System wspomagania decyzji w projektowaniu i wdrażaniu przemysłowych systemów bezpieczeństwa wykorzystujących techniki sztucznej inteligencji

Abstract

Rozwój systemów bezpieczeństwa w zakładach przemysłowych jest kluczowy wobec rosnących wyzwań związanych z bezpieczeństwem i ciągłością produkcji. Nowoczesne technologie, takie jak monitoring wizyjny, drony czy czujniki, otwierają nowe możliwości integracji z istniejącymi systemami zarządzania ryzykiem, realizując to podjęto działania zmierzające do stworzenia holistycznego systemu zarządzania ryzykiem IRM DSS. System wspiera procesy decyzyjne w sytuacjach kryzysowych umożliwiając szybkie wdrażanie działań zapobiegawczych. Rozprawa omawia zagrożenia i ryzyka przemysłowe, metody ich analizy oraz możliwości ich ograniczenia poprzez zastosowanie Al. W IRM DSS wykorzystano sieci bayesowskie, przyczynowe i antycypacyjne, analizę wielokryterialną oraz algorytmy optymalizacyjne, co pozwala na precyzyjne planowanie działań awaryjnych. Podkreślono interoperacyjność IRM DSS z systemami ERP i SCADA oraz wskazano luki funkcjonalne w obecnych rozwiązaniach. Proponowane scenariusze zastosowania IRM DSS w różnych sektorach przemysłowych oraz kierunki rozwoju technologii bezpieczeństwa w przemyśle wskazują na potencjał systemu w budowie odporności organizacji. Wnioski końcowe akcentują znaczenie Al w zarządzaniu ryzykiem oraz możliwość integracji z innymi obszarami. Praca stanowi cenną wskazówkę dla praktyków i badaczy, podkreślając paradygmat DevOps w projektowaniu odporności przedsiębiorstwa. The development of safety systems in industrial plants is crucial in the face of growing challenges related to safety and production continuity. Modem technologies, such as video monitoring, drones, sensors, open up new possibilities for integration with existing risk management systems, and in order to achieve this, actions were taken to create a holistic risk management system IRM DSS. The system supports decision-making processes in crisis situations enabling rapid implementation of preventive measures. The dissertation discusses industrial threats and risks, methods of their analysis and possibilities of their reduction through the use of AI. Bayesian, causal and anticipatory networks, multi-criteria analysis and optimization algorithms were used in IRM DSS, which allows for planning of emergency actions. The interoperability of IRM DSS with ERP and SCADA systems was highlighted and functional gaps in current solutions were identified. The scenarios for the use of IRM DSS in industrial sectors and the directions of development of safety technologies indicate the potential of the system in building the resilience of the organization. The final conclusions emphasize the importance of AI in risk management and integration with other areas. The work provides valuable guidance for practitioners and researchers, emphasizing the DevOps paradigm in designing enterprise resilience.