Задача определения текущего риска объекта повышенной опасности
Предлагается решение задачи определения текущего риска объекта повышенной опасности по результатам мониторинга (проверки) в зависимости от состояния систем безопасности и оборудования предприятия, состояния подготовки персонала, состояния технологической документации (процедур), других внешних и вну...
Збережено в:
| Дата: | 2011 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут проблем математичних машин і систем НАН України
2011
|
| Назва видання: | Математичні машини і системи |
| Теми: | |
| Онлайн доступ: | http://dspace.nbuv.gov.ua/handle/123456789/83398 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Задача определения текущего риска объекта повышенной опасности / В.В. Бегун // Мат. машини і системи. — 2011. — № 1. — С. 120-126. — Бібліогр.: 11 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
irk-123456789-83398 |
|---|---|
| record_format |
dspace |
| spelling |
irk-123456789-833982015-06-20T03:01:30Z Задача определения текущего риска объекта повышенной опасности Бегун, В.В. Моделювання і управління великими системами Предлагается решение задачи определения текущего риска объекта повышенной опасности по результатам мониторинга (проверки) в зависимости от состояния систем безопасности и оборудования предприятия, состояния подготовки персонала, состояния технологической документации (процедур), других внешних и внутренних факторов на основе предварительно разработанных вероятностных моделей. Пропонується рішення задачі визначення поточного ризику об'єкта підвищеної небезпеки за результатами моніторингу (перевірки) залежно від стану систем безпеки й устаткування підприємства, стану підготовки персоналу, стану технологічної документації (процедур), інших зовнішніх і внутрішніх факторів на основі попередньо розроблених імовірнісних моделей. A solution of the problem of real-time risk determination for highly hazardous objects is proposed. It is based on the results of object monitoring (inspections) according to a priori developed probabilistic model dependent on safety systems state, object facilities state, personnel preparedness state, technical documentation (procedures) state, and other external and internal factors. 2011 Article Задача определения текущего риска объекта повышенной опасности / В.В. Бегун // Мат. машини і системи. — 2011. — № 1. — С. 120-126. — Бібліогр.: 11 назв. — рос. 1028-9763 http://dspace.nbuv.gov.ua/handle/123456789/83398 539.172:543.522 ru Математичні машини і системи Інститут проблем математичних машин і систем НАН України |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| language |
Russian |
| topic |
Моделювання і управління великими системами Моделювання і управління великими системами |
| spellingShingle |
Моделювання і управління великими системами Моделювання і управління великими системами Бегун, В.В. Задача определения текущего риска объекта повышенной опасности Математичні машини і системи |
| description |
Предлагается решение задачи определения текущего риска объекта повышенной опасности по результатам мониторинга (проверки) в зависимости от состояния систем безопасности и оборудования предприятия, состояния подготовки персонала, состояния технологической документации (процедур), других внешних и внутренних факторов на основе предварительно разработанных вероятностных моделей. |
| format |
Article |
| author |
Бегун, В.В. |
| author_facet |
Бегун, В.В. |
| author_sort |
Бегун, В.В. |
| title |
Задача определения текущего риска объекта повышенной опасности |
| title_short |
Задача определения текущего риска объекта повышенной опасности |
| title_full |
Задача определения текущего риска объекта повышенной опасности |
| title_fullStr |
Задача определения текущего риска объекта повышенной опасности |
| title_full_unstemmed |
Задача определения текущего риска объекта повышенной опасности |
| title_sort |
задача определения текущего риска объекта повышенной опасности |
| publisher |
Інститут проблем математичних машин і систем НАН України |
| publishDate |
2011 |
| topic_facet |
Моделювання і управління великими системами |
| url |
http://dspace.nbuv.gov.ua/handle/123456789/83398 |
| citation_txt |
Задача определения текущего риска объекта повышенной опасности / В.В. Бегун // Мат. машини і системи. — 2011. — № 1. — С. 120-126. — Бібліогр.: 11 назв. — рос. |
| series |
Математичні машини і системи |
| work_keys_str_mv |
AT begunvv zadačaopredeleniâtekuŝegoriskaobʺektapovyšennojopasnosti |
| first_indexed |
2025-07-06T10:09:45Z |
| last_indexed |
2025-07-06T10:09:45Z |
| _version_ |
1836891857472192512 |
| fulltext |
120 © Бегун В.В., 2011
ISSN 1028-9763. Математичні машини і системи, 2011, № 1
УДК 539.172:543.522
В.В. БЕГУН
ЗАДАЧА ОПРЕДЕЛЕНИЯ ТЕКУЩЕГО РИСКА ОБЪЕКТА ПОВЫШЕННОЙ
ОПАСНОСТИ
Анотація. Пропонується рішення задачі визначення поточного ризику об'єкта підвищеної небез-
пеки за результатами моніторингу (перевірки) залежно від стану систем безпеки й устаткуван-
ня підприємства, стану підготовки персоналу, стану технологічної документації (процедур), ін-
ших зовнішніх і внутрішніх факторів на основі попередньо розроблених імовірнісних моделей.
