Yếu tố nguy cơ tai nạn từ nhân tố con người (xây dựng trên lý thuyết mờ)

8. Phương pháp nghiên cứu

5.2.5. Yếu tố nguy cơ tai nạn từ nhân tố con người (xây dựng trên lý thuyết mờ)

Kết quả điều tra tai nạn tại cảng biển Vũng Tàu trong 10 năm (2007 - 2017) cho thấy: khoảng 80% nguyên nhân gây ra các vụ tai nạn là do yếu tố con người (Thuyền trưởng; Hoa tiêu dẫn tàu). Ngoài nguyên nhân chủ quan xuất phát từ sự kém hiểu biết quy định pháp luật hàng hải; không tuân thủ quy định pháp luật về an toàn hàng hải hay quy trình kỹ thuật khai thác tàu (không tuân thủ hoặc thiếu hiểu biết Colreg 72; chạy quá tốc độ quy định; kém hiểu biết hoặc không cập nhật về điều kiện khí tượng thủy văn, điều kiện hàng hải khu vực;

không tuân thủ quy trình kỹ thuật khai thác tàu an toàn …) còn có nguyên nhân khách quan là do trình độ chuyên môn, kinh nghiệm thực tiễn của Sỹ quan,

a. Mối liên quan giữa lý thuyết Mờ và phân tích rủi ro

Trong thời đại của chúng ta, an toàn, độ tin cậy và bảo mật là những vấn đề thiết yếu trong kỹ thuật thu thập dữ liệu và chẩn đoán. Hệ thống kỹ thuật hàng hải hiện đại phải đáp ứng các yêu cầu an toàn, an ninh và bảo vệ môi trường. Các lỗi nghiêm trọng của máy móc và các quyết định ―sai lầm‖ do người vận hành đưa ra có thể gây ra sự cố và tai nạn với các tác động không mong muốn dưới dạng tổn thất nhân mạng/ ảnh hưởng sức khỏe, suy thoái môi trường, mất mát tài sản và thiệt hại tài chính và cũng có thể gây ra các vấn đề dân sự khác nhau, hậu quả pháp lý đối với những người ra quyết định và điều hành [46]. Đánh giá rủi ro là một bước quan trọng của quản lý rủi ro, mục tiêu của việc đánh giá rủi ro hoặc mô tả đặc tính rủi ro là xác định bối cảnh rủi ro và khả năng chấp nhận, thường bằng cách so sánh với rủi ro tương tự [47]. Có nhiều phương pháp định tính và định lượng để đánh giá rủi ro, rủi ro có thể được xác định bằng cách ―nhân‖ mức độ nghiêm trọng và các hàm xác suất.

Logic mờ là một dạng logic được sử dụng trong một số hệ thống chuyên gia và các ứng dụng trí tuệ nhân tạo khác, trong đó các biến có thể có mức độ trung thực hoặc sai được biểu thị bằng một dải giá trị từ 1 (đúng) đến 0 (sai).

Với logic mờ, kết quả của một phép toán có thể được biểu thị dưới dạng một xác suất hơn là một sự chắc chắn; ví dụ, ngoài việc đúng hoặc sai, một kết quả có thể có những ý nghĩa như: có thể đúng và có thể sai [48]. Có vô số lĩnh vực trong khoa học kỹ thuật và quản lý hiện đại, trong đó có sử dụng logic mờ và Bowles và Peláez (năm 1995) là những người đầu tiên chứng minh hai phương pháp đánh giá tính phê bình dựa trên logic mờ [49]. Trong các năm gần đây, các nhà nghiên cứu đã phát triển các kỹ thuật đo lường và mô hình toán học để dự đoán mức độ an toàn rủi ro trong quá trình vận hành của một nhà máy hoặc một dây chuyền sản xuất và đưa ra một số kết quả về việc áp dụng logic mờ trong phân tích an toàn quy trình cổ điển, chẳng hạn như lỗi hệ thống và sự kiện có thể được sử dụng thêm trong cách tiếp cận được gọi là ―thắt nơ‖ để đánh giá rủi ro trong kịch bản tai nạn [50]. Họ đã chứng minh rằng sự thành công của phương pháp này phụ thuộc vào chất lượng thu thập dữ liệu lỗi của các thành phần quy trình cũng như sự hợp tác với nhân viên vận hành nhà máy. Phương pháp ―bán định lượng‖ được tính đến và ma trận rủi ro được sử dụng để đánh giá và đánh giá rủi ro cũng được công bố trong một nghiên cứu khác; ma trận rủi ro là một cơ chế để mô tả và xếp hạng các rủi ro trong quá trình thường được xác định thông qua

ro mờ có nhiều ưu điểm nổi bật và phù hợp, nhất là hai yếu tố sau:

- Bảo toàn các tham số được sử dụng trong đồ thị rủi ro tiêu chuẩn và có thể dễ dàng điều chỉnh cho phù hợp với đồ thị rủi ro được cải thiện;

- Thang đo mờ với các giá trị ngôn ngữ mờ được sử dụng để đánh giá các tham số rủi ro và việc hiệu chuẩn mô hình có thể được thực hiện bằng các giá trị tham số rủi ro khác nhau.

b. Cơ sở toán học của lý thuyết Mờ

Mô hình mờ: Cơ bản bao gồm mô hình mờ Mamdani và mô hình mờ TS (Takagi – Sugeno) có thể xây dựng trên matlab tool hoặc dưới dạng m.file. Khác với mô hình mờ Mamdani, mờ hoá tín hiệu ra của mô hình TS là các hàm tuyến tính hoặc hằng số. Có thể nói mô hình mờ TS chính là mô hình mờ tuyến tính [32], TS đơn giản và dễ dàng thiết kế hơn mô hình mờ Mamdani, một cách tổng quát, một hệ thống mờ là một tập hợp các quy tắc dưới dạng If … Then … để tái tạo hành vi của con người được tích hợp vào cấu trúc của hệ thống. Việc thiết kế một hệ thống mờ mang rất nhiều tính chất chủ quan, nó tùy thuộc vào kinh nghiệm và kiến thức của người thiết kế. Ngày nay, tuy kỹ thuật mờ đã phát triển vượt bậc nhưng vẫn chưa có một cách thức chính quy và hiệu quả để thiết kế một hệ thống mờ và thực tế việc thiết kế vẫn phải dựa trên một kỹ thuật rất cổ điển là thử - sai và đòi hỏi phải đầu tư nhiều thời gian để có thể đi tới một kết quả chấp nhận được (ví dụ như các kết quả thể hiện trên hình từ 5.13 đến 5.17).

Tập mờ:

Cho tập U (còn gọi là không gian tham chiếu), một tập con thông thường A (tập rõ) của U có thể được đặc trưng bởi hàm như sau:

= {

Ví dụ: Cho tập U = {x1, x2 x3, x4, x5}, A = {x2 x3, x5}. Khi đó (x1) = 0, (x2)= 1, (x3) = 1, (x4) = 0, (x5) = 1.

Ta thấy, nếu A, B là hai tập con của U, thì hàm đặc trưng của các tập AB, AB được xác định:

 = {   Và

- Phép hợp: AB = {(x,  ) | x U,  = max{ , }.

- Phép giao: A B(x)) | x U,  = min{ , }.

- Phép phủ định: A= {( x, | x U, = 1 - }.

Rõ ràng ta có  A # và  A # U.

- Tổng đại số

A + B = {( x, (x)) | x U, (x) = (x) + (x) - (x). (x)}

- Tích đại số

A.B = {( x, (x)) | x U, (x) = (x). (x)}

- Tổ hợp lồi

B = {( x, (x)) | x U, μ_(A_C B )(x) = w1. (x) + w2. (x), w1 + w2 = 1}

- Phép bao hàm

A B (x) (x), x U.

Các phép toán kết nhập

Trong lập luận mờ, phép kết nhập thường được dùng để tích hợp các điều kiện thành một đầu vào duy nhất để dễ dàng tính các quan hệ mờ. Không có toán tử kết nhập phù hợp cho tất cả các bài toán nên khi chọn toán tử kết nhập cần thử nghiệm trong các trường hợp cụ thể. Dựa vào các tính chất của các toán tử người ta chia thành các dạng như: t-chuẩn (t-norm), t-đối chuẩn (t- conorm) và toán tử trung bình (averaging operator). Một toán tử kết nhập n chiều Agg: → [0,1] thông thường thỏa các tính chất sau đây:

- Agg(x) = x,

- Agg(0, …, 0) = 0; Agg(1, …, 1) = 1;

- Agg( , , …, ) Agg( , , …, ) nếu ( , …, ) ( , …, ).

