Ανάπτυξη και εφαρμογή μεθοδολογίας εκτίμησης διακινδύνευσης σε ναυπηγεία

Abstract

The aim of this thesis is to develop a model that leads to a Professional Quantitative Risk Assessment (QRA), in the shipbuilding and ship repair industry taking account the occupational accident and attempting to help address a problem that has, both, significant social and economic dimensions.Two independent routes that complement each other were followed.The first route led to the development of an analytical model capable of describing the mechanisms of connection between cause, effect and the consequences of accidents in shipbuilding and leading, under conditions, on a comprehensive QRA. The model is based on the identification and the assessment of hazards, as well as, other aggravating factors in a yard work environment. Techniques of inductive models like Event Tree Analysis (ETA) and Fault Tree Analysis (FTA) were used. The inductive models were ultimately linked to an integrated structure "BOW TIE", which clearly shows the relationship of main danger sources and the aggravating factors that could lead to the creation of an event and the course of the event to possible consequences through mitigating factors that compose the Independent Layers of Protection (ILPs).In this way, the main components of the risk are presented, meaning the probability of an event on the one hand and the possible consequences on the other. For a better understanding and documentation of the model, risk analysis and identification techniques for concrete typical situations (HAZID) were performed; also flow diagrams were constructed for such cases and numerical calculation example of the risk for one of the cases.The second route led to the construction of an expert system, based on fuzzy rules and fuzzy inference, using the provided information from the data of accidents in the shipbuilding industry, firstly with the use of statistical analysis of accidents recorded data, which have been collected in shipbuilding units, and secondly with the use of soft computing calculating techniques. The creation of a Fuzzy Inference System (FIS) was decided based on Adaptive Neural Networks (AN). The statistically process of the recorded accident data set the parameters and the database for the construction, training and the verification of the results of the Adaptive Neural Fuzzy Inference System (ANFIS).The "BOW TIE" model proved capable of leading to qualitative conclusions such as the identification of the main danger sources, as also as the aggravating and mitigating factors and also to provide quantitative documentation for any safety measures improvement to reduce risks.The ANFIS model proved a feasible simulation method of the complex relationship between the parameters involved in an accident in the shipbuilding industry, exploiting the existing and appropriate statistically processed historical accident data, constituting, thus, a tool able to make predictions and be conclusive in small computational time.

Στόχος αυτής της διατριβής είναι η δημιουργία μοντέλου που θα οδηγεί σε μια Ποσοτική Εκτίμηση Επαγγελματικής Διακινδύνευσης (Quantitative Risk Assessment, QRA) εργαζομένων στην ναυπηγική και ναυπηγοεπισκευαστική βιομηχανία με γνώμονα το εργατικό ατύχημα, επιχειρώντας να συμβάλλει στην αντιμετώπιση ενός προβλήματος που έχει σημαντικές κοινωνικές αλλά και οικονομικές διαστάσεις. Ακολουθήθηκαν δύο ανεξάρτητοι οδοί που συμπληρώνουν η μία την άλλη.Η πρώτη οδός οδήγησε στην ανάπτυξη ενός Αναλυτικού Μοντέλου, ικανό να περιγράφει τους μηχανισμούς σύνδεσης μεταξύ αιτίου- αιτιατού - συνεπειών εργατικών ατυχημάτων σε ναυπηγικές εργασίες και να οδηγεί υπό προϋποθέσεις σε μια ολοκληρωμένη QRA. Το μοντέλο στηρίχθηκε στον εντοπισμό και στην αξιολόγηση των πηγών κινδύνου, καθώς και άλλων επιβαρυντικών παραγόντων μέσα στο εργασιακό περιβάλλον ενός ναυπηγείου. Τεχνικές χρήσης επαγωγικών μοντέλων όπως τα δέντρα γεγονότων (Event Tree Analysis, ETA) και τα δέντρα σφαλμάτων (Fault Tree Analysis, FTA) χρησιμοποιήθηκαν. Τα επαγωγικά μοντέλα συνδέθηκαν τελικά σε μια ολοκληρωμένη δομή “BOW TIE”, στην οποία απεικονίζεται σαφώς η σχέση των γενεσιουργών αιτιών και των επιβαρυντικών παραγόντων που δύναται να οδηγήσουν στη δημιουργία ενός συμβάντος, καθώς και η πορεία από το συμβάν στις πιθανές συνέπειες μέσω των αμβλυντικών παραγόντων που συνθέτουν τα ανεξάρτητα επίπεδα προστασίας (Independent Layers of Protection, ILPs). Έτσι παρίστανται οι παράγοντες που συγκροτούν τη διακινδύνευση, δηλαδή η πιθανότητα ενός συμβάντος αφενός και οι πιθανές συνέπειες αφετέρου. Για την καλύτερη κατανόηση και τεκμηρίωση του μοντέλου διενεργήθηκαν τεχνικές ανάλυσης και αναγνώρισης κινδύνου για συγκεκριμένες χαρακτηριστικές περιπτώσεις (HAZID), κατασκευάστηκαν διαγράμματα ροής για αυτές τις περιπτώσεις και αριθμητικό παράδειγμα υπολογισμού της διακινδύνευσης για μια εκ των περιπτώσεων.Η δεύτερη οδός οδήγησε στην δόμηση ενός έμπειρου συστήματος, στηριζόμενου σε κανόνες ασαφούς λογικής και ασαφούς συμπερασμού, που χρησιμοποιεί την παρεχόμενη πληροφορία από δεδομένα εργατικών ατυχημάτων στη ναυπηγική βιομηχανία, τα οποία έχουν συγκεντρωθεί από ναυπηγοεπισκευαστικές μονάδες, μέσω της χρήσης στατιστικής ανάλυσης και με τη χρήση υπολογιστικών τεχνικών soft computing. Επιλέχθηκε η δημιουργία ενός «Ασαφούς Συστήματος Συμπερασμού» (Fuzzy Inference System, FIS) που στηρίζεται στα προσαρμοζόμενα νευρωνικά δίκτυα (Adaptive Neural Networks, AN). Τα καταγεγραμμένα δεδομένα στοιχεία υπέστησαν στατιστική επεξεργασία και καθορίστηκαν οι παράμετροι και τα δεδομένα για την τροφοδότηση, την εκπαίδευση και τον έλεγχο των αποτελεσμάτων του Προσαρμοζόμενου Νευρωνικού Ασαφούς Συστήματος Συμπερασμού (Adaptive Neuro-Fuzzy Inference System ANFIS).Το μοντέλο “BOW TIE” αποδείχθηκε ικανό να οδηγήσει σε ποιοτικά συμπεράσματα όπως ο εντοπισμός των πηγών κινδύνου, των επιβαρυντικών αλλά και των αμβλυντικών παραγόντων αλλά και να τεκμηριώσει ποσοτικά κάθε μέτρο βελτίωσης της ασφάλειας με στόχο τη μείωση της διακινδύνευσης.Το μοντέλο ANFIS αποδεδείχθηκε μια εφικτή μέθοδος προσομοίωσης της πολύπλοκης σχέσης μεταξύ των παραμέτρων που εμπλέκονται σε ένα εργατικό ατύχημα στη ναυπηγική βιομηχανία, εκμεταλλευόμενο ήδη υπάρχοντα και κατάλληλα στατιστικά επεξεργασμένα ιστορικά στοιχεία εργατικών ατυχημάτων, αποτελώντας ένα εργαλείο ικανό να κάνει προβλέψεις και να οδηγεί σε ασφαλή συμπεράσματα, σε μικρό υπολογιστικό χρόνο.