РОЗРАХУНКОВА МОДЕЛЬ ОЦІНКИ ЕКСПЛУАТАЦІЙНОЇ БЕЗПЕКИ СУДНА З УРАХУВАННЯМ ДЕГРАДАЦІЇ БАР’ЄРІВ ТА ПРОГНОЗУ РИЗИКУ

Petro Nykytuik; Oleksiy Melnyk

doi:10.26906/SUNZ.2025.2.020

Автор(и)

Petro Nykytuik
Oleksiy Melnyk

DOI:

https://doi.org/10.26906/SUNZ.2025.2.020

Ключові слова:

експлуатаційна безпека судна, інтегрована модель ризику, деградація бар’єрів, технічний стан підсистем, індекс ризику SIRI, управління морською безпекою, цифрове прогнозування, ймовірнісна модель, оцінка запасу безпеки, прогноз часу реагування, багатофакторний аналіз, сценарне моделювання, критичні стани, автоматизоване реагування, інформаційна підтримка рішень

Анотація

Актуальність. В умовах зростання складності технічного забезпечення морських суден та впровадження елементів автономного управління, зростає потреба у створенні моделей, здатних адаптивно реагувати на зміну технічного стану підсистем і зовнішніх загроз. Ключовим елементом у системах забезпечення безпеки виступає узагальнений індекс ризику, який повинен динамічно змінюватися в залежності від технічної деградації та комбінованого впливу середовища. Об’єкт дослідження: інтегрована модель оцінки експлуатаційної безпеки судна. Мета статті: розробка методу розрахункової оцінки експлуатаційної безпеки судна з урахуванням деградації бар’єрів безпеки, технічного стану підсистем і прогнозу динаміки ризику. Результати дослідження. У статті запропоновано багаторівневу ймовірнісну модель, яка дозволяє розраховувати ризики окремих підсистем, оцінювати ефективність захисних бар’єрів, а також формувати інтегрований індекс безпеки (SIRI). Модель доповнена блоком прогнозування часу до критичного стану та алгоритмом активації захисного реагування. Проведено числове моделювання шести підсистем судна для восьми типових сценаріїв експлуатації. Висновки. Реалізація моделі дозволяє забезпечити раннє виявлення ризикових ситуацій, скорочення часу реагування та підвищення інформативності систем прийняття рішень. Модель може бути використана як ядро цифрових платформ управління безпекою морських суден. Сфера використання отриманих результатів: інтелектуальні системи управління безпекою морських суден, автономне судноплавство, автоматизовані навігаційні платформи.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Fan C., Montewka J., Bolbot V., Zhang Y., Qiu Y., Hu S. Towards an analysis framework for operational risk coupling mode: A case from MASS navigating in restricted waters. Reliability Engineering & System Safety. 2024. Vol. 248. Article ID 110176. https://doi.org/10.1016/j.ress.2024.110176

2. Nakashima T., Kureta R., Khastgir S. Addressing systemic risks in autonomous maritime navigation: A structured STPA and ODD-based methodology. Reliability Engineering & System Safety. 2025. Vol. 261. Article ID 111041. https://doi.org/10.1016/j.ress.2025.111041

3. Chai H., Dong K., Liang Y., Han Z., He R. Machine learning-based accidents analysis and risk early warning of hazardous materials transportation. Journal of Loss Prevention in the Process Industries. 2025. Vol. 95. Article ID 105594. https://doi.org/10.1016/j.jlp.2025.105594

4. Inal O. B., Charpentier J., Deniz C. Hybrid power and propulsion systems for ships: Current status and future challenges. Renewable and Sustainable Energy Reviews. 2022. Vol. 156. Article ID 111965. https://doi.org/10.1016/j.rser.2021.111965

5. Guo S., Wang Y., Dai L., Hu H. All-electric ship operations and management: Overview and future research directions. ETransportation. 2023. Vol. 17. Article ID 100251. https://doi.org/10.1016/j.etran.2023.100251

6. Sharifzadeh M., Cooper N., Van’t Noordende H., Shah N. Operational strategies and integrated design for producing green hydrogen from wind electricity. International Journal of Hydrogen Energy. 2024. Vol. 64. P. 650–675. https://doi.org/10.1016/j.ijhydene.2024.03.237

