Меню
Главная
Авторизация/Регистрация
 
Главная arrow Менеджмент arrow Управление рисками, системный анализ и моделирование

Прогнозирование вероятности происшествий методом имитационного моделирования

Изложенный выше алгоритм логико-лингвистического моделирования процесса возникновения техногенных происшествий в человекомашинных системах реализован при создании соответствующего программного комплекса, названного HAZARD. Его краткое описание, содержащее сведения об архитектуре и порядке практического использования путем проведения машинных экспериментов, приведено в приложении Е.2 настоящей книги. Интерфейс пользователя этого комплекса совместно с результатами решения одной из практически важных задач показан на рис. 12.5.

Осуществление имитационных машинных экспериментов в системе типа HAZARD позволяет решать следующие три важные задачи:

  • а) выявлять среди рассматриваемых свойств конкретной системы наиболее существенные по вкладу в аварийность и травматизм;
  • б) проводить сравнительную оценку вероятности появления техногенных происшествий при выполнении однотипных технологических операций;
  • в) оценивать эффективность различных организационно-технических мероприятий, предлагаемых для ее снижения.

Интерфейс экспертной системы HAZARD

Рис. 12.5. Интерфейс экспертной системы HAZARD

Для решения каждой из трех указанных задач необходимо не менее двух машинных экспериментов, отличающихся следующими исходными данными. Для второй (б) задачи – оценками качества соответствующих свойств аналогичных человекомашинных систем, функционирующих с целью выполнения одной и той же операции на однотипных ОТУ. Для первой и третьей задач – различными оценками качества этой же системы, зарегистрированными до и после внедрения каких-либо организационно-технических мероприятий по повышению безопасности функционирования подобных систем и ОТУ в целом.

Что касается машинных экспериментов, то каждый из них зависит от реально наблюдаемой частоты регистрируемых событий и требуемой точности оценки их вероятностей, что может потребовать от нескольких тысяч до нескольких сотен тысяч имитаций конкретной технологической операции. По результатам проведения отдельного эксперимента рассчитываются выходные параметры, перечень которых приведен в табл. 12.4.

Таблица 12.4. Характеристика выходных параметров моделирования

Параметр

Обозначение

Вероятности появления событий:

динамического равновесия (гомеостазиса)

адаптации к возмущению (адаптации 1)

опасной ситуации

адаптации 2 (к опасной ситуации)

критической ситуации

адаптации 3 (к критической ситуации)

происшествия

Значение и числовые характеристики распределения Iå:

Значение индекса Iå

математическое ожидание М(I)

стандартное отклонение sI

наименьшее значение IΣmin

наибольшее значение IΣmах

Параметры отдельного машинного эксперимента, свидетельствующие о продолжительности и точности имитационного моделирования (числе опросов каждого генератора случайных чисел и дисперсии сделанных при этом оценок), указаны в табл. 12.5.

Таблица 12.5. Параметры результатов машинного эксперимента

Наименование параметров

Отсеивающий

эксперимент

Статистическое

оценивание

Число имитаций выполнения работ Nj

6000

12 000

Дисперсии оценок вероятностей:

P26

0,0000532

0,0000190

P44

0,0001020

0,0000630

P50

0,0001210

0,0000660

P64

0,0001240

0,0000480

P65

0,0000108

0,0000088

P78

0,0000143

0,0000060

P79

0,0000263

0,0000112

Из приведенных таблиц ясно, что в каждом имитационном эксперименте могут быть зарегистрированы как числовые характеристики , так и вероятности событий с условными номерами 26, 44, 50, 64, 65, 78 и 79, названные ранее гомеостазисом, адаптацией к возникшему в человекомашинной системе возмущению, опасной ситуацией, адаптацией к ней, критической ситуацией, адаптацией к последней и техногенным происшествием одного из типов.

Помимо представленных в табл. 12.3 факторов и предельных значений их индексов исходными данными при имитационном моделировании служат варьируемые лингвистические оценки К качества этих факторов, влияющие на выбор значения каждого индекса, а также заданные генераторам случайных чисел функции принадлежности лингвистических переменных и плотности вероятности – случайных. Некоторые из этих данных совместно с результатами конкретного машинного эксперимента были приведены выше (см. рис. 12.5), а более полная информация о них систематизирована в табл. 12.6.