Lớp toán tử này có tính chất trọng số thứ tự nên giá trị được tích hợp luôn nằm giữa hai phép toán logic là phép tuyển ―OR‖ và phép hội ―AND‖. Toán tử trung bình có trọng số n chiều là ánh xạ f : Rn → R cùng với vectơ kết hợp n chiều W = (wi [0,1], = 1, i=1,…,n) được xác định bởi công thức f( ) = . Dễ dàng nhận thấy

giao diện trực tiếp với các hàm toán khác.

Hình 5.10b. Cấu trúc cơ bản của TS

c. Các bước thiết kế khối logic mờ sử dụng trong mô phỏng

- Bước 1: Định nghĩa tất cả các biến ngôn ngữ vào/ ra (03 biến vào/01 biến ra) theo hình 5.11, như sau:

+ Khả năng/ năng lực của Thuyền trưởng, Hoa tiêu dẫn tàu (biến vào 01);

+ Kinh nghiệm/ kỹ năng của Thuyền trưởng, Hoa tiêu dẫn tàu (biến vào 02);

+ Yếu tố tâm lý của Thuyền trưởng, Hoa tiêu dẫn tàu (biến vào 03).

+ Giá trị đầu ra là hệ số (biến ra).

- Bước 2: Xác định các tập mờ cho từng biến vào/ ra (mờ hóa) (hình 5.12).

Trong đó xác lập Miền giá trị vật lý của các biến ngôn ngữ, số lượng tập mờ, xác định hàm thuộc, rời rạc hóa tập mờ.

- Bước 3: Xây dựng luật hợp thành (27 luật) (hình 5.13, 5.14).

- Bước 4: Chọn thiết bị hợp thành (chọn kiểu TS).

- Bước 5: Giải mờ và tối ưu hóa (các bộ mờ sau khi thiết kế, lựa chọn có mối quan hệ của giá trị biến đổi theo thời gian phù hợp, hình 5.15, 5.16, 5.17).

Lựa chọn Giải pháp giải mờ và tối ƣu hóa:

Các kết quả ở bước 5 rất quan trọng đến kết quả cuối cùng. Mờ hoá đầu ra của mô hình mờ TS là các hàm tuyến tính. Mô hình mờ do Takagi và Sugeno đề xuất và trình bày được gọi tắt là mô hình TS. Mô hình được xây dựng trên cơ sở luật hợp thành IF...THEN..., trong đó mệnh đề kết luận được biểu diễn qua một phương trình tuyến tính. Theo hướng dẫn xây dựng Luật mờ trong tài liệu [32],

∏ ̂ ∏ ̂

̂ (5-16)

Cho ̂ là hàm thành viên của tập mờ (xây dựng dựa trên kinh nghiệm các chuyên gia được khảo sát các tình huống cụ thể tại cảng biển Vũng Tàu), là tổng số luật hợp thành Nếu – Thì, là điểm giá trị mà tại đó và ̂ là vec tơ hợp thành mờ với được định nghĩa theo công thức sau: [11]:

̂

∏ ̂ ∏ ̂

(5-17)

Như đã nêu trong các bước trên, về yếu tố con người, chúng ta xác lập 3 (ba) đầu vào của tập mờ là:

- Khả năng/ năng lực của Thuyền trưởng, Hoa tiêu dẫn tàu;

- Kinh nghiệm/ kỹ năng của Thuyền trưởng, Hoa tiêu dẫn tàu;

- Yếu tố tâm lý của Thuyền trưởng, Hoa tiêu dẫn tàu.

Giá trị đầu ra là hệ số tương ứng với hệ số ảnh hưởng của yếu tố con người dựa trên 27 luật mờ (đầu vào) tương ứng được nghiên cứu sinh thiết lập.

d. Kết quả xây dựng luật mờ trên MatLab

Hình 5.11. Sơ đồ khối vào ra xây dựng trên Matlab của hệ số

Hình 5.12. Bộ mờ Sugeno với 3 đầu vào đặc trưng yếu tố của con người

Hình 5.13. Bộ mờ Sugeno xây dựng tổng hợp 27 luật (kích thước 3x3x3)

Hình 5.14. Xây dựng 27 luật (kích thước 3x3x3) Sugeno

Hình 5.15. Luật hợp thành - yếu tố trình độ và kinh nghiệm

Hình 5.16. Luật hợp thành - yếu tố Trình độ và Tâm lý

Hình 5.17. Luật hợp thành - yếu tố Kinh nghiệm và Tâm lý

Hình 5.18. Sơ đồ khối tổng quát trên Matlab