Luento 2 Riskien arvioinnista



Samankaltaiset tiedostot
Luento 2 Riskien arvioinnista

Luento 3 Riskien arvioinnista

Luento 2 Riskien arvioinnista

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Luento 3 Riskien kvalitatiivinen arviointi PSA:n pääpiirteet Vikapuuanalyysi

MS-E2117 Riskianalyysi (5 op) 2019

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

TILASTOLLINEN OPPIMINEN

0.08 bussimatkustajaa ei-bussimatkustajaa

Todennäköisyys (englanniksi probability)

Luento 10 Kustannushyötyanalyysi

Vaaran ja riskin arviointi. Toimintojen allokointi ja SIL määritys. IEC osa 1 kohta 7.4 ja 7.6. Tapio Nordbo Enprima Oy 9/2004

3.7 Todennäköisyysjakaumia

Todennäköisyys. Antoine Gombaud, eli chevalier de Méré?.? Kirjailija ja matemaatikko

Suotuisien tapahtumien lukumäärä Kaikki alkeistapahtumien lukumäärä

Luento 9 Riskivertailut ja päätöksenteko

(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.

Luento 4 Vikapuuanalyysit

Tutkimustiedonhallinnan peruskurssi

ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus Mitkä todennäköisyystulkinnat sopivat seuraaviin väitteisiin?

Järvenpään, Keravan ja Tuusulan liikenneturvallisuussuunnitelmat. Onnettomuustarkasteluja 2/2013

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Helsingin, Itä-Suomen, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo Ratkaisut ja pisteytysohjeet

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Monimutkaisten järjestelmien toimintavarmuuden parantaminen Jussi Kangaspunta ja Ahti Salo

Tilastollisia peruskäsitteitä ja Monte Carlo

SAFGOF-hanke. Suomenlahden meriliikenteen kasvunäkymät ja kasvun vaikutukset ympäristölle ja kuljetusketjujen toimintaan

031021P Tilastomatematiikka (5 op)

Myrskylän liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

Valitaan testisuure, jonka jakauma tunnetaan H 0 :n ollessa tosi.

Autojen turvatekniikka ja liikenneturvallisuus

Soodakattila ja kemikaalionnettomuusriskit. Kemikaalikuljetukset, rautatie/maantieliikenne. Tietoturva- auditoinnit ja SOX vaatimukset

Projektin riskit, mahdollisuudet ja niiden hallinta

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Lapinjärven liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

LIIKENNETURVALLISUUSTILANNE JANAKKALASSA. Onnettomuusanalyysia vuosista

Luento 6 Yhteisvikojen analyysi PSA:n sovelluksia

Luento 5 Yhteisvikojen analyysi PSA:n sovelluksia

Riskienhallintasuunnitelma ja riskianalyysi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Pukkilan liikenneturvallisuussuunnitelma: Onnettomuustarkastelut

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

Hyppylentämisen Turvallisuusseminaari. Skydive Finland ry & Laskuvarjotoimikunta Utti, Finland

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

Riskin arviointi. Peruskäsitteet- ja periaatteet. Standardissa IEC esitetyt menetelmät

Taipalsaaren liikenneturvallisuussuunnitelma. 1b. Nykytilan selvitys Liikenneonnettomuudet

Markov-kustannusmallit ja kulkuajat

T Luonnollisten kielten tilastollinen käsittely

Kvantitatiivinen riski Määrittäminen ja hyväksyttävyys

Katsaus laivaonnettomuuden todennäköisyyksiin Suomenlahdella

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Turvallisuutta koskevassa vuosikatsauksessa esitetään Euroopan ja koko maailman lentoturvallisuutta koskevia tilastoja

Mitä on bayesilainen päättely?

