Sunteți pe pagina 1din 13

Utilizarea HFACS-FCM în modelarea prevenirii incendiilor la bordul navelor

Abstract

In cadrul acestui studiu se propune o abordare de modelare proactivă care combină


Reprezentarea Cognitivă Fuzzy (FCM) și Sistemul de analiză și clasificare a factorilor umani
(HFACS). În principal, modelul sugerat ajută la prezicerea și eliminarea cauzelor care stau la
baza deficiențelor care se repetă frecvent la bordul navelor. Suportat cu simulări calitative,
modelul HFACS-FCM este demonstrat pe o bază de date de probă privind deficiențele asociate
incendiilor. Constatările, care duc la cauzele fundamentale ale unei deficiențe legate de incendiu
la bordul navei, ar putea fi dezvăluite la diferite niveluri, cum ar fi fapte deficitare, condiții
prealabile pentru aceste fapte, supraveghere necorespunzatoare și influențe negative din punct de
vedere organizațional. Luând în considerare cauzele fundamentale determinate și prioritățile
acestora, se constituie Mecanismul sistemelor de siguranță a navelor (SSSM), Mecanismul de
operare a navelor în condiții de siguranță (SSOM) și Mecanismul de executare a navelor în
condiții de siguranță (SSEM). Prin urmare, lucrarea are o valoare adăugată atât pentru prezicerea
cauzelor principale, cât și pentru sporirea potențialului de combatere a incendiilor, care
contribuie în mod rezonabil la îmbunătățirile de siguranță pe mare.

1.Introducerea

Accidentul de incendiu este unul dintre cele mai provocatoare și fatale evenimente la
bordul navelor. Controlul incendiului în astfel de medii operaționale necesită un răspuns imediat
și un efort mare. Astfel, sistemele relevante ar trebui să funcționeze în timp util sub controlul
operatorului (echipajul navei) fără nici o întrerupere (Kuo și Chang, 2003). În plus față de
sistemele de stingere a incendiilor la bordul navelor, sunt necesare abordări proactive împotriva
neconformităților legate de incendii, accidente și situații periculoase cu scopul de a evita
problemele operaționale. Schröder-Hinrichs și colab. (2011) au susținut că factorii
organizaționali nu au fost observați, de obicei, în cazul investigațiilor accidentului maritim de
incendii și explozii în spațiile de mașini, în schimb, sunt luate în considerație eșaloanele
inferioare, cum ar fi faptele necorespunzatoare.

În situația actuală, organizațiile de control al statului portului (PSC) au încercat să


permită atingerea nivelului standard al realizărilor în materie de siguranță, securitate și aspecte
de mediu. Cerințele stricte de control la nivel internațional impun armatorilor și operatorilor și,
prin urmare, managementului companiilor sa asigure respectarea normelor și reglementărilor
relevante. Li și Zheng (2008) au făcut sugestii cu privire la îmbunătățirea aplicării CPS. În caz
contrar, lipsa unei implementări eficace și sistematice a cerințelor ar putea cauza deficiențe sau
neconformități majore la bordul navelor. Pe lângă costurile sale și consecințele catastrofale
neașteptate, aceasta afectează reputația companiilor de gestionare a navelor pe piața mondială.
Mai presus de toate, reapariția problemelor menționate (adică accidentele de incendiu) va
amenința durabil transportul maritim.

