Программное обеспечение для количественной оценки рисков
Программное обеспечение и методологии количественной оценки рисков (QRA) дают количественные оценки рисков с учетом определяющих их параметров. Они используются в финансовом секторе, химической перерабатывающей промышленности и других сферах.
С финансовой точки зрения количественная оценка риска включает расчет ожидаемой единичной потери денежной стоимости актива.
В химической и нефтехимической промышленности QRA в первую очередь занимается определением потенциальной гибели людей (PLL), вызванной нежелательными событиями. Специализированное программное обеспечение можно использовать для моделирования последствий такого события и расчета потенциальной гибели людей. Некоторые организации используют выходные данные о риске для оценки предполагаемых затрат на предотвращение смертельного исхода (ICAF), которые можно использовать для установления количественных критериев того, что является неприемлемым риском, а что — допустимым.
В промышленности по производству взрывчатых веществ QRA может использоваться во многих случаях, связанных с риском взрыва. Это особенно полезно для анализа рисков на объекте, когда невозможно полагаться на таблицы количественных расстояний (QD).
Ограничения
[ редактировать ]Некоторые из описанных выше программных моделей QRA необходимо использовать изолированно: например, результаты модели последствий нельзя использовать непосредственно в модели рисков. Другие программы QRA автоматически связывают вместе различные расчетные модули, чтобы облегчить процесс. Некоторая часть программного обеспечения является собственностью и может использоваться только в определенных организациях.
Из-за большого объема обработки данных, необходимого для расчетов QRA, обычным подходом было использование двумерных эллипсов для обозначения опасных зон, таких как область вокруг взрыва, который создает 10% вероятность смертельного исхода. Аналогичным образом, прагматический подход используется при упрощении результатов дисперсии. Обычно для определения поведения рассеивающегося облака и/или испаряющейся лужи используется ровная местность и беспрепятственный мир. Это создает проблемы, когда влияние неровной местности или сложной геометрии технологических установок, несомненно, влияет на поведение рассеивающегося облака. Хотя у них есть ограничения, двумерная зона опасности и упрощенный подход к трехмерному моделированию дисперсии позволяют обрабатывать большие объемы результатов риска с известными предположениями, чтобы помочь в принятии решений. Компромисс меняется по мере увеличения вычислительной мощности компьютера.
Моделирование последствий опасных событий в истинном трехмерном формате может потребовать другого подхода, например, использования метода вычислительной гидродинамики для изучения рассеяния облаков над холмистой местностью. 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 сосредоточен в первую очередь на потере герметичности опасных жидкостей и на том, что происходит при их выбросе. Это делает QRA несколько неработоспособным в опасных отраслях, которые не уделяют особого внимания сдерживанию жидкости, но все еще подвержены катастрофическим событиям (например, авиация, фармацевтика, горнодобывающая промышленность, очистка воды и т. д.). Это привело к разработке процесса управления рисками, основанного на опыт организаций и их сотрудников в проведении оценок рисков, которые дают результаты о потенциальной гибели людей (PLL) без моделирования дерева отказов и событий. Этот процесс, вероятно, наиболее широко известен под названием SQRA, которая была первой методологией, вышедшей на рынок в конце 1990-х годов, но, возможно, более точно описывается термином «Количественная оценка на основе опыта» (EBQ). Сегодня существует широкий выбор программного обеспечения для реализации этой методологии, и она 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 приговоров, основанных на их истории и другие атрибуты. [1] Он проанализировал показатели риска рецидива, рассчитанные с помощью одного из наиболее часто используемых инструментов, системы Northpointe COMPAS, и изучил результаты за два года и обнаружил, что только 61% из тех, кто считался высоким риском, на самом деле совершили дополнительные преступления в течение этого периода, и что Американские обвиняемые имели гораздо больше шансов получить высокие оценки, чем белые обвиняемые. [1] Эти результаты являются частью более широких вопросов, поднимаемых в области машинной этики в отношении рисков сохранения моделей дискриминации посредством использования больших данных и машинного обучения во многих областях. [2] [3]
Ссылки
[ редактировать ]- ^ Перейти обратно: а б Джулия Ангвин ; Сурья Матту; Джефф Ларсон; Лорен Киршнер (23 мая 2016 г.). «Машинная предвзятость: по всей стране используется программное обеспечение для прогнозирования будущих преступников. И оно направлено против чернокожих» . ПроПублика .
- ^ Кроуфорд, Кейт (25 июня 2016 г.). «Проблема белого парня искусственного интеллекта» . Нью-Йорк Таймс .
- ^ Томас, К.; Нуньес, А. (2022). «Автоматизация судебного усмотрения: как алгоритмическая оценка рисков в досудебных решениях нарушает права на равную защиту по признаку расы» . Закон и неравенство . 40 (2): 371–407. дои : 10.24926/25730037.649 .
- НАЦИОНАЛЬНОЕ РУКОВОДСТВО ПО БЕЗОПАСНОСТИ И ОЦЕНКЕ РИСКА ДЛЯ ЗДОРОВЬЯ ГОРНОДОБЫВАЮЩЕЙ ПРОМЫШЛЕННОСТИ, Джой Дж. и Гриффитс Д., 2007 г., с. 61