Международная научно-практическая конференция

исследовательский институт железнодорожного транспорта[4], Клинский институт охраны и условий труда [5]. ОАО «РЖД» выпускает соответствующие стандарты [6], [7]. Большинство методов, представленных в этих работах являются вероятностностатистическими или экспертными.

Рост сложности человеко-машинных систем приводит к тому, что решение задач, связанных с управлением рисками как помощью традиционных математических методов, основанных на точном и адекватном описании проблемных ситуаций, анализе и выработке управляющих решений так и с помощью экспертных методов, становится все более трудоемким и менее эффективным.

Большой объем разнородных исходных данных, их неточность и неопределенность позволяет обосновать необходимость разработки моделей для реализации основных этапов управления рисками, основанных на методологии нечеткого моделирования, как одном из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений.

Теория нечетких множеств дает возможность связать существующие экспертные методы, в основе которых лежат неточные оценки составляющих риска, с математическими методами, что, в итоге, позволит оптимальным образом формировать мероприятия, направленные на устранение наиболее значимых рисков. Примером неточных оценок составляющих риска, представляющих собой лингвистические переменные вероятности и тяжести последствий представлены в табл. 2 и 3.

Таблица 2

Значения лингвистической переменной частоты (вероятности)

Уровень

Описание

частоты

Частое

Вероятность частого возникновения. Постоянное наличие опасности

Вероятное

Неоднократное возникновение. Ожидается частое возникновение опасного события

Случайное

Вероятность неоднократного возникновения. Ожидается неоднократное возникновение опасного события

458

Инновационные факторы развития Транссиба на современном этапе. Часть 2

459

Международная научно-практическая конференция

Задача многокритериального выбора в условиях неопределенности и ограниченности материальных ресурсов формулируется следующим образом. Пусть:

A = {A1, A2, A3, A4, …, An} – множество мероприятий, обеспечивающих снижение рисков травматизма или отказа технических

устройств, где: A1 – мероприятия, связанные с модернизацией оборудования; A2 – мероприятия, связанные с периодическим профилактическим обслуживанием оборудования; A3 – мероприятия, связанные с использованием СИЗ; A4 – мероприятия, связанные с обучением работников и т.д.

C = {C1, C2, C3, C4, …, Cm} – множество нечетких экспертных критериев, по которым оцениваются мероприятия, где: C1 –

уменьшение вероятности возникновения нежелательного события в результате реализации мероприятия; C2 – уменьшение возможного ущерба от нежелательного события в результате реализации мероприятия; C3 – затраты на реализацию мероприятия; C4 – сроки реализации мероприятия и т.д.

Решение задачи заключается в том, чтобы упорядочить элементы множества A по критериям из множестваС. Это можно осуществить, используя схему Беллмана-Заде [8], применяемую при принятии решений в нечетких условиях.

Пусть µCi(Aj) – число, характеризующее степень оценки ме-

роприятия Aj (j = 1, 2, ..., n) по критерию Ci (i = 1, 2, ..., m).

Тогда критерий Ci можно представить в виде нечеткого множества , которое задано= на( универсальном) , ( ) , … ( множестве) A:

. (1)

Базируясь на принципе Беллмана-Заде, наилучшим вариантом будем считать тот, который одновременно лучший по критериям C1, C2, C3, C4, …, Cm. Поэтому нечеткое множество, которое необходимо для рейтингового анализа, определяется в виде пере-

460