image
energas.ru

Газовая промышленность № 3 2017

Охрана труда и промышленной безопастности

01.03.2017 11:00 НАУЧНО-МЕТОДИЧЕСКИЕ ОСНОВЫ МОНИТОРИНГА И ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ ПРОИЗВОДСТВЕННОЙ БЕЗОПАСНОСТИ ПАО «ГАЗПРОМ»
Эффективность управления производственной безопасностью дочерних обществ и организаций ПАО «Газпром» в значительной степени зависит от качества информационного обеспечения. Создание целостной, эффективной и гибкой системы управления невозможно без комплексной автоматизации процессов сбора, регистрации, передачи, хранения и анализа информации и доведения выработанных на основе использования этой информации решений до объектов управления. В связи с этим требуется адекватное описание и моделирование реальности, растет потребность в развитии теоретических основ и построении адекватного модельного и технологического инструментария информационно-аналитической работы в области поддержки принятия решений, направленных на обеспечение производственной безопасности Общества. В статье рассмотрен широкий круг проблем, возникающих при решении этих задач, их взаимосвязь, роль неопределенностей и эпизодически происходящих опасных явлений в природе, техносфере, обществе и экономике как угроз стабильному функционированию и устойчивому развитию ПАО «Газпром». Сформулирован системный подход и даны рекомендации по мониторингу, анализу и прогнозированию состояния производственной безопасности в Обществе на основе комплексного использования моделей прогноза различного временно'го масштаба.
Ключевые слова: ПРОИЗВОДСТВЕННАЯ БЕЗОПАСНОСТЬ, НЕОПРЕДЕЛЕННОСТЬ, РИСК, ОПАСНОСТЬ, МОНИТОРИНГ, ПРОГНОЗИРОВАНИЕ, СИСТЕМА ПОКАЗАТЕЛЕЙ, ПАТТЕРН-АНАЛИЗ.
Открыть PDF


ПАО «Газпром» вместе со своими дочерними обществами, обеспечивающими эффективное функционирование и развитие Единой системы газоснабжения (ЕСГ) и надежное снабжение газом потребителей, действует как единый комплекс. Основной целью являются организация эффективной работы и получение прибыли в сфере обеспечения отечественных и зарубежных потребителей газом, газовым конденсатом, нефтью и продуктами их переработки на основе прямых договоров, а также по межгосударственным и межправительственным соглашениям. Промышленное производство, помогая достижению этих целей, одновременно является одним из основных источников опасности для персонала, окружающей среды и третьих лиц. Для предотвращения воздействия опасных производственных факторов на состояние здоровья персонала, занятого на производстве, в том числе для снижения уровня заболеваемости профессиональными заболеваниями, производственного травматизма, негативного воздействия на окружающую среду, ПАО «Газпром» разрабатывает и внедряет в практику производственной деятельности высокоэффективные регулятивные механизмы. Их использование в рамках единой концепции отражает общемировую тенденцию построения корпоративных систем управления производственной безопасностью, под которой понимается состояние защищенности основных фондов, работников ПАО «Газпром», а также третьих лиц (включая их имущество) и окружающей среды от воздействий негативных факторов происшествий, вредных и опасных производственных факторов [1]. В настоящее время составляющими производственной безопасности
в ПАО «Газпром» являются охрана труда, промышленная и пожарная безопасность.

Удачный выбор качественных и/или количественных показателей крайне важен для программно-целевого планирования и управления сложными процессами обеспечения производственной безопасности. Такие показатели должны не только позволять оценивать действительное положение дел на предприятиях, но и помогать рационально использовать имеющиеся ресурсы для решения проблемных ситуаций. Приоритет при этом должен отдаваться количественным показателям, поскольку эффективное управление предполагает не только точное определение цели, но и мониторинг траектории движения к ней. Для выполнения таких процедур качественные показатели в большинстве своем малопригодны.

Image_004.jpg

Система мониторинга, построенная с учетом перечисленных особенностей, позволит свое­временно предоставлять лицам, принимающим решения (ЛПР), информацию о параметрах, с помощью которых они могут анализировать текущее состояние наиболее критичных систем и элементов системы обеспечения производственной безопасности ПАО «Газпром», оценивать отклонение этих параметров от допустимых значений и прогнозировать развитие негативных ситуаций.

