Науковий вісник НГУ

Удосконалення процесу керування динамічними професійними ризиками

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2023

Останнє оновлення: 28 серпня 2023

Опубліковано: 30 листопада -0001

Перегляди: 1794

Authors:

В. А. Цопа, orcid.org/0000-0002-4811-3712, Міжнародний інститут менеджменту, м. Київ, Україна

С. І. Чеберячко, orcid.org/0000-0003-3281-7157, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

O. O. Яворська*, orcid.org/0000-0001-5516-5310, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О. В. Дерюгін, orcid.org/0000-0002-2456-7664, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

О. М. Боровицький, orcid.org/0000-0003-1111-7960, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2023, (4): 110 - 117

https://doi.org/10.33271/nvngu/2023-4/110

Abstract:

Мета. Удосконалення процесу керування динамічними професійними ризиками, в якому враховуються зміни в часі небезпечних чинників середовища організації в системі управління безпекою праці та здоров’я.

Методика. Для вдосконалення процесу керування професійними ризиками скористались відомою моделлю «Краватка-Метелик» (IEC 31010:2019), що дозволяє оцінити професійний ризик як добуток вірогідності настання небезпечної події та тяжкості наслідків від неї з урахуванням впливу небезпечних зовнішніх і внутрішніх чинників, небезпечних дій чи небезпечної бездіяльності, які, відповідно до вимог п. 4.1 стандарту ISO 45001:2018, пов’язані між собою й піддаються впливу часу.

Результати. Розроблена модель зв’язку небезпечних чинників внутрішнього й зовнішнього середовища організації, пов’язаних з їх негативним впливом на зростання вірогідності настання небезпечної події (інциденту) та ступеня тяжкості в часі. Запропоновано процес керування професійними ризиками з урахуванням зміни часу впливу небезпечних чинників, що дасть змогу визначенню прийнятності чи неприйнятності професійного ризику в часі. Аналіз зміни професійних ризиків пропонується розглядати в наступних проміжках часу (саме в тих, де є відповідна зміна небезпечних чинників): година доби, день тижня, місяць року, квартал, півріччя, рік, роки тощо. Запропоновано всі професійні ризики поділити на дві групи професійних ризиків з урахуванням змін їх рівнів у часі: статичні й динамічні. Також для розрахунку рівня професійного ризику визначати всі комбінації небезпечних чинників, які можуть виникати одночасно у відповідних інтервалах часу, що розглядаються.

Наукова новизна. Установлено, що в разі виявлення прийнятного рівня професійного ризику від виявленої небезпеки з урахуванням впливу на ймовірність настання небезпечної події максимальної кількості всіх небезпечних чинників, одночасно діючих у визначний момент часу, можна стверджувати, що вплив усіх інших комбінацій визначених небезпечних чинників не призведе до перевищення визначеного рівня ризику, оскільки рівень професійного ризику від меншої кількості небезпечних чинників ніколи не перевищить показник ризику від впливу більшої кількості небезпечних чинників.

Практична значимість. Розроблені форми з оцінки динамічного професійного ризику, запропонована матриця для визначення кількості комбінацій небезпечних чинників, одночасно діючих у часі.

Ключові слова: небезпечний чинник, інцидент, професійний ризик, безпека праці

References.

1. Paltrinieri, N., Scarponi, G. E., Khan, F., & Hauge, S. (2014). Addressing dynamic risk in the petroleum industry by means of innovative analysis solutions. Chemical Engineering Transactions, 36, 451-456. Retrieved from https://www.semanticscholar.org/paper/Adressing-dynamic-risk-in-the-petroleum-industry-Paltrinieri-Scarponi/1756d8c41cd76a694ab912488642c34708f11056.

2. Cheberiachko, S., Yavorska, O., Deryugin, O., Lantukh, D., Bas, I., Kruzhilko, O., & Melnyk, V. (2023). Improving safety of passenger road transportation. Transactions on transport sciences, 14(2), 1-10. https://doi.org/10.5507/tots.2023.003.

