В. В. Утюганова Обоснование выбора метода идентификации опасностей в горной отрасли (№3,2021)

Скачать выпуск "Безопасность и охрана труда" №3, 2021

УДК 334.45; 331.1

В. В. Утюганова - старший преподаватель ФГБОУ ВО «Омский Государственный Технический Университет», г. Омск, Россия

Утюганова Валентина Владимировна

Обоснование выбора метода идентификации опасностей в горной отрасли.

 

Аннотация: С точки зрения основных тенденций развития горной промышленности, можно утверждать, что за последние годы по многим показателям отрасль вышла на важный рубеж. От эффективности отрасли зависит производство электроэнергии, работа металлургической, химической промышленности, железнодорожного транспорта, многих градообразующих предприятий. В связи с этим представляется важным обеспечивать непрерывное инновационное развитие, техническое перевооружение, внедрение цифровых технологий в горную промышленность. Инновационная трансформация здесь идет по принципу цифровизации процессов добычи, переработки и комплексного использования продуктов отрасли [1]. Сценарии технологического развития отличаются темпами и базовыми основами поэтапного перехода отрасли в новое технологическое качество, обеспечиваемое использованием передовых цифровых и интеллектуальных технологий, роботизированных систем, искусственного интеллекта. При этом особое внимание следует уделять подготовке высококвалифицированных инженерных и рабочих кадров и их безопасности на рабочих местах. Несмотря на стойкую тенденцию снижения травматизма и аварийности на предприятиях горной отрасли, проблема высокого уровня смертности остается крайне актуальной. Об этом свидетельствуют ежегодные отчеты Федеральных служб, осуществляющих надзорную деятельность на предприятиях горной отрасли. Так, например, за I полугодие 2021 года на предприятиях, поднадзорных Государственному Комитету горного и технического надзора ДНР, по горной отрасли травмировано 108 работников, при этом травмированных со смертельным исходом 3 человека [2].

Ключевые слова: профессиональный риск, теорема Байеса, байесовские сети доверия, опасность, горная отрасль, прогнозирование и оценка, идентификация опасностей.

 

ABOUT THE AUTHOR Valentina V. Utyuganova / Senior Lecturer, Omsk State Technical University, Omsk, Russian Federation

 

JUSTIFICATION OF THE CHOICE OF METHODS FOR IDENTIFYING HAZARDS IN THE MINING INDUSTRY

 

From the point of view of the main trends in the development of the mining industry, it can be argued that in recent years, by many indicators, the industry has reached an important milestone. From the efficiency of the industry depends on the production of electricity, the work of the metallurgical, chemical industry, railway transport, and many city-forming enterprises. In this regard, it seems important to ensure continuous innovative development, technical re-equipment, and the introduction of digital technologies in the mining industry. The innovative transformation here follows the principle of digitalization of the processes of extraction, processing and integrated use of the products of the industry [1]. Technological development scenarios differ in the pace and fundamentals of the gradual transition of the industry to a new technological quality, provided by the use of advanced digital and intelligent technologies, robotic systems, artificial intelligence. At the same time, special attention should be paid to the training of highly qualified engineering and working personnel and their safety in the workplace. Despite the persistent trend of reducing injuries and accidents at mining enterprises, the problem of a high mortality rate remains extremely relevant. This is evidenced by the annual reports of the Federal Services that carry out supervisory activities at mining enterprises. For example, in the first half of 2021, 108 employees were injured in the mining industry at enterprises supervised by the State Committee of Mining and Technical Supervision of the DPR, while 3 people were fatally injured [2].

Keywords: occupational risk, Bayes’ theorem, Bayes’ networks of trust, danger, mining industry, forecasting and evaluation, identification of hazards.