Общие требования к показателям системы обеспечения производственной безопасности обусловлены ее основной задачей, которой является исключение (снижение) уровня заболеваемости профессиональными заболеваниями, травматизма на производстве и аварийности, отрицательно сказывающихся на качестве трудового процесса. Поэтому выбранные показатели должны не только быть связанными напрямую с негативными ситуациями, но и характеризовать эффективность производства. Основными показателями качества системы обеспечения производственной безопасности могут быть различные числовые характеристики случайных или нечетких величин, например ущерб (вред) от аварий, затраты на предупреждение аварийности и травматизма и др. На практике под критериями производственной безопасности в широком понимании этого термина подразумевают все требования промышленной безопасности и охраны труда, предъявляемые к функционированию производственных объектов в соответствии с нормативными документами, поскольку именно по результатам оценки того, в какой мере выполняются или не выполняются те или иные требования, делают вывод об уровне безопасности. Огромное количество таких критериев сформулировано в нормативных документах, посвященных проектированию, строительству и эксплуатации производственных объектов как важнейшим стадиям их жизненного цикла, на которых закладываются параметры безопасности, обеспечиваемые соответствующими конструктивно-технологическими и медико-социальными характеристиками.

Правило «Для того чтобы чем-то управлять, нужно уметь это количественно измерять» стало основным принципом совершенствования управления, используемым в активно развивающейся в последние годы методологии управления, так называемой системе сбалансированных показателей (Balanced Scorecard) [2]. Главное отличие таких показателей от произвольно заданных заключается в том, что все они, во-первых, ориентированы на структуру стратегических целей и, во-вторых, взаимосвязаны и сгруппированы по определенным признакам и охватывают все основные направления деятельности организационно-экономической системы. Эта методология активно используется ПАО «Газпром» в системе среднесрочного и стратегического планирования
[3, 4], однако в сфере обеспечения производственной безопасности задача построения эффективной системы мониторинга и прогнозирования все еще остается актуальной. Для построения такой системы необходимы индикаторы условий возникновения и развития нештатных и кризисных ситуаций, в качестве которых могут выступать показатели производственной безопасности, обладающие высокой чувствительностью и изменчивостью. Эти индикаторы и показатели должны в количественной форме выражать угрозы безопасности и иметь обобщенный характер, позволяя ранжировать уровень угроз.

Устойчивость развития ПАО «Газпром» определяется динамикой факторов, характеризующих финансово-экономические, производственные сегменты деятельности, а также промышленную безопасность, охрану труда и воздействие на окружающую среду. Для объективной оценки устойчивости развития Общества необходимо уметь измерять указанные факторы, а также иметь определение понятия «устойчивое развитие Общества» как минимум в виде «коридора» основных финансово-экономических и производственных показателей, выход за пределы которого характеризуется как угроза потери устойчивости.

Image_005.jpg

Отличительной чертой системы управления производственной безопасностью является то, что объектом управления здесь является не само производство, имущество, материалы и персонал предприятия, а показатели состояния объекта управления, например внеплановые потери, снижения уровня которых можно добиться за счет управления (изменения составляющих производства и/или способа их организации в рамках бюджета предприятия). При этом абсолютная производственная безопасность не достижима ни при каких условиях, так как всякое снижение внеплановых потерь требует расходов, и чем меньше остаточный риск внеплановых потерь, тем больше средств необходимо на это затратить.

Влияние уровня производственной безопасности на устойчивое развитие Общества можно измерить тремя основными показателями:

  • ·         величиной фактических внеплановых потерь (ущерб от чрезвычайных ситуаций, аварий, инцидентов, технических отказов, внештатных ситуаций и т. п. на предприятиях Общества, травматизма и гибели людей без учета компенсирующих страховых выплат);

  • ·         ожидаемыми уровнями промышленных, индивидуальных и профессиональных рисков (оценки прогнозируемых (ожидаемых) уровней промышленных и профессиональных рисков предполагают расчеты (прогнозирование) возможных масштабов и частот реализации аварий и чрезвычайных ситуаций);

  • ·         уровнем страховой защиты объектов Общества (комплексный показатель, включающий показатели страховой защищенности предприятия и персонала и катастрофичности, отражающие долю внеплановых потерь, компенсируемых за счет страхования).