Ключові слова: об'єкт підвищеної небезпеки, імовірнісний аналіз безпеки (ІАБ), тяжка аварія, ви-
падкові події, вихідні події, аналіз попередників аварій.
Аннотация. Предлагается решение задачи определения текущего риска объекта повышенной
опасности по результатам мониторинга (проверки) в зависимости от состояния систем безо-
пасности и оборудования предприятия, состояния подготовки персонала, состояния технологиче-
ской документации (процедур), других внешних и внутренних факторов на основе предварительно
разработанных вероятностных моделей.
Ключевые слова: объект повышенной опасности, вероятностный анализ безопасности (ВАБ),
тяжелая авария, случайные события, исходные события, анализ предшественников аварий.
Abstract. A solution of the problem of real-time risk determination for highly hazardous objects is pro-
posed. It is based on the results of object monitoring (inspections) according to a priori developed proba-
bilistic model dependent on safety systems state, object facilities state, personnel preparedness state, tech-
nical documentation (procedures) state, and other external and internal factors.
Key words: highly hazardous object, probabilistic safety analysis (PSA), severe accident, probabilistic
event, initiating event, analysis of accident precursors.
1. Введение
Риск – основное понятие теории и практики безопасности. В соответствии с современным
законодательством Украины, уровень безопасности определяется риском. Определение
безопасности как допустимого уровня риска предоставляет возможность количественных
и прогнозных расчетных значений опасности.
Задача определения текущего риска объекта повышенной опасности (ОПО) стала
актуальной для контролирующих органов Министерства чрезвычайных ситуаций (МЧС)
после внедрения нового законодательства по регулированию безопасности в начале нового
столетия [1, 2]. Теоретические возможности определения текущего уровня риска ОПО в
зависимости от состояния систем безопасности и оборудования предприятия, состояния
подготовки персонала, состояния технологической документации (процедур), других
внешних и внутренних факторов, возможные варианты оптимизации частоты проверок
рассматривались в предыдущих работах автора [3, 4] и других работах [5, 6]. В общем виде
задача не решена.
Актуальная задача контроля текущего уровня безопасности, как видим, имеет не
совсем простое решение. Как известно [10], главными задачами инспекции гражданской
защиты МЧС на современном этапе являются:
а) оценка состояния безопасности в текущий (произвольный) момент времени;
б) оценка опасности происходящих инцидентов на ОПО.
В соответствии с современной нормативной базой требуются количественные оцен-
ки безопасности, т.е. количественные оценки текущих уровней рисков, выполненные на
основе результатов инспекционных проверок.