 

Современные тенденции экономического развития, а также политика государства направлены на внедрение цифровых технологий не только в процесс производства, но и открывают новые возможности для обеспечения безопасности труда работников предприятий горной отрасли. Так, например, С 1 февраля 2021 года вступило в силу постановление правительства РФ от 31.12.2020 № 2415 «О проведении эксперимента по внедрению системы дистанционного мониторинга промышленной безопасности». Целью эксперимента является внедрение удаленных методов мониторинга в области промышленной безопасности с применением программно-аппаратных средств дистанционного контроля в режиме реального времени [3]. Данные меры, несомненно, позволят усовершенствовать процесс сбора и обработки информации о состоянии промышленной безопасности опасных производственных объектов, более оперативно проводить оценку рисков возникновения аварий и передавать необходимую информацию в контролирующую Федеральную службу. Однако проблему безопасности проведения технологических процессов и деятельности работников необходимо решать внутри предприятия не только усилением внешнего контроля, но и организацией внутренних эффективных мероприятий по прогнозированию и предупреждению возникновения возможных опасностей, и как следствие, профессиональных рисков. Для этого необходимо внедрять динамическую модель риск-ориентированного подхода, позволяющую гибко прогнозировать риски и своевременно предпринимать меры по устранению опасностей.

Множественные исследования процессов прогнозирования и оценки рисков позволяют выявить различные качественные и (или) количественные методы, походящие для использования в той или иной отрасли [4, 5]. Что касается горной отрасли, автором предлагается использование метода Байесовского анализа и сетей Байеса, основанного на полуколичественных оценках возможности (вероятности) и значимости (тяжести) последствий реализации риска [6]. Зачастую в зарубежной литературе неоднократно упоминается теорема Байеса с упором на факт того, что в горной отрасли наибольшее значение имеет принятие решений, построенное на особом внимании к прогнозируемым рискам [5, 7]. С этой точки зрения применение Байесовского анализа представляется наиболее приемлемым методом прогнозирования и оценки профессиональных рисков.

Обозначим основные преимущества данного метода для горной отрасли:

– получаемые выводы легки для понимания и однозначны;

– подразумевает использование субъективных вероятностных оценок, ранжируя вероятности возникновения различных неблагоприятных событий по всем опасностям;

– позволяет определять наиболее вероятные последствия проявления заданной опасности;

– подразумевает, что вероятности связаны с отдельными событиями или утверждениями, а не с последовательностями событий, что играет важную роль в процессе прогнозирования; 

– зная информацию о зависимых переменных (событиях), можно определить сравнительные вероятности исходных переменных (факторов);

– учитывает несколько возможных состояний ее элементов, что необходимо для более корректного соответствия модели реальному объекту;

– в байесовских сетях могут органично сочетаться эмпирические частоты появления различных значений переменных, субъективные оценки «ожиданий» и теоретические представления о математических вероятностях тех или иных следствий из априорной информации (для применения метода достаточно знания априорной информации).

Более того, существенным преимуществом применения указанного метода является возможность применения высоких вычислительных способностей программного обеспечения, а следовательно, цифровизация и автоматизация сложных процессов. Принятие решений на основе байесовских сетей доверия с возможностью прогнозирования при изменении причинно-следственных связей можно проводить с помощью например, таких программных продуктов как Hugin Expert,  Netica или других, представленных на рынке.

Структура знаний на основе байесовской сети строится на основе причинно-следственных связей, поэтому не менее важным процессом в прогнозировании и оценке рисков является этап идентификации опасностей. Так как подход сетей Байеса к оценке профессиональных рисков требует большого, систематизированного объема информации, целесообразно выбрать соответствующий метод идентификации опасностей, позволяющий определить и структурировать все выявленные опасности в соответствии с заданными целями. Проведенный анализ методов прогнозирования и оценки профессиональных рисков позволил выделить наиболее адекватные, с точки зрения автора, методы для применения их в идентификации в данном контексте: метод мозгового штурма; метод Делфи; проверочного листа; Система Элмери; «Что будет, если...?»;  структурированного или частично структурированного интервью; анализ корневых причин происшествий; метод причинно-следственного анализа.