  • Количественными характеристиками уровней безопасности могут также служить:

  • ·         индивидуальные и социальные риски нанесения ущерба здоровью или гибели сотрудников и населения, а также риски ущерба окружающей среде, связанные с возможностью возникновения аварий, чрезвычайных ситуаций и инцидентов на конкретных опасных производственных объектах (ОПО) Общества;

  • ·         показатели состояния условий труда, защиты здоровья персонала;

  • ·         показатели реализации разработанной системы мер по защите здоровья населения, проживающего в районах деятельности организаций ПАО «Газпром» (экологические, медицинские, финансовые и т. д.);

  • ·         показатели сохранения благоприятной окружающей природной среды, включая концентрации загрязняющих веществ в районах размещения производственных объектов Общества.

Таким образом, количественная оценка состояния производственной безопасности предполагает анализ динамики широкого спектра абсолютных и удельных показателей аварийности и травматизма, а также экологических показателей деятельности Общества, по ряду которых в настоящее время ведется учет в соответствии с государственными и локальными нормативными требованиями, а также показателей риска.

Ключевой проблемой в управлении производственной безопасностью является отсутствие (и, по большому счету, принципиальная невозможность) создания общих баз данных по всем возможным ситуациям, так как большинство из них уникальны, а информация о них нередко противоречива. В отличие от системного и диспетчерского управления управление производственной безопасностью – принципиально адаптивный вид управления в условиях выбора и наличия альтернатив при принятии решений, что в какой-то степени роднит его с ситуационным управлением. Осознание этого обстоятельства возникло в последние годы и на государственном, и на корпоративном уровнях управления. Уже на протяжении ряда лет в Российской Федерации в целях обеспечения информационно-аналитической поддержки стратегического планирования и повышения эффективности государственного управления, в том числе при возникновении чрезвычайных (кризисных) ситуаций, создается Система распределенных ситуационных центров (СРСЦ) [5] и развивается система дистанционного контроля (надзора) промышленной безопасности ОПО (СДКПБ ОПО) нефтегазового комплекса [6].

К СРСЦ предполагается подключение и корпоративных ситуационных центров (СЦ), обеспечивающих ситуационную осведомленность ЛПР. Ситуационная осведомленность, в свою очередь, характеризует качество управления в части возможности получения достаточно полного и точного набора необходимой для принятия решения информации о возникающих ситуациях в реальном масштабе времени. Достигается это путем интеграции средств связи, методов поиска, хранения, обработки, визуализации и распределения потоков внешней и внутренней информации об объекте управления, что позволяет руководителям высшего звена оценить объективное состояние объекта управления, раскрыть тенденции его развития, выявить скрытые риски, угрозы и их особенности, отработать различные способы действий на опережение, проанализировать возможные последствия и осуществить выбор рационального варианта управленческого решения.

В рамках создания СДКПБ ОПО помимо организации ситуационно-аналитического центра, ответственного за обеспечение ситуационной осведомленности в области производственной безопасности, активно ведутся исследования по разработке методик оценки технических рисков промышленной безопасности, интегрированного показателя риска аварий на ОПО и требований к способам и алгоритмам аналитической обработки исторических данных и прогнозирования состояния промышленной безопасности ОПО.

Image_006.jpg

Анализ протекания аварийных и кризисных ситуаций практически во всех отраслях деятельности человека свидетельствует о том, что 10–30 % подобных случаев протекают в непрогнозируемом режиме. Причины этих событий многообразны и априори не могут быть «угаданы» ни на этапе проектирования систем, ни на последующих этапах, связанных с разработкой и проведением комплексов мероприятий по снижению рисков. Последнее обстоятельство крайне важно учитывать при обеспечении промышленной безопасности ОПО, где непродуманная организация мониторинга может привести к лавинообразному, неконтролируемому росту объемов данных самой разной природы и аналитики могут столкнуться с явлением, получившим в последние годы название «большие данные» (Big Data). Современные исследования в этой области направлены на разработку подходов, практических инструментов и методов обработки структурированных и неструктурированных данных огромных объемов и значительного многообразия для получения воспринимаемых человеком результатов, эффективных в условиях непрерывного прироста информации об объектах управления.

