Технологии управления риском в сложных системах

Материал из Циклопедии
Перейти к навигации Перейти к поиску

Технологии управления риском в структурно-сложных системах — это последовательность процедур и операций, приводящих к цели. Под целью понимается снижение риска в системе до допустимого или минимального уровня. Риск и эффективность в системе рассматриваются взаимосвязанными.

Компоненты технологий управления риском[править]

В технологиях управления риском рассматривают обобщенные понятия случайного события: события-параметры и события-градации; события появления состояния и неуспеха состояния; инициирующие и производные; события невалидности и валидности; зависимые и независимые события; группы несовместных событий (ГНС); связь вероятностей появления и неуспеха событий по формуле Байеса; события экономики, политики, права, законодательства[1]; синтез и анализ вероятностей событий в логико-вероятностных (ЛВ) моделях риска[2][3].

Технологии управления риском включают в себя следующие компоненты: ЛВ-исчисление, классы ЛВ-моделей риска, процедуры для классов ЛВ-моделей, оценка вероятностей событий в ЛВ-моделях риска, программные средства; примеры приложений, учебный курс [2][3].

Логико-вероятностное исчисление[править]

Математической основой технологий управления риском в сложных системах является ЛВ-исчисление[4]. Системы и процессы рассматриваются как структурно-сложные со случайными событиями и логическими переменными. Используются переход от базы статистических данных к базе знаний, события появления и неуспеха состояний системы, события для параметров и градаций и соответствующие логические переменные, несколько уровней значений событий, группы несовместных событий, классы ЛВ-моделей риска, переход между ЛВ-моделями классов, процедуры для классов ЛВ-моделей риска, идентификацию моделей риска по статистическим данным; построение ассоциативных, сценарных комплексных, гибридных и динамических ЛВ-моделей; оценку вероятностей событий по нечисловой, неточной и неполной экспертной информации, анализ риска по вкладам инициирующих событий-градаций в хвост распределения параметра эффективности; оперативное и стратегическое управление риском системы, прогнозирование в пространстве состояний[2][3].

Классы логико-вероятностных моделей риска[править]

Всего выделено пять классов[2]:

  • ЛВ-моделирование;
  • ЛВ-классификация;
  • ЛВ-эффективность;
  • ЛВ-прогнозирование;
  • гибридные сценарные ЛВ-модели риска.

Процедуры для классов логико-вероятностных моделей риска[править]

Существует шесть типов основных процедур[2]:

  • построение и ортогонализация логических моделей риска;
  • идентификация ЛВ-моделей риска по статистическим данным;
  • ЛВ-анализ риска по вкладам инициирующих событий;
  • ЛВ-управление риском;
  • ЛВ-прогнозирование риска во времени и пространстве состояний;
  • оценка вероятностей событий в ЛВ-моделях.

Программные средства[править]

Используются сертифицированные программы: АСМ–2001 для структурно-логического моделирования, ROCS–2 для логико-вероятностного моделирования надежности систем, АСПИД–3W для принятия решений при нечисловых, неточных и неполных знаниях.

Синтез и анализ вероятностей событий по нечисловой, неточной и неполной экспертной информации[править]

В технологиях управления риском в ряде случаев необходимо оценивать вероятности событий в ЛВ-модели. Используется метод сводных показателей Н.В. Хованова [5].

Синтез вероятности инициирующего события осуществляют методом сводных показателей по нечисловой, неточной и неполной экспертной информации (ННН-информации). Эксперт не может дать точную оценку вероятности события. Он сделает это точнее и объективнее, если будет оценивать 2-3 альтернативные гипотезы о значении вероятности и учитывать весомости гипотез. Задают шаг дискретизации весомостей гипотез, например 1/50. Экспертную информацию по весомостям задают в виде: интервалов значений, неравенств и равенств. Вычисляют допустимые значения весомостей и их математические ожидания. Каждый эксперт повторяет вычисления со своей ННН-информацией. Составляют таблицу оценок весомостей гипотез от экспертов. Вычисляют сводные оценки гипотез по таблице и весомостям экспертов. Выбирают гипотезу с наибольшим значением вероятности.

Анализ вероятностей инициирующих событий осуществляют по известной вероятности производного события, в которое они входят. Задачу решают в несколько этапов. Задают шаг дискретизации весомостей инициирующих событий, например 1/50. ННН-экспертная информация по весомостям инициирующих событий, входящих в производное событие, задается в виде интервалов допустимых значений, неравенств и равенств. Выделяют область допустимых значений весомостей. Вычисляют математические ожидания и дисперсии оценок. Вычисления повторяют для каждого эксперта. Составляют таблицу оценок весомостей инициирующих событий от всех экспертов. Вычисляют сводные оценки весомостей инициирующих событий и умножают их на вероятность производного события. Полученные вероятности корректируют с учётом логического сложения инициирующих событий.

Примеры приложений[править]

Известно более 30 приложений технологии управления риском в разных областях экономики и техники. По оценке невалидности сложных систем рассмотрены следующие приложения технологий управления рисками: противодействие взрыву склада боеприпасов, обеспечение надежности электроснабжения титано-магниевого комбината от нескольких электростанций, управление операционным риском в коммерческом банке[6], управление развитием систем и процессов[7] и др. Учебный курс по дисциплине «Технологии управления риском» рассчитан на два семестра и содержит 20 лабораторных работ на компьютере [2].

Научная литература[править]

  1. ↑ Соложенцев E. Д., Карасев В. В. И3-технологии для противодействия взяткам и коррупции. – Проблемы Анализа Риска, том 7, 2010, N 2.
  2. ↑ 2,0 2,1 2,2 2,3 2,4 2,5 Соложенцев Е. Д. И3-технологии для экономики. – СПб.: Наука, 2011. – 387 с. ISBN 978-5-02-025529-6
  3. ↑ 3,0 3,1 3,2 Solozhentsev E. D. Risk management technologies with logic and probabilistic models. – Springer: 2012. – 328 p.
  4. ↑ Рябинин И. А. Надежность и безопасность структурно-сложных систем. - 2-е изд. - СПб.: Издательство Санкт-Петербургского университета, 2007. 276 с. - ISBN 978-5-288-04296-6
  5. ↑ Hovanov N., Yudaeva M., Hovanov K. Multicriteria estimation of probabilities on basis of expert non-numeric, non-exact and non-complete knowledge.- European Journal of Operational Research. – 2009, vol. 195, Issue 3, p. 857-863.
  6. ↑ Карасева Е. И. Логико-вероятностная модель для оценки операционного риска банка и резервирования капитала // Проблемы анализа риска. Том 9, N 2, 2012. С. 24-34.
  7. ↑ Соложенцев Е. Д. ВТО и логико-вероятностные модели невалидности сложных систем и процессов. – Журнал экономической теории, N4, 2011. с. 136–147.
Источник — http://cyclowiki.org/w/index.php?title=Технологии_управления_риском_в_сложных_системах&oldid=1072345