Бакланов А.В., ООО ИК СИБИНТЕК, г. Москва, e-mail: BaklanovAV@rambler.ru
GIS: Management of Spatially Distributed Risks
То, о чем пойдет речь ниже, является мучительным осмыслением рационального использования недешевых материальных и людских ГИС-ресурсов в промышленных компаниях различного профиля. Если хотите, это – конспект ненаписанной книги, содержание которой вы узнаете заранее и сможете повлиять на ее конечные выводы. Автор искренне ждет вашей реакции, пишите по адресу BaklanovAV@rambler.ru.
Давайте честно признаемся себе: какими бы мы ни были профессионалами электронного картопостроения, наша продукция в основном предназначена лишь для двух категорий пользователей – менеджеров верхнего уровня, которым карты внятно объясняют взаимное положение их активов, и профильных экспертов, которые используют наши карты как трамплин или испытательную площадку для проверки своих предположений, предложений и предпроектных заявок. Наши надежды на то, что электронные или бумажные карты оказывают прямое влияние на принятие управленческих решений, за редкими исключениями являются однодневками, которые лишь помогают осмыслить некие экспертные предположения.
Кто такие эксперты? Не сочтите это за оскорбительное упрощение, но в литературе наиболее ярким экспертом был повар Петр Андреевич Лопухов из романа Вениамина Каверина «Два капитана». Петр Андреевич обнюхивал пар своего варева и говорил «Отрава», после чего едоки быстро вычерпывали варево ложками в рот. Если же Лопухов делал вывод «Могила», – стряпню выливали под ближайший куст.
Пусть вас не удивит такое сравнение, но большинство профильных экспертов в своих выводах пользуется близкими терминами и сходной методологией. Методологией это назвать сложно, т.к. у каждого эксперта в запасе есть свой набор жизненных примеров и аналогий, которые с трудом формализуются в стройную теорию. Но в каждом отдельном случае, не зависящем от конкретного применения (даже в случае с Петром Андреевичем), прослеживается одна крепкая закономерность: каждый эксперт пытается просчитывать риски.
В нашем случае задача экспертов – по оперативным картографическим основам выявлять бизнес-риски по специфическому профилю.
Я буду слишком самоуверенным снобом, если скажу, что до сих пор никто не задумывался над этой проблемой. Десятки и сотни книг посвящены менеджменту рисков. Многие менеджеры иногда употребляют правильные термины и выявляют верные последствия. Но в том-то и интрига, что существует теория менеджмента рисков, а есть и экспертная оценка рисков. Эти две области частично пересекаются, но никогда полностью не сольются.
Рассмотрим четыре сложности работы с бизнес-рисками:
- Понятие рисков слишком расплывчато;
- Теория менеджмента рисков детально разработана для коммерческого блока;
- Жесткость моделей. Они уникальны – привязаны к конкретным условиям;
- Не определены источники данных для оценки пространственно распределенных рисков.
Путем создания запроса в любой поисковой системе несложно убедиться в том, что понятие риска настолько неустойчиво среди различных слоев пользователей этого термина, что всегда существует риск взаимонепонимания: а что, собственно говоря, обсуждается? Это – и возможность наступления некоторого неблагоприятного события, и угроза потери части ресурсов, и даже деятельность, связанная с преодолением неопределенности в ситуации неизбежного выбора (!!!), и множество иных вариантов.
Хуже иное. У нас сравнительно немного специалистов по управлению рисками, но наш менталитет изрядно искривлен тривиальными представлениями о рисках, которые черпаются из поговорок и афоризмов типа «Кто не рискует, тот не пьет шампанское»; «Игра стоит свеч»; «Нужно пожертвовать многим, чтобы спасти всё»; «Риск – благородное дело»… Иными словами, принятое у нас бытовое понятие риска прямо противоположно разработанному для бизнеса, где риск ПРИНЯТО ОЦЕНИВАТЬ ПРЕЖДЕ, чем принимать управленческое решение. Когда такой подход случайно совпадает с внеплановой удачей на рынке, можно считать, что это – проявление нашего национального менталитета. Но рынок – понятие межнациональное, и он требует сходных подходов к управлению.
Наиболее приемлемым можно считать определение «Риск – вероятность наступления неблагоприятных событий», т.к. оно наиболее полно покрывает все ожидания пользователей. А главное, что в нем появляется крепкая, хорошо проработанная база в виде теории вероятности.