Головной научный центр ПАО «Газпром» в области экономики, организации управления и прогнозирования развития газовой отрасли ООО «НИИгаз­экономика» совместно со структурными подразделениями ПАО «Газпром» на протяжении ряда лет разрабатывает и апробирует на практике комплексную методологию работы с Big Data, которая, не влияя напрямую на физико-химическую и технологическую природу аварийности или на законы взаимодействия аварийного процесса и окружающей его внешней среды, тем не менее позволяет ускорить процессы обнаружения нежелательных ситуаций, определить характер их протекания, сократить время, необходимое для принятия эффективного ситуационного плана принятия штатных и нештатных мер. Этот подход к исследованию процессов управления безопасностью можно назвать информационным, выделяющим и изучающим в объектах исследования различные виды потоков информации, способы их обработки, анализа, преобразования, передачи и т. д. Как следствие, применение наиболее эффективных форм управления неразрывно связано с активным использованием окружающего и внутреннего информационного пространства, состояние которого определяется информационным ресурсом.

Если представлять управление как передачу информационных потоков от одного субъекта управления другому, то управление производственной безопасностью можно охарактеризовать как процесс формирования целенаправленного поведения объекта управления и обеспечения устойчивых режимов его функционирования в условиях риска и неопределенности посредством организации потоков внутренней и внешней информации, а также методов ее поиска, обработки и распределения, позволяющих осуществить формирование, выбор и использование рационального управленческого решения. А это, в свою очередь, означает, что уже при организации процессов сбора и накопления данных крайне важна правильная их структуризация, удачный выбор качественных и/или количественных технико-экономических показателей для программно-целевого планирования и управления сложными процессами (например, обеспечение промышленной безопасности ОПО, оценка состоятельности контрагентов, участвующих в закупках, относящихся к обеспечению безопасности функционирования объектов ЕСГ, и т. п.). Такие показатели должны позволить не только оценить действительное положение дел в дочерних обществах и организациях, но и рационально использовать имеющиеся ресурсы для решения проблемных ситуаций.

1_1_1.png

Отметим, что методы обработки и оценки информации, прогнозирования состояния производственной безопасности как в целом, так и по отношению к составляющим ее областям (промышленная и пожарная безопасность, охрана труда) имеют сходный характер. Специфика дальнейшего изложения обусловлена наличием более представительной статистики в области анализа аварийных процессов и нештатных ситуаций, чем при анализе нарушений, связанных, например, с охраной труда на производстве. Однако ряд исследований подтверждает применимость обсуждаемых подходов, вычислительного и методического аппарата к широкому спектру задач обеспечения производственной безопасности ПАО «Газпром».

В качестве практических рекомендаций (поскольку в отечественном законодательстве и нормативно-методической документации, регулирующей отношения в системе обеспечения производственной безопасности, в настоящее время нет четко сформулированных критериев) при введении критериев качества системы обеспечения производственной безопасности с учетом практики применения общих (например, ожидаемый ущерб от аварии) и частных (например, количество обращающихся опасных веществ) показателей опасности аварии необходимо руководствоваться минимум тремя соображениями:

  • ·         при оценке опасности следует отдавать приоритет более общему показателю как системной характеристике и источника опасности, и объекта защиты;

  • ·         необходимо учитывать, что частный показатель опасности аварии характеризует напрямую только источник опасности;

  • ·         следует обращать особое внимание на величину возможного ущерба (вреда), причиняемого третьим лицам.

Пространство показателей, которыми оперирует как компания в целом, так и любой ее бизнес-сегмент, должно быть образовано совокупностью хорошо сбалансированных показателей. При этом одним из наиболее важных факторов сбалансированности является четко прослеживаемая связь показателей, оценивающих выполнение стратегических целей компании, со всей остальной совокупностью показателей, используемых в бизнес-деятельности на всех уровнях иерархии системы управления компанией.

Для установления кризисного и допустимого уровней значений индикаторов и показателей можно использовать так называемый статистический принцип, предполагающий, что допустимый уровень значения показателя определяется как сумма среднего (за достаточно продолжительный период времени) значения показателя и среднеквадратичного отклонения от среднего за этот период, а кризисный уровень –
как сумма среднего и удвоенного среднеквадратичного отклонения. Алгоритм расчета теоретических значений таких показателей и индикаторов и их среднеквадратичных отклонений может быть построен с применением стандартных статистических методов, например метода наименьших квадратов [7].

