Изучение рисков: машинное обучение для оценки риска

Оценка риска играет ключевую роль в отраслях промышленности, связанных с критически важными аспектами безопасности. Однако она сталкивается с рядом общих проблем, частично обусловленных развитием технологий и растущими потребностями. В настоящее время существует необходимость в непрерывной оценке риска, совершенствовании извлечения уроков из прошлого опыта и разработке методов обработки релевантных данных; эти меры должны сочетаться с достаточными возможностями для реагирования на неожиданные события и обеспечения надлежащей поддержки управления рисками. В данной работе предлагается подход к оценке риска на основе машинного обучения. В частности, разработана и протестирована модель глубокой нейронной сети (DNN) для сценария ухода с позиции (drive-off), связанного с буровой установкой нефтегазовой отрасли. Результаты показывают приемлемую точность прогнозов DNN и общую пригодность подхода для частичного преодоления проблем оценки риска. Тем не менее необходимо учитывать внутренние ограничения модели, а выбор и настройку подходящей модели следует выполнять тщательно, чтобы обеспечить надлежащую поддержку принятия решений, связанных с безопасностью.