Как эффективно выявлять причины вреда и прогнозировать риски. Инверсионный метод анализа и прогноза вредных явлений. Светлана Вишнепольская

мнениями.

      По таким примерам мы видим, что в обществе существуют объективные препятствия свободному обмену информацией об авариях и других вредных явлениях. Эти препятствия затрудняют доступ к нужной информации именно тем, кому она особенно важна.

      Люди склонны:

      избегать разговоров…

      не делиться информацией…

      скрывать информацию…

      …о неприятных вещах…

      Необходимо подчеркнуть ещё один аспект ситуации. Традиционные методы анализа вреда предполагают получить прямой ответ на вопрос «Как произошло вредное событие?» Учитывая многофакторное психологическое противодействие таким вопросам, разумно предполагать, что нужного ответа вы, скорее всего, не получите.

      В результате,

      задачи выявления причин вреда остаются неразрешёнными в течение многих лет.

      Может быть, с прогнозом вредных явлений дела обстоят лучше? На первый взгляд, – да! Помимо простого гадания, в мире существует внушительный перечень прогнозных методов, принятых в различных отраслях промышленности, в частности:

      • Оценка рисков – Risk Assessment;

      • Анализ видов и последствий отказов – Failure Modes and Effects Analysis (FMEA);

      • Выявление рисков неработоспособности – Hazard and Operability study (HAZOP);

      • Ранний анализ недостатков конструкций – Preliminary Hazard Analysis (PHA);

      • Анализ уязвимости – Vulnerability Analysis;

      • Метод построения деревьев ошибок – Fault Trees;

      • Метод построения деревьев событий – Event Trees;

      и других.

      На базе опыта, накопленного в соответствующей предметной области, эти методы способны помочь в предсказании некоторых сбоев, отказов, ошибок, недостатков, нежелательного изменения параметров.

      Однако,

      традиционные методы весьма слабы в разработке прогнозных гипотез и сценариев.

      Ни один из них не располагает инструментами для предсказания системного эффекта взаимодействия негативных воздействий, спонтанных количественно-качественных преобразований, лавинообразных процессов. А ведь все это – типичные сценарии развития аварий и катастроф.

      В случае FMEA/HAZOP прогноз обычно проводится на базе таблиц, включающих в себя практически один, но многократно повторяемый вопрос:

      Что случится, если параметр X возрастет/уменьшится на величину У?

      Монотонные вопросы такого рода способны убить всякое воображение, необходимое для создания прогнозного сценария. А чтобы компенсировать явную слабость такого подхода, исследователю предлагается длинный список «всех параметров всех деталей и частей системы», которые необходимо проанализировать.

      Увы, природа наша такова, что длинный список однотипных вопросов убивает творческую мысль и еще более затрудняет анализ ситуации.

      Поэтому:

      традиционные методы аварийного прогноза не способны предсказывать сложные, неочевидные аварии.

      Учитывая вышесказанное, практику