ISSN 1028-9763. Математичні машини і системи, 2011, № 1 121
В атомной энергетике существует система оценки изменения риска от эксплуатаци-
онных событий на базе компьютеризированной методологии (анализ предшественников
аварий – ASP-Accident Sequence Precursor); разработанная в США (NRC) методология для
исследований значения эксплуатационных событий на АЭС [7, 8] на основе предваритель-
но разработанных вероятностных моделей. Вероятностный анализ безопасности (ВАБ) –
основной метод количественных расчетов риска. Наибольшего распространения эти расче-
ты приобрели в атомной отрасли. Но в соответствии с выводом известного французского
исследователя Ж. Либмана [9], существует общность метода для расчетов рисков от по-
тенциально опасных объектов и АЭС: «С некоторыми предостережениями подходы к во-
просам ядерной безопасности могут применяться к большинству потенциально опасных
промышленных установок и, в более общем плане, использоваться для управления многи-
ми видами риска». Следуя такой логике, и были разработаны методики оценки и деклари-
рования безопасности предприятий в Украине.
Рассмотрим решение поставленной задачи для ОПО на основе вероятностного
структурно-логического моделирования. Такое моделирование выполняется (должно вы-
полняться) для ОПО 1 класса опасности в обязательном порядке [1]. ОПО 1 класса опасно-
сти – наиболее крупные и наиболее опасные объекты по степени воздействия на персонал,
население и окружающую среду при возможных авариях.
Исходные данные. Существует вероятностная структурно-логическая модель, в ко-
торой определены возможные сценарии развития аварий – Ď для множества исходных со-
бытий Ĩ для всех режимов работы lr . Модель состоит из деревьев событий – сценариев
развития аварий Ď и деревьев отказов jS
– моделей отказов систем безопасности объекта
Ŏ [7].
С другой стороны, модель Ŋ объекта Ŏ состоит из взаимосвязанных множеств £1, £2,
£3, где £1 – собственно моделируемые события отказов элементов системы (ОПО), £2 –
множество событий – несовершенств процедур описаний процессов системы, £3 – множе-
ство возможных ошибок операторов при выполнении аварийных действий. Некоторое из-
вестное, определяемое при разработке деклараций объединение названных множеств Ã €
(£1 £2 £3), определяет множество аварийных ситуаций и аварий.
Элементы ��€ £1, ��€ £2, �� € £3 объединены множеством моделей систем безопас-
ности jS , причем индексы i , j , l, k имеют значения, не превосходящие, как правило, не-
большие числа: i < 100, j , l, k < 20. Модели jS могут содержать одинаковые элементы
ia . Для каждого образа jS – реальной системы безопасности Ŏj – определены функции
безопасности кФ , и существуют модели jkS , отображающие вероятность невыполнения
функции кФ для всего множества исходных событий Ĩ.
Известно [5, 7], что результатом вероятностного моделирования является численное
значение риска объекта для персонала, населения и окружающей среды 0R или вероят-
ность тяжелой аварии РА с учетом всех исходных событий Ĩ для всех режимов роботы rl.
Первоначальное значение РА может быть получено в результате представления мо-
дели в виде функционала:
)1(,
1 1
}){1(1(
1
}{ )
i
(xP ∑ ∏ −−∑ ==
k i
kiEP
k
kiEkP
),(
1
i
X
ij
F
j
ki
E ∑=
122 ISSN 1028-9763. Математичні машини і системи, 2011, № 1
где ( )iij xF – некоторые булевые функции, которые характеризуют производственный про-
цесс в каждом частном случае. Случайные события x , как-то: отказ оборудования, челове-
ческая ошибка или неблагоприятное условие называем базисными событиями.
На основании опыта работы ОПО или отрасли производства следует отбирать для
моделирования только значащие факторы риска, т.е. такие, которые вносят равнозначный
вклад в общий риск с заданной степенью точности. То же относится и к исходным событи-
ям, которые, дополнительно к сказанному, можно объединять в группы и для которых
возможен общий сценарий развития событий (группирование исходных событий) с даль-
нейшим рассмотрением этого сценария для всей группы.
