Olasılıksal Risk Analizi

Vikipedi, özgür ansiklopedi
Gezinti kısmına atla Arama kısmına atla

Ülkemizde yürürlüğe giren 6331 sayılı İş Sağlığı Güvenliği yasasıyla, işyerlerindeki ‘risk değerlendirmesi’ çok önemli bir konu haline gelmiştir. Hatta, risk değerlendirmesi, iş sağlığı ve güvenliği yönetiminin temeline oturmuştur. Risk değerlendirmesi, bilimsel bir yaklaşım olup, metodoloji bakımından Avrupa ve ABD’de son yıllarda büyük gelişme sağlamıştır. Basit hesaplamalar ve sonuca bağlanmayan değerlendirmeler geride kalmış, matematik ve istatistik bilimi, risk değerlendirmesinin merkezine oturmuştur. Özellikle Olasılıksal Risk Değerlendirmesi (PRA – Probabilistic Risk Assessment) yöntemi, iş güvenliği uzmanları arasında gittikçe yaygınlaşmaktadır. Bu yöntem ilk başta nükleer santralllerin risk değerlendirmesi için geliştirilmiş olup, şu anda otomotiv, enerji, inşaat, madencilik gibi pek çok sektörde kullanılmaktadır. Hatta NASA ve Amerikan Çevre Koruma Ajansı gibi kurumlar da PRA’i kullanmaktadır.

Olasılıksal Risk Analizi, hata modlarının belirlenmesinde ve etkilerinin analiz edilmesinde kullanılan yapısal bir araçtır. Belirsizlikleri bir arada değerlendirip birleştirebilen kabul gören bir yöntemdir. Belirsizliğin ele alınmasında olasılık teoreminin matematiksel altyapısını kullanır. Olasılığın yorumlanması konusunda insanların yeterli sezme yeteneğine sahip olmayışı ve yeterli veriye her zaman sahip olamayışımızın bir sonucu olarak Olasılıksal Risk Analizi kullanma gereksinimi ortaya çıkmıştır.

Olasılıksal Risk Analizi (Probabilistic Risk Assessment) metodolojisinin temelinde Olay Ağacı Analizi (ETA – Event Tree Analysis) ve Hata Ağacı Analizi (FTA – Fault Tree Analysis) diye adlandırılan analiz teknikleri kullanılmaktadır. Bu teknik anlaşılmasının kolaylığı nedeniyle rassal ve takipli/bağımlı bir süreci çok görsel şekilde farklı bilim dallarının ortak kullanılmasına imkan verecek şekilde özetler. Dahası risklerin sebepleri ve risklere karşı alınan önlemler olasılıksal olarak gösterilmektedir. En önemlisi de risklerin nihai olarak oluşma olasılığı ve şiddeti olasılıksal olarak ortaya çıkmaktadır. Belirtmek gerekir ki, ETA – FTA teknikleri çok faydalı olmasına karşın, uygulaması için genellikle matematik ve istatistik bilgisi gerektirmektedir.

Olay Ağacı Analizi (ETA) kavramı ile aşağıdakilerin belirlenmesi ve analizi ifade edilmektedir:

  • Başlangıç olayı: Normal dışı bir koşulun doğmasına neden olan olay.
  • Güvenlik önlemleri: Başlangıç olayı ortaya çıktığında, onu bertaraf edecek önlemler.
  • Kaza sonuçları: Başlangıç olayının ortaya çıkması ile onu bertaraf edecek önlemlerin başarılı olma ya da başarısız olma durumlarının değerlendirilmesi ve sonuçta oluşabilecek olası bir kazanın ortaya koyulması.