O scurtă trecere în revistă a rezultatelor sondajului PSC privind deficiențele de la bord


evidențiază importanța problemei. De exemplu, conform raportului anual al PSC al MOU din
Tokyo, măsurile de siguranță împotriva incendiilor constituie 18% din totalul deficiențelor
(Memorandumul de înțelegere de la Tokyo, 2013), în timp ce statisticile MOU din Paris privind
deficiențele legate de siguranța la incendiu ilustrează 15% (MoU din 2012). Aceste rapoarte
statistice servesc și ca documente-cheie pentru urmărirea distribuției mai multor deficiențe la
nivel operațional. De exemplu, Det Norske Veritas (DNV), un membru de prestigiu al Asociației
Internaționale a Societăților de Clasificare (IACS), a raportat că măsurile de siguranță împotriva
incendiilor reprezintă cea mai comună categorie de deficiențe tratate, aproximativ 19% (DNV,
2012). Un alt raport publicat de American Bureau Shipping (ABS) ilustrează faptul că măsurile
de siguranță împotriva incendiilor, ca deficiența cea mai comună, au raportul de 16% în
comparație cu alte categorii (ABS, 2012). În cele din urmă, raportul publicat de Nippon Kaiji
Kyokai (ClassNK sau NK) subliniază importanța deficiențelor legate de măsurile de siguranță
împotriva incendiilor, al căror procent este de aproximativ 24% (ClassNK, 2012).

Pentru a preveni riscul de incendiu la bordul navelor, administratorii navelor și factorii de


decizie la nivel de top management responsabili ar trebui să asigure implementarea eficientă a
unui sistem de management al siguranței în conformitate cu Codul ISM (International Safety
Management). Obiectivul principal al sistemului este de a îmbunătăți nivelul de siguranță la
bordul navelor, prevenind în același timp vătămarea corporală, pierderea vieții și deteriorarea
mediului marin. Conform recentelor modificări ale Codului ISM, identificarea măsurilor
destinate prevenirii reapariției deficiențelor și situațiilor de urgență a devenit una din problemele
de bază. Acesta introduce un concept relativ nou numit planificare de acțiune preventivă, care
necesită strict analiză detaliată pentru a lua decizii coerente cu privire la acțiunile care trebuie
întreprinse (Codul ISM, 2010). Nu există nicio îndoială că analiza sistematică a cauzalității este
cel mai esențial aspect al practicilor de acțiune preventivă, împreună cu operațiunile și
gestionarea navelor.

Acest studiu propune o abordare nouă de planificare a acțiunilor preventive pentru a spori
măsurile de siguranță împotriva incendiilor la bordul navelor. Restul lucrării este organizată după
cum urmează: Secțiunea curentă discută importanța controlului și monitorizării deficiențelor
legate de incendiu la bordul navelor. Apoi, o gama larga de literatura de siguranta maritima este
revizuita in sectiunea 2. Sectiunea 3 introduce cadrul conceptual al modelului, care se bazeaza pe
combinatia Reprezentarii Cognitive Fuzzy (FCM) si Sistemul de analiza si clasificare a factorilor
umani (HFACS). Pentru a demonstra modelul sugerat, un studiu de caz privind o bază de date
privind probele de deficiență a incendiilor este analizată în secțiunea 4. În secțiunea finală,
rezultatele cercetării și contribuțiile potențiale prin pregătirea pentru siguranța la incendiu la nave
sunt discutate pe larg.
2. Revista literara

2.1 Reviste literare maritime

Siguranța maritimă este un element important al durabilității în comerțul mondial,


