📌 前言｜你是否知道，TMAH 的致命性，其實可以被預判？
一、一個簡單的乘積，來自一次次無聲的死亡
TMAH（四甲基氫氧化銨），是一種在半導體產線中被高度依賴的化學品。它幾乎無色無味，潑濺時也不劇烈，卻在許多事故中成為致命主角。
我曾系統性整理過全球與TMAH有關的致死案例。閱讀那些紀錄時，一個重複出現的模式逐漸清晰——
事故現場的風險，往往不是單一因素導致，而是三個條件同時被滿足後所疊加出的臨界點：
風險 = 濃度 × 接觸面積 × 搶救延遲時間
這個公式簡單、粗略，卻足以作為風險判斷、設備配置、應急設計的基礎架構。它讓看似隨機的事故，有了可分析的脈絡；也讓我們可以提前部署，而非事後懊悔，至於當初的結論年代久遠已經無可考了，大家可以在去整理對應取的各自的基準。
二、🧠 一個乘積公式，看穿致命風險的臨界點
我將所有案例中出現種要的三個核心變因歸納為一條經驗公式：
風險指數 = 濃度 × 接觸面積 × 搶救延遲時間
我們面對的，不只是TMAH本身的危險，而是這三項風險變因同時存在時所產生的聯乘效果：
濃度高時，即便只是小面積的噴濺接觸，都可能引發呼吸肌肉的麻痺造成呼吸中斷；
接觸面積大時，吸收速度幾何級上升；
搶救延遲，選用錯誤應變器材或拿取不到往往已經錯過黃金處置時機，增加死亡風險。
這三項變因沒有任何一項可以單獨決定風險，但當它們加總、疊加、相乘，便可能構成難以挽回的臨界點。
三、🛠 從風險模型出發，重新設計現場安全
（1）防護設備：不再均值設計，而是乘積分級配置
以這個風險乘積為基準，我們可以更精準地進行風險分區與設備布署：
高承積區域（高濃度、公噸級使用量、易噴濺）：配置全罩式防護裝備、無障礙快速通道、緊鄰操作點的即時沖洗設備、設置足夠的『敵腐靈』數量（良好的螯和劑）；
中乘積區域（10%以下、公斤級使用量、不易噴濺）：部署局部防護與巡檢機制，減少持續接觸時間；
低乘積區域（5%以下、毫升級使用量、不易噴濺或密閉）：即便風險較低，也不應省略基本洗眼與教育設施。
配置的依據，不再只是作業內容，而是『若三因子同時發生時，這裡的結果會是什麼？』重新思考作業流程、廠房設計與應變器材的規劃
（2）應變流程：設計從「秒」開始，而非從「通報」開始
許多TMAH事故，即便在一分鐘內啟動搶救，仍無法挽回。這迫使我們重新設計整套流程：
搶救裝置與螯和劑不應平均分配，而應分散至接觸可能性最高的位置，並依據風險高低放置合適的數量；
作業人員應進行部位差異化的應急訓練——自救方式與搶救方式進行差異化的訓練；通知時應請消防隊提供插管工具，及早透過外力協助呼吸確保生命的可持續
沖洗與急救流程應追求「動作條件反射」式記憶，而非等待指令或支援。
當我們以「秒」作為流程單位，才能真正與風險對齊。
（3）決策系統：將經驗內化為一套可應用的語言
這套模型最大的價值，在於它可以變成一種簡單、直覺、可共享的語言，被嵌入於組織的決策之中：
對新人來說，是一次「風險感知」的學習；
對管理者來說，是設備與流程的優先順序依據；
對整個單位而言，是建立共同預判邏輯的基礎。
它讓我們不再只能依賴過往經驗，而能更科學地討論風險。
四、🤖AI Agent，讓未發生的風險也變得「看得見」
每一次事故，不論發生在哪裡，都是一次的營運學習。
透過 AI Agent 的導入，我們可以主動從其他工廠、其他產線、其他國家的事故中學習，並即時回饋給自己的場域：
比對其他場域事故資料，挖掘自己現場中可能存在卻尚未被察覺的風險；
模擬應變過程中不同配置的效率與差距，檢視流程設計是否真能達標；
主動生成問題，讓公司從事故案例中挖出與自身條件的相似點與潛在盲區。
AI不會取代我們的經驗，但它會協助我們提問——那些我們原本沒想過、沒注意到、或是避而不談的風險：
「這個流程在其他場域失敗過嗎？」
「我們的應急時間，是否早已超過其他事故中的死亡時間？」
「有沒有一個環節，其實我們從未檢討過？」
風險管理的核心，不是控制已發生的事情，而是讓未發生的事情也能被討論、被驗證、被修正。
AI的角色，就是幫我們把那些「還沒發生、但真實存在的風險」，從模糊，拉向可控。
五、結語：不是因為它致命，而是因為我們在意
TMAH不是第一個，也不會是最後一個帶來極端風險的化學品。
當初在事業單位的整理與歸納，至少讓我們知道——死亡不是因為某個錯誤，而是很多微小判斷累積之後的結果。
當我們有了一套乘積模型，一個實用的公式，一個可以被問出來的問題清單，再加上目前AI的活用可以幫助我們持續學習他人事故的代價，我們就有可能——
讓這些風險，在發生前，就變得可控。
讓應變，不再只是一場倉促的賽跑。
讓活下來，變得更有把握。
探索更多來自 瀚博職業衛生聯合技師事務所 的內容
訂閱即可透過電子郵件收到最新文章。