Johdatus todennäköisyyslaskentaan Kokonaistodennäköisyys ja Bayesin kaava. TKK (c) Ilkka Mellin (2005) 1

Sovellettu todennäköisyyslaskenta B

H0: otos peräisin normaalijakaumasta H0: otos peräisin tasajakaumasta

Luento 5 Riippuvuudet vikapuissa Esimerkkejä PSA:sta

Riskienhallintamalli. ja kuvaus riskienhallinnan kehittämisestä keväällä Inka Tikkanen-Pietikäinen

VAAROJEN TUNNISTAMINEN JA RISKIEN ARVIOINTI KALANVILJELY-YRITYKSISSÄ

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Kynä-paperi -harjoitukset. Taina Lehtinen Taina I Lehtinen Helsingin yliopisto

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

3. laskuharjoituskierros, vko 6, ratkaisut

Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten

Suorituskyky- ja riskiperusteinen toimintamalli Liikenteen turvallisuusvirastossa

JOHDATUS TEKOÄLYYN LUENTO 4.

Otoskoko 107 kpl. a) 27 b) 2654

Todennäköisyyden ominaisuuksia

Vastuullinen liikenne. Yhteinen asia. Rautatieliikenteen turvallisuusindikaattorit

T Luonnollisen kielen tilastollinen käsittely Vastaukset 5, ti , 8:30-10:00 N-grammikielimallit, Versio 1.1

Tilastolliset jakaumat, niiden esittäminen ja tunnusluvut

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

Kemikaaliriskien hallinta ympäristöterveyden kannalta. Hannu Komulainen Ympäristöterveyden osasto Kuopio

Kustannustehokkaat riskienhallintatoimenpiteet kuljetusverkostossa (Valmiin työn esittely)

Juvan, Rantasalmen ja Sulkavan liikenneturvallisuussuunnitelmat

Luento 9 Riskivertailut ja päätöksenteko

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Salmonellan esiintyminen suomalaisessa sianrehussa. Maria Rönnqvist, Evira

1. TILASTOLLINEN HAHMONTUNNISTUS

Mat Riskianalyysi (5 op) 2015

KULTTUURINEN JA TODELLINEN LIIKENNETURVALLISUUS

Työn vaarojen selvittämisen ja riskien arvioinnin periaatteet

b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa.

OHJEITA KURSSIPÄIVÄKIRJAN LAATIMISEEN Terveystiedon kurssi 2: Nuoret, terveys ja arkielämä

HELSINGIN KAUPUNKI TOIMINTAOHJE 1/7 LIIKENNELIIKELAITOS Yhteiset Palvelut / Turvallisuuspalvelut K. Kalmari / Y. Judström 18.9.

OPAS KÄSINEIDEN VALINTAAN Viiltosuojaus

SYSTEMAATTINEN RISKIANALYYSI YRITYKSEN TOIMINTAVARMUUDEN KEHITTÄMISEKSI

osana liikennejärjestelmää

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

FoA5 Tilastollisen analyysin perusteet puheentutkimuksessa. Luentokuulustelujen esimerkkivastauksia. Pertti Palo. 30.

ISO 9001:2015 JÄRJESTELMÄ- JA PROSESSIAUDITOIN- NIN KYSYMYKSIÄ

Osa 1: Todennäköisyys ja sen laskusäännöt. Kokonaistodennäköisyyden ja Bayesin kaavat

T Luonnollisten kielten tilastollinen käsittely Vastaukset 5, ti , 16:15-18:00 N-grammikielimallit, Versio 1.0

Mikrobikriteereiden arviointi esimerkkinä kampylobakteeri

A-osa. Ratkaise kaikki tämän osan tehtävät. Tehtävät arvostellaan pistein 0-6. Taulukkokirjaa saa käyttää apuna, laskinta ei.

