Программное обеспечение для количественной оценки риска
Программное обеспечение и методологии количественной оценки рисков (QRA) дают количественные оценки рисков с учетом определяющих их параметров. Они используются в финансовом секторе, химической промышленности и других областях.
В финансовом отношении количественная оценка риска включает расчет ожидаемой величины единовременного убытка от денежной стоимости актива.
В химической и нефтехимической промышленности QRA в первую очередь занимается определением потенциальной потери жизни (PLL), вызванной нежелательными событиями. Специализированное программное обеспечение может использоваться для моделирования последствий такого события и для помощи в расчете потенциальной потери жизни. Некоторые организации используют результаты риска для оценки предполагаемой стоимости предотвращения смертельного исхода (ICAF), которая может использоваться для установления количественных критериев того, что является неприемлемым риском, а что допустимым.
Для взрывчатой промышленности QRA может использоваться для многих приложений, связанных с риском взрыва. Это особенно полезно для анализа риска на месте, когда невозможно полагаться на таблицы количественного расстояния (QD).
Ограничения
Некоторые из описанных выше моделей программного обеспечения QRA должны использоваться изолированно: например, результаты модели последствий не могут быть напрямую использованы в модели риска. Другие программы программного обеспечения QRA автоматически связывают различные модули расчета вместе для облегчения процесса. Часть программного обеспечения является запатентованной и может использоваться только в определенных организациях.
Из-за большого объема обработки данных, необходимого для расчетов QRA, обычным подходом было использование двумерных эллипсов для представления опасных зон, таких как область вокруг взрыва, которая представляет собой 10% вероятность летального исхода. Аналогичным образом, прагматичный подход используется при упрощении результатов дисперсии. Обычно для определения поведения рассеивающегося облака и/или испаряющегося бассейна используется ровная местность, свободный мир. Это создает проблемы, когда эффекты неровной местности или сложной геометрии технологических установок, несомненно, повлияют 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 для содействия принятию решений. Компромисс смещается по мере увеличения вычислительной мощности компьютера.
Моделирование последствий опасных событий в истинном 3D- режиме может потребовать иного подхода, например, использования метода вычислительной гидродинамики для изучения рассеивания облаков над холмистой местностью. Создание моделей CFD требует значительно больших затрат времени со стороны аналитика моделирования (из-за возросшей 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 локализации опасных жидкостей и на том, что происходит при их выбросе. Это делает QRA несколько непригодным для использования в опасных отраслях, которые не фокусируются на локализации жидкостей, но все же подвержены катастрофическим событиям (например, авиация, фармацевтика, горнодобывающая промышленность, очистка воды и т. д.). Это привело к разработке процесса оценки риска, который опирается на опыт организаций и их сотрудников для получения оценок риска, которые производят потенциальные потери жизни (PLL) без моделирования дерева неисправностей и событий. Этот процесс, вероятно, наиболее широко известен под названием SQRA, который был первой методологией, вышедшей на рынок в конце 1990-х годов, но, возможно, более точно описывается термином «квантификация на основе опыта» (EBQ). Сегодня существует выбор программного обеспечения, с помощью которого можно реализовать эту методологию, и она широко используется в горнодобывающей промышленности по всему миру.
В попытке быть более справедливыми и избежать увеличения и без того высоких показателей тюремного заключения в США суды по всей Америке начали использовать программное обеспечение для количественной оценки риска при принятии решений об освобождении людей под залог и вынесении приговора, которое основывается на их истории и других характеристиках. [1] Оно проанализировало оценки риска рецидивизма, рассчитанные одним из наиболее часто используемых инструментов, системой Northpointe COMPAS, и рассмотрело результаты за два года и обнаружило, что только 61% из тех, кто считался высокорискованным, фактически совершили дополнительные преступления в течение этого периода, и что афроамериканские обвиняемые с гораздо большей вероятностью получали высокие оценки, чем белые обвиняемые. [1] Эти результаты являются частью более крупных 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
- ^ Джулия Энгвин ; Сурья Матту; Джефф Ларсон; Лорен Киршнер (23 мая 2016 г.). «Машинная предвзятость: по всей стране используется программное обеспечение для прогнозирования будущих преступников. И оно предвзято по отношению к чернокожим». ProPublica .
- ↑ Кроуфорд, Кейт (25 июня 2016 г.). «Проблема белого парня в искусственном интеллекте». The New York Times .
- ^ Томас, К.; Нуньес, А. (2022). «Автоматизация судебного усмотрения: как алгоритмические оценки рисков в досудебных решениях нарушают равные права на защиту по признаку расы». Закон и неравенство . 40 (2): 371–407. doi : 10.24926/25730037.649 .
- НАЦИОНАЛЬНОЕ РУКОВОДСТВО ПО ОЦЕНКЕ РИСКА БЕЗОПАСНОСТИ И ЗДОРОВЬЯ В МИНЕРАЛЬНОЙ ПРОМЫШЛЕННОСТИ, Джой Дж. и Гриффитс Д., 2007, стр. 61
