Специальное программное обеспечение системы поддержки управления пожарной безопасностью объекта защиты на основе метода прецедентов
Special software for the fire safety management support system of the protected object based on the use-case method
- 1 Академия ГПС МЧС России
- 2 АКАДЕМИЯ ГОСУДАРСТВЕННОЙ ПРОТИВОПОЖАРНОЙ СЛУЖБЫ МЧС РОССИИ
Предложена автоматизация системы поддержки принятия решений в виде специального программного обеспечения для формирования базы данных прецедентов с целью поддержки управления пожарной безопасностью. Предложенное специализированное программное обеспечение позволит выполнить действия, направленные на недопущение перехода аварийной ситуации в полномасштабную аварию, пожар или взрыв.
The article proposes the automation of DSS as a special software for the formation of a database of fire safety precedents. The proposed specialized software will allow you to perform actions to prevent the transition of an emergency situation into a full-scale accident, a fire or an explosion.
Использование систем поддержки принятия решений в области обеспечения пожарной безопасности (далее СППР) представляет собой решение объемных, иногда трудно формализуемых задач в смежных предметных областях. Также возникают проблемы в связи с отсутствием или сложностью формальных алгоритмов принятия решения, неполнотой и нечеткостью исходной информации, а также сложностью нахождения решения. Формирование базы данных прецедентов (БП) как основы поиска оптимального решения противопожарной защиты, таким образом, становится основой для разработки внутренних стандартов реагирования, модернизации существующей базы пожаротушения и системы управления внештатными ситуациями [1].
Обзор применения метода прецедентов в управлении безопасностью сложных систем отчасти выполнен в исследованиях, которые освещают подходы к моделированию систем принятия решений по управлению безопасностью сложных систем (А.В. Минаев, Н.Г. Топольский [2], Николайчук О.А. [3], Н.Н. Брушлинский, Е.А Мешалкин и др.). Однако, существующие подходы к автоматизации пожарной безопасности реализованы без учета прецедентов (С.М. Кулаков, В.Б. Трофимов, А.С. Добрынин, Е.Н. Тараборина [4], А.А. Мирзагитов, Д.Е. Пальчунов и др.). Таким образом, возникает необходимость разработки специального программного обеспечения (СПО) на основе разработанной базы знаний и предложенных алгоритмов поиска схожих прецедентов. Специальное программное обеспечение разрабатывается в рамках диссертационного исследования. Разработка ведется в учебно – научном комплексе автоматизированных систем и информационных технологий под руководством Р.Ш. Хабибулина.
Цель разрабатываемого СПО – поддержка принятия решений при реагировании на пожары и ЧС с использованием метода прецедентов для определения сил и средств с целью обеспечения противопожарной защиты.
Задачи СПО:
1. Быстрый доступ к необходимой информации, которая накоплена в базе данных ранее принятых решений (базе прецедентов, БП) в подобных исследуемых ситуациях для применения его лицом принимающего решение (ЛПР).
2. Применение на практике знаний, наиболее подходящих к оперативной ситуации на пожаре и ЧС, которые включены в БП.
3. Представление результатов управленческого решения в наиболее удобной для ЛПР форме.
Функции СПО:
1. Сбор, хранение и обеспечение доступа к массивам данных об объектах защиты, методах и средствах противопожарной защиты.
2. Сбор, хранение и обеспечение доступа к массивам данных о случаях возникновения пожаров как прецедентов нарушения требований пожарной безопасности.
3. Оценка степени эффективности реагирования на каждый прецедент на основе сравнительного анализа с массивом БП.
Реализация функционального технического задания проекта реализуется с использованием фреймовой структуры (Рис. 1), выбор которой связан с возможностью автоматизации в структуре базы данных без преобразования информации (нивелирование возможностей ошибок и потери данных).
Рис. 1. Структура взаимосвязанных фреймов
В соответствии с концепцией прецедентного подхода, осуществляется поиск прецедентов на основе алгоритма определения ближайшего соседа (соседей) для структуры взаимосвязанных фреймов.
Для решения можно воспользоваться агломеративным иерархическим алгоритмом классификации и евклидовым расстоянием [5]:
где a и b – точки в n-мерном пространстве, i – порядковый номер признака, xai и xbi – координаты точек a и b по признаку i.
На основе эффективного мониторинга данных и достижения целевых значений показателей деятельности объекта защиты выявляются причины отклонения показателей от плановых нормативов, связанные как с внешней средой, так и с внутренними проблемами объекта защиты.
