Программное обеспечение для количественной оценки рисков - Quantitative risk assessment software

Программное обеспечение для количественной оценки рисков (QRA) и методологии дают количественный оценки рисков с учетом определяющих их параметров. Они используются в финансовом секторе, химической промышленности и других областях.

С финансовой точки зрения количественная оценка рисков включает расчет ожидание единовременной потери денежной стоимости актива.

В химической промышленности и нефтехимической промышленности QRA в первую очередь занимается определением потенциальной гибели людей (PLL), вызванной нежелательными событиями. Специальное программное обеспечение можно использовать для моделирования последствий такого события и для расчета потенциальных потерь жизни. Некоторые организации используют выходные данные о рисках для оценки предполагаемых затрат на предотвращение летального исхода (ICAF), которые могут использоваться для установления количественных критериев того, что является неприемлемым риском, а что допустимо.

В индустрии взрывчатых веществ QRA можно использовать для многих приложений, связанных с опасностью взрыва. Это особенно полезно для анализа рисков площадки, когда использование таблиц количественных расстояний (QD) невозможно.

Ограничения

Некоторые из описанных выше программных моделей QRA должны использоваться изолированно: например, результаты модели последствий нельзя использовать непосредственно в модели риска. Другие программы QRA автоматически связывают различные расчетные модули вместе, чтобы облегчить процесс. Некоторое программное обеспечение является проприетарным и может использоваться только в определенных организациях.

Из-за большого объема обработки данных, требуемых для расчетов QRA, обычный подход заключался в использовании двумерных эллипсов для представления опасных зон, таких как область вокруг взрыва, что дает 10% -ную вероятность летального исхода. Точно так же прагматический подход используется для упрощения результатов дисперсии. Обычно плоская местность, беспрепятственный мир используется для определения поведения рассеивающегося облака и / или испаряющейся лужи. Это создает проблемы, когда влияние неровной местности или сложной геометрии технологических установок, несомненно, влияет на поведение рассеивающегося облака. Хотя у них есть ограничения, 2D-зона опасности и упрощенный подход к 3D-моделированию дисперсии позволяют обрабатывать большие объемы результатов рисков с известными допущениями, чтобы помочь в принятии решений. В компромисс сдвигается по мере увеличения вычислительной мощности компьютера.

Моделирование последствий опасных событий в истинное 3D Для этого может потребоваться другой подход, например, использование метода вычислительной гидродинамики для изучения рассеивания облаков на холмистой местности. Создание моделей CFD требует значительно больших затрат времени со стороны аналитика моделирования (из-за повышенной сложности моделирования), что не во всех случаях может быть оправдано.

Одним из основных ограничений QRA в области безопасности является то, что он ориентирован в первую очередь на потерю герметичности опасных жидкостей и на то, что происходит при их выбросе. Это делает QRA в некоторой степени неприменимым в опасных отраслях, которые не сосредоточены на локализации жидкости, но все еще подвержены катастрофическим событиям (например, авиация, фармацевтика, горнодобывающая промышленность, водоочистка и т. Д.). Это привело к развитию процесса управления рисками, который опирается на опыт организаций и их сотрудников для проведения оценок рисков, которые производят выходные данные с потенциальной потерей жизни (PLL) без моделирования дерева отказов и событий. Этот процесс, вероятно, наиболее широко известен под названием SQRA, который был первой методологией, вышедшей на рынок в конце 1990-х годов, но, возможно, более точно описывается термином «количественная оценка на основе опыта» (EBQ). Сегодня есть выбор программного обеспечения для реализации этой методологии, и оно широко используется в горнодобывающей промышленности по всему миру.

Стремясь быть более справедливыми и не увеличивать и без того высокий уровень тюремного заключения в США, суды по всей Америке начали использовать программное обеспечение для количественной оценки рисков при принятии решений об освобождении людей под залог и вынесении приговора, которые основаны на их истории и другие атрибуты.[1] Он проанализировал рецидив оценки риска, рассчитанные с помощью одного из наиболее часто используемых инструментов, системы Northpointe COMPAS, и проанализировали результаты за два года и обнаружили, что только 61% из тех, кто считался высоким риском, действительно совершили дополнительные преступления в течение этого периода, и что обвиняемые афроамериканцы были гораздо больше шансов получить высокие оценки, чем белые обвиняемые.[1] Эти результаты являются частью более крупных вопросов, поднимаемых в области машинная этика в отношении рисков сохранения моделей дискриминации через использование большое количество данных и машинное обучение во многих областях.[2]

Рекомендации

  1. ^ а б Киршнер, Джулия Ангвин, Сурья Матту, Джефф Ларсон, Лорен (23 мая 2016 г.). «Машинный уклон: по всей стране используется программное обеспечение для прогнозирования будущих преступников. И оно ориентировано против чернокожих». ProPublica.
  2. ^ Кроуфорд, Кейт (25 июня 2016 г.). "Проблема белого парня искусственного интеллекта". Нью-Йорк Таймс.
  • НАЦИОНАЛЬНОЕ РУКОВОДСТВО ПО БЕЗОПАСНОСТИ И ОЦЕНКЕ РИСКА ДЛЯ ЗДОРОВЬЯ МИНЕРАЛЬНОЙ ПРОМЫШЛЕННОСТИ, Joy J & Griffiths D, 2007, p. 61