CC BY
10
� на 10% [2-7]. Вместе с тем, в 2019 г. принципиально изменился подход к порядку учета пожаров, в том числе, и на объектах металлургической промышленности. В соответствии с изменениями в Приказ МЧС России № 714 «Об утверждении порядка учета пожаров и их последствий», с 1 января 2019 г. определен новый порядок учета пожаров и их последствий. Так, данным нормативно-правовым актом исключен порядок учета загораний. В связи с новым порядком учета пожаров и их последствий, в 2019 г. количество пожаров, зарегистрированных на территории Российской Федерации по сравнению с 2018 г. возросло на 257% и составило 471 537 пожаров [8]. Также стоит отметить тенденцию роста погибших на пожарах людей, по сравнению с 2018 годом на 8,3% (8567 человек). Анализ статистики погибших или получивших травму пожарных, показал, что в период 2019-2020 гг. в среднем при пожарах на территории РФ получают травмы 50 сотрудников пожарной охраны, погибают непосредственно при тушении пожаров и проведении аварийно-спасательных работ 35 человек [8]. Величина материального ущерба увеличилась на 1,8% и составила 62,2 млрд рублей. Таким образом, на территории Российской Федерации наблюдается тенденция значительного роста пожаров, количества погибших людей, а также величина нанесенного материального ущерба в результате пожаров. Анализ пожаров и их последствий в период с 2014 по 2019 г. на потенциально-опасных объектах, в частности на металлургических предприятиях на территории Российской Федерации, свидетельствует о сохранении тенденции пожаров на данных предприятиях в диапазоне от 100 до 120 пожаров в год [2-7]. Анализ крупных пожаров, которые оказали влияние на мировую экономику, показал, что техногенные опасности, человеческий фактор и стихийные бедствия природного характера не позволяют гарантированно предотвратить аварийные ситуации, приводящие к крупным авариям пожарам на металлургических предприятиях. Пожары, произошедшие в последние 10 лет, повлекли за собой серьезные последствия: рост гибели и травмированных людей, колоссальный ущерб для мировой экономики.
УПРАВЛЕНИЕ РИСКАМИ ГИБЕЛИ
(ТРАВМИРОВАНИЯ) ПОЖАРНЫХ
ПРИ ОРГАНИЗАЦИИ ТУШЕНИЯ ПОЖАРОВ
НА МЕТАЛЛУРГИЧЕСКИХ ПРЕДПРИЯТИЯХ
Тушение пожаров на производственных объектах отличается повышенной пожарной опасностью, так как характеризуется сложностью производственных процессов; наличием значительных количеств легковоспламеняющихся и горючих жидкостей, сжиженных горючих газов, твердых сгораемых материалов; большой оснащенностью электрическими установками и др. Эти обстоятельства требуют от руководителя тушения пожара грамотного и четкого управления силами и средствами на пожаре.
Возникновение пожаров на металлургических предприятиях ведет к колоссальным потерям, остановке производства, и тем самым ставит под угрозу темпы развития метал-
лургии в целом по стране, что обуславливает необходимость повышения уровня обеспечения пожарной безопасности на них, включая не только имеющиеся на объектах металлургической промышленности средств защиты и тушения пожаров, но и совершенствование реагирование пожарно-спа-сательных подразделений на происшествия и управления ими, поскольку именно они могут обеспечить квалифицированные действия по ликвидации горения на объекте.
Английским ученым В. Маршалом была предложена формула для расчета индивидуального и социального риска для людей на примере горных опасностей [9].
Российским ученым А.А. Сазоновым в своем исследовании была предложена формула для оценки индивидуального риска погибнуть на пожарах работников предприятий микробиологической и металлургической промышленности на основе концепции В. Маршала [14]:
R =
NTt nkpt1 '
(1)
где Яп - индивидуальный риск погибнуть при пожаре для любого работника; N - количество работников, погибших на пожарах за 10 лет; Т - число недель, проводимых работником на предприятии - 48 недель; t- число часов в неделю, когда работник подвержен опасности - 40 часов; п- период времени наблюдений - 10 лет; к - максимальное количество работников предприятия в смену; р - число недель в году (52); t1 - число часов в неделю (168 ч).