Transkriptio:

Luento 2 Riskien arvioinnista Ahti Salo Teknillinen korkeakoulu PL 1100, 02015 TKK 1

Termistöä Vaara (engl. hazard) Tarkoittaa ei-toivotun seuraamuksen (tappion, vahingon) toteutumisen mahdollisuutta Ei ota kantaa mahdollisuuden todennäköisyyteen» Esim. ydinvoimaonnettomuuden säteilypäästö (ilman lisätäsmenteitä) on tässä mielessä vaara Riski Täsmentää tappion lisäksi myös sen todennäköisyyden, jolla vaara toteutuu» Esim. kahden eri laitoksen ympäristöriskit ovat erilaisia riippuen siitä, miten niissä on riskejä rajattu ja estetty Huomioita Termistön käyttö osin epäyhtenäistä Riski viittaa myös tappioiden suuruuteen Terveysriskien arvioinnissa kuvataan usein altistumisen aiheuttamia seuraamuksia (dose-response, annos-reaktio)» Esim. syöpäkuolleisuus per säteilyannos Teknisten riskien haitalliset hyvinkin erilaisia» Ml. ympäristö-, talous-, terveys- jne. riskit Pyrkimyksenä järjestelmien tarkoituksenmukainen suunnittelu ja ylläpito, ei numerot sinänsä! 2

Riskien arviointi prosessina Peruskysymyksiä ❶ Mitkä kehityskulut voivat aiheuttaa vaaroja? ❷ Miten todennäköisiä nämä ovat? ❸ Mitä seuraamuksia voidaan odottaa tapahtuvan, jos vaara toteutuu? Riskien arviointiprosessi ❶ Täsmennetään vaaraskenaariot ❷ Estimoidaan kunkin todennäköisyys ❸ Arvioidaan vahingon määrä kussakin skenaariossa Riski voidaan määritellä kolmikkona R= S, P, C, i= 1,2, K, n i i i missä S i = i:s vaaraskenaario P i = i:nnen skenaarion todennäköisyys C i = vahingon suuruus ko. skenaariossa Huomioita Skenaarioiden määrittelyssä pyrittävä kattavuuteen» Muuten riskiarvio jää alakanttiin Vahingot er skenaarioissa eivät deterministiä Eli laaditaanko vähän yleisluontoisia skenaarioita vai paljon paremmin täsmennettyjä?» Haettavat tarkoituksenmukainen tasapaino 3

Tilastoperustainen riskien arviointi Frekvenssipohjainen yhdistely Jos tiedetään, ❶ mitkä ovat odotusarvoiset vahingot vaaratilanteissa ja ❷ miten usein vaaratilanteita toteutuu, niin riskiarvioita voidaan tuottaa näiden tietojen pohjalta Esim. USA:n liikennekuolemat USA:ssa on tilastojen valossa 15 miljoonaa liikenneonnettomuutta vuodessa siten, että 1 henkilö kuolee 300 onnettomuutta kohtia. Täten liikennekuolemien riskiä voidaan kuvata luvulla 6 onnettomuus 1 kuollutta 15 10 = vuosi 300 onnettomuus kuollutta 50000 vuosi Huom! Tapahtumia oltava tarpeeksi paljon tilastollisesti» Vrt. suurten lukujen laki ennuste tarkentuu Tämä tulos varmaan saatavissa tilastoista suoraan Näkökulmana kansakunnan taso ei yksilön» Millä tn:llä yksi nimenomainen henkilö kuolee?» Miten ajotottumukset jne. vaikuttavat? 4

