Інтегрована модель врахування поведінкових факторів екіпажу в системі експлуатаційної безпеки судна
DOI:
https://doi.org/10.31498/2225-6733.51.2025.344960Ключові слова:
експлуатаційна безпека, морський транспорт, морські перевезення, інтегрований індекс ризику (SIRI), поведінкова надійність екіпажу, деградація систем, моніторинг стану, безпека судноводіння, машинне навчання, нейромережі, прогнозування аварій, ризик-менеджмент, адаптивні системи, ситуаційна обізнаність, превентивний контроль, критичний стан, сценарний аналіз, навігаційні факториАнотація
У статті представлено інтегровану математичну модель управління експлуатаційною безпекою морських суден, яка комплексно враховує як технічні аспекти деградації бар'єрів безпеки, так і поведінкові фактори екіпажу. Обґрунтовано необхідність переходу від суто технократичного підходу до оцінювання ризиків до мультифакторного аналізу, що відображає реальну динаміку впливів у складному середовищі під час виконання технологічних операцій на борту судна. Зокрема, увага зосереджена на тому, як психофізіологічний стан членів екіпажу (втома, емоційне вигорання, неуважність) може прискорювати деградацію технічних систем і призводити до передчасного досягнення критичних значень інтегрованого індексу ризику (SIRI). Модель побудовано на основі модульного підходу з можливістю адаптації до типу судна, характеру навігаційного переходу, типу вантажу, рівня автоматизації та зовнішніх умов. Розроблена система дозволяє не лише фіксувати поточний рівень ризику, але й здійснювати прогнозування майбутніх загроз з урахуванням змін у поведінці екіпажу та технічному стані. Для цього запропоновано використовувати інструменти машинного навчання, зокрема моделі на основі рекурентних нейромереж (типу LSTM), які навчаються на послідовностях параметрів стану судна. Окрему увагу приділено розробці сценаріїв реакції системи на критичні ситуації, а також обґрунтовано можливість інтеграції моделі у інтелектуальні навігаційно-діагностичні комплекси. Проведені експерименти та сценарний аналіз підтверджують високу ефективність моделі у прогнозуванні розвитку аварійних ситуацій, зменшенні часу реагування та зниженні імовірності негативних наслідків. Запропонована модель є кроком до створення повнофункціональних інтелектуальних систем підтримки прийняття рішень (DSS) для впровадження в практику судноплавства нового покоління, де управління ризиками здійснюється в реальному часі з урахуванням як технічних, так і людських чинників
Посилання
Zhang M., Kujala P., Hirdaris S. A machine learning method for the evaluation of ship grounding risk in real operational conditions. Reliability Engineering & System Safety. 2022. Vol. 226. Article 108697. DOI: https://doi.org/10.1016/j.ress.2022.108697.
A hybrid deep learning method for the real-time prediction of collision damage consequences in operational conditions / M. Zhang et al. Engineering Applications of Artificial Intelligence. 2025. Vol. 145. Article 110158. DOI: https://doi.org/10.1016/j.engappai.2025.110158.
A machine learning method for the prediction of ship motion trajectories in real operational conditions / M. Zhang et al. Ocean Engineering. 2023. Vol. 283. Article 114905. DOI: https://doi.org/10.1016/j.oceaneng.2023.114905.
Deng W., Ma X., Qiao W. A novel methodology to quantify the impact of safety barriers on maritime operational risk based on a probabilistic network. Reliability Engineering & System Safety. 2024. Vol. 243. Article 109884. DOI: https://doi.org/10.1016/j.ress.2023.109884.
Deng W., Ma X., Qiao W. Resilience-oriented safety barrier performance assessment in maritime operational risk. Transportation Research Part D: Transport and Environment. 2025. Vol. 139. Article 104581. DOI: https://doi.org/10.1016/j.trd.2024.104581.
Bulian G., Francescutto A. Level 1 vulnerability criterion for the dead ship condition: A practical methodology for embedding operational limitations. Ocean Engineering. 2023. Vol. 272. Article 113868. DOI: https://doi.org/10.1016/j.oceaneng.2023.113868.
Mauro F., Vassalos D. The effect of the operational environment on the survivability of passenger ships. Ocean Engineering. 2023. Vol. 281. Article 114786. DOI: https://doi.org/10.1016/j.oceaneng.2023.114786.
Evaluation of ship operational effect based on long-term encountered sea states using wave hindcast combined with storm avoidance model / R. Miratsu et al. Marine Structures. 2022. Vol. 86. Article 103293. DOI: https://doi.org/10.1016/j.marstruc.2022.103293.
Systematic analysis and optimization of operational delay factors in port supply chains using a hybrid DEMATEL-OPA-DGRA approach / Karimi N., Javanmardi E., Nadaffard A., Facchini F. Ocean & Coastal Management. 2025. Vol. 263. Article 107620. DOI: https://doi.org/10.1016/j.ocecoaman.2025.107620.