Индивидуальный риск получить травму любой степени тяжести была представлена следующей формулой:
R =
т
(N + N1 )Tt nkpt1
(2)
где Ят - индивидуальный риск получить травму любой степени тяжести при пожаре для работника предприятия; N1 - число пострадавших (травмированных) при пожарах за 10 лет [14].
Основы данной методики [9] были использованы авторами для создания формулы расчета индивидуального риска гибели (травмирования) пожарного при пожаре на промышленном предприятии с учетом введенного авторами коэффициента ресурсообеспеченности:
R
NTt nkptßp
(3)
где Яп - индивидуальный риск гибели пожарного при пожаре на промышленном предприятии; N - количество сотрудников, погибших на пожарах за п лет на промышленных предприятиях (чел.); Т - число дней, проведенных сотрудником на пожаре (дн.); t - число часов в неделю, когда сотрудник подвержен опасности (ч.); п - период времени наблюдений (лет); к - количество сотрудников в карауле в сутки (чел.); р -число недель в год (нед.); Кр - коэффициент ресурсообеспе-ченности; ^ - число часов в неделю (ч.).
SNN
К„ =——,
(4)
где 5 - стаж работы в должности (лет); Ny - количественный показатель участия сотрудника на пожарах на промышленных предприятиях (ч.); Nк - фактическое количество личного
состава (укомплектованность) караула (чел.); N - штатная
кр
численность караула согласно табелю (чел.).
N
Результаты анализа количественных и качественных показателей организации тушения пожаров в том числе на металлургических предприятиях позволяют нам сделать расчет индивидуального риска погибнуть на пожаре, а также сделать вывод о том, что ресурсообеспеченность является существенным параметром, влияющим на результирующую успешность тушения пожаров [2-8]. Авторами были проанализированы статистические показатели по сотрудникам ГПС МЧС России Северо-Западного федерального округа за период с 2010 по 2020 г. Усредненный расчет произведен в пределах одного гарнизона Главного управления МЧС России по субъекту за одни дежурные сутки. При этом стоит отметить, что коэффициент ресурсообеспечен-ности целесообразно рассчитывать для каждого караула пожарной части отдельно, ввиду того, что в каждом карауле есть руководитель тушения пожара - лицо, принимающее решение (далее - ЛПР). Соответственно на ЛПР при принятии управленческих решений возлагается задача принятия оптимального решения в максимально короткие сроки, с учетом возможных рисков для личного состава отдельного караула. При этом показатели S - стаж работы в должности (лет) и Ny - количественный показатель участия сотрудника на пожарах на промышленных предприятиях (ч) берутся усредненными с учетом количества личного состава в карауле. Стоит отметить, что в качестве расчетного авторами рассмотрен пожарно-спасательный гарнизон на территории которого непосредственно находится предприятие металлургической промышленности. Согласно расписанию выезда, на данном металлургическом предприятии установлен автоматический номер вызова - «2», который предусматривает одновременный выезд на данный объект 12 отделений личного состава пожарно-спасательных подразделений на 12 пожарных автомобилях.
Таблица 1
Количественные показатели S и Ny для караула [Numerical indicators S and N for the guard]
Должность по штатному расписанию [Position according to the staff schedule] Стаж службы, лет [Length of Service, years] Показатель участия сотрудника на пожарах на промышленных предприятиях, ч [Employee participation rate in industrial fires, hours]
Начальник караула [Chief of the guard] 5 22
Помощник начальника караула [Assistant chief of the guard] 10 26
Командир отделения [Section chief] 7 20
Пожарный [Fireman] 5 16
Пожарный [Fireman] 3 6
Пожарный [Fireman] 7 18
Пожарный [Fireman] 6 18
Водитель [Driver] 11 20
Итого /среднее значение [Total/average] 54/7 146/18
Стоит также отметить, что согласно данным книги регистрации сообщений о преступлениях территориального подразделения надзорной деятельности и профилактической работы ГУ МЧС России по субъекту в среднем за месяц регистрируется от 5 до 27 сообщений о пожарах на объектах такого типа. Таким образом можно сказать, что боевые подразделения в среднем привлекаются 10 раз в месяц для ликвидации пожаров. Nк и N были приняты из расчета полной укомплектованности караула, предусмотренной штатным расписанием - 9, укомплектованность - 100%, при этом должность диспетчера, которая предусмотрена в составе караула, не учитывается при расчетах, ввиду того, что должностными обязанностями диспетчера не предусмотрено участие в непосредственном тушении пожара.