3. Lee, S., Landucci, G., Reniers, G., & Paltrinieri, N. (2019). Validation of Dynamic Risk Analysis Supporting Integrated Operations Across Systems. Sustainability, 11, 6745. https://doi.org/10.3390/su11236745.

4. Wahyu, N. C., Trika, P., & Bagus, D. (2020).  Risk Analysis Using Job Safety Analysis-Fuzzy Integration for Ship Maintenance Operation. IPTEK The Journal for Technology and Science, 31(3), 327-342. https://doi.org/10.12962/j20882033.v31i3.5655.

5. Hu, Y. (2019). A New Mode of HSE Risk Management for Construction Projects. Risk Management in Construction Projects. https://doi.org/10.5772/intechopen.84358.

6. Pivnyak, G., Samusia, V., Oksen, Y., & Radiuk, M. (2014). Parameters optimization of heat pump units in mining enterprises. Progressive Technologies of Coal, Coalbed Methane, and Ores Mining, 19-24. https://doi.org/10.1201/b17547-5.

7. Misiurek, K., & Misiurek, B. (2020). Improvement of the safety and quality of a workplace in the area of the construction industry with use of the 6S system. International Journal of Occupational Safety and Ergonomics, 26(3), 514-520. https://doi.org/10.1080/10803548.2018.1510564.

8. Villa, V., Paltrinieri, N., & Cozzania, V. (2015). Overview on Dynamic Approaches to Risk Management in Process Facilities. Chemical engineering transactions, 43, 2497-2502. https://doi.org/10.3303/CET1543417.

9. Khakzad, N., Khan, F. I., & Paltrinieri, N. (2014). On the application of near accident data to risk analysis of major accidents. Reliability Engineering & System Safety, 126, 116-125. https://doi.org/10.1016/j.ress.2014.01.015.

10. Bondarenko, V., Tabachenko, M., & Wachowicz, J. (2010). Possibility of production complex of sufficient gasses in Ukraine. New Techniques and Technologies in Mining, 113-119. https://doi.org/10.1201/b11329-19.

11. Goerlandt, F., Khakzad, N., & Reniers, G. (2017). Validity and validation of safety-related quantitative risk analysis: A review. Safety Science, 99, 127-139. https://doi.org/10.1016/j.ssci.2016.08.023.

12. Yang, X., Haugen, S., & Paltrinieri, N. (2018). Clarifying the concept of operational risk assessment in the oil and gas industry. Safety Science, 108, 259-268. https://doi.org/10.1016/j.ssci.2017.12.019.

13. Pasman, H. J., Rogers, W. J. & Mannan, M. S. (2017). Risk assessment: What is it worth? Shall we just do away with it, or can it do a better job? Safety Science, 99(Part B), 140-155. https://doi.org/10.1016/j.ssci.2017.01.011.

14. Landucci, G., & Paltrinieri, N. (2016). Dynamic evaluation of risk: From safety indicators to proactive techniques. Chemical engineering transactions, 53, 169-174. https://doi.org/10.3303/CET1653029.

15. Liu, R., Liu, H.-C., Shi, H., & Gu, X. (2023). Occupational health and safety risk assessment: A systematic literature review of models, methods, and applications. Safety Science, 160, 106050. https://doi.org/10.1016/j.ssci.2022.106050.

16. Paltrinieri, N., Comfort, L., & Reniers, G. (2019). Learning about risk: Machine learning for risk assessment. Safety Science, 118, 475-486. https://doi.org/10.1016/j.ssci.2019.06.001.

17. Bazaluk, O., Koriashkina, L., Cheberyachko, S., Deryugin, O., Odnovol, M., Lozynskyi, V., & Nesterova, O. (2022). Methodology for assessing the risk of incidents during passenger road transportation using the functional resonance analysis method. Heliyon, 8(75), e11814. https://doi.org/10.1016/j.heliyon.2022.e11814.