Для проведения процедур идентификации, в большинстве своем, применяются экспертные методы, соответственно, для этого требуются специалисты необходимой квалификации, трудовые и материальные ресурсы (так как многие методы трудоемки и затратны), актуальная, достоверная и доступная информация [4].

Наиболее подходящим методом, по мнению автора, является метод причинно-следственного анализа, который является структурированным методом идентификации возможных причин нежелательного события. Данный метод позволяет скомпоновать возможные причинные факторы в обобщенные категории так, чтобы можно было исследовать все возможные гипотезы, что является необходимым условием для применения байесовского подхода оценки рисков. Метод используют для исследования всех возможных сценариев и причин, представленных группой экспертов. В число недостатков метода относят тот факт, что сам метод непосредственно как самостоятельный (в сравнении с методом Делфи или методом мозгового штурма) не может быть использован, а только как часть анализа первопричины. В связи с этим автором предлагается использовать метод причинно-следственного анализа в совокупности с методом идентификации основных причин. Данный метод также не является отдельным методом, имеющим четко сформулированный алгоритм, а скорее выступает в роли комплексного подхода, используемого при идентификации рисков. Подходы, применяемые для идентификации источников рисков, событий, их причин и потенциальных последствий, включают использование источников, основанных на опыте и комплексе уже имеющихся данных (в основном документарных) исследуемого объекта (или отрасли). Суть данного метода заключается в подробном изучении всех возможных рисков, которые, по своей сути являются следствием определенной деятельности/ей и построением причинно-следственных связей. С помощью зафиксированных закономерностей становится возможным выявить основные и главные причины рисков, области и активности, в которых они возникают, учитывая всевозможные смежные процессы, которые оказывают свое влияние на возникновение рисков. Эффективное применение данного метода предполагает использование инструмента «Диаграмма Исикавы» (рис 1).  Инструмент является графическим методом анализа и формирования причинно-следственных связей, в форме рыбьей кости для систематического определения причин проблемы и последующего графического представления [8].

Возможные причины дифференцированно разделяются по своему влиянию, с необходимой степенью подробности и детализации.  Преимуществами данного метода являются: возможность сосредоточиться на содержании проблемы; глубокое исследование причин. Метод является легко осваиваемым и применимым. Таким образом, применение «диаграммы Исикавы» является важным аспектом и основой применения следующих выбранных методов: идентификации основных причин и причинно-следственного анализа, составляя для них удобную в применении базу исследований. Однако получение результатов только по методу «диаграммы Исикавы» обладает определенным недостатком – построение «кости» причин событий осуществляется только в последовательном взаимодействии зависимостей между собой.

Рисунок 1. – Построение «диаграммы Исикавы» основных причин смертельного травматизма в горной отрасли

 

Процедуры установления дополнительных взаимосвязей предполагается проводить как раз на уровне применения метода причинно-следственного анализа, который позволит сформировать при более глубоком анализе необходимые взаимосвязи между выявленными причинами, на основе исследования представленных детальных данных. Таким образом, будет получена причинно-следственная диаграмма, принимающая соответствующий вид (рис. 2). Полученные в результате применения описанных методов структурированные данные будут наиболее легки в дальнейшем применении для построения байесовских сетей доверия.