RouteView 2.0: A Real-time Operational Planning System for Vessels on the Arctic Northeast Passage / A. Wu et al. Environmental Modelling & Software. 2025. Article 106464. DOI: https://doi.org/10.1016/j.envsoft.2025.106464.
Kurt I., Aymelek M. Operational adaptation of ports with maritime autonomous surface ships. Transport Policy. 2023. Vol. 145. Pp. 1-10. DOI: https://doi.org/10.1016/j.tranpol.2023.09.023.
A framework to assess the operational state of autonomous ships with multi-component degrading systems / X. Zhou et al. Ocean Engineering. 2025. Vol. 327. Article 121000. DOI: https://doi.org/10.1016/j.oceaneng.2025.121000.
Internet of things-driven approach integrated with explainable machine learning models for ship fuel consumption prediction / V.N. Nguyen et al. Alex-andria Engineering Journal. 2025. Vol. 118. Pp. 664-680. DOI: https://doi.org/10.1016/j.aej.2025.01.067.
Ship voyage optimization based on fuel consumption under various operational conditions / Sang Y., Ding Y., Xu J., Sui C. Fuel. 2023. Vol. 352. Ar-ticle 129086. DOI: https://doi.org/10.1016/j.fuel.2023.129086.
Data-driven ship typical operational conditions: A benchmark tool for assessing ship emissions / A. Fan et al. Journal of Cleaner Production. 2024. Vol. 483. Article 144252. DOI: https://doi.org/10.1016/j.jclepro.2024.144252.
Modeling and operational analysis of ship integrated energy system considering partial-load characteristics of equipment and transferable loads / X. Jiang et al. Sustainable Energy, Grids and Networks. 2025. Vol. 42. Article 101651. DOI: https://doi.org/10.1016/j.segan.2025.101651.
Predicting human reliability for emergency fire pump operational process on tanker ships utilising fuzzy Bayesian Network CREAM modelling / Aydin M., Sezer S. I., Arici S. S., Akyuz E. Ocean Engineering. 2024. Vol. 314. Article 119717. DOI: https://doi.org/10.1016/j.oceaneng.2024.119717.
Russell D. W., Lance R., Rosopa P. J. Operational safety risk modeling in a naval organization. Journal of Safety Research. 2025. Vol. 93. Pp. 274-281. DOI: https://doi.org/10.1016/j.jsr.2025.02.025.
Mochizuki H. Summary of researches on operational characteristics and safety of molten salt fast reactors based on neutronics and thermal-hydraulics coupling analysis. Nuclear Engineering and Design. 2025. Vol. 435. Article 113941. DOI: https://doi.org/10.1016/j.nucengdes.2025.113941.
Figuero A., Peña E., Sande J., Rosa-Santos P. Integrated approach to assess resonance between basin eigenmodes and moored ship motions with wavelet transform analysis and proposal of operational thresholds / R. Costas et al. / Ocean Engineering. 2022. Vol. 247. Article 110678. DOI: https://doi.org/10.1016/j.oceaneng.2022.110678.
Deep Q-network and knowledge jointly-driven ship operational efficiency optimization in a sea-port / Guo W., Zhang X., Ge Y., Du Y. Transportation Research Part E: Logistics and Transportation Review. 2025. Vol. 197. Article 104046. DOI: https://doi.org/10.1016/j.tre.2025.104046.
Мельник О. М., Бичковський Ю. В. Сучасна методика оцінки рівню безпеки судна та шляхи його підвищення. Розвиток транспорту. 2021. № 2(9). С. 37-46. DOI: https://doi.org/10.33082/td.2021.2-9.03.
Мельник О. М., Бичковський Ю. В. Врахування фактору стресу у системі забезпечення безпеки мореплавства. Вчені записки ТНУ імені В.І. Вер-надського. Серія: Технічні науки. 2021. Т. 32(71), № 4. С. 260-264. DOI: https://doi.org/10.32838/2663-5941/2021.4/39.
Огляд та перспективи використання сучасних систем курсовказання на морських суднах для забезпечення навігаційної безпеки / Мельник О. М., Щербина О. В., Корякін К. С., Бурлаченко Д. А. Наукові вісті Далівського університету. 2021. № 21. DOI: https://doi.org/10.33216/2222-3428-2021-21-13.
Актуальні проблеми морської безпеки та сучасні шляхи забезпечення охорони судна / О. М. Мельник та ін. Комунальне господарство міст. 2021. № 6(166). С. 204-210. DOI: https://doi.org/10.33042/2522-1809-2021-6-166-204-210.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Журнал "Вісник Приазовського державного технічного університету. Серія: Технічні науки" видається під ліцензією СС-BY (Ліцензія «Із зазначенням авторства»).
Дана ліцензія дозволяє поширювати, редагувати, поправляти і брати твір за основу для похідних навіть на комерційній основі із зазначенням авторства. Це найзручніша з усіх пропонованих ліцензій. Рекомендується для максимального поширення і використання неліцензійних матеріалів.
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, яка дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи в цьому журналі.
2. Автори мають право укладати самостійні додаткові угоди, які стосуються неексклюзивного поширення роботи в тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи в цьому журналі.
