О применении кластерного анализа для развития методов оценки безопасности технических систем

Задача исследования заключается в разработке и развитии вспомогательных аналитических подходов для осуществления экспертной деятельности. Проблема эффективной поддержки экспертной оценки безопасности актуальна на всех стадиях жизненного цикла производственного оборудования организации. Традиционные методы оценки могут сталкиваться с недостатком данных. В ходе исследований выработаны новые методы, которые, с одной стороны, должны быть удобны для цифровизации и автоматизации алгоритмов оценки, с другой – генерировать в ходе обработки данных новую информацию (проводить DATA MINING) для экспертов. В работе описаны новые возможности применения кластерного анализа, методов анализа кластеров для сферы оценки безопасности, культуры безопасности. Предложены подходы формирования кластеров данных для методов оценки безопасности производств и техники, а также сделан акцент на анализе этих кластеров с использованием теории графов. Отмечены особенности применения кластерного анализа для оценки безопасности. Даны рекомендации для развития дополнительных методов оценки безопасности с возможностью их последующей автоматизации (вычислительными средствами) в контексте цифровой трансформации экспертиз и поддержки систем управления технологических процессов.

1. Лобач Д. И., Ракитская Д. В. Сэйфеометрика. О количественной оценке величин при определении уровня безопасности // Промышленная безопасность. 2022. № 10. С. 46–47.

2. Лобач Д. И. О развитии экспертных возможностей для рассмотрения проектов оборудования и технологических решений // Системный анализ и прикладная информатика. 2023. № 2. С. 38–41. https://doi.org/10.21122/2309-4923-2023-2-38-41

3. Лобач Д. И. Новые проблемы, методология и возможности сэйфеометрики // Промышленная безопасность. 2023. № 1. С. 34–36.

4. Ковалев М. М. Образование для цифровой экономики // Цифровая трансформация. 2018. № 1 (2). С. 37–42.

5. Фрич Р., Перегуд Е. Е., Мациевский С. В. Избранные главы теории графов: Учебное пособие / Пер. с нем. Е. Е. Перегуда; Под ред. С. В. Мациевского. Калининград: Изд-во РГУ им. И. Канта, 2008. 204 с.

6. Бериков В. С., Лбов Г. С. Современные тенденции в кластерном анализе // Всероссийский конкурсный отбор обзорно-аналитических статей по приоритетному направлению «Информационно-телекоммуникационные системы». 2008. 26 с.

7. Operational Safety Performance Indicators for Nuclear Power Plants. International Atomic Energy Agency, TECDOC Series no. 1141. Vienna: IAEA, 2000.

8. Шарафутдинов Р. Б., Кузнецов Л. А., Богданова Т. Ю. Использование систем индикаторов безопасности зарубежными органами регулирования ядерной и радиационной безопасности // Ядерная и радиационная безопасность. 2008. № 2. С. 5–9.

9. Хамаза А. А. Предложения по внедрению риск-ориентированного подхода в контрольно-надзорной деятельности в области использования атомной энергии // Ядерная и радиационная безопасность. 2016. № 1. С. 1–6.

10. Tryon R. C. Cluster analysis. London: Ann Arbor Edwards Bros, 1939.

11. Дюран Б., Оделл П. Кластерный анализ. М.: Статистика, 1977. 128 с.

12. Жамбю М. Иерархический кластер-анализ и соответствия. М.: Финансы и статистика, 1988. 345 с.

13. Мандель И. Д. Кластерный анализ. М.: Финансы и статистика, 1988. 176 с.