Практически любая ситуация, включая аварийную, может быть идентифицирована и описана. Идентификация ситуации – это отражение в содержании ее описания какого-то реального события путем одного из возможных способов его описания. При описании ситуации эти опасности обычно группируются в зависимости от своей природы. По сути, каждая ситуация может быть описана, например, в форме анкеты-вопросника и оценена экспертно как штатная или внештатная. Анкетирование вносит системность в процесс выявления опасностей при анализе оцененных ситуаций. С помощью анкеты проверяют, проявляется ли та или иная опасность в описании анализируемой ситуации или нет.

1_1_3.png

Поэтому разумно на начальном этапе развития систем мониторинга и прогнозирования состояния производственной безопасности ПАО «Газпром» создавать ряд «советующих» инструментов –
элементов будущих экспертных систем (ЭС), выстраивать из них каскад модулей для облегчения принятия экспертных решений, разрабатывать гибкую систему мониторинга.

Вообще проблема анализа ЕСГ как объекта прогнозирования является отражением в прогностике более общей проблемы анализа систем. В каждом конкретном случае способ и результаты анализа определяются целями исследования и характером изучаемого объекта [8]. В случае исследования рядов исторических данных редких событий мы имеем дело с дискретными динамическими вероятностными процессами. Поэтому конечной целью анализа ЕСГ является разработка прогностической модели динамики вне­штатных ситуаций, позволяющей с помощью экспериментов уменьшать степень неопределенности дат событий и их масштаба, т. е. получать прогнозную информацию об объекте прогнозирования за счет выявления скрытых закономерностей, указывающих либо на изменения состояния объекта (ЕСГ), либо на закономерности изменений параметров внешней среды, существенно влияющей на функционирование ЕСГ (законы изменчивости прогнозного фона).

Основные этапы прогнозирования – это ретроспекция, диагноз и проспекция (предсказание). От этапа к этапу любое прогнозное исследование непрерывно уточняется: осуществляются детализация структуры изучаемого объекта и оптимизация структуры описания прогнозного фона, т. е. поиск наиболее значимых характеристик внешней среды. Изначально в качестве первичной характеристики прогнозного фона любого динамического процесса выступают время (дата событий) и определяемые через него производные показатели (год, месяц, число дня в месяце, день в рабочей неделе и т. д.). Далее, одновременно с выявлением того, насколько одинаково или различно эти производные от времени характеристики влияют на динамику показателей аварийности, должно приниматься решение: агрегировать ли характеристики по неделям, месяцам, кварталам, годам, и если агрегировать, то каким способом.

Это очень важно, поскольку агрегирование, по сути, является подменой сложных динамических информационных массивов данных их обобщенными характеристиками, например средним значением (математическим ожиданием) или дисперсией, на которую сильно влияют большие выбросы данных (в данном случае – показатели аварий с большими ущербами и/или потерями газа) и, главное, типом распределения агрегированной суммы.

Открытым и малоизученным остается вопрос о типах распределения показателей аварий, особенно аварий с тяжелыми последствиями. Ясно, что из-за их квантовой природы использование аппарата анализа данных, основанного на классических законах больших чисел, является некорректным. Собственно, сходимость по вероятности в реальности практически никогда не наблюдается, за исключением статистики, накопленной в системах массового обслуживания. Соответствие теории реальности в этих сферах деятельности достигается за счет очень большого количества реализаций. Качественная и, главное, продуктивная критика статистического анализа данных, содержащих большие выбросы значений, имеется во многих монографиях, например ряд робастных (устойчивых к выбросам данных) методов статистической обработки содержится в ставшей уже классической работе [9].

Анализ динамики дат аварий на ЕСГ с 1998 г. наглядно и убедительно показывает, что даты возникновения аварий не являются реализацией блуждания случайной бернуллиевской величины и необходим корректный первичный анализ многолетней статистики, и уже на основе этого анализа выяснится, возможна ли разработка адекватного исследуемой задаче инструмента прогнозирования и то, какая доля случайности дат возникновения внештатных ситуаций и их масштабов может быть с его помощью устранена [10].