На основании совместного построения таких диаграмм, в соответствии с установленными целями, среди множества потенциальных причин, порождающих события, некоторые из них являются наиболее значимыми, и важно, чтобы их поиск и должен быть правильно и структурированно организован. Для этого осуществляется: сбор и систематизация всех причин, прямо или косвенно влияющих на исследуемое событие или проблему; формирование групп этих причин по причинно-следственным блокам; ранжирование причин внутри каждого блока; анализ получившейся диаграммы. Организовать работу по определению значимости факторов возможно следующим образом: разработка и вычерчивание основной схемы: для автоматизации и упрощения подготовительных процедур, на первом этапе обсуждения причин и проблем необходимо задаться «скелетом кости». Каждый член группы внимательно ее изучает, анализируя исходные данные, вносит дополнительные коррективы. После этого вовлеченные в процесс специалисты на своих уровнях управления могут вовлекать всех сотрудников, находящихся в непосредственном подчинении и связанных с исследуемой проблемой. В среднем, приемлемая точность результатов достигается после третьего этапа анализа. «Диаграмма Исикавы» должна служить основой для составления более глубокой причинно-следственной диаграммы с дополнительными взаимосвязями, а также плана взаимосвязанных мероприятий, обеспечивающих комплексное решение поставленной при анализе задачи.

 

Рисунок 2. – Пример составления причинно-следственной диаграммы

 

Важно подчеркнуть, что вся собранная информация должна отвечать следующим критериям: актуальность, достоверность, релевантность, (степень соответствия и готовности информации для решения, поставленной нами задачи — идентификации рисков), полнота. С целью автоматизации сбор и обработка информации может осуществляться по установленным типовым формам предоставляемой информации в электронном виде.

Типичными источниками данных выступают сведения, полученные в результате предыдущих испытаний, исследований, данные аналогичных систем, объектов, экспертные оценки. С учетом полученных данных представляется возможным построение модели байесовских сетей доверия для оценки профессиональных рисков (рис. 3)

Рисунок 3. – Модель байесовских сетей доверия для оценки профессиональных рисков в горной отрасли

Таким образом, для идентификации и анализа выбраны методы построения «Диаграммы Исикавы» и причинно-следственного анализа в совокупности с методом идентификации основных причин. Полученные в результате применения описанных методов структурированные данные будут наиболее легки в дальнейшем применении для построения байесовских сетей доверия. В угольной отрасли наибольшее значение имеет принятие решений, построенное на особом внимании к прогнозируемым рискам, например, в процессе проектирования и испытания оборудования, техническом обслуживании и управлении различными изменениями. А на основании связей байесовских сетей исследуемого события можно сделать наиболее точный выбор по разработке дальнейших действий и принятию управленческих решений.

 

Список литературы:

1. Безопасность туда будущего. Электронный журнал  RSpectr. [Электронный ресурс]. – URL: https://www.rspectr.com/articles/824/bezopasnost-truda-budushego

2.  Анализ производственного травматизма, профессиональной заболеваемости за I полугодие 2021 года на предприятиях, поднадзорных Государственному Комитету горного и технического надзора ДНР.  – Донецк. – 2021. – с. 13;

3.  Постановление Правительства РФ от 31 декабря 2020 г. N 2415 «О проведении эксперимента по внедрению системы дистанционного контроля промышленной безопасности» [Электронный ресурс]. – URL: http://base.garant.ru;

4. Левашов, С. П. Мониторинг и анализ профессиональных рисков в России и за рубежом [Текст] : монография / С. П. Левашов; под ред. И. И. Манило. – Курган : Изд-во Курганского гос. ун-та, 2013. – 345 с.

5. Sou-SenLeu Bayesian-network-based safety risk assessment for steel construction projects / Sou-SenLeu Ching-MiaoChang // Accident Analysis & Prevention, – May 2013, – Vol. 54. – P. 22-133;

6. Утюганова, В.В. Прогнозирование и оценка профессиональных рисков в горной отрасли с применением теоремы Байеса/ В.В. Утюганова, В.С. Сердюк, А.И. Фомин // Безопасность труда в промышленности. — 2021. — No 1. — С. 79–87. DOI: 10.24000/0409-2961-2020-12-79-87;

7. Shafer, L. (CSDP) Software Engineering Professional Practice. – 2014. – 314 p.;

8. Земенкова, М.Ю Аспекты управления производственными процессами / М.Ю Земенкова, Е.В.  Курушина // Электронный журнал. [Электронный ресурс]. – URL:  Neftegaz.RU