Вероятность опасности каждого ОПО на практике определяется численными мето-
дами с помощью программных кодов типа «SAPHIR» и может быть представлена в виде
булевой функции минимальных сечений [5, 7]:
j
k
ji MP Σ= , ijjj IM Π= , (2)
где jM – минимальные сечения системы, которые состоят из случайных (базисных) собы-
тий ( )ijl и определяют работу систем безопасности источника i во времени T . Случайное
событие ( )ijl определяет отказ (невыполнение одной из функций) элемента ( )jl ;
k – общее количество минимальных сечений системы. При этом для каждого случай-
ного базисного события ( )ijl определена (известна) функция распределения вероятности.
Определены значимость ( )ijlB базисных событий с точки зрения их влияния на риск [7, 8],
все аварийные последовательности АĨ для всех сценариев развития аварий и возможные
конечные состояния
Ĩ .
Требуется определить уровень текущего риска lR по результатам проведенной про-
верки (мониторинга) по прошествии некоторого времени после расчета (оценка состояния)
или оценку опасности произошедшей аварии AR .
Если риск принадлежит диапазону допустимых значений AR , Дl RR < , объект по
результатам проверки не считается опасным, или более точно: допустимый риск ДR нор-
мативно установлен на трех уровнях [4], причем 321 ДДД RRR << . Соответственно сущест-
вуют четыре интервала риска: низкий, средний, высокий и недопустимый. На основании
этого принимается решение о дальнейшей эксплуатации ОПО и политике его мониторин-
га.
2. Решение задачи. Термины и определения
Тяжёлая авария (severe accident – SA) – авария, при которой создается недопустимый риск
для персонала, населения и окружающей среды или последствия которой приводят к неце-
лесообразности восстановления объекта.
Для АЭС [11] тяжелая авария связана с разрушением реакторной установки (плав-
лением активной зоны), для газокомпрессорной станции – это взрыв газа на ее территории
с последующим горением.
Оценка исходных событий – этот анализ производится для событий (нарушений),
входящих в перечень исходных событий Ĩ. Рассматриваются только те аварийные последо-
вательности, которые связаны с данным исходным событием.
Условная оценка состояний – этот анализ производится для событий (нарушений),
не входящих в перечень исходных событий Ĩ, но включает отказы, которые могут произой-
ти при устранении последствий исходных событий.
ISSN 1028-9763. Математичні машини і системи, 2011, № 1 123
Для исследований АSP имеют значение следующие показатели безопасности.
Частота тяжелой аварии (Frequency Severe Accident – FSA) – это уровень опасности,
выраженный как среднее ожидаемых тяжелых аварий в час. Это определение сравнимо с
определением, приводимом в ВАБ, отличие состоит только в измерении времени (часы).
Вероятность тяжелой аварии (Probability Severe Accident – PSA) – это вероятность
возникновения события тяжелых аварий за время эксплуатации t , при условии, что все
системы объекта эксплуатируются с номинальными (расчетными) значениями уровней
(вероятностей) отказов.
Этот показатель используется для условной оценки ситуаций за определенный про-
межуток времени. Переход от частоты тяжелой аварии к вероятности тяжелой аварии за
время t в часах производится по формуле
tFSAePSA *1 −−= . (3)
Условная частота тяжелых аварий (Conditional Frequency Severe Accident – FSA
(СFSA)) – это уровень опасности, выраженный как среднее ожидаемое число тяжелых
аварий в час, обусловленный множеством известных (произошедших) отказов или нерег-
ламентных условий эксплуатации объекта (при условии набора отказов).
Условная вероятность тяжелых аварий (Conditional Probability Severe Accident –
СPSA) – это вероятность возникновения события тяжелой аварии, обусловленная множе-
ством известных (произошедших) отказов или нерегламентных условий эксплуатации объ-
екта (при условии набора отказов). Является показателем того, насколько близко подошел
объект к событию тяжелой аварии в процессе эксплуатации. Показатели оценки состояния
связаны формулой, аналогичной формуле (3):
tCFSAeCPSA *1 −−= . (4)
Параметр важности события (Event Importance (I)) – это изменение вероятности тя-
желой аварии для анализируемого эксплуатационного события по отношению к номи-
нальной вероятности тяжелой аварии при данном исходном событии. Важность события
определяется по формуле
PSACFSAI −= . (5)
Последний показатель по структуре и содержанию соответствует (аналогичен) по-
казателю значимости Бирнбаума: определяет, насколько изменяется вероятность тяжелых
аварий из-за имевших место негативных событий на объекте исследования. Из приведен-
ных определений на основе описанных процедур вероятностного структурно-логического
моделирования следуют процедуры анализа предшественников аварий для ОПО.