deoarece transportul maritim a transportat 80% din mărfurile globale (Asariotis si colab., 2013).
În plus, sistemul de transport maritim a fost mult timp monitorizat de Organizația Maritimă
Internațională (IMO), al cărei scop principal este menținerea unui cadru de reglementare
cuprinzător la nivel internațional (Wieslaw, 2012). Transportul maritim ar putea fi considerat una
dintre cele mai periculoase și globale industrii din lume . Industria navală caută un sistem de
siguranță modern și ușor de utilizat, deoarece accidentele maritime ar putea provoca consecințe
catastrofale (Hetherington et al., 2006). Prin urmare, contribuția la siguranța pe mare este foarte
așteptată și apreciată de societatea maritimă. Această secțiune reunește o gamă largă de literatură
existentă cu privire la o serie de aspecte privind siguranța maritimă. Aceste aspecte implică
următoarele patru aspecte importante ale siguranței maritime: (i) cadrul de reglementare, (ii)
factorul uman, (iii) îmbunătățirile tehnologice și (iv) abordările metodologice.
Din perspectiva cadrului de reglementare, au fost elaborate și adoptate de către IMO
diferite convenții pentru a promova siguranța, securitatea și sensibilitatea ecologică în industria
navală. Cu toate acestea, efectele convențiilor menționate asupra industriei maritime au fost
argumentate și discutate de către acestea cercetătorii marinari, factorii de decizie și managerii
responsabili. De exemplu, Vanem și Skjong (2006) au criticat cerințele regulamentului împreună
cu procedurile de evacuare în care evaluarea efectivă nu este posibilă. Pe de altă parte, Tzannatos
și Kokotos (2009) au investigat un accident de navă în perioada pre- și post-ISM, pentru a evalua
eficacitatea Codului ISM. În plus, Knapp și Franses (2009) au studiat principalele convenții
internaționale privind măsurile de siguranță, poluare, căutare și salvare. Pentru a consolida
reglementările legate de siguranță, Celik (2009) a propus o abordare sistematică pentru evaluarea
nivelului de conformitate al codului ISM cu ISO 9001: 2000 pentru a adopta un sistem integrat
de management al calității și siguranței. Studiul a arătat că implementarea sistemului de
management al siguranței la bordul navelor poate fi îmbunătățită prin intermediul principiilor
managementului calității. În afară de punerea în aplicare a convențiilor internaționale, Knudsen
și Hassler (2011) au crezut că sunt necesare eforturi suplimentare pentru a contesta principalele
cauze ale accidentelor navelor care nu au fost reduse la un raport dorit. Karahalios și colab.
(2011) a efectuat, de asemenea, cercetări pentru a efectua o analiză cost-beneficiu, împreună cu
reglementările maritime. În plus, Schinas și Ștefanakos (2012) au investigat fezabilitatea
măsurătorilor de mediu definite în cadrul Convenției internaționale pentru prevenirea poluării de
către nave (MARPOL).
Factorul uman este un alt subiect de bază în studiile privind siguranța maritimă. Pentru a
afla rolul elementului uman în siguranța pe mare, Hee și colab. (1999) a realizat unul dintre
cercetările de pionierat privind evaluarea siguranței maritime. Mai mult, Hetherington și colab.
(2006) a încheiat o cercetare care analizează o serie de studii pentru eliminarea erorilor umane în
cazul accidentelor de nave. Ca un alt studiu, Celik și Er (2007) au examinat rolul potențial al
erorilor de proiectare care declanșează eroarea umană în operațiunile de la bord. Pentru a
îmbunătăți analiza factorului uman, HFACS a fost utilizată pentru a face evaluarea cantitativă a
accidentului maritim (Celik și Cebi, 2009). Pentru a clarifica motivele exacte, Wang et al. (2013)
a propus o nouă metodă care să permită provocarea cauzelor de accidente. Recent, Akhtar și