Также очевидно, что, поскольку истинные законы распределения анализируемых случайных процессов и, главное, факторы, их определяющие, будут непрерывно корректироваться (система ЕСГ, как любая высокотехнологичная «живая» система, изменяется быстрее, нежели накапливается адекватная статистика [11]), необходимо использовать критерии, свободные от распределений. Можно в качестве критериев достижения прогностической цели брать не величины отклонений модельных и реальных данных, а критерии, применяемые в методах классификации и распознавания образов. Например, в качестве измерения точности прогноза можно использовать величины ошибок предсказания первого и второго родов для различных классов и типов аварийных ситуаций, причем если удастся, то в зависимости от классов физического объекта и от значения параметров прогнозного фона. Второе обстоятельство очень важно, поскольку, например, некорректно складывать статистику аварийности различных времен года, так как в различные сезоны протекают различные технологические процессы (например, в ПХГ).

Собственно, аварии могут возникать как по внутренним (старение, износ оборудования), так и по внешним (например, экстремальные природные) причинам, а поскольку чаще всего причина комбинированная, то статистически можно устранить только часть неопределенности, объяснимой отдельно внешними или внутренними причинами. Отсюда ясно, что при анализе динамики редких событий только средствами технического анализа исторических данных надеяться на полноту и точность прогноза, превышающие 50 %, не следует, и значит, прогноз надо строить на принципах, хорошо известных в теориях моделирования и подобия. Устойчивыми модельными конструкциями для целей прогнозирования являются обнаруженные константы (они же – циклы с бесконечным периодом) и ряд самоподобных структур [12–14].

В результате выполненного ранее в ряде НИР для нужд ПАО «Газпром» [15] фактографического анализа данных по аварийности показано, что статистика по месяцам, кварталам, годам, дням месяца, дням недели неоднородна. Это означает, что можно и, главное, нужно извлечь информацию, позволяющую улучшить прогноз в среднем. Возможность построения экспертной системы правил, уточняющей масштабы событий в зависимости от сезона, дня рабочей недели и других факторов, продемонстрирована в виде продукционной системы, типовой для классических ЭС [16].

Image_014.jpg

Обнаруженный волновой характер динамики дат аварийных ситуаций говорит в пользу применения для прогноза классических экстраполирующих «колебательных» функций (термин классической теории прогнозирования [8]). Перспективным представляется применение классического аппарата цифровой обработки сигналов – спектрального анализа данных [17]. Здесь также имеются специфические трудности обнаружения закономерностей. Главная из них – это преобладание дней, в которых нет никаких аварий. Поэтому методы спектрального анализа, возможно, будут адекватны для обобщенных интервалов времени, например для предсказания числа аварийных дней в очередной «серии» внештатных ситуаций, но для проверки этого утверждения необходимы вычислительные эксперименты. Для построения же прогностической системы, основанной на асимметриях распределений дат возникновения внештатных ситуаций, следует использовать метод обнаружения скрытых закономерностей, хорошо известный специалистам по теории чисел, теории кодирования и декодирования информации в области распознавания образов. Важное свойство информационных метрик при классификации случайных образов с априорно неизвестными законами распределения – то, что эти метрики «свободны от типа распределения случайных величин» [18], что особенно важно при исследовании статистики внештатных ситуаций.

С учетом вышесказанного задача прогнозирования естественно разбивается на задачи трех уровней:

  • ·         макропрогнозирование основных тенденций изменения индикаторов аварийности с учетом влияния результатов научно-технических достижений в области безопасности и функционирования ЕСГ и определение размеров и границ коридоров изменения базовых индикаторов;

  • ·         мезопрогнозирование сезонных (технологических) и других колебаний в динамике аварийности в пределах «естественных» коридоров;

  • ·         микропрогнозирование конкретных дат и границ интервалов областей ожидаемой повышенной аварийности.

Макропрогнозирование развития некоторого процесса f(t) – определение основной тенденции в скоростях роста значений f(t) в будущем (за пределами известного исторического интервала) через определение и аналитическое продолжение основной тенденции (тренда f0(t), верхней (fmax(t)) и нижней (fmin(t)) границ коридора прогноза и его нижнего Dfmin(t) и верхнего размеров Dfmax(t)) (рис. 1):

                { ∆fmax(t) = fmax(t) – f0(t) > 0

                ∆fmin(t) = f0(t) – fmin(t) > 0.               (1)

Величины верхних и нижних коридоров для анализа показателей аварийности должны в принципе различаться в размерах, потому что добиться снижения аварийности на 2–3 аварии в год намного труднее, нежели «допустить» больше аварий на те же самые 2–3 единицы. Аналогичная ситуация имеет место и с «производными» показателями, например внеплановыми ущербами, потерями газа. Поэтому стандартные методы регрессионного анализа, такие как метод наименьших квадратов (минимизации дисперсии), в чистом виде здесь не применимы.