Mevcut olan riskler, esas olarak olaylar (event) ile ifade edilir. Olayların olasılığı vardır. Bunu ölçebilmek için de istatistiksel bir model oluşturulması gereği açıktır. Olay Ağacı Analizinin (ETA) amacı da budur. Her bir kaza olayının olasılığı ve şiddetinin belirlenmesine çalışılır. Bunun için de risk olaylarına sebep olan her bir başlangıç olayı belirlenir. Sonraki adımda, başlangıç olayı oluştuğu takdirde, başlangıç olayının kaza olayına sebep olmasını engelleyecek tüm önlemler değerlendirilmeye dahil edilir. Önlemlerin çalışma ve çalışmama olasılıkları, birbirleriyle ilgili veya bağımsız önlemler modele dahil edilir. Nihayetinde, başlangıç olayının oluşması ve önlemlerin çalışıp çalışmama olasılıkları dikkate alınarak, kaza olayının oluşma olasılığı bulunur. Olasılıksal Risk Değerlendirmesi’nin esas amacı da zaten budur. Olay Ağacı Analizi ise, bu amaçla kullanılan etkin bir yöntemdir.

Örnek 1[değiştir | kaynağı değiştir]

Yukarıda belirttiğimiz metodu basit bir örnek ile açıklayabiliriz.

p =hayvanın hastalanması olasılığı

Se=P(hayvan hasta olduğu bilindiğinde ve test sonucu pozitif)

Sp=P(hayvan hasta olmadığı bilindiğinde ve test sonucu negatif)

P(hayvan hasta ve test sonucu pozitif)=p*Se

P(hayvan hasta ve test sonucu negatif)=p*(1-Se)

Bu bilgiler ışığında hayvanın testinin pozitif çıkması olasılığını hesaplarsak:

P(hayvan test pozitif)=p*Se+(1-p)*(1-Sp) olur.

Örnek 2[değiştir | kaynağı değiştir]

Aşağıda biraz daha karmaşık bir örnek gösteriyoruz. Bu modelde başlangıç olayı, yangın başlaması olarak tanımlanmıştır. Yangın başlaması durumunda beş adet önlem uygulanmaktadır.

  1. Detektör
  2. Alarm A
  3. Alarm B
  4. Yangın söndürme sistemi
  5. Elle söndürme
  • senaryonun basitçe anlatılması:
  1. Yangın başlıyor – Detektör çalışıyor – Alarm A çalışıyor – Alarm B çalışıyor – Yangın söndürme sistemi çalışıyor – Elle söndürme gerçekleşiyor.

Bu senaryoda, yangın başlaması koşuluyla ilk önlem olan detektörün çalışma olasılığı 99% olarak gösteriliyor. Detektör çalıştığında is Alarm A, 97.5% olasılığıyla başarılı şekilde çalışıyor. Alarm A çalıştığında ise yedek olan Alarm B’nin çalışıp çalışmaması sonucu etkilemiyor. Detektör ve Alarm A çalıştıktan sonra ise Yangın Söndürme Sistemi’nin çalışma olasılığı 99%. Yangın söndürme sistemi çalıştığı zaman ise Elle Söndürme sonucu etkilemiyor. Bu senaryonun sonucu PrecisionTree tarafından otomatik olarak 95.6% olarak belirleniyor. Diğer bir ifadeyle, yangın başlama olayı gerçekleştiğinde, bu senaryonun gerçekleşmesi ile yangının söndürülme ihtimali 95.6%’dır.

2. Yangın başlıyor – Detektör çalışıyor – Alarm A çalışıyor – Alarm B çalışıyor – Yangın söndürme sistemi çalışmıyor – Elle söndürme gerçekleşiyor.

Burada, yukarıda bahsettiğimiz ilk senaryonun sadece bir adımında değişiklik yaptık. Bu senaryoda Yangın Söndürme Sistemi 1% olasılıkla çalışmıyor. Detektör ve Alarm A çalıştığı için, yangın söndürme ile görevli personelin elle müdahalede bulunma ve Elle Söndürme olasılığı 50% olarak modele giriliyor. Sonuç olarak bu senaryoda yangının başarılı şekilde elle söndürülme olasılığı otomatik olarak 0.48% olarak hesaplanıyor.

3. Yangın başlıyor – Detektör çalışıyor – Alarm A çalışmıyor – Alarm B çalışmıyor – Yangın söndürme sistemi çalışmıyor – Elle söndürme gerçekleşmiyor.