Utne (2014) au investigat efectele oboselii umane asupra managementului de echipă al podurilor,
demonstrat cu cazul de împământare a navelor.
Pe lângă elementul uman, îmbunătățirile tehnologice și inovațiile maritime sunt unul
dintre aspectele importante ale siguranței maritime. La nivelul siguranței sistemului, Tzannatos
(2005) a investigat eșecurile probabile ale echipamentelor și efectele lor în ceea ce privește
monitorizarea fiabilității flotei grecești de pasageri de pasageri. Mai mult, Eide și colab. (2007)
au dezvoltat un model inteligent pentru a preveni deversarea de petrol ca un alt eveniment
catastrofal pe mare. Dincolo, Lun și colab. (2008) au investigat adoptarea tehnologică pentru a
gestiona sporirea securității, în special în transportul de containere. Într-un studiu ulterior,
Lambrou și colab. (2008) au introdus cadrul i-MARE pentru mediul maritim inteligent (i-
MARE) și platforma tehnologică pentru transportul maritim. În mod similar, LiPing și colab.
(2011) au profitat de tehnologia de supraveghere video pentru o navigare sigură. Se poate vedea
clar că noile tehnologii au potențialul de a spori siguranța pe mare; totuși, este încă foarte mult de
gestionat decalajele dintre implementările regulamentului, elementul uman și tehnologiile
recente, pentru a spori utilitatea generală a acestor încercări în îmbunătățirea siguranței.
Abordările metodologice, ca al patrulea aspect important al siguranței maritime, au jucat
un rol-cheie în transformarea datelor operaționale, a faptelor și cifrelor în informații utile,
împreună cu îmbunătățirea siguranței. În acest scop, mai mulți cercetători, cum ar fi Rothblum
(2000), O'Neil (2003), Darbra și Casal (2004), și Toffoli și colab. (2005), au efectuat analize
statistice, în special, privind accidentele și prevenirea acestora. Pe de altă parte, Lee si colab.
(2001), Wang și Foinikis (2001), Wang (2002), Lois și colab. (2004) a utilizat evaluarea formală
a siguranței (FSA), sprijinită în special de tehnici bine cunoscute. În mod specific, modelarea
rețelei Bayesian a fost utilizată în studiile legate de siguranța maritimă (Antao et al., 2008,
Trucco și colab., 2008, Kelangath et al., 2011, Zhang et al., 2013, Hänninen et al. pentru a face
față incertitudinii și complexității inerente în problemele de siguranță maritimă. Mai mult decât
atât, au fost citate diferite metode derivate din teoria seturilor fuzzy (Sii et al., 2001; Balmat et
al., 2009, 2011, Abou, 2012; Există, de asemenea, unele modele cuantificate hibride (Celik și
Cebi, 2009; Celik și colab, 2010; Pam si colab., 2013; Akyuz și Celik, 2014a, b; Karahalios,
2014; abordări ale problemelor operaționale specificate în contextul siguranței maritime.
În ciuda diverselor contribuții la nivel internațional, numărul accidentelor de nave sau al
ratelor de detenție nu a atins încă nivelul dorit. În plus, numărul studiilor privind siguranța
maritimă din literatură a crescut într-o rată relativ lentă. Cercetătorii vor trebui să se concentreze
mai mult pe lucrări operaționale și pe cazuri specifice, deoarece pare a fi următoarea fază a
studiilor privind siguranța maritimă. Prin urmare, această lucrare încearcă să investigheze
cauzele profunde ale deficiențelor legate de siguranța la foc, pentru a furniza un model proactiv
aplicabil pentru operarea și gestionarea navelor. Având în vedere atât informațiile teoretice, cât și
cele practice, acest studiu aduce contribuții valoroase la literatura de siguranță maritimă.
Dat fiind faptul că modelul propus integrează cartografia cognitivă fuzzy (FCM) și
sistemul de analiză și clasificare a factorilor umani (HFACS), următoarele secțiuni introduc
teoria ambelor metode.