Мезопрогнозирование – стадия более корректной обработки данных, к которой можно перейти, осуществив, например, нелинейное преобразование следующего вида:

g(t) = A(t) f2(t) + B(t)f(t) + C(t).   (2)

Функции-коэффициенты преобразования A(t), B(t), C(t) подбираются таким образом, чтобы верхняя граница коридора отобразилась в функцию «+1», нижняя граница коридора – в функцию «–1», а тренд совпал с нулевой ординатой – осью абсцисс. Решая соответствующую систему из трех линейных уравнений для A(t), B(t), C(t) в каждой точке времени t, получаем:

1_1_2.png(3)

где D = ∆fmax(t) ∆fmin(t){∆fmax(t) + ∆fmin(t)} – определитель системы.

Определив для функции g(t) тренд мезомасштабной поправки g0(t) (рис. 2), далее уточняют «волновой» тренд этой поправки g0(t), а также верхний (gmax(t)) и нижний (gmin(t)) коридоры поправки, которые уже, как правило, не являются монотонными функциями. Чаще всего тренд и коридоры поправок представляют суммы ограниченного количества затухающих колебаний [16].

Размеры нижнего Dgmin(t) и верхнего размеров Dgmax(t) коридоров для поправок:

                { ∆gmax(t) = gmax(t) – g0(t) > 0

                ∆gmin(t) = g0(t) – gmin(t) > 0          (4)

являются более узкими, и выполняется условие:

1_1.png(5)

что позволяет, подставив в (2) выражение для g(t) из (5), уточнить «основной» тренд f0(t) и границы верхнего fmax(t) и нижнего коридоров fmin(t) прогноза, которые уже приобретут «естественно наблюдаемый» волновой характер.

Если взять много экспонент для приближения g0(t), то приблизить фактические данные через вычисление g(t) можно с любой степенью точности (узкий коридор), но такой прогноз будет неустойчивым и кратковременным [18]. Известно, что при случайном блуждании время пребывания наблюдаемого параметра в границах коридора пропорционально квадрату его размера. Поскольку технологии безопасности хоть и плавно, но меняются со временем, обнаруженная закономерность обязательно изменится.
И чем она сложнее, тем скорее разрушится. Напротив, если взять мало экспонент, будет корректно в «среднем» выявляться основная тенденция, но коридор для поправки будет оставаться достаточно большим, и ценность подобного уточнения прогноза из-за малой точности итогового прогноза будет потеряна.

Выходов из этой ситуации несколько. Первый – расчет большого числа вариантов приближений поправок к ретроспективным данным и выбор из них «золотой» середины путем привлечения «дополнительных соглашений» относительно баланса между точностью описания «прошлого» и устойчивостью описания тенденции будущего развития процесса. Второй вариант – построение адаптивной схемы прогноза, когда малым количеством косинусоид приближаются только «последние» ретроспективные данные, при этом «забываются» данные из более удаленного прошлого. Но этот подход имеет существенный недостаток: в меньшей (сокращенной по объему) выборке может быть потеряна полезная информация, например о глобальных циклических факторах, в частности об обусловленных «длинными волнами» в экономике [11]. Анализ показывает, что динамика аварийности носит к тому же нестационарный и сезонный характер, и динамика «весенних периодов» деятельности ЕСГ ближе к динамике «весенних» периодов прошлых лет, нежели к динамике зимнего периода
текущего года. Другим аргументом в пользу изучения мезомасштабных волновых процессов является то обстоятельство, что волновой характер изменения аварийности естественен для всех высокотехнологичных видов деятельности.

