige ressurser. En tilnærming for å inkludere slike forhold på er å benytte såkalte risikopåvirkende faktorer (RIF = Risk Infuencing Factor). Se f eks Øien (2001) for en grundig innføring. RIF modellering tar utgangspunkt i en risikoanalyse med fokus på de tekniske og organisatoriske barrierene, ofte strukturert ved hjelp av bow tie modellering. Deretter gjennomføres følgende trinn: 1. Identifikasjon av viktige RIFer. 2. Strukturering av hvilke deler av systemet som påvirkes av RIFene. 3. Operasjonalisering av RIFene, og vurdering av hvor viktige de er. Med viktighet her menes at det etableres en funksjonell sammenheng mellom verdien til en RIF, og parameteren(e) som den påvirker. Her benyttes empiriske data, ekspertvurderinger eller både empiriske data og ekspertvurderinger. 4. Angivelse av verdien av RIFene i den aktuelle situasjonen som analysers. 5. Oppdatering av modellen i lys av trinn 1-4 ovenfor. I risikomodellen som er laget, se beskrivelse i avsnitt 4.4 og kapittel 5, er mange av forholdene (RIFene) identifisert i avsnitt 3.1 og 3.4 lagt inn. I tillegg til disse forholdene er mange RIFer som er funnet i andre studier lagt inn i modellen. Analysemodellen støttes opp av et beregningsverktøy beskrevet i avsnitt 5.2. Med det rammeverk som

20 ligger i modell og verktøy brukeren av modell og verkøyet selv etablere et vilkårlig antall RIFer som kan inkluderes. På denne måten kan alle forhold av betydning for risikoen i prinsippet legges. Så vil det være et spørsmål om hvilke forhold det er hensiktsmessig å modellere på denne måten. Det kan tenkes at noen forhold bedre kan vurderes uavhengig av en risikomodell. 4.4 Eksempel på resultater fra risikoanalysen Det er utviklet en forholdsvis omfattende risikoanalysemodell for transport av farlig gods. Modellen er realisert i et verktøy. Modellen baserer seg på at man for en kjørerute kan dekomponere kjøreruten i segmenter. For hvert segment kan man så etablere en risikomodell. Verktøyet kan da enkelt summere opp risikobidragene for hvert segment. For hvert segment kan man koble opp ett eller flere generiske hendelsestrær. Et generisk hendelsestre er et hendelsestre med en fast logisk struktur, mens parametrene som inngår i hendelsestreet kan variere avhengig av f eks hvilken farlig gods last det er snakk om, hvor mange personer som er eksponert osv. I første versjon av verktøyet er kun et begrenset antall hendelsestrær etablert. Målet er at man utvikler nye hendelsestrær etter hvert som behovet melder seg. Verktøyet er tenkt generelt slik at det kan benyttes for alle transportmoder av farlig gods. Vi har testet ut verktøyet mht å besvare spørsmålet som ble reist innledningsvis. Dvs vi har etablert en risikomodell som kan sammenligne risikoen ved å sende en farlig gods transport med en av følgende tre reisemåter: Ferge Moss Horten E6/E18 via Oslofjordtunnelen E6/E18 via Oslo sentrum (gjennom Festningstunnelen) Analyseresultater ved hjelp av modellen gir et risikobilde som vist i Tabell 4. I tabellen er det utarbeidet frekvenser for ulike konsekvenskategorier. Med de forutsetninger som er lagt inn i modellen ser vi at ferjetransport representerer den laveste risikoen. I modellen har vi kun tatt med ulykker knyttet til farlig gods, slik at det økte trafikkarbeidet som sådan ikke er tatt med. Dette ville gi enda ett argument for at den laveste risikoen oppnås ved å benytte ferjetransport. Tabell 4 Risikobilde for de tre kjørerutene (sannsynligheter per konsekvensklasse per tur) Konsekvenskategori Oslo sentrum Oslofjordtunnelen Ferje 0 omkomne 1.2E-05 1.6E-05 6.9E-05 1-2 omkomne 3.3E-08 2.1E-08 4.8E-09 3-9 omkomne 1.1E-08 6.2E-09 1.1E-09 10-30 omkomne 1.0E-09 1.3E-09 2.4E-10 31-99 omkomne 1.1E-10 1.2E-10 1.2E-11 100 eller flere omkommne 8.8E-11 1.3E-10 2.7E-17 PLL bidrag 1.3E-07 9.8E-08 1.5E-08