Матрица последствий и вероятностей

Матрица последствий и вероятностей — средство объединения качественных или смешанных оценок последствий и вероятностей, применяется для определения или ранжирования уровня риска.

Формат, строки и колонки матрицы зависят от области применения, при этом очень важно, чтобы разработанная матрица соответствовала рассматриваемой ситуации.

Область применения

Матрицу последствий и вероятностей применяют для ранжирования рисков, их источников и мер по обработке риска на основании уровня риска. Матрицу обычно применяют в качестве средства предварительной оценки, если было выявлено несколько видов риска, например, для определения того, какой риск требует дальнейшего или более подробного анализа, какой риск необходимо обрабатывать в первую очередь, а какой следует рассматривать на более высоком уровне менеджмента. Данную матрицу также применяют для отбора видов риска, не требующих дальнейшего рассмотрения, а также для определения приемлемости или неприемлемости риска в соответствии с матрицей.

Применение матрицы последствий и вероятностей способствует обмену информацией об общем восприятии качественных уровней риска в организации. Способ, которым устанавливают уровни риска, и правила принятия решения, относящиеся к нему, должны соответствовать особенностям организации и ее деятельности.

Форму матрицы последствий и вероятностей применяют для анализа критичности в FMECA или для установления приоритетов после применения исследования HAZOP. Ее также можно применять в ситуациях, когда имеется недостаточно данных для подробного анализа, или в случае, когда ситуация не оправдывает затраты времени и усилий на проведение количественного анализа.

Входные данные

Входными данными к процессу являются шкалы последствий и вероятностей, установленные в соответствии с требованиями потребителя, и матрица, которая их объединяет.

Шкала (или шкалы) последствий должна охватывать весь диапазон типов исследуемых последствий (например, финансовые потери, безопасность, окружающая среда или другие параметры в зависимости от области применения) и учитывать возможность последствий: от максимально возможных до наименее вероятных.

Оценка риска по последствиям может ранжироваться следующим образом:

  • Высокая
    • Резкое снижение показателей функционирования (50-90%) системы
    • Серьезные проблемы с безопасностью системы
    • Резкий рост затрат и/или срыв сроков (30-70%) программы
    • Сокращение производства
  • Средняя
    • Значительное снижение показателей функционирования (10-50%) системы
    • Кратковременные выходы системы из строя
    • Увеличение затрат на сопровождение системы
    • Значительный рост затрат и/или срыв сроков (10-30%) программы
    • Требуется очень серьезно усилить работу по анализу и контролю
    • Задержки в производстве
  • Низкая
    • Незначительное снижение показателей функционирования (<10%) системы
    • Редкие кратковременные задержки в работе системы
    • Увеличение объема технического обуслуживания и ремонта системы
    • Незначительный рост затрат и/или срыв сроков (<10) программы
    • Требуется заметно усилить работу по анализу и контролю

Оценка риска по вероятности может ранжироваться следующим образом:

  • Высокая
    • Существенное отличие от прошлых проектов
    • Несколько новых, не проверенных на практике компонентов
    • Сложные компоненты и/или интерфейсы
    • Мало аналитических инструментов и данных
  • Средняя
    • Умеренное отличие от прошлых проектов
    • Компоненты сложные, но не слишком сильно нагруженные
    • Имеются аналитические инструменты
  • Низкая
    • Применение сертифицированных компонентов
    • Компоненты средней сложности
    • Зрелые технологии и инструменты

Эти параметры часто изображают в виде "куба рисков", как правило имеющего 3-5 измерений.

Risk cube.png

Процесс выполнения метода

Для ранжирования рисков пользователь должен прежде всего подобрать описание последствий, которое наилучшим образом соответствует ситуации, определить вероятность, с которой эти последствия произойдут. Затем определить с помощью матрицы уровень риска.

Многие опасные события могут иметь диапазон результатов с различными соответствующими вероятностями. Незначительные проблемы обычно происходят чаще, чем катастрофические события. Поэтому можно ранжировать часто получаемые результаты, наиболее серьезные или другие сочетания вероятности и последствий. Во многих случаях требуется уделять внимание наиболее серьезным возможным результатам, поскольку они представляют наибольшую угрозу и являются наиболее значительными. В некоторых случаях необходимо ранжировать как обычные проблемы, так и маловероятные катастрофы как отдельные виды риска. При этом следует рассматривать вероятность, связанную с выбранным последствием, а не вероятность события в целом.

Уровень риска, определяемый по матрице, может быть связан с правилом принятия решений, например, о необходимости проведения обработки риска.

Выходные данные

Выходными данными являются класс каждого опасного события или перечень опасных событий с указанием уровня значимости.

Преимущества

  • относительная простота использования;
  • обеспечение быстрого ранжирования риска по уровням значимости.

Недостатки

  • Матрица должна быть разработана для конкретных обстоятельств, т.к. затруднительно составить универсальную матрицу, которую организация может применить в любых обстоятельствах.
  • Как правило, трудно однозначно установить необходимые шкалы.
  • Применение матрицы весьма субъективно и в значительной степени зависит от специалиста, выполняющего оценку.
  • Риски нельзя объединять (т.е. нельзя установить, что определенное количество низких рисков или низкий риск, выявленный определенное количество раз, эквивалентны среднему риску).
  • Объединение или сравнение уровней риска для различных категорий последствий представляет определенные трудности.
  • Результаты зависят от уровня детализации анализа, т.е. чем более подробный анализ, тем больше сценариев, каждый из которых имеет более низкую вероятность. Все это приводит к недооценке фактического уровня риска. Способ, которым группируют сценарии при описании риска, должен быть единообразным и быть определен в начале исследования.

Комментарии