Как это подтверждается верхней частью табл. 12.6, исходные данные каждого машинного эксперимента представляют собой следующие характеристики: а) наименования факторов человекомашинной системы – даны сокращенно, в латинской транслитерации; б) их алфавитно-цифровые коды – соответствуют табл. 12.3; в) оценки качества – представлены десятичными дробями, балльные и лингвистические эквиваленты которых приве дены в табл. 12.2. Например, в левом столбце исходных данных показано, что в эксперименте учитывались в том числе и следующие свойства: KOMFORSR = C1 (комфортность рабочей среды), UDPODIVR = T1 (удобства подготовки и выполнения работ) и NALPRNAV = Ч1 (наличие практических навыков). Эти свойства оценивались как имеющие качества "удовлетворительное", "плохое" и "хорошее", что подтверждено числами 0,417,0,250 и 0,584, соответствующими модальным значениям их функций принадлежности (см. табл. 12.2).

Таблица 12.6. Фрагмент отчета с результатами машинного экспермента

Задача № 3. Моделирование процесса появления происшествий в ЧМС

Исходные данные:

KOMFORSR

С1=0,417

ZNATECHR

Ч2=0,750

OBDEIVOS

Ч13=0,334

KACHINFM

С2=0,334

PRIPSIFI

Ч3=0,334

TODEIVOS

Ч14=0,417

VOZNWOZ

С3=0,584

VOSDEINF

Ч4=0,667

BEZDEIKS

Ч15=0,750

VOZOWOZ

С4=0,166

OPERMOPE

Ч5=0,334

KACHKORM

М1=0,417

UDPODIVR

Т1=0,250

ZNPORLNS

Ч6= 0,500

STUCHRAB

М2=0,584

UDTOBREM

Т2=0,584

SPPROGPO

Ч7=0,417

OSNOWAK

М3=0,334

SLALGDEY

Т3=0,334

TECHDISO

Ч8=0,334

ENERGIST

М4=0,750

VOZPOLOZ

Т4=0,334

KACHPRIR

Ч9=0,584

BEZOTVEL

М5 = 0,750

VOZPODNO

Т5=0,166

ZNOFVPRO

Ч10=0,334

DLIDEIOF

М6=0,417

NADOTMER

Т6=0,750

OSVOPVNS

Ч11=0,250

URPOTFAK

М7=0,334

NALPRNAV

Ч1=0,584

ZNPDWNS

Ч12=0,584

BEZPRUSB

М8=0,750

Результаты моделирования:

узлов

Фиксируемые

состояния

Мера

возможности

Значение индекса

Число

исходов

МОЖ

СО

MIN

МАХ

26

Гомеостазис

0,0540

6

1

5

7

5400

44

Адаптация-1

0,0270

7

1

6

8

2700

50

Оп. ситуация

0,0190

6

2

2

10

1900

64

Адаптация-2

0,0129

8

2

5

13

290

65

Кр.ситуация

0,0061

6

1

5

7

610

78

Адаптация-3

0,0050

5

1

4

6

500

79

Происшествие

0,0011

110

Приведенные в нижней части табл. 12.6 результаты машинного эксперимента, состоящего из 10 000 имитаций конкретной технологической операции, следует понимать так. В 5400 случаях (см. правую колонку) технологическая операция выполнена без каких-либо отклонений (в соответствующей человекомашинной системе сохранялось состояние динамического равновесия); тогда как из оставшихся 4600 в 2700 случаях она адаптировалась к возникшим возмущениям, а в 1900 случаях зарегистрированы опасные ситуации. Большая часть этих ситуаций (610) была устранена путем адаптации к ним человекомашинной системы, однако 500 опасных ситуаций стали критическими, а 110 из них уже привели к появлению техногенных происшествий. Также ясно, что для большинства исходов машинного эксперимента в таблице даны числовые характеристики соответствующих распределений суммарного индекса потенциальной опасности .

Что касается проверки адекватности разработанной имитационной модели и достоверности сделанных с ее помощью прогнозов вероятности появления происшествий, то отметим следующее. Арифметический порядок ее оценок совпадал с результатами, полученными на основе как моделей другого типа, так и известных статистических данных по аварийности и травматизму. Это же относится и к зависимости вероятности возникновения техногенных происшествий от оценок влияющих на нее свойств человекомашинной системы.

Пример графиков, интерпретирующих подобную зависимость и построенных по результатам имитационного моделирования происшествий при разных оценках качества одних и тех же свойств конкретных человекомашинных систем, приведен на рис. 12.6 (применительно к фактору – приему и дешифровке человеком-оператором информации о ходе выполняемой операции). Количественный анализ подобных зависимостей, осуществленный путем определения и сравнения частных производных , позволил выявить факторы, существенно влияющие на формирование причинной цепи предпосылок к техногенным происшествиям.