Esimerkkejä Salmonella Toiseksi yleisin ruokamyrkytyksen aiheuttaja» Esiintyy kananmunissa, pastöroimattomassa maidossa, lihassa jne. Tilastotietoja USAsta» 19 sairastumista per miljoona syötyä kananmunaa» 710 kuolemaa per miljoona sairastumista» 47 miljardia syötyä kananmunaa» $400 taloudellinen tappio per sairastapaus Mitkä ovat salmonellan odotusarvoiset tappiot (kuolemantapaukset, taloudelliset menetykset)?» sairastumisia 47x10 9 /(1x10 6 )x19= 893 000 kpl» kuolemia 893 000x(710/1x10 6 ) = 634 kpl» taloudelliset tappiot 893 000 x $ 400 = $357 200 000 Autokolarit Tilastotietoja USA:sta v. 2003» väkiluku 250 miljoonaa» 6,3 miljoonaa kolaria» 1 loukkaantunut per 3 kolaria» 1 kuolemantapaus per 165 kolaria» kuolemaan johtaneen kolarin odotusarvoiset tappiot $450 000 kuolemasta ja $25 000 omaisuudesta» loukkaantumiseen johtaneen kolarin vastaavasti $15 000 loukkaantumisesta ja $10 000 omaisuudesta» muista kolareista $3 000 omaisuudesta Mitkä ovat kolarien taloudelliset riskit? 5

Autokolarit (jatkoa) 10-2 6

Riskin mittaamisesta Riskitaso suhteutettava asteikkoon Liikenteessä kuolleiden lukumäärä vähentynyt Suomessa Ajokilometriä kohden suhteutettu riski vähentynyt tätäkin enemmän 7

Tilastollinen aggregointi Riskien aggregointi R = i f c i i, missä f i = i:nnen skenaarion tilastollinen frekvenssi c i = odotettu tappio ko. skenaariossa Verrataan kahta tapausta ❶ Suuronnettomuus» Toteutuu todennäköisyydellä 1x10-6 / vuosi» Odotusarvoinen tappio 1x10 6 henkilön kuolema ❷ Pienonnettomuus» Toteutuu todennäköisyydellä 0,1/ vuosi» Odotusarvoinen tappio 10 henkilön kuolema Aggregoidut riskit yhtä suuria, koska (1x10-6 )x(1x10 6 )=(0,10)x(10)=1» Kummankin riski siis 1 kuolema/vuosi Ei vastaa intuitiivista riskikäsitystä» Suuria riskejä halutaan tyypillisesti välttää» Yksilöt ja yhteisöt usein riskipakoisia 8

Farmerin käyrä Tulkinta Liittää kuhunkin tappiotasoon todennäköisyyden, jolla päädytään tätä tasoa suurempaan tappioon Huom. kuvassa 2.3. virhe! Excel-esimerkki P(C>c) c 9

Farmerin käyriä (1/2) 10

Farmerin käyriä (2/2) 11

Todennäköisyystulkinnat (1/2) Frekventistinen tulkinta Todennäköisyys on raja-arvo, joka saadaan tarkastelemalla tilastollisesti äärettömän isoksi kasvavaa aineistoa Esim. kruunan (eng. head) todennäköisyys saadaan raja-arvona sarjasta P H N H =, N, N jossa kolikkoa heitetään äärettömän monesti ja jossa N = kaikkien heittojen määrä ja N H = saatujen klaavojen määrä Näkökohtia Reaali-ilmiöillä riittäviä toistoja ei voida tehdä» Mahdotonta, liian kallista, liian hidasta» Esim. tuotannonohjaus, koronnostot, suojavallit Toistot eivät tapahdu identtisissä olosuhteissa Tilastot antavat kuitenkin tukea muille analyyseille 12

Todennäköisyystulkinnat (2/2) Subjektiivinen todennäköisyys Kuvastaa kaiken käytettävissä olevan tietämyksen varaan perustuvaa näkemystä siitä, miten mahdollisena tapahtuman toteutumista voidaan pitää Näkökohtia» Kaikkea tietämystä vaikea hankkia» Osa näkemyksistä voi olla poikkeavia tai ristiriitaisiakin» Näkemykset päivitettävissä Bayesin kaavalla P( E H) P( H) P( H E) =, P( E)» missä P(H) = hypoteesin a priori tn P(E) = evidenssin saamisen tn P(H E) = hypoteesin posteriori tn Todennäköisyydet riskianalyysissä Ilmiöt monesti harvinaisia eivätkä toistettavissa Sovelletaan usein subjektiivisia todennäköisyyksiä Hyödynnetään käytettävissä olevia ja relevantteja tilastoja 13

