ارائه الگویی برای ارزیابی کمی تاب آوری سیستم های فنی-اجتماعی با استفاده از مدل های تصمیم گیری چند معیاره: مطالعه موردی در یکی از سایت های نفتی

زمینه و هدف: امروزه مشکل عمده در حوزه ی ایمنی صنعتی این است که اکثر روش های سنتی ارزیابی ریسک و مدیریت ایمنی به تنهایی جوابگوی نیاز تکنولوژی و صنایع پیچیده ی امروزی نیستند؛ به عبارت دیگر، روش های سنتی، نظیر آنالیز ریسک و ارزیابی احتمال ایمنی، در عمل قادر به ارائه ی بسیاری از راه حل های مورد نیاز برای صنایع امروزی نمی باشند. برای این ادعا دلایل مختلفی وجود دارد، مهم ترین این دلایل، ریشه داشتن آنها در مدل های بسیار ساده ی حادثه به عنوان زنجیره دلیلاثر می باشد. با این توصیف، هدف این پژوهش ارائه الگویی برای ارزیابی تاب آوری سیستم های فنیاجتماعی مبتنی بر مدل های تصمیم گیری چند معیاره می باشد.روش بررسی: در این تحقیق پس از شناسایی شاخص های تاب آوری از طریق بررسی متون و مصاحبه با کارشناسان مجرب این صنعت، اطلاعات مربوط به این شاخص ها در واحدهای عملیاتی صنعت مذکور از طریق مصاحبه ی نیمه ساختار یافته با 16 نفر از اپراتورهای با تجربه که میانگین سابقه ی کاری آنها بیش از 10 سال بود، جمع آوری گردید. موضوعات مصاحبه در حیطه های ظرفیت ضربه گیری سیستم، حاشیه های ایمنی، تحمل سیستم، تعاملات متقابل چندسویه، درس گرفتن از رویدادهای ناگوار و همچنین رویدادها و فعالیت های عادی، انعطاف پذیری سیستم، پیش بینی رویدادهای مترقبه و غیرمترقبه، توجه به مسئله ی پیش آمده در سیستم و پاسخ به موقع و مناسب تعیین گردید. سپس برای تعیین وزن شاخص ها از روش آنالیز مولفه ی اصلی و برای تعیین رتبه ی واحدهای مختلف از روش تاپسیس استفاده شد.یافته ها: نتایج حاصل از آنالیز شاخص ها نشان دادند که سه شاخص ظرفیت ضربه گیری (0.43)، توجه (0.39) و فرهنگ آموختن (0.36) دارای بیشترین وزن و رتبه بوده و شاخص های تحمل (0.26) و تعاملات متقابل چند سویه (0.21) دارای کمترین وزن و رتبه می باشند. بر این اساس واحدهای 11، 3 و 2 نیز بهترین رتبه را از نظر شاخص های تاب آوری به خود اختصاص دادند. همچنین با بررسی رتبه های بدست آمده که مبتنی بر نزدیکی مقدار شاخص مورد نظر به راه حل ایده آل می باشد مشخص شد که کمترین فاصله از راه حل ایده آل مثبت مربوط به واحد 11 و بیشترین فاصله از راه حل ایده آل منفی مربوط به واحد 6 است. بنابراین واحد 11 نسبت به سایر واحدها در اولویت کمتری برای اصلاح قرار می گیرد و واحد 6 که کمترین شاخص نزدیکی را دارد در اولویت بیشتری برای اصلاح نسبت به سایر واحدها قرار دارد. بر این اساس، واحدهای 2، 3 و 11 بهترین رتبه را از نظر شاخص های تاب آوری دارند و واحدهای 6، 7 و 8 ضعیف ترین رتبه را از نظر این شاخص ها به خود اختصاص داده اند. نتیجه گیری: نتایج حاصل از آنالیز شاخص ها و رتبه بندی واحدها نشان داد که روش آنالیز مولفه ی اصلی (pca) و روش ترجیح براساس مشابهت به راه حل ایده‌آل (topsis) برای ارزیابی تاب آوری سیستم های پیچیده گزینه های قابل قبولی محسوب می شوند. زیرا به خوبی نقاط ضعف و قوت سیستم را از نظر تاب آوری و بر اساس اطلاعات ورودی در اختیار محقق قرار می دهند. بنابراین مدیران و تصمیم گیران صنعت مذکور می توانند با استناد به نتایج این مطالعه، نه تنها نقاط ضعف خود، بلکه نقاط قوت صنعت خود را از دیدگاه مهندسی تاب آوری شناسایی و در جهت بهبود و ارتقا آنها با تدوین برنامه های فنی و کاربردی جامع اقدام نمایند.

