Çevresel faktörlerin etkileşimi altında çok türlü güvenlik olayları için risk tanımlama ve değerlendirme

Endüstriyel verilerdeki gizli kalıplar neden önemlidir

Modern fabrikalar, tüneller ve kömür madenleri, gaz düzeylerini, titreşimi, sıcaklığı ve daha fazlasını sessizce kaydeden sensörlerle kaplıdır. Yine de ciddi kazalar meydana gelmeye devam ediyor; çünkü tehlikeyi yalnızca tek bir ölçüm işaret etmez, birçok değişen koşulun birlikte sistemi nasıl arızaya sürüklediği önemlidir. Bu makale, bu iç içe geçmiş veri akışlarını daha net bir risk tablosuna dönüştürmenin yolunu gösteriyor; böylece işletmeciler, küçük bir bozulmanın zararlı olaylara dönüşmesinden önce aynı anda birden çok türde sorunun erken uyarı işaretlerini tespit edebilirler.

Basit nedensellikten iç içe geçmiş olay zincirlerine

Klasik güvenlik modelleri kazaları genellikle düz bir hat olarak hayal eder: burada bir insan hatası, orada bir bariyerin başarısızlığı ve nihayet bir yangın, patlama veya çöküş. Son yüzyılda domino zincirleri, İsviçre peyniri modeli ve sistem-teorisi yaklaşımları bu mantığı yakalamaya çalıştı. Ancak bugünün yüksek hızlı, çok kaynaklı izleme ortamında bu basit şemalar yetersiz kalıyor. Onlar, düzinelerce faktörün nasıl etkileştiğini, zaman içinde nasıl dalgalandığını ve bazı kombinasyonları özellikle tehlikeli kılan şekilde birbirlerini nasıl iteklediğini tanımlamakta zorlanıyor. Yazarlar, bu karmaşıklığı anlamak için güvenlik olaylarını farklı ölçeklerde etkileşen koşulların bir ağından “ortaya çıkan” sonuçlar olarak ele almamız gerektiğini savunuyor.

Tehlikeye doğru biriken koşul katmanları

Çalışma çevresel koşulları üç katmana ayırıyor. Çekirdekte, kömürün fiziksel yapısı, çevreleyen kayadaki gerilim veya damar içindeki gaz miktarı gibi felakete yol açan faktörler bulunur. Bunların etrafında, bu çekirdek koşulları yansıtan ancak doğrudan ölçülmesi zor olabilecek türetilmiş faktörler yer alır. Son olarak sensörlerin kolayca izleyebildiği sondaj deliğinden gelen gaz akışı, sondaj talaşları ve elektromanyetik sinyaller gibi ölçülebilir çevresel faktörler gelir. Bu ölçülebilir nicelikler, daha derin ve gözlemlenmesi güç nedenlerle güçlü bağlantı içindedir. Bunlardan bir grubu birlikte kararsız aralıklara kaydığında erken uyarı olayları oluşur; bu olaylar daha sonra zincirlenip örtüşerek ciddi kazalara yol açabilir.

Olayları izole vakalar değil, ağlar olarak görmek

Her güvenlik olayını ayrı ele almak yerine yazarlar, olayların birbirini tetikleyebildiği veya güçlendirebildiği bir ağ tanımlıyor. Bugün küçük bir gaz anomalisinin yarın bir havalandırma sorunu olasılığını artırabileceği; bunun da ertesi gün bir patlamayı daha muhtemel hale getirebileceği düşünülüyor. Ortak çevresel faktörler bu olayları birbirine bağlıyor: aynı ölçülebilir sinyaller farklı türde sorunların habercisi olabilir. Makale bu fikri ölçekler arası etkileşim olarak biçimlendiriyor. Ölçeklenebilir ölçülebilir koşullardaki değişimler kendi ağı üzerinden yayılırken, daha büyük ölçekli olaylar neden-sonuç zinciri oluşturur. Bilginin her iki ağ üzerinden aynı anda nasıl aktığını anlamak, hangi ölçüm kombinasyonunun gerçekten “hemen harekete geç” anlamına geldiğini tahmin etmek için anahtar niteliğindedir.