Bu senaryoda başarılı şekilde çalışan tek önlem detektörün çalışması. Detektör 99% olasılıkla çalıştıktan sonra, Alarm A’nın çalışmama olasılığı 2.5%, Alarm B’nin çalışmama olasılığı 5% olarak modele giriliyor. Detektör çalıştığı için, Yangın Söndürme Sistemi’nin çalışmama olasılığı sadece 1% olarak belirleniyor. Bu senaryoda, Alarm A ve Alarm B çalışmadığı için, Yangın Söndürme Sistemi çalışmazsa, yangına elle müdahale edilmesi ve Elle Söndürme olasılığı 40% olarak modele ekleniyor. Elle Söndürme’nin başarısız olma olasılığı ise 60%. Sonuç olarak yangın riski bu senaryoda 0.0007% olarak hesaplanıyor.

4. Yangın başlıyor – Detektör çalışmıyor – Alarm A çalışmıyor – Alarm B çalışmıyor – Yangın söndürme sistemi çalışmıyor – Elle söndürme gerçekleşmiyor.

Bu senaryoda, hiçbir önlemin çalışmadığı senaryoyu inceliyoruz. 1% olasılıkla detektör çalışmadığı durumda, Alarm A ve Alarm B’nin de çalışmadığını kabul ediyoruz çünkü alarmların detektöre bağlı olarak çalıştığını varsayıyoruz. Yine detektörün çalışmamasından dolayı Yangın Söndürme Sistemi de çalışmıyor. Alarmlar çalışmadığı için de personelin zamanında yangına müahale etmesi ve Elle Söndürme olasılığı 20% olarak modele giriliyor. Elle Söndürme’nin başarısız olma olasılığı ise 80%. Sonuç olarak bu senaryo 0.8% olasılıkla yangının söndürülemediği durumu gösteriyor.

Tüm senaryolar[değiştir | kaynağı değiştir]

Olay Ağacı modelimizdeki tüm senaryo sonuçlarını incelediğimizde görüyoruz ki, yangın olayının başlaması sonrasında, uygulamadaki önlemler ile yangının başarılı bir şekilde sonlandırılması olasılığı 98.7% iken yangının söndürülememesi olasılığı 1.3%’tir.

Sonuç[değiştir | kaynağı değiştir]

Bu blogta, iş güvenliği risk değerlendirme çalışmalarında kullanılan Olasılıksal Risk Analizi (PRA) yönetemine ve Olay Ağacı Analizine (ETA) basit bir şekilde değindik. Dahası, burada yapılan sayısal analizlerin PrecisionTree yazılımı ile nasıl kolaylaştığını anlatmaya çalıştık. Gösterdiğimiz örnek model, konunun anlaşılabilmesi amacıyla olabildiğince basit tutuldu. Gerçek PRA ve ETA uygulamalarında, bu modeller çok daha karmaşık olarak kurulmak durumundadır ve modeller karmaşıklaştıkça PrecisionTreegibi bir yazılıma olan ihtiyaç da artmaktadır. Örnek modelimiz ile bir Olay Ağacı modelinin nasıl şeffaf ve açık bir şekilde hazırlanabileceğini ve uygulamadaki önlemlerin risk başlangıç olayını ne şekilde etkilediğini ve sonuçta riskin oluşma ve oluşmama olasılığının nasıl hesaplandığını gösterdik. Bu blogta ve modelimizde basitlik sağlanabilmesi amacıyla, önlemlerin başarı olasılıklarının, başlangıç olayın oluşma olasılığının, risk oluştuğu takdirde oluşabilecek maddi etkinin büyüklüğünün hesaplanması gibi konulara değinmedik. Aslında bu konular çok dikkatli bir şekilde hesaplanıp modele dahil edilmesinin uygulamada hayati olduğu bilinmelidir. Tabii kiPrecisionTree ve @RISK gibi yazılımlar sayesinde, Olay Ağacı hazırlamak kadar bu bahsettiğimiz konular da kolay bir şekilde çözülebilmektedir.

Kaynakça: Risk Dynamics Consultancy, Dr.Volkan ÇAKIR