Такая формулировка наиболее удобна и для применения в геоинформационных системах:
- ГИС предлагают наличие атрибутивных данных для объектов на карте. Риск как атрибут должен иметь выражение, пригодное для классификации;
- Использование риска в качестве понятия теории вероятности сводит количественное выражение риска к числу между 0 и 1;
- Любой риск определяется десятками и сотнями факторов риска. Теория вероятности позволяет складывать и умножать вероятности факторов риска, сводя конечное значение к той же величине между 0 и 1. Следовательно, при любых сочетаниях факторов риска получаются соизмеримые величины на различных пространствах и для разных временных отрезков.
В менеджменте для оценивания рыночных рисков на сегодняшний день наиболее распространено понятие Стоимости, подверженной риску(Value-at-Risk, VAR). Эта величина имеет право на жизнь, но считать ее значительно сложнее из-за того, что стоимостное выражение – более подвижное и неопределенное, чем стандартное вероятностное. Между тем, переход от вероятностного к стоимостному выражению может быть проще, т.к. можно просчитывать лишь наиболее вероятные неблагоприятные события по стоимостям текущего периода.
Рис. 1. Подготовительный этап определения рисков: расстановка точек наибольшей вероятности возникновения неблагоприятных событий.
В рамках короткой статьи не будут рассматриваться вопросы классификации рисков. В России применяется несколько различающихся между собой объемных и достаточно рыхлых по структуре классификаций. Достаточно знать, что в этих классификациях есть значительное количество рисков, имеющих пространственную привязку. А следовательно, они способны отображаться на электронной карте. Не будут пока рассматриваться ограничения применений теории рисков, связанные с управленческими рисками. Достаточно осознать, что ГИС-технология идеально подходит для отображения техногенных рисков.
Предварительное обсуждение статьи с профильными специалистами показало, что их в ГИС-управлении рисками смущают два вопроса: отсутствие простых универсальных моделей управления рисками и (что важнее) сложность сбора данных.
Ситуация небезнадежна. Теория управления рисками для первой проблемы предусматривает формы для отбора факторов риска. Важно лишь обеспечить единый для всей системы набор факторов. Существуют методики принятия решения по сложению или умножению вероятностей.
Не так уж сложно собрать данные по вероятностям. Чтобы не быть голословным, постараюсь показать упрощенную модель техногенных рисков трубопроводной нефтесборной системы с указанием логики ее построения.
Порыв нефтяной трубы сам по себе является неблагоприятным событием, но это событие усиливается последствиями, каждое из которых имеет собственную вероятность возникновения:
- загрязнение прилегающей к трубе территории;
- проникновение нефти в плодородный почвенный слой;
- попадание нефти в грунтовые и поверхностные воды;
- гибель животных и растительных организмов, биологических сообществ;
- взрывы и пожары;
- человеческие жертвы и пр.
В отсутствие пространственной привязки расчет рисков порыва трубы возможен и на аналитическом уровне с использованием гидродинамических моделей и расчета превышения несущей способности трубопроводов. Наличие таких моделей – большое подспорье в работе. Но оно требует специального программного обеспечения и подготовленных кадров.
Значительно проще использовать методики оценки риска, разработанные практически для всех отраслей экономики. Например, «Методическое руководство по оценке степени риска аварий на магистральных нефтепроводах»: ГУП «Научно-технический центр по безопасности в промышленности Госгортехнадзора России», 2002 г. Оно позволяет делать выводы о рисках для отдельных сегментов трубопроводов по шкале баллов от 1 до 10. Иными словами, при делении полученных оценок на 10 мы получаем показатель вероятности наступления неблагоприятных событий для каждого из рассматриваемых факторов риска.
Для получения балльных оценок методическое руководство предлагает исследовать следующие факторы риска:
- внешние антропогенные воздействия;
- коррозию;
- качество производства труб;
- качество строительно-монтажных работ;
- конструктивно-технологические факторы;
- природные воздействия;
- эксплуатационные факторы;
- дефекты тела трубы и сварных швов.
Каждый из факторов дробится на более мелкие. Руководство подробно описывает методы преобразования данных для каждого из факторов риска. Более того, в Руководстве описываются методы оценки экологических ущербов, что, как было сказано выше, выходит за границы данной статьи.
Возникает законный вопрос: в чем же новизна изложения, если предлагаемые методики давно известны, детально проработаны и де-факто являются стандартом? Новизна заключается в том, что после переноса методик расчета на электронную карту, после привязывания факторов риска к пространственным объектам у методики появляются новые качественные характеристики, которые ни при каких условиях не могут появиться при табличных расчетах. Легко видеть, что сам факт разлива нефти в Руководстве оценивается лишь как площадное загрязнение без учета рельефа. В отсутствие пространственной привязки остаются неизвестными скорость наступления неблагоприятных событий, продолжительность и направление, в котором они будут распространяться.