Ne kadar önemli olduğunu tartan bir öğrenme modeli

Bu çerçeveye dayanarak yazarlar, doğrudan sensör verilerinden öğrenen bir risk tanımlama ve değerlendirme modeli (RIAM) tanıtıyor. Önce farklı sensörlerden gelen okumaları standartlaştırıyor ve bunları paylaşılan bir iç temsile gömüyor. Ardından bir “ana bilgi yakalama” modülü hangi faktörlerin birlikte değişme eğiliminde olduğunu öğrenerek aralarındaki gizli bağları yakalıyor. Ölçekler arası eşleme modülü bu kalıpları belirli güvenlik olaylarına bağlıyor ve her ölçülebilir faktörün her olay türünü ne kadar etkilediğini gösteren bir katkı matrisi üretiyor. Son olarak model, bir veya daha fazla olayın halihazırda gerçekleşme veya yakın zamanda gerçekleşme olasılığını çıktılıyor. Katkıları açıkça takip ettiği için model yalnızca riski işaretlemekle kalmıyor, aynı zamanda hangi sinyallerin uyarıyı tetiklediğini göstererek insan karar vericiler için şeffaflığı artırıyor.

Yakında yeraltında yaklaşıma sınama

RIAM’i sınamak için araştırmacılar, kömür ve gaz patlamalarının ciddi bir tehlike oluşturduğu Çin’deki bir kömür ocağından gerçek izleme verilerini kullandılar. Üç tür olaya odaklandılar: patlama (outburst) ve sondaj talaşlarında gaz akışı ile gaz adsorpsiyonuna ilişkin iki öncü koşul. Girdi olarak altı ölçülebilir faktör kullanıldı; bunlar sondaj deliği gaz hızı ile elektromanyetik radyasyon sinyallerine kadar uzanıyordu. Gerçek patlamalar nadir olduğu için sınırlı gerçek verileri sensör gürültüsünü ve nadir işletim durumlarını taklit eden ancak temel davranışı bozmayacak şekilde dikkatle tasarlanmış sentetik örneklerle takviye ettiler. On katlı çapraz doğrulama kullanarak RIAM’i lojistik regresyon, destek vektör makineleri, naive Bayes, sınıflayıcı zincirleri, ağaç toplulukları ve basit sinir ağları gibi standart yöntemlerle karşılaştırdılar.

Bu, karmaşık sistemlerde daha güvenli olmanın ne anlama geldiği

Tek olaylı ve çoklu olaylı testlerin her ikisinde de RIAM, özellikle farklı türde olaylar örtüştüğünde, riskli koşulları rakip yaklaşımlara göre daha doğru ve daha güvenilir şekilde tanımladı. Aynı derecede önemli olarak, model her olay için hangi sensör okumalarının en çok etki ettiğini ortaya koydu; örneğin belirli gaz ve elektromanyetik göstergelerin patlamaları tahmin etmede baş rol oynadığını doğruladı. Uzman olmayanlar için temel çıkarım şudur: karmaşık, yüksek riskli ortamlarda güvenlik, tek bir “sihirli” sayıyı izlemekten ziyade birçok değişkenin zaman içinde nasıl birleştiğini anlamaya bağlıdır. Kazaları ölçekler arası bağlantılı koşulların ortaya çıkan sonuçları olarak ele alarak ve bu yapıyı koruyan veri odaklı modeller kullanarak, olay sonrası tepkilerden proaktif, yorumlanabilir erken uyarılara geçebilir ve işçileri ile ekipmanı zarardan koruyabiliriz.

Atıf: Liu, Q., Li, J. & Jin, Z. Risk identification and assessment for multitype safety events under the coupling of environmental factors. Sci Rep 16, 9320 (2026). https://doi.org/10.1038/s41598-026-39940-3

Anahtar kelimeler: endüstriyel güvenlik, risk değerlendirmesi, sensör verileri, kömür ocağı kazaları, makine öğrenimi