2.1. Процесс оценки исходных событий состоит из следующих шагов
1. Для наблюдаемого исходного события, если невозможно восстановление функций опе-
ратором, задаем вероятность в виде единицы, что означает реально произошедшее собы-
тие.
2. Для других исходных событий, которые моделируются в ASP, частоты равны нулю, т.е.
вероятности других исходных событий считаются малыми, когда происходит первое собы-
тие.
3. Производят модификацию модели с целью отображения событий, ухудшающих ситуа-
цию. Обычно производят изменения вероятностей базисных событий отказов оборудова-
ния и ошибок персонала, которые действительно произошли. Для них значение вероятно-
сти принимается равным 1,0 или производят изменение логики дерева отказов (ДО): ба-
зисные события, имевшие место во время рассматриваемой аварии, заменяют на “опреде-
ленные” события типа “Дом” – “TRUE” или “FALSE”.
124 ISSN 1028-9763. Математичні машини і системи, 2011, № 1
4. Если меняют логику (при нечетком моделировании) деревьев отказов и деревьев собы-
тий, необходимо произвести генерацию минимальных сечений и аварийных последова-
тельностей.
5. Затем следует количественный расчет аварийных последовательностей, включающий
значение вероятности риска, определение значимости базисных событий, анализ чувстви-
тельности и неопределенностей [5, 7].
2.2. Основные элементы процесса условной оценки состояний
1. Определяется длительность анализируемого состояния отказа элемента или системы
(иногда начало). Если сложно определить начало отказа, то принимается за начало отказа
последнее испытание системы.
2. Рассчитывается вероятность тяжелой аварии за интересующий период времени с учетом
произошедших изменений.
3. Производится модификация модели с целью отображения событий, ухудшающих ситуа-
цию. Так же, как и в предыдущем расчете, производят изменения вероятностей базисных
событий отказов оборудования и ошибок персонала, которые действительно произошли.
Для них значение вероятности принимается равным 1,0 или производят изменение логики
ДО: базисные события, имевшие место во время рассматриваемой аварии, заменяют на
“определенные” события типа “Дом” – “TRUE” или “FALSE”.
4. Если меняют логику (при нечетком моделировании) деревьев отказов и деревьев собы-
тий, необходимо произвести генерацию минимальных сечений и аварийных последова-
тельностей.
5. Затем следует количественный расчет аварийных последовательностей и важность со-
бытия.
Как видим, обе схемы совершенно аналогичны и фактически различаются только задача-
ми.
3. Модели АSP. Особенности построения деревьев событий и деревьев отказов
Проведение работ по определению текущего уровня безопасности предполагает построе-
ние деревьев событий и отказов. В данном случае обычно используются модели ВАБ с ря-
дом существенных упрощений, представленных ниже.
Деревья событий разрабатываются в соответствии с реальными условиями протека-
ния переходных процессов для конкретных инициирующих событий, соответствующих
исследуемому нарушению. В моделях также могут учитываться:
– возможность восстановления работоспособности оборудования систем, участ-
вующих в процессе смягчения последствий (ликвидации) тяжелой аварии (вероятность
восстановления / невосстановления);
– возможность отказов систем и оборудования по общим причинам;
– влияние “человеческого фактора” (показатели надежности персонала) для ситуа-
ций, требующих вмешательства в ход процессов оперативного персонала.