2.2 Sistemul de analiză și clasificare a factorilor umani (HFACS)

HFACS este inițiată de modelul de Swiss Cheese prin rațiune (1990). HFACS este un
instrument cuprinzător pentru a analiza contribuția umană la evenimente catastrofale, accidente,
evenimente periculoase și deficiențe. Practic, HFACS investighează eșecurile active și condițiile
latente la patru nivele. Defectele active reprezintă seturi de acțiuni necorespunzătoare ale
operatorilor, în timp ce condițiile latente abordează diferite niveluri de organizare (Chauvin et
al., 2013). Cele patru niveluri descrise în HFACS sunt (i) acte completate in mod
necorespunzator, (ii) condiții prealabile pentru acțiuni nesigure, (iii) supraveghere nesigură și
(iv) influențe organizaționale. Dacă vulnerabilitățile la diferite niveluri nu pot fi controlate,
probabilitatea de apariție a accidentelor ar putea să apară. HFACS a fost elaborat pentru
investigarea accidentului aviatic (Shappell and Wiegmann, 2000, 2001). În ultimul deceniu,
modelul HFACS a fost aplicat cu succes nu numai în industria aviatică de către Shappell și
colab. (2007), dar și în calea ferată (Reinach și Viale,2006) și industria minieră (Patterson și
Shappell, 2010). De exemplu, studiul lui Rothblum et al. (2002) a fost cercetarea științifică
pionieră care urmărea investigarea factorului uman în accidentele maritime. Celik și Cebi (2009)
au combinat HFACS cu teoria seturilor fuzzy pentru a oferi o abordare cantitativă de analiză a
unui caz de accident unic cu distribuția erorilor în conformitate cu dovezile operaționale
prezentate în rapoartele de accidente. Recent, Akyuz și Celik (2014) au utilizat HFACS sprijinit
de abordarea cartografiei cognitive pentru a confirma dependențele dintre factorii de cauzalitate.

2.3 Reprezentarea Fuzzy cognitivă (FCM)

Reprezentarea fuzzy cognitivă, avansată de Kosko (1986) de la metoda clasică de


cartografiere cognitivă, este o reprezentare ilustrativă cauzală a sistemelor complexe și poate fi
folosită pentru a modela și manipula comportamentul dinamic al sistemelor (Papakostas et al.,
2008). Combinând elemente de logică fuzzy și rețele neuronale, cartografiere cognitivă fuzzy sa
dovedit a fi o metodă promițătoare de a face deducții în cazurile cu incertitudine, imprecizie și
vagă substanțială (Vasantha Kandasamy și Smarandache, 2003, Tsadiras, 2008). În comparație
cu sistemele expert, hărțile cognitive fuzzy (FCM) sunt relativ mai rapide și mai ușor de dobândit
cunoștințe (Papageorgiou și Stylios, 2008). (Stylios și Groumpos, 2000), sistemele distribuite
(Stylios et al., 1997), sistemul de suport decizional (Tsadiras et al., 2003), comportamentul
organizațional ( Craig et al., 1996), informatică medicală (Papageorgiou, 2011), marketing
(Nasserzadeh et al., 2008) și analiza riscurilor (Lazzerini și Mkrtchyan, 2011).
Majoritatea modelelor FCM sunt construite în principal prin cunoștințe și experiență de
specialitate în funcționarea sistemului. Chestionarul, codificarea documentară și interviurile sunt
cele mai frecvente moduri în acest scop. FCM pot fi dezvoltate pentru un singur expert sau un
grup de experți, unde acesta din urmă are avantajul de a îmbunătăți fiabilitatea modelului final
(Yaman and Polat, 2009). Agregarea cunoștințelor de la mai mulți experți este un proces relativ
simplu în cartografiere cognitivă fuzzy (Stach et al., 2005). Fiecare expert descrie fiecare
interconectare cu variabilele lingvistice (greutăți) care mai târziu sunt compuse (de exemplu prin
metode aritmetice fuzzy sau defuzzificare) pentru a produce harta combinată. Au fost propuse
mai multe proceduri pentru combinarea mai multor modele FCM într-unul singur (vezi, de
exemplu, Kosko, 1992; Stylios și Groumpos, 2000).
Un FCM poate fi reprezentat fie ca un grafic, constituit din concepte (de exemplu,
entități, state sau caracteristici ale sistemului) și interconexiuni ponderate între aceste concepte
sau ca o matrice de adjunct care are intrări wij care indică relația directă dintre conceptul i și
concept j. Figura 1 (Asan et al., 2011) ilustrează un FCM simplu constând din cinci concepte Ci
(i = 1, ..., 5) unde wij reprezintă gradul de influență din cauza Ci pentru a produce Cj. FCM nu
permite nici o legătură directă între un concept și el însuși, deci toate elementele wii sunt egale
cu zero. Toate celelalte elemente wij au valori în [1, 1] și Papageorgiou (2011) explică
semnificația acestor valori ca:

- wij> 0 indică o creștere cauzală (adică Cj crește pe măsură ce Ci crește și Cj scade pe


măsură ce Ci scade).
- wij <0 indică scăderea cauzală (adică, Cj scade pe măsură ce Ci crește și Cj crește pe
măsură ce Ci scade).
- wij = 0 nu indică nicio cauzalitate.

Odată ce FCM este construit, acesta este utilizat pentru a efectua simulări calitative pentru a
anticipa eventualele modificări și pentru a observa dacă sistemul converge spre o stare de
echilibru. În timpul simulărilor, un model poate ajunge la trei stări posibile care sunt enumerate
mai jos (Kosko, 1997):
- O stare stabilă în care valorile de ieșire se stabilizează la valoarea fixă valorile numerice.
- Un comportament al unui ciclu de limită în care valorile de concept se încadrează în a
buclă.
- Un comportament haotic unde valorile de concepție se rătăcesc pentru totdeauna fără
structură sau ordine aparentă.

O definiție mai formală a procedurii iterative poate fi descrisă după cum urmează. FCM ar
trebui inițializată. Cu alte cuvinte, nivelul de activare al fiecărui concept are o valoare bazată pe
opinia experților despre starea sa actuală sau măsurătorile din sistemul real. Fie ca fiecare
concept să își ia valoarea inițială ca Ai(t), unde Ai este valoarea conceptului i la pasul t și simulată
iterativ. Apoi valoarea fiecărui concept într-o iterație se calculează după cum urmează:
In Ecuatia (1), Ai(t+1) este valoarea conceptului la etapa (t + 1), Ai(t) este valoarea de concept în
etapa (t), wji este greutatea interconectării între Cj și Ci. f este funcția de prag care reduce
rezultatul multiplicării într-un interval normalizat (în [0, 1] sau [1, 1]). Cele mai comune funcții
de activare sunt (Tsadiras, 2008): tangenta bivalentă, trivalentă, sigmoidă, hiperbolică.

Fig.1 Un model ipotetic FCM și matricea de adiacență corespunzătoare (Asan și colab., 2011)
Fig.2 Cadrul conceptual al modelului.

3. Modelul propus

3.1 Cadrul

Folosind modelul HFACS și FCM, este introdus un nou cadru privind analiza deficitului
de siguranță la incendiu. Cadrul conceptual al modelului propus este prezentat în figura 2. În
principiu, acesta realizează în mare măsură modelarea siguranței proactive prin cauzarea
deficiențelor, identificarea cauzelor rădăcinilor, prioritizarea și generarea de acțiuni preventive.
Sursa bazei de date din model, colectată de la nivelul operațional al navei, ar putea include
rapoarte de inspecții PSC, rapoarte de audit al companiei, rapoarte de proximitate, rapoarte
privind situațiile periculoase, rapoarte de accidente și rapoarte de anchete de verificare. Apoi,
baza de date privind deficiențele este distribuită la HFACS pentru a asigura o cauzalitate
satisfăcătoare a deficienței în cazul în care tehnica FCM evidențiază relațiile dintre cauzele
contribuite determinate de deficiențe legate de incendiu la bordul navelor. Având în vedere
rezultatele inițiale, se decide dacă o cauză contributivă este o cauză principală sau nu. În cele din
urmă, faza de integrare permite adaptarea acțiunii preventive la nivel operațional al navei. Este
considerată o fază pentru promovarea siguranței navelor împotriva incendiilor legate de incendii
pe mare.

