Климащук Александр Андреевич, Тимофеева Светлана Семеновна

2025 / Том 10, № 4 (2025) [ ЭКОЛОГИЧЕСКАЯ БЕЗОПАСНОСТЬ ]

Представлена комплексная методика оценки аварийных рисков нефтеперекачивающих станций, основанная на синтезе вероятностных методов и детерминистических расчетов ущерба и реализующая принцип data-driven. Данный подход в контексте оценки рисков означает, что все ключевые расчетные параметры (вероятности отказов, масштабы последствий) определяются не экспертными предположениями, а на основе объективных данных: статистики отказов оборудования, технологического мониторинга и нормативных стоимостных показателей. Предложен алгоритм автоматизации расчетов с реализацией на языке Python. Проведена верификация методики на примере головной нефтеперекачивающей станции «Тайшет». Показано, что предлагаемый подход позволяет перейти от субъективных экспертных оценок к количественным расчетным показателям, обеспечивая объективное сравнение рисков и обоснованное планирование мероприятий по повышению промышленной безопасности.

Ключевые слова:

нефтеперекачивающая станция, аварийные риски, методика, data-driven подход, надежность оборудования, промышленная безопасность

Библиографический список:

1. Хамматдинова Г.И. Нефтяная промышленность РФ: особенности развития и основные проблемы // Вестник Уфимского государственного нефтяного технического университета. 2018. № 3(25). С. 99–104. EDN: VQSSFA.  ISSN: 2541-8904.
2. Пирогова Е.В., Яшин. С.Н. Метод анализа иерархий (МАИ) как способ обоснования выбора направления стратегического развития вуза в условиях конкуренции // Вестник Академии знаний. 2025. № 1(66). С. 80–87. EDN: SGTZQ.
3. Рожков Д.М., Беляк А.Л. Исследование пожарной опасности головной нефтеперекачивающей станции ГНПС-1 «Тайшет» ООО «Транснефть-Восток» // XXI век. Техносферная безопасность. 2022. № 3. С. 249–263. https://doi.org/10.21285/2500-1582-2022-3-249-263. EDN: MZQCHW.
4. Saaty T.L. Kearns. Analytical Planning. The Organization of Systems Prigozhin // Pergamon Press. 1985.
5. Саати Т.Л. Об измерении неосязаемого. Подход к относительным измерениям на основе главного собственного вектора матрицы парных сравнений // Cloud of Science. 2015. T. 2. № 1. Режим доступа: http://cloudofscience.ru (дата обращения: 15.08.2025). ISSN: 2409-031X.
6. Саати Т.Л. Относительное измерение и его обобщение в принятии решений. Почему парные сравнения являются ключевыми в математике для измерения неосязаемых факторов // Cloud of Science. 2016. T. 3. № 2. Режим доступа: http://cloudofscience.ru (дата обращения: 15.08.2025). ISSN: 2409-031X.
7. Коробов В.Б., Тутыгин А.Г. Преимущества и недостатки метода анализа иерархий // Известия Российского государственного педагогического университета имени А.И. Герцена. 2010. № 122. С. 108–115. EDN: KZRHJV.
8. Колодко Д.В. Иерархический метод рандомизированных сводных показателей и его применение для сравнения инвестиционной привлекательности проектов // Теоретическая и прикладная экономика. 2020. № 1. С. 111–131. https://doi.org/10.25136/2409-8647.2020.1.32328. EDN: WFSKDY.
9. Коньякова А.В., Тимофеев В.И., Щеглов Д.К. . Организационно-техническое обеспечение дистанционной работы сотрудников в условиях диверсификации промышленного производства // Управленческое консультирование. 2020. № 10 (142). С. 91–108. https://doi.org/10.22394/1726-1139-2020-10-91-10. EDN: MFNCZH.
10. Пименов В.И., Воронов М.В., Пименов И.В. Когнитивная визуализация классифицирующих правил, извлеченных из данных, на основе модели бинарной решающей матрицы // Информационно-управляющие системы. 2019. № 6. С. 2–11. https://doi.org/10.31799/1684-8853-2019-6-2-11.
11. Степаненко Н.В., Алексеева Т.В., Губина Л.В. Применение метода анализа иерархий в выборе способа автоматизации компании // Прикладная информатика. 2018. № 6(78). С. 5–14. EDN: YQIMNN. ISSN: 1993-8314.
12. Amato F., Marrone S., Moscato V., Piantadosi G., Picariello A. & Sansone, C. Chatbots meet ehealth: Automatizing healthcare. CEUR Workshop Proceedings; 2017,  pp.  40-49. Режим доступа: https://dl.acm.org/doi/10.1016/j.ipm.2022.103203(дата обращения: 15.08.2025).
13. Astanti R.D., Mbolla S.E. & Ai T.J. Raw material supplier selection in a glove manufac-turing: Application of AHP and fuzzy AHP // Decision Science Letters. 2020. N 9(3), рр. 291-312. https://doi.org/10.5267/j.dsl.2020.5.005.
14. Cotrino A., Sebastián M., González-Gaya C. Industry 4.0 Roadmap: Implementation for Small and Medium-Sized Enterprises. 2020. N 10. 8566 р. https://doi.org/10.3390/app10238566.
15. Cvetanovic S., Nedic V. & Eric M. Information technology as a determinant of smes collaboration and innovativeness. International Journal for Quality Research. 2014; 8(4):465-480. Режим доступа: researchgate.net›publication/286845096_… (дата обращения: 15.08.2025).
16. Moscoso-Zea O., Saa P., Paredes-Gualtor J. & Sandoval F. Moving the IT Infrastructure to the Cloud. Enfoque UTE. 2018. Vol. 9. No. 1, рp. 79-89, 2018https://doi.org/https://doi.org/10.29019/enfoqueute.v9n1.219.
17. Smutny P. & Schreiberova P. 2020. Chatbots for learning: A review of educational chatbots for the Facebook Messenger. Computers and Education, 151(June 2019). 103862. https://doi.org/10.1016/j.compedu.2020.103862.

Файлы:

• article_05_0.pdf (скачать | просмотреть) - скачано 2 раза