18. Bucelli, M., Paltrinieri, N., & Landucci, G. (2018). Integrated risk assessment for oil and gas installations in sensitive areas. Ocean Engineering, 150, 377-390. https://doi.org/10.1016/j.oceaneng.2017.12.035.

19. Andersen, S., & Mostue, B. A. (2012). Risk analysis and risk management approaches applied to the petroleum industry and their applicability to IO concepts. Safety Science, 50(10), 2010-2019. https://doi.org/10.1016/j.ssci.2011.07.016.

20. Foss, B. (2012). Real-time production optimization and reservoir management at the IO center. IFAC Proceedings Volumes, 45(8), 7-12. https://doi.org/10.3182/20120531-2-NO-4020.00048.

21. Yuan, S., Yang, M., Reniers, G., Chen, C., & Wu, J. (2022). Safety barriers in the chemical process industries: A state-of-the-art review on their classification, assessment, and management. Safety Science, 148, 105647. https://doi.org/10.1016/j.ssci.2021.105647.

22. Villa, V., Paltrinieri, N., Khan, F., & Cozzani, V. (2016). Towards dynamic risk analysis: A review of the risk assessment approach and its limitations in the chemical process industry. Safety Science, 89, 77-93. https://doi.org/10.1016/j.ssci.2016.06.002.

23. Paltrinieri, N., & Reniers, G. (2017). Dynamic risk analysis for Seveso sites. Journal of Loss Prevention in the Process Industries, 49, 111-119. https://doi.org/10.1016/j.jlp.2017.03.023.

24. Loh, T. Y., Brito, M.P., Bose, N., Xu, J., & Tenekedjiev, K. (2019). A Fuzzy-Based Risk Assessment Framework for Autonomous Underwater Vehicle Under-Ice Missions. Risk analysis: an official publication of the Society for Risk Analysis, 39(12), 2744-2765. https://doi.org/10.1111/risa.13376.

25. Georgousoglou, K., Mouzakitis, Y., & Adamides, E. D. (2022). The application of the Bow Tie approach in the risk assessment of a municipal solid waste management system. IOP Conference Series: Earth and Environmental Science, 1123, 012073. https://doi.org/10.1088/1755-1315/1123/1/012073.

26. Oakley, P. A., & Harrison, D. E. (2020). Death of the ALARA Radiation Protection Principle as Used in the Medical Sector. Dose Response, 18(2), 1559325820921641. https://doi.org/10.1177/1559325820921641.

27. Bernsmed, K., Frøystad, C., Meland, P. H., Nesheim, D. A., & Rødseth, O. J. (2018). Visualizing Cyber Security Risks with Bow-Tie Diagrams. In Liu P., Mauw S., & Stolen K. (Eds.) Graphical Models for Security. GraMSec 2017. Lecture Notes in Computer Science, 10744. Springer, Cham. Retrieved from https://ntnuopen.ntnu.no/ntnu-xmlui/bitstream/handle/11250/2489562/Visualizing+cyber.pdf?sequence=1.

28. Kuznietsova, N. V. (2016). Identification and dealing with uncertainties in the form of incomplete data by data mining methods. System research & information technologies, 2, 104-115. https://doi.org/10.20535/SRIT.2308-8893.2016.2.10.

29. Ehrlich, P. R., & Ehrlich, A. H. (2013). Can a collapse of global civilization be avoided?. Proceedings. Biological sciences, 280(1754), 20122845. https://doi.org/10.1098/rspb.2012.2845.

30. Cameron, P. J. (2017). Notes on Counting: An Introduction to Enumerative Combinatorics. Cambridge University Press. ISBN 978-110841736.

31. Pivnyak, G., Dychkovskyi, R., Bobyliov, O., Cabana, E. C., & Smoliński, A. (2018). Mathematical and geomechanical model in physical and chemical processes of underground coal gasification. Solid State Phenomena, 277, 1-16. https://doi.org/10.4028/www.scientific.net/ssp.277.1.

• < Попередня
• Наступна >