Для понимания механизма оповещения и взаимодействия на объекте защиты рассмотрим схему на примере нефтеперерабатывающего завода (НПЗ) (Рис. 2).
Рис. 2. Схема оповещения и взаимодействия на НПЗ
При возникновении пожара или ЧС на НПЗ от диспетчера НПЗ поступает сигнал в операторную диспетчера объектовой пожарной части (ОПЧ), диспетчер ОПЧ начинает ввод и выборку данных поступающих от начальника караула о текущей ситуации в специальное программное обеспечение (СПО). На главном окне разрабатываемого СПО «АРМ системы поддержки принятия решений для специалиста пожарной безопасности ОПЧ» (Рис. 3) расположены текстовые поля и вкладки выборки параметров для ввода и выбора данных о текущей ситуации.
Заполнив все поля, диспетчер ОПЧ отправляет запрос в подключенную базу прецедентов для поиска наиболее подходящего прецедента по данной ситуации. В данном случае прецеденты (П1, П2) и текущая ситуация (Цель) описываются пятью параметрами: n – количество личного состава; S – общая площадь объекта защиты; n – количество пожарных автомобилей; S – площадь пожара; t – время свободного развития пожара. Затем СПО, обработав новые данные с помощью алгоритма поиска, находит из базы прецедентов максимально приближенные ЧС по выбранным показателям к новой ситуации (Рис. 4). Результат данного решения будет выведен в виде текущего решения для ЛПР (Рис. 5). Главное окно содержит список параметров пожара или ЧС (время от начала до развития, площадь, объемы и количество средств пожаротушения и др.). На основе введенных данных формируется выборка схожих прецедентов, которая отображается на экране.
Показатель
2
Показатель
1
Параметр
2
Параметр
3
Параметр
1
Рис. 3. Главное окно специального программного обеспечения для ЛПР
Рис. 4. Окно отображения результатов поиска ближайшего прецедента
Так как идентичные пожары и ЧС практически не встречаются, ЛПР необходимо найденный из базы прецедентов случай адаптировать к новой оперативной ситуации. Используя свой опыт и знания ЛПР проводит адаптацию базового решения, которое в свою очередь заносится в базу прецедентов.
Таким образом, используемый в СПО метод прецедентов позволяет создать гибкую (редактируемую и накопительную) базу знаний для объектов защиты и алгоритмы для поддержки принятия решений ЛПР. Представленный прототип может быть использован как универсальная интеллектуальная встраиваемая система проверки эффективности противопожарной защиты объектов.
Рис. 5. Окно вывода и адаптации результата по новому случаю
В дальнейшем планируется продолжение исследований в области определения наиболее значимых показателей прецедентов с использованием факторного и дискриминантного анализов для их поиска и отбора. Также планируется усовершенствовать алгоритм адаптации управленческих решений для повышения их эффективности.
Литература
Мусайбеков А.Г., Хабибулин Р.Ш. Разработка базы прецедентов типового нефтеперерабатывающего завода для формирования информационной системы управления пожарной безопасностью // Матер. XIX междунар. конф. "Информатика: проблемы, методология, технологии". M.: изд-во «Научно-исследовательские публикации». C. 1779-1783.
Минаев В.А., Топольский Н.Г. Методы и модели управления пожарными рисками на основе теории активных систем // Матер. междунар. науч.-практ. конф. "Теория активных систем – ТАС 2014". M.: изд-во ИПУ РАН, 2014. C. 175-176.
Николайчук О.А. Методы, модели и инструментальное средство для исследования надежности и безопасности сложных технических систем: диссертация ... доктора технических наук: 05.13.01; [Место защиты: Ин-т систем. анализа РАН].- Иркутск, 2011.- 268 с.
Кулаков С.М., Трофимов В.Б., Добрынин А.С., Тараборина Е.Н. Прецедентный подход к формированию программ управления объектами циклического действия // В сборнике: Системы автоматизации в образовании, науке и производстве Труды XI Всероссийской научно-практической конференции. Сибирский государственный индустриальный университет; Под редакцией С.М. Кулакова, Л.П. Мышляева. - 2017. - С. 11-19.
Лясникова С.М., Жаркин А.А. Исследование распределений расстояний точек евклидова пространства при случайных аффинных преобразованиях. Доклад 14-й Всероссийской конференции, Владимирская область, г. Суздаль, 21-26 сентября 2009 г.: Сборник докладов. М., МАКС Пресс, с. 49-51, 2009.