Для каждой определенной системы, рассматриваемой в деревьях событий, строится
соответствующее дерево отказов. При использовании данных по надежности оборудова-
ния модифицируются вероятностные характеристики отказов компонентов систем, вводят-
ся соответствующие показатели для реально происходивших отказов элементов (вероятно-
сти реально происходивших событий принимаются равными единице). Очевидно, при за-
мене вероятностей базисных событий модели получим увеличение риска. Алгоритмы ВАБ
предоставляют также возможность проведения анализа неопределенностей результатов
методами Монте-Карло или Латинского гиперкуба [7].
ISSN 1028-9763. Математичні машини і системи, 2011, № 1 125
При построении каждого дерева отказов учитываются особенные условия, возни-
кающие при исходном событии. Например, при переходных процессах, не сопровождаю-
щихся срабатыванием аварийной защиты атомной станции – ATWS (отказ срабатывания
АЗ) для обеспечения снятия тепла с активной зоны посредством 2-го контура, необходимо
обеспечить более высокий расход воды в парогенераторах, чем при процессах со срабаты-
ванием аварийной защиты реактора, что накладывает определенные условия на количество
работоспособного оборудования систем, задействованных в подаче питательной воды, и
влияет на конечную вероятность отказа системы [7].
Для анализа конкретных эксплуатационных событий, связанных с неработоспособ-
ностью оборудования систем безопасности, оборудования, участвующего в ликвидации
аварии, в модели деревьев отказов искусственно вводятся отказы соответствующих ком-
понентов систем, что в итоге влияет на показатель суммарной вероятности тяжелой аварии
по сравнению с обычной моделью (без модификаций вероятностных показателей реально
отказывавших компонентов рассматриваемых систем).
Такая система оценки текущего риска достаточно сложна, требует существования
расчетной модели и т.д., может быть применена для ОПО 1 класса с целью госконтроля
инспекторами МЧС. Для целей внутреннего контроля текущего уровня безопасности
(ТУБ) возможно применение более простых оценок. Для всех типовых объектов на основе
нормативных требований отрасли должны быть сформированы обобщенные показатели
технической безопасности. Например, для АЭС (отрасль контролируется международным
сообществом) существует отраслевой стандарт, на основе которого по текущим событиям
в течение года (квартала) определяются показатели ядерной, радиационной и технической
безопасности, устанавливается периодичность внутреннего контроля. Для ТУБа опреде-
ляются показатели готовности к ликвидации нарушений и целостность физических барье-
ров, техническое состояние. Например, показатель устойчивости работы энергоблока рас-
считывается по следующей формуле:
7000
N
×+=
Т
NN
K РАЗГРОСТ
УСТ , (6)
где ОСТN – количество неплановых остановов энергоблока;
РАЗГРN – количество неплановых разгрузок энергоблока на величину 25% и более от
уровня мощности, непосредственно ей предшествовавшего;
NТ – время работы энергоблока на мощности за отчетный период, ч.
Исходные данные для этого расчета: ОСТN и РАЗГРN определяются из фактических
графиков несения нагрузки энергоблоком.
К неплановым остановам (разгрузкам) относятся остановы (разгрузки) энергоблока,
не предусмотренные графиком несения нагрузки.
Как видим из формулы (6), показатель устойчивости работы энергоблока представ-
ляет собой относительное число неплановых остановов (разгрузок) на протяжении года и в
целом характеризует техническое состояние оборудования и уровень подготовки персона-
ла и, соответственно, является индикатором безопасности вообще и культуры безопасно-
сти АЭС, в частности. В атомной отрасли существуют допустимые диапазоны изменения
этого (каждого) индикатора безопасности. На основе анализа изменений таких индикато-
ров делается вывод о текущем уровне безопасности АЭС. Очевидно, на основе опыта экс-
плуатации для любой опасной отрасли производства можно разработать перечень таких
параметров, которые определяются по результатам эксплуатации и по поведению которых
можно судить о текущем уровне безопасности.