Fig. 3

Fig.4
3.2 Modelarea cauzelor de deficiențe legate de incendiu

Înainte de acțiunile preventive împotriva deficiențelor, este esențial să se identifice


cauzele inițiale ale lanțului cauzal actual care duce la deficiențe legate de incendiu la bordul
navelor. Depășirea doar a unui număr mic de astfel de cauze profunde va împiedica în mod
rezonabil multe dintre deficiențele nedorite. Pentru a identifica cauzele radicale și prioritățile lor,
o hartă fuzzy cognitivă este construită și analizată așa cum rezumă mai jos (vezi figura 3).

3.2.1 Pasul 1: Identificarea relațiilor de cauzalitate

După cum am explicat anterior, cauzele (adică conceptele din harta cognitivă fuzzy) sunt
identificate prin revizuirea diverselor rapoarte privind deficiențele legate de incendii și prin
utilizarea cadrului HFACS pentru erorile umane. În acest pas, relațiile de cauzalitate dintre
concepte sunt identificate prin furnizarea de experți în domenii comandate de perechi de
concepte într-un format de chestionar (vezi figura 4). Acest lucru permite examinarea sistematică
a tuturor relațiilor. Aici, o relație cauzală este caracterizată de vagă, deoarece ea reprezintă
influența unui concept calitativ asupra altui și va fi determinată folosind termeni lingvistici
(Papageorgiou și Stylios, 2008). În acest fel, un expert își transformă cunoștințele și experiența
pe comportamentul sistemului într-un grafic ponderat fuzzy.

Fig5. Funcțiile de apartenență care descriu termenii lingvistici.


Variabila lingvistică utilizată în acest studiu, exprimând gradul relației cauzale dintre două
concepte, ia valori în universul U = [0,1] și constă din termenul set {nu afectează deloc (N),
afectează slab în mod pozitiv (W), afectează moderat slab în mod pozitiv (WM), afectează
moderat într-un mod pozitiv (M), afectează moderat-puternic în mod pozitiv (SM), afectează
puternic în mod pozitiv (S)}. Folosind aceste șase termeni lingvistici, un expert poate descrie în
detaliu influența unui concept asupra altui și poate discerne între grade diferite de influență.
Figura 5 prezintă funcțiile de apartenență ale seturilor fuzzy care sunt utilizate pentru a
caracteriza acești termeni.

3.2.2. Pasul 2: Agregarea greutăților individuale și defuzzificarea

Pentru a îmbunătăți fiabilitatea modelului final, este dezvoltată o hartă a grupului.


Ponderile obținute de la mai mulți experți sunt combinați pentru a genera greutățile lingvistice
generale și matricea de adjunct a grupului. Metodele bine cunoscute SUM sau MAX în logica
fuzzy pot fi folosite în acest scop. Figura 6 oferă un exemplu al operațiunii MAX unde sunt
agregate cei doi termeni lingvistici "moderat-puternic" și "puternic". Dacă experții au priorități
diferite de importanță, diferitele influențe se reflectă în rezultate prin multiplicarea funcției de
membru l sugerată de către expertul k de greutatea corespunzătoare a credibilității (Stylios și
Groumpos, 2004; Saaty, 2004)

Fig.6 Metoda Max si CoG


Odată ce se obțin greutățile lingvistice globale, ele se transformă în valori numerice (clare)
utilizând metoda de defuzzificare a Centrului de Gravitate (CoG). CoG se calculează din
următoarea ecuație (Ross, 2004):

unde ʃ denotă o integrare algebrică. Valorile numerice transformate vor fi în intervalul [0,1].
Aceeași procedură se aplică tuturor relațiilor cauzale dintre conceptele n ale hărții.