A Framework for Quantitative Assessment of Socio-Technical Resilient Systems using Multiple Criteria Decision Making (MCDM): A Case Study in an Oil Site

Background and aims: Today, the major problem in the field of industrial safety is that most traditional risk assessment and safety management methods alone do not meet the needs of modern technologies and complex industries. In other words, traditional methods, such as risk analysis and probability safety assessment, are in practice capable of do not provide many of the solutions needed for today #39;s industries. There are various reasons for this claim, the most important of these reasons are their roots in the very simple models of the incident as a causeeffect chain. Therefore, there is an urgent need for new approaches in risk assessment and safety management, and resilience engineering (RE) has been proposed as a remedy to satisfy that need. Resilience Engineering is the new window which uses the insights from research on failures in complex systems, organizational contributors to risk, and human performance to develop engineering practices including measures of sources of resilience, decision support for balancing production/safety tradeoffs, and feedback loops that enhances the organization rsquo;s ability to monitor/revise risk models and to target safety investments. Therefore, RE was defined as: The intrinsic ability of a system to adjust its functioning prior to, during, or following changes and disturbances, so that it can sustain required operations under both expected and unexpected conditions. However, the purpose of this study is to provide a framework for assessing the resilience of sociotechnical systems based on the Multi Criteria Decision Making (MCDM). Method: In this research, after identifying the indicators of resilience through reviewing the literature and interviewing experienced industry experts, information on these indicators in the operating units of the industry was obtained through a semistructured interview with 16 experienced operators whose average working experience was more than 10 years. Semistructured interview is a meeting in which the interviewer does not strictly follow a formalized list of questions. They will ask more openended questions, allowing for a discussion with the interviewee rather than a straightforward question and answer format. Interview topics included buffering capacity with 29, safety margins with 24, system tolerance with 10, crossscale interactions with 5, learning from accidents, incidents and normal works with 16, system flexibility with 24, anticipation of expected and unexpected events with 6, attention to problems in the system with 10 and proper and timely response to them with 11 topics. Then, the Principal Component Analysis (PCA) was used to determine the weight of the indicators and the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) method was used to determine the ranking of different units. The Minitab version 16 and MATLAB software was used to process the collected data. Results: The results showed that the three indicators of buffering capacity (0.43), Attention (0.39) and learning culture (0.36) have highest weight and rank and the indicators of tolerance (0.26) and crossscale interactions (0.21) have the lowest weight and rank. In addition to strengthening the weak indicators, the management of the organization should also make a lot of efforts to promote and develop the desired indicators in accordance with the principles of resilience engineering. For example, identifying safety margins, reducing stress, reducing uncertainties in work processes, identifying wornout systems and equipment and types of threats can improve the system #39;s tolerance index. In this context, the crossscale interactions can also be improved through effective interactions between individuals, groups, and different sections, attention to competencybased education, training and experience and positive and effective communication. Accordingly, operational units 2, 3 and 11 also ranked the best in terms of resilience indicators. Also by examining the rankings based on the similarity to ideal solution, it was found that the lowest distance from the positive ideal solution and the highest distance from the negative ideal solution was related to unit 11 and unit 6, respectively. Therefore, unit 11 get less priority to improve than other units, and unit 6, which has the lowest similarity to ideal solution, has a higher priority for improvement. Conclusion: The study showed that considering the nature of risk and its complexity in socio technical systems, it is no longer possible to identify those using traditional methods. Hence, there is an enormous need for further development in risk assessment tools and safety management systems. This requires to an insight that pushes management beyond traditional counts of negative occurrences and finds new types of leading indicators that reflect critical aspects of an organization #39;s resilience. Furthermore, the results of indicators analysis and unit ranking showed that PCA and TOPSIS may be a reasonable and practical alternative for evaluating resilience of complex systems. Because they can identify the strengths and weaknesses of the system in terms of resilience and based on input information. Therefore, the managers and decision makers of the industry will be able to use the results of this research as an important step in improving and enhancing the industry #39;s resilience and safety.