Рассчитаем коэффициент ресурсообеспеченности для одного караула:
K„
. SNyN
7 18 ■ 8
= 126.
(5)
Произведем расчет индивидуального риска гибели пожарного при пожаре на промышленном предприятии по формуле, с учетом введенного коэффициента ресурсоо-беспеченности:
R
NTt
(6)
пкр^Кр
Здесь N - количество сотрудников, погибших на пожарах за 10 лет на промышленных предприятиях в рассматриваемый период, согласно статистическим данным составляет 11 человек для данного гарнизона пожарной охраны; Т -число дней, проведенных сотрудником на пожаре, сходя из вышеизложенных расчетов, усредненное значение - составляет одни сутки; t - число часов в неделю, когда сотрудник подвержен опасности, с учетом графика работы караула (сутки через трое) - составляет 48 часов; п - период времени наблюдений (10 лет); к - количество сотрудников в карауле в сутки (8 человек); р - число недель в год - постоянная величина - 52 недели; Кр - коэффициент ресурсообеспеченности из вышеизложенных расчетов для данного караула составляет 126; t1 - число часов в неделю, постоянная величина -168 часов.
Таким образом, получены следующие результаты:
R
11 1 ■ 48
10■8■52■168■126
- = 6 ■ 10й
Предлагаемая авторами формула расчета индивидуального риска получения травмы любой степени тяжести пожарным при пожаре на промышленном предприятии с учетом коэффициента ресурсообеспеченности будет выглядеть следующим образом:
R =
т
(N + N1 )Tt
(7)
пкр^Кр
где N1 - число пострадавших (травмированных) при пожарах на промышленных предприятиях за 10 лет в рассматриваемый период составляет 35 человек. Таким образом, получены следующие результаты:
R
(11 + 35)-1 ■ 48 10■8■52■168 126
= 2,5 ■ 10-
где Ят - индивидуальный риск быть травмированным любой степени тяжести при пожаре пожарным на промышленном
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
предприятии; N1 - число пострадавших (травмированных) при пожарах на промышленных предприятиях за п лет (чел.).
Как видно из формулы (4), одним из факторов ресурсо-обеспеченности, прямо влияющих на успешность тушения (в данном случае, в виде явного снижения индивидуального риска гибели (травмирования) пожарного) является стаж работы пожарного в должности.
Таким образом, внедряемые авторами условия расчета индивидуального риска гибели (травмирования) пожарных на пожаре позволяют осуществлять управление риском на различных этапах организации тушения пожаров металлургических предприятий и тем самым обеспечить выбор более безопасного сценария организации тушения.
Одной из главных задач при организации тушения пожаров является максимально быстрая обработка данных. На сегодняшний день существующий порядок организации тушения пожаров представляет собой алгоритм субъективной оценки обстановки руководителем тушения пожара и принятии решений на основе этой оценки.
Совмещенный график зависимости эффективности решения и времени на его принятие от наличия исходной информации можно изобразить следующим образом (рис. 1) [15]:
Рис. 1. Совмещенный график зависимости эффективности решения и времени на его принятие от наличия исходной информации:
Э - зависимость между эффективностью решения; Т - расходуемое на принятие решения время; И - объем используемой информации
Fig. 1. A combined graph of the dependence of the effectiveness of the decision and the time for its adoption on the availability of initial information:
Э - relationship between the effectiveness of the solution; T - time spent on making a decision; И - amount of information used
Для выполнения боевой задачи существует наилучшее решение (Эн), которое может быть получено при наличии исчерпывающей информации о силах и средствах, условиях обстановки, опасных факторах пожара, данных о его развитии.
На практике любое решение принимается при недостатке информации, так как полная информация о пожаре не всегда может быть получена. Поэтому принимаемые решения, даже если они полностью отвечают имеющейся информации, отличаются от наилучших, но считаются приемлемыми (Э ).
На совмещенном графике заштрихована область, которая является областью приемлемых решений. Пользуясь графиком, можно установить, какой объем информации обеспечивает принятие приемлемого в данных условиях решения.