Графики зависимостей

Рис. 12.6. Графики зависимостей

В частности, в ходе проведенного исследования установлено, что основными факторами аварийности и травматизма при функционировании большинства человекомашинных систем являются те их свойства, которые определяют профессиональную (психофизиологическую) подготовленность персонала к действиям в нестандартных ситуациях. Другими важными факторами оказались свойства, характеризующие совершенство принятой в этих системах технологии работ, а также качество рабочей среды, безотказность используемого технологического оборудования и надежность технических средств защиты.

Кроме того, удалось количественно оценить вклад различных факторов в образование и развитие цепи предпосылок к техногенным происшествиям. Оказалось, например, что повышение обученности персонала действиям в нестандартных ситуациях на один балл сказывается на снижении вероятности возникновения происшествий в 2–3 раза больше по сравнению с аналогичным изменением выучки к выполнению им обязанностей в штатных условиях. Иначе говоря, анализ реакции имитационной модели на изменение качества профессиональной подготовленности показал сравнительно малую значимость свойств персонала с кодами

Такой несколько неожиданный вывод может быть объяснен спецификой подготовки и выполнения технологических операций на энергоемких ОТУ, в частности – совершенной системой обучения и непрерывным контролем действий их персонала. На практике это сопровождается не только высокой теоретической выучкой, но и своевременным устранением тех ошибок персонала, которые могут быть допущены на ранних этапах выполнения операторского алгоритма, т.е. при приеме и декодировании информации о состоянии используемого технологического оборудования.

В то же время установлена высокая значимость для снижения риска техногенных происшествий таких свойств этих систем, как (умение персонала принимать верные решения и точно действовать в нестандартных ситуациях), а также – надежность технических и организационных средств, предусмотренных на случай возникновения аварийных ситуаций. Это обусловлено пагубностью ошибок, присущих конечным этапам алгоритмов деятельности человека-оператора: ведь неверная оценка обстановки и неправильно принятые по этой причине решения труднее поддаются контролю со стороны руководителя работ, а при их устранении обычно ощущается дефицит времени. Вследствие этого подобные ошибки персонала часто влекут за собой опасные последствия.

Заметим, что в алгоритме имитационного моделирования все это учтено следующим образом: для группы несущественных факторов – сравнительно низкими значениями индексов потенциальной опасности свойств Ч1–Ч3, а также тем, что они играют роль инициаторов причинной цепи техногенного происшествия, т.е. необходимых, но не достаточных для его появления условий; тогда как существенные факторы Ч12–Ч15, М8 и Т6 не только проявляются на завершающем этапе ее формирования, но и имеют более высокие значения соответствующих индексов.

В заключение знакомства со способами прогнозирования вероятности техногенных происшествий с помощью диаграмм влияния типа "сеть" отметим особенности формализации и моделирования процесса их появления на основе сетей Петри. Сделаем это кратко, так как процедура их преобразования в аналитические модели и имитационные алгоритмы по существу схожа с тем, что было рассмотрено в данной главе применительно к сетям GERT. И это не случайно, поскольку оба типа этих сетей разрабатывались параллельно и появились практически в одно и то же время – в конце 1980-х гг.

Различия в практическом применении данных причинно-следственных диаграмм касаются главным образом способов вывода математических зависимостей: если в сетях GERT их получают преимущественно с помощью производящих функций моментов, то в сетях Петри – чаще всего путем составления матриц инцидентности с последующим их преобразованием в соответствующие соотношения. Заметим, однако, что исследование обеих этих сетей осуществляют с помощью топологического уравнения С. Мэсона.

Для учета же динамики процессов, моделируемых на основе сетей Петри, используются как мгновенно происходящие события, так и постепенно реализуемые работы-активности. Продолжительность времени осуществления последних указывается специальными таймерами, а вместо степеней свободы узлов сети GERT в сетях Петри вводится кратность дуг, уточняющая условия начала и завершения имитируемых ими преобразований. Качественный и количественный анализ полученных при этом результатов осуществляется по методикам, сходным с рассмотренными в настоящей главе.

Таким образом, можно утверждать, что логико-лингвистическое и имитационное моделирование техногенных чрезвычайных ситуаций могут быть применены для снижения их риска, поскольку позволяют решать ряд практически важных задач. Совместно с прогнозом техногенного риска с помощью количественного анализа стохастической сети GERT их использование станет эффективным способом априорной оценки эффективности мероприятий по поддержанию требуемой безопасности в техносфере и оптимизации выделяемых для этого ресурсов.

 
Если Вы заметили ошибку в тексте выделите слово и нажмите Shift + Enter
< Предыдущая   СОДЕРЖАНИЕ   Следующая >
 
Популярные страницы