Микропрогнозирование оперирует моделями, принципиально отличающимися от описанных выше моделей прогноза макроуровня и мезоуровня. Если для первых важен размер коридоров прогнозов, то в моделях микропрогнозирования допустимы приемлемые различия траекторий реальных и прогнозируемых анализируемых показателей, которые наблюдаются в зависимости от того, где располагаются факты, которые не удалось «предугадать». Так, если «непредугаданными» окажутся даты аварий в начале исследуемого периода, то в течение всего периода оценка интегральных кривых будет занижена по отношению к реальности и только к концу интервалов прогнозирования приблизится к расчетным оценкам по макромоделям. Напротив, если «непредугаданными» окажутся даты аварий в конце исследуемого периода, интегральная оценка будет занижена. И это при одинаковых процентах «угаданных» аварийных дней. Поэтому, конечно же, идеальным было бы «равномерное» распределение ошибок предсказания, но такая картина наблюдаться никогда не будет без сопряжения моделей микроуровня с моделями макро- и мезоуровня, указывающих на зоны повышенной интенсивности аварий (предмет будущих исследований).

Модели микропрогнозирования непосредственно связаны с «угадыванием» дат возникновения самых мелких «зубцов» на прогнозных функциях. Принципиально эти модели являются моделями распознавания образов (паттернов), указывающих на даты (интервалы дат), в которых наиболее ожидаемо появление внештатных аварийных ситуаций. Определение границ коридоров моделей верхних уровней базируется на предположении, что динамическая картина аварийности реализуется вследствие наложения детерминированных и случайных причин (факторов). Если первые из этих факторов определяют верхние и нижние коридоры, то случайные факторы определяют так называемые блуждания реальных кривых между границами коридоров. Выполненные в ООО «НИИгазэкономика» исследования [15] убедительно показали, что для различных фаз «естественных» циклов, различных дней рабочей недели, разных месяцев, а также различающихся дней в месяце статистики аварийности значимо различаются. Это означает, что есть основания для поиска комбинаций факторов, при которых аварийность повышена (поиск «негативных» паттернов), а также для определения благоприятных комбинаций факторов, при которых, по крайней мере в обозримой ретроспективе, крупных аварий не наблюдалось, и есть надежда, что и в обозримом будущем наблюдаться не будет.

Таким образом, модели микропрогнозирования нацелены на то, чтобы выделить существенные факторы, выстроить из них комбинации (паттерны) и оценить их. В результате появляется возможность, анализируя «каждый будущий день», определиться, к какому паттерну (хорошему или плохому) этот день относится, и дать этому дню соответствующую оценку на будущее. Факторы, в которых наблюдаются различия, имеют как циклическую, так и нециклическую природу. Совместный учет всех факторов возможен при построении развивающейся ЭС, учитывающей, в том числе, экономические показатели изучаемых объектов ЕСГ, что позволило разработать классификатор уровня аварийности дат, в основе которого лежит отбор соответствующих периодов и выбора сочетаний «рабочих» фаз, указывающих на повышенную (пониженную) аварийность внутри общего большого цикла, получающегося наложением соответствующих гармоник.

Все вышесказанное, а также требования системного подхода к исследованию перечисленных в статье задач естественно приводят к необходимости моделирования системы обеспечения производственной безопасности ПАО «Газпром» как развивающейся системы [19]. Любой объект исследования, дополненный, если необходимо, определенными связями с другими развивающимися объектами, в частности с субъектами исследования, можно интерпретировать в виде такой системы. Понимание этого обстоятельства способствует все более активному развитию этого направления в различных отраслях науки [19–23].

Экспертные оценки показывают, что суммарный эффект от применения всех доступных средств ситуационного анализа (идентификация опасной деятельности, декларирование безопасности, планирование действий при аварии, информирование населения о возможной чрезвычайной ситуации) по снижению аварийности и внеплановых потерь может достигать 10–15 %. Например, быстрое законодательное принятие странами Европейского сообщества основных положений Директивы Seveso (1982) [24] позволило снизить аварийность в развитых странах в 4–8 раз (от 400 аварий, в том числе 75 крупных, в 1983 г., до 70, в том числе 21 крупной, в 1989 г.). При этом предлагаемые меры информационного и организационного характера станут более действенными, если все составляющие системы управления производственной безопасностью в части прогнозирования, предотвращения и локализации ситуаций с негативными последствиями будут работать в соответствии с едиными регламентами и стандартами. Следовательно, необходим процесс постепенной актуализации состояния информационного, нормативно-методического и прогнозно-аналитического обеспечения деятельности в области производственной безопасности как на уровне ПАО «Газпром», так и на уровне государства.



← Назад к списку