7. Onsay E. A., Bulao R. J. G., Rabajante J. F. Bagyong Kristine (TS Trami) in Bicol, Philippines: Flood Risk Forecasting, Disaster Risk Preparedness Predictions and Lived Experiences through Machine Learning (ML), Econometrics, and Hermeneutic Analysis. Natural Hazards Research. 2025. https://doi.org/10.1016/j.nhres.2025.02.004

8. Mentes A. Risk analysis of on-field and on-board activities and resilience investigation of Izmir Aliaga Ship Recycling Facilities. Ocean Engineering. 2023. Vol. 287. Article ID 115891. https://doi.org/10.1016/j.oceaneng.2023.115891

9. Ruponen P., Montewka J., Tompuri M., Manderbacka T., Hirdaris S. A framework for onboard assessment and monitoring of flooding risk due to open watertight doors for passenger ships. Reliability Engineering & System Safety. 2022. Vol. 226. Article ID 108666. https://doi.org/10.1016/j.ress.2022.108666

10. Sultana S., Haugen S. An extended FRAM method to check the adequacy of safety barriers and to assess the safety of a socio-technical system. Safety Science. 2022. Vol. 157. Article ID 105930. https://doi.org/10.1016/j.ssci.2022.105930

11. Moussa A. A., Farag Y. B., Gunbeyaz S. A., Fahim N. S., Kurt R. E. Development and research directions in ship recycling: A systematic literature review with bibliometric analysis. Marine Pollution Bulletin. 2024. Vol. 201. Article ID 116247. https://doi.org/10.1016/j.marpolbul.2024.116247

12. Hasan Imran M., Khan M. I., Jamaludin S., Hasan I., Bin Ahmad M. F., Mohamad Ayob A. F., Norsani bin Wan Nik W. M., Russtam Suhrab M. I., Ridwan Bin Zulkifli M. F., Afrizal N. B., Abidin Bin Syed Ahmad S. Z. A critical analysis of machine learning in ship, offshore, and oil & gas corrosion research, part I: Corrosion detection and classification. Ocean Engineering. 2024. Vol. 313. Article ID 119600. https://doi.org/10.1016/j.oceaneng.2024.119600

13. Han S., Li F., Lee C., Wang T., Diaconeasa M. A. Mirror the mind of crew: Maritime risk analysis with explicit cognitive processes in a human digital twin. Advanced Engineering Informatics. 2024. Vol. 62. Article ID 102746. https://doi.org/10.1016/j.aei.2024.102746

14. Alsuwian T., Ansari S., Zainuri M. A. A. M., Ayob A., Abdolrasol M. G., Sudaryanto S., Alhawari A. R., Almawgani A., Almasabi S., Hindi A. T. A review of hybrid methods based remaining useful life prediction framework and SWOT analysis https://doi.org/10.1016/j.est.2025.116152

15. Melnyk O., Bychkovsky Y., Onishchenko O., Onyshchenko S., Volianska Y. Development the Method of Shipboard Operations Risk Assessment Quality Evaluation Based on Experts Review. Studies in Systems, Decision and Control. 2023. Vol. 481. P. 695–710. https://doi.org/10.1007/978-3-031-35088-7_4

16. Onyshchenko S., Bychkovsky Y., Melnyk O., Onishchenko O., Jurkovič M., Rubskyi V., Liashenko K. A model for assessing shipping safety within project-orientated risk management based on human element. Scientific Journal of Silesian University of Technology. Series Transport. 2024. Vol. 123. P. 319–334. https://doi.org/10.20858/sjsutst.2024.123.16

17. Melnyk O., Onyshchenko S., Shumylo O., Ocheretna V., Kononova O. Analysis of Factors Affecting the Ship Safety on the Basis of Six-Stage Risk Management Model. In: Babak V., Zaporozhets A. (eds) Systems, Decision and Control in Energy VI. Studies in Systems, Decision and Control. 2024. Vol. 561. P. 421–434. https://doi.org/10.1007/978-3-031-68372-5_23.