Но смысл управления пространственными рисками с помощью ГИС заключается не в оконтуривании вероятных границ разливов, а в отображении зон рисков – зон вероятности наступления неблагоприятных событий и их последствий. Если сложно сразу понять разницу в подходах, то вспомните русскую поговорку: «Знал бы где упадешь – соломки бы подстелил». Предлагаемый подход должен дать вероятностную картину территории деятельности предприятия, на которой выявляются места таких «падений».
Использование методов пространственного анализа позволяет присваивать вероятность наступления события не всему объекту, а его части. Например, сегмент целостной трубы, созданной единовременно из стали одной марки, будет подвергаться вероятности порыва неравномерно по разным причинам: ручейковая коррозия, блуждающие токи, повреждения изоляции и т.д. Следовательно, разным частям объекта (трубы) должны присваиваться разные значения риска. Это – эмпирические знания. Установление на место порывов трубы технологических хомутов или даже полная замена сегмента трубы не устраняет причины возникновения рисков. Площадные объекты обслуживания трубопроводов (замерные установки, компрессорные станции, установки предварительной очистки нефти и пр.) также имеют различные показатели рисков в разных точках занимаемого ими пространства.
Отсюда можно сделать вывод: методами, разработанными для различных отраслей экономики, можно и нужно производить вероятностную оценку рисков и привязывать их к наиболее характерным точкам контролируемых объектов. Затем методами пространственного анализа (!) производится интерполяция значений рисков на территории деятельности и прилегающие площади. Границы зон рисков (а мы условились, что вероятность принимает значения от 0 до 1) оконтуриваются по величине вероятности наступления неблагоприятного значения.
Рис. 2. Выявление зон рисков методами пространственного анализа.
На этом не заканчиваются приятные следствия синтеза аналитических разработок и пространственного анализа. В управлении рисками наиболее сложным является временнОе плечо: чем оно длиннее, тем меньше вероятность успешного прогноза. Поэтому управленческие риски просчитываются сложнее, и прогнозы в них менее успешные, чем в коммерческих рисках. Но когда дело касается техногенных рисков, то временнОе плечо превосходит все мыслимые размеры. Причина – более высокая определенность данных и меньшее влияние человеческого фактора. Более того, временнОе плечо столь велико, что факторы риска приходится делить на суточные, сезонные и многолетние. Например, документ «РД 38.13.004-86 Эксплуатация и ремонт технологических трубопроводов под давлением до 10,0 МПа (100 кгс/кв.см)» позволяет рассчитать срок эксплуатации трубы сборного трубопровода. Для разных типов труб это – порядка 15-20 лет (в реальности намного меньше). Этот расчет позволяет сделать выводы об изменении рисков порыва в зависимости от срока эксплуатации. Несложно видеть, что включение в модель такого элемента, как системный таймер компьютера, покажет, что при прочих равных условиях прошлогодняя карта рисков изменится не в лучшую сторону по сравнению с картой рисков этого года. Трубы и оборудование стареют.
Еще интереснее сезонные изменения. В условиях Сибири и Крайнего Севера влияние низких температур на прокачку тяжелых нефтей неблагоприятно. Повышение давления внутри трубы повышает риск порыва. В то же время работа обходчика трубопроводов в зимнее время упрощена промерзанием болотистых грунтов, что снижает риск необнаружения аварии на ранней стадии. Это же относится к доступности аварийных трубопроводов для работы ремонтных бригад. Следовательно, риск неприбытия и неликвидации аварий снижается в момент появления зимников. Проникновение нефти в почву в зимнее время снижается, а попадание в грунтовые и поверхностные воды практически сводится к нулю.
Противоположная картина возникает летом и усугубляется паводками весной. Риски в это время максимальны. Самое время вспомнить о лучших друзьях всех логистиков – дорожных графах. Наложение их на модель рисков способно до неузнаваемости изменить карту событий как в лучшую, так и в худшую сторону.
Те, кто занимается пространственным анализом, заметили уже, что вся описанная благостная картина динамических карт рисков рухнет под грузом сопровождения данных и картопостроения. Но не так страшен черт, как он карту малюет. Все расчеты, используемые в руководствах, несложно переложить на плечи стандартных процедур приложения Model Builder. Они должны вносить сезонные корректировки рисков. Таким же образом корректируются суточные изменения давлений в трубе. Если, конечно, в компании существует оперативный источник таких данных.
Таким образом, способность визуализировать с точной привязкой к территории проблемы компании, многие из которых копятся годами, является способностью к выживанию и самосохранению. Выявление слабых звеньев в цепи до момента, когда звено разорвется, позволяет без излишних затрат спасти всю цепь.