3.2.3. Pasul 3: Identificarea cauzelor profunde potențiale (analiza relațiilor directe)

Pe măsură ce vrem să identificăm cauzele primare (adică cauzele inițiale într-o hartă
cauzală), rolul fiecărui concept în hartă trebuie examinat cu atenție. O matrice de adiacenta W
permite analizarea contribuției unui concept în hartă și articulează modul în care acest concept
este conectat direct la alte concepte (Kosko, 1986). Fiecare variabilă este definită prin outdegree
(od) și indegree (id). Outdegree prezintă punctele forte cumulative ale conexiunilor care ies din
concept și este exprimată ca suma rândurilor de greutăți absolute ale unui concept în matricea de
adjuvantă (Nozicka et al., 1976, Özesmi și Özesmi, 2004).

Pe de altă parte, indegree arată puterea cumulată a conexiunilor care intră în concept și este
exprimată ca sumă de coloană a ponderilor absolute ale unui concept în matricea de adiacență
(Nozicka et al., 1976; Özesmi și Özesmi, 2004)

Astfel, un concept (adică o cauză) care este mai puțin afectat de restul sistemului cauzal decât
impactul asupra acestuia poate fi caracterizat ca o cauză potențială. Pentru a identifica rolul
variabilelor într-un sistem complex, au fost propuse în literatură diferite criterii sau reguli
(Godet, 1994, Gausemeier et al., 1996, Asan et al., 2004). Aici, regulile definite de Asan et al.
(2004) sunt adaptate la problema de identificare a cauzelor rădăcinilor. Astfel, o cauză rădăcină
ar trebui să îndeplinească următoarele reguli:
unde xod denotă depășirea medie pe întreg setul de concepte și IPIi denotă așa-numitul indice de
impulsuri care este calculat pentru fiecare concept i după cum urmează

Intervalul maxim de IPIi se extinde de la 0 (fără influență asupra sistemului) la ∞ în cazul în care
conceptul nu este influențat de alte concepte, dar are un impact asupra altora.

3.2.4. Pasul 4: Identificarea cauzelor radicale potențiale (analiza relațiilor indirecte)

Examinarea matricei de adiacenta dezvăluie numai cauzele rădăcinilor potențiale bazate


pe relațiile directe dintre concepte care sunt reprezentate de lanțurile cauzale de lungime unu. Cu
toate acestea, acest lucru nu este suficient pentru a dezvălui cauzele ascunse care uneori
influențează foarte mult problema studiată. Prin urmare, difuzarea impactului cauzal prin căi de
reacție și bucle trebuie luate în considerare (Godet, 1994; Serdarasan și Asan, 2007). Aceste
relații indirecte, care sunt reprezentate de lanțurile cauzale de lungime mai mare decât una, pot fi
dezvăluite prin creșterea matricei de adjuvantitate a puterilor succesive. Sumele brute și de
coloană ale fiecărei matrice rezultate (ridicate la o anumită putere) sunt normalizate pentru a
permite o comparație între rezultatele puterilor succesive. Normalizarea inițial dezvoltată în
această lucrare poate fi exprimată după cum urmează:

unde Nod și Nid denotă valorile normalizate în afară și indirecte ale conceptului i pentru
matricea adiacenta ridicată la puterea q, respectiv; și od și id denotă valorile depășite și indirecte
ale conceptului i pentru matricea adjacency ridicată la puterea q, respectiv. Astfel, valorile totale
depășite și indirecte ale conceptului i pot fi calculate prin următoarele expresii:
unde Rod și Rid denotă indicele total și indigrul total al conceptului i, respectiv indică
disponibilitatea conceptului i. De fapt, procesul de înmulțire continuă până când matricea de
adiacență este ridicată la o anumită putere Q în care ordinea conceptelor se dovedește a fi stabilă
(pentru mai multe detalii vezi Godet, 1994). Indicatorii care rezultă sunt folosiți pentru a
descoperi cauze radicale potențiale care ar putea fi considerate neimportante în analiza
anterioară, dar care joacă un rol de lider din cauza relațiilor indirecte. În acest scop, conceptele
sunt examinate în conformitate cu aceleași reguli descrise în Etapa 3.

3.2.5. Pasul 5: Inferența prin simulări calitative