یک مدل ترکیبی fmea توسعه یافته مبتنی بر روش های f-piprecia و z-edas با روش bow tie جهت ارزیابی ریسک امنیت سایبری در انقلاب صنعتی چهارم

مسائل امنیت سایبری به چالشی پیچیده برای شرکت هایی که به پارادایم انقلاب صنعتی چهارم پایبند هستند، تبدیل شده است. از سوی دیگر، مفهوم امنیت سایبری در زمینه‌های انقلاب صنعتی چهارم موضوعی نوظهور در ادبیات اخیر است. از این رو در مطالعه حاضر، برای اولین بار جهت ارزیابی ریسک های امنیت سایبری در انقلاب صنعتی چهارم از یک مدل ترکیبی fmea توسعه یافته مبتنی بر روش های تصمیم گیری چند معیاره در شرایط عدم قطعیت با روش bow tie در چهار فاز استفاده شده است. ابتدا بر اساس ادبیات، 16 ریسک امنیت سایبری در انقلاب صنعتی چهارم بر اساس مدل fmea شناسایی شده و عوامل تعیین کننده rpn مقدار دهی می شوند. سپس از روش piprecia fuzzy برای وزندهی به عوامل و روش z-edas جهت اولویت بندی و شناسایی ریسک های بحرانی استفاده شده است. در آخر، از تحلیل bow tie برای تحلیل این ریسک ها استفاده شده است. نتایج حاصل از پیاده سازی رویکرد پیشنهادی نشانگر قابلیت و برتری آن در مقایسه با سایر روش های سنتی نظیر fmea و fuzzy edas بوده است.

a hybrid model of extended fmea model based on f-piprecia and z-edas methods with bow tie to evaluate cybersecurity risks in industry 4.0

cyber security issues have become a complex challenge for companies that obligating to industry 4.0 paradigm. on the other hand, the concept of cybersecurity in the context of industry 4.0 proved to be an emerging topic in recent literature. therefore, in the present study, for the first time, a hybrid fmea model developed based on multi-criteria decision-making methods in uncertain environments with the bowtie method in four phases has been used to evaluate cyber security in industry 4.0. first, based on the literature, 16 cybersecurity risks in the fourth industrial revolution are identified based on the fmea model and the determinants of rpn are quantified. then piprecia fuzzy method was used for weighting the factors and z-edas method for prioritization and critical identification. finally, bowtie analysis has been used to analyze these analyses. the result of the proposed implementation has shown its capability and superiority compared to other methods of traditional results such as fmea and fuzzy edas.