#Big Data
Большие данные (Big Data) в сфере Health and Safety. Использование колоссальных массивов неструктурированной информации для предотвращения аварий. Практика агрегации логов с оборудования, данных о микротравмах и результатов СОУТ в единые озера данных для машинного обучения.
Аналитика как философия управления
Промышленная безопасность давно перестала быть просто сбором предписаний и нотаций «не забудь надеть каску». В современном высокотехнологичном мире, где на предприятиях работают сложные системы и тысячи сотрудников, на первый план выходит аналитика промышленной безопасности. Это уже не протоколы прошлых инцидентов, а интеллектуальный инструмент, который позволяет заглянуть в будущее и предотвратить аварии до их возникновения. Если коротко, суть аналитики в промышленной безопасности — это преобразование разрозненных данных в прогнозируемые решения для проактивного управления рисками. Традиционный подход к безопасности был реактивным. Цепочка выглядела так: Происшествие → Расследование → Выводы → Меры. Аналитика же лежит в основе проактивного и предиктивного подхода: Проактивный: Фокус на поиске и устранении причин потенциальных инцидентов. Анализируются не только аварии, но и «опасные происшествия», нарушения процедур, результаты аудитов и наблюдений. Предиктивный (прогнозный): Использование исторических данных и статистических моделей для прогнозирования, где и с какой вероятностью может произойти следующий инцидент. Это высшая форма аналитики, своего рода «машина времени» для специалистов по безопасности. Актуальность аналитики зависит от качества и количества данных. Сегодня в фокусе — сбор информации из множества источников: Отчетность: Акты о несчастных случаях, протоколы расследований происшествий, данные об остановках оборудования и тд; Проверки и аудиты: Результаты плановых и внеплановых проверок, отчеты по поведенческому аудиту безопасности и тд; Данные с оборудования: Показания датчиков вибрации, температуры, давления, которые могут сигнализировать о предотказном состоянии; Системы видеонаблюдения с ИИ: Анализ видео в реальном времени для выявления опасного поведения (отсутствие СИЗ, вход в опасную зону). Внедрение аналитических инструментов позволяет перейти от ответа на вопрос «Что произошло?» к более важным: Выявление скрытых закономерностей и «корневых причин». Пример: Аналитическая система может обнаружить, что микротравмы на участке происходят не случайно, а в конце смены и связаны с конкретной операцией на определенном станке. Это уже не «человеческий фактор», а системная проблема, требующая изменения процедуры или модернизации оборудования. Прогнозирование рисков. Пример: На основе данных о вибрации подшипников, температуры и истории их замены модель может спрогнозировать вероятность выхода из строя насоса в течение следующих 72 часов. Это позволяет провести планово-предупредительный ремонт и избежать внезапной остановки и возможной аварии. Оптимизация ресурсов на безопасность. Пример: Вместо того чтобы равномерно распределять усилия по всему предприятию, аналитика показывает, какие участки, типы работ или оборудование несут наибольший потенциал риска. Это позволяет целенаправленно направлять ресурсы, время инспекторов и средства защиты именно туда, где они дадут максимальный эффект. Для обработки данных используются современные технологии: BI-системы (Power BI): Визуализируют данные в виде дашбордов, графиков и тепловых карт рисков, выдавая сложную информацию понятной для принятия управленческих решений. Машинное обучение и Искусственный интеллект (ИИ): Алгоритмы находят сложные, неочевидные для человека связи между тысячами параметров и строят точные прогнозные модели. Суть современной аналитики в промышленной безопасности выходит далеко за рамки простого сбора статистики. Внедряя аналитику, компания не просто выполняет требования законодательства — она создает интеллектуальную систему, где каждое решение в области безопасности основано на данных, а не на интуиции. И в этом — ее главная сила и ценность.
Проверяя упреждай. Цифровизация энергонадзора
Ключевые тезисы: Проведение проверок методом послед контроля, сбор статистических данных с 2014 г. Внедрение камеральных проверок, как способ борьбы с пандемией Covid-19 Развитие цифрового надзора до 2023 г. в направлении упреждения несчастных случаев и отказов в разрезе энергетики
Система управления проектными рисками как часть цифровой инфраструктуры
Все без исключения глобальные проекты, выполненные с использованием современных методов и лучших практик проектного менеджмента, не укладываются в бюджет и сроки. Основной причиной является неспособность принятия риск-ориентированных решений и владения ситуацией в условиях неопределенности, неполноты и неточности информации, в неэффективном управлении рисками. В ПАО «Газпром» уже более 10 лет создается комплексная информационная система управления проектами, основной задачей которой стало повышение эффективности при принятии решений в условиях неопределенности и непрозрачности в ходе реализации проектов. В соответствии с Федеральным законом от 19 июля 2018 года №209-ФЗ «О внесении изменений в Федеральный закон «Об акционерных обществах» в публичном обществе должны быть организованы управление рисками и внутренний аудит... Что повысило степень значимости наличия в государственных корпорациях риск-менеджмента. Но в связи с отсутствием конкретики о формализации данного функционала, отсутствием исключительно российских стандартов по управлению рисками, которые позволят эффективно управлять проектами с учетом рисков в российской действительности, отсутствием критериев оценки эффективности работы соответствующего подразделения работа в области риск-менеджмента носит формальный характер, а эффективность ничтожно мала практически во всех крупных корпорациях. Что касается применения автоматизированного решения по управлению рисками, из-за отсутствия жестких требований о применении единого российского программного продукта для учета и контроля рисков, большинство даже очень крупных компаний применяют примитивный непригодный для системной работы инструментарий (excel, word), и весь процесс носит формальный характер. Хотя в данном направлении российские аналоги качественного программного обеспечения уже существуют. Существует и вторая не менее глобальная проблема в области управления проектами. Постановлением Правительства РФ от 16 ноября 2015 г. № 1236 «Об установлении запрета на допуск программного обеспечения, происходящего из иностранных государств, для целей осуществления закупок для обеспечения государственных и муниципальных нужд» установлен запрет на допуск программ, происходящих из иностранных государств. В соответствии с новой директивой Силуанова госкомпании спустя десять дней после ее получения должны будут созвать совет директоров, где госпредставители должны одобрить директиву. После этого госкомпании в двухмесячный срок должны утвердить план перехода на российский софт — до 2021 года его доля должна превысить 50%. Аналогичные задачи должны быть поставлены перед дочерними структурами. Речь идет о компаниях из перечня №91-р, утвержденного правительством в 2003 году. Но вся проблема заключается в том, что в России не существует аналогов импортного программного обеспечения по многим направлениям деятельности. И планы по переходу на российские софты не решат самой проблемы. Ключевые тезисы: Сравнение качественного и количественного анализа рисков Когнитивные ловушки и ментальные искажения Как повысить эффективность системы анализа рисков Как оценить эффективность системы анализа рисков Проверка релевантности статистических данных, применяемых для анализа рисков Автоматизация комплексной системы сбора и обработки ретроспективной статистики для оценки рисков инвестиционных проектов