126 ISSN 1028-9763. Математичні машини і системи, 2011, № 1
Поскольку ядерная энергетика после тяжелых (запроектных) аварий в прошлом ста-
ла наиболее передовой в сфере безопасности, очевидно, необходимо воспользоваться
имеющимся коллективным международным опытом контроля безопасности. Контроль те-
кущего уровня безопасности ОПО должен быть организован как на внутреннем (само-
оценки), так и на государственном уровне. И внутренний, и внешний контроль должен
проводиться с учетом риска предприятия для персонала, населения и окружающей среды
(тяжелая авария) в соответствии с законом [2]. В этой связи задача отраслевой науки со-
стоит в том, чтобы вместе с математиками выработать объективные критерии и адекват-
ные процедуры оценки текущего уровня безопасности.
4. Выводы
Определение текущего уровня безопасности (риска) объекта повышенной опасности воз-
можно, по крайней мере, двумя способами:
– на основе составления для каждой опасной отрасли перечня контролируемых в
процессе эксплуатации параметров и допустимых диапазонов их изменений. Метод не дает
численных значений риска, но может быть использован предприятием для проведения са-
моконтроля и самооценок безопасности;
– на основе существующей вероятностной модели оценки безопасности объекта по-
вышенной опасности и предложенной в статье методологии оценки предшественников
аварий оценивать степень приближения объекта к тяжелой аварии и важность происходя-
щих на объекте событий за прошедшее время эксплуатации (между очередными провер-
ками). При этом получаем не только численные оценки текущего уровня риска, но и оцен-
ку важности происходящих событий.
СПИСОК ЛИТЕРАТУРЫ
1. Закон України «Про об'єкти підвищеної небезпеки». – N 2245-III. – 18.01.2001 р.
2. Закон України “Про основні засади державного нагляду (контролю) у сфері господарської
діяльності». – N 877-V. – 5.04.2007 р.
3. Бєгун В.В. Моніторинг безпеки на основі аналізу ймовірнісних структурно-логічних моделей
виробництва / В.В. Бєгун // Моделювання та інформаційні технології: зб. наук. праць. – К.: ІПМЕ
ім. Г.Є. Пухова, 2009. – Вип. 52. – С. 17 – 26.
4. Бегун В.В. Мониторинг риска объектов повышенной опасности на основе предварительного мо-
делирования / В.В. Бегун // Зб. наук. праць “Моделювання та інформаційні технології” міжнар.
наукового семінару «Моделювання-2010». – К.: ІПМЕ ім. Г.Є. Пухова, 2010. – Т. 1. – С. 152 – 163.
5. Белов П.Г. Теоретические основы менеджмента техногенного риска: автореф. дис. на соискание
научн. степени докт. техн. наук: спец. 05.26.03 “Пожарная и промышленная безопасность” /
П.Г. Белов. – М., 2007. – 33 с.
6. Махутов Н.А. Научно-методические подходы и разработка мероприятий по обеспечению защи-
щенности критически важных для национальной безопасности объектов инфраструктуры от угроз
техногенного и природного характера / Н.А. Махутов // Проблемы безопасности и чрезвычайные
ситуации. – 2004. – № 1. – С. 41 – 49.
7. Вероятностный анализ безопасности атомных станций / В.В. Бегун, О.В. Горбунов, И.Н. Каденко
[и др.]. – К.: Випол, 2000. – 558 с.
8. ASP. Accident Sequence Precursor. Event Tree/Fault Tree Development Corse. – Washington, 1995. –
124 р.
9. Либман Ж. О ядерной безопасности / Либман Ж. – М.: ИПСН, 1997. – 690 с.
10. Інструкція з організації роботи органів державного нагляду у сфері цивільного захисту та
техногенної безпеки. Затверджено наказом МНС від 12.01.2010. – N 1.
11. Глоссарий МАГАТЭ по вопросам безопасности. Терминология, используемая в области ядер-
ной безопасности и радиационной защиты. Международное агентство по атомной энергии. – Вена,
2008. – 303 с.
Стаття надійшла до редакції 09.06.2010
|