Suorituskyvyn arvioinnista Suorituskyky Tarkoittaa järjestelmän kykyä suoriutua sille tarkoitetuista tehtävistä kaikkina ajankohtina Huomioita» Voidaan luonnehtia kvalitatiivisesti tai kvantitatiivisesti» Ei ole kvantitatiivisesssa mielessä deterministinen, riippuu ❶ toimintaympäristön asettamista vaatimuksista ❷ suoritusominaisuuksista Järjestelmä on suorituskykyinen, jos toimintaympäristön asettavat vaatimukset eivät ylitä sen suoritusominaisuuksia 14

Suorituskyvyn ulottuvuuksia Suoritustaso (engl. capability) Täsmentää, miten todennäköisesti järjestelmän suoritusominaisuudet (eng. capacity) vastaavat järjestelmään kohdistuvia vaatimuksia siten, että järjestelmä saavuttaa sille asetetut tavoitteet» Vrt. junaliikenteen suoritustaso max 5 min myöhästys» Jos vaatimukset ylittävät suoritustason, järjestelmä pettää failure Tehokkuus (engl. efficiency) Kuvastaa, miten tehokkaasti järjestelmä muuntaa käytetyt panokset tavoitteiden saavuttamiseksi» Järjestelmä on tehoton, jos se käyttää enemmän raaka-aineita, materiaaleja tms. panoksia kuin vaihtoehtoiset suorituskykyiset järjestelmät Tehokkuus on yksi vaihtoehtoisten järjestelmien arviointiperuste Käytettävyys (engl. availability) Täsmentää, miten todennäköisesti järjestelmä pystyy täyttämään sille asetetut tavoitteet eri ajanhetkinä 15

Riskiarvioinnin vaiheet (1/2) ❶ Vaarojen tunnistaminen ❶ Luonnonolosuhteista johtuvat ❷ Inhimillisistä järjestelmistä aiheutuvat Erottelu osin keinotekoinen (ks. Taulukko 2.2) Force majeur-tekijöitä ei kovin usein käsitellä» Esim. asteroidit liikenneriskien kannalta ❷ Esteiden tunnistaminen Esteet poistavat, estävät, rajoittavat ja vähentävät vaaroja, muuntavat näitä tai ennakoivat niiden toteutumista Esteet voivat olla joko» aktiivisia (so. nimenomaisesti esteeksi suunniteltuja) (vrt. tulvapadot)» passiivisia (so. esteinä muista syistä toimivia) (vrt. suomaastot) Samaa vaaraa voi estää yksi tai useampia esteitä ❸ Esteiden suorituskyvyn arviointi Vaara toteutuu, jos esteet pettävät tai vaatimukset ylittävät niiden suorituskyvyn Tällöin seurauksena vaaralle altistaminen 16

17

Riskianalyysin vaiheet (2/2) ❹ Altistumisen arviointi Määrittää, missä määrin henkilöt, tuotantovälineet, luonto ja muu ympäristö jne. altistuvat, jos järjestelmä pettää Kvalitatiisessa riskien arvioinnissa usein karkeita suuruusluokka-arvioita Kvantitatiivisessa riskien arvioinnissa altistuminen arvioidaan tarkemmin ja esitetään numeroin» Esim. kuinka paljon haitallisia ainesosia pääsee luontoon? ❺ Riskivaikutusten kuvaus Täsmentaa, miten altistuminen johtaa haitallisiin seuraamuksiin» Esim. kuinka moni henkilö altistuu, mitä on kunkin altistumisen määrä, mitä vaikutuksia altistumisella on yksilö- ja kokonaistasolla» Voidaan tukeutua annosreaktiomalleihin (esim. 10 000 rem/hlö aiheuttaa tilastollisessa mielessä yhden syöpätapauksen) 18

Riskien arviointi 19