С увеличением объема информации время, расходуемое на принятие решения (кривая Т), изменяется по-разному. Если информации недостаточно, то времени на принятие решения будет затрачиваться много, так как, не имея необходимых сведений РТП вынужден рассматривать множество вариантов действий, выбирать из них наиболее отвечающие обстановке и возможному развитию событий. По мере увеличения объема информации число вариантов, подлежащих рассмотрению, уменьшается, а степень эффективности значительно возрастает. Поэтому время на принятие решения уменьшается. Дальнейшее увеличение объема информации приводит к возрастанию времени на принятие решения. Это связано с обилием сведений, требующих больших затрат на обработку, осмысление, сопоставление и анализ.
Важнейшая проблема управления - сбор, обработка, передача и хранение информации, что следует изучать применительно к конкретным органам и условиям управления, что позволяет путем экспериментов и расчетов устанавливать объем и содержание информации, необходимой для эффективного решения каждой задачи управления в приемлемые сроки.
Расчетным путем можно вывести показанные выше графические зависимости эффективности и времени решения задач управления от объема используемой информации. Полученные зависимости могут быть использованы для организации информационных потоков, документооборота и построения информационных систем, обоснования структуры информационного поля в автоматизированных системах управления силами и средствами и решения других вопросов информационного обеспечения процессов управления.
Следует отметить, что в настоящее время идет планомерная компьютеризация и цифровизация всех сфер жизни человека. Коснулось это в некоторой степени и области организации тушения пожара, что несомненно позволило ускорить принятие решений в некоторых ситуациях.
В любом случае на данном этапе развития пожарной науки алгоритм принятия и реализации решения руководителем тушения пожара даже с учетом работы нейронных сетей будет выглядеть следующим образом (рис. 2):
Как видно из алгоритма, принятие решений в любом случае остается прерогативой лица, ответственного за тушение, то есть, руководителя тушения пожара.
На сегодняшний день у некоторых подразделений уже имеются электронные планшеты, позволяющие в оперативном порядке извлечь необходимую информацию об объекте защиты из предварительно созданных в подразделениях баз данных, однако до сих пор эти манипуляции выполняются вручную и анализ исходных данных производится без какой-либо автоматизации, т.е. зачастую компьютер на пожаре является устройством, содержащим данные без эвристической обработки.
Внедрение программного обеспечения на основе нейронных сетей способно значительно ускорить принятие ключевых решений при тушении пожаров лицом, осуществляющим руководство тушением без качественного изменения самого метода тушения.
ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ
В УПРАВЛЕНИИ РИСКАМИ ГИБЕЛИ ПОЖАРНЫХ
Любое программное обеспечение, разработанное на базе нейросетей, имеет один и тот же принцип последовательности работы, включающий в себя следующие этапы.
1. Постановка задачи. В ходе этого этапа происходит подготовка к решению, а также запись всех исходных данных и требуемого результата.
2. Формализация. То есть запись на каком-либо формальном языке процесса превращения исходных данных в результат. Чаще всего это язык математики или формальной логики.
3. Создание алгоритма.
4. Запись алгоритма.
5. Тестирование и отладка.
6. Проведение расчетов и анализ результатов.
В целях получения корректных данных в выходном блоке информации (информации, полученной после обработки нейросетью) необходимо корректно выбрать функцию активации. Функция активации — это способ формализации входных данных. То есть, обработка входных данных на входном блоке нейросети позволит обрабатывать большие данные, пропустив его через соответствующую функцию активации и далее через скрытые слои нейросети, и в результате получить выходные данные в нужном диапазоне.
Для обработки входных данных по пожару предполагается использовать функцию типа «сигмоид», характеризующую выходные данные в положительном диапазоне значений от 0 до 1. Оси абсцисс и ординат не имеют размерных значений, поскольку их значения обусловлены числовым параметром, характеризующим весовое значение конечного значения исследуемого параметра.
Применяемая функция, являющаяся частью схемы обработки блока входных данных, имеет вид (рис. 3).
-20
Рис. 3. Сигмоидная функция активации нейросети Fig. 3. Sigmoid function of activation of the neural network
В математическом виде она представлена следующим образом:
f (х ) =
1
1 + e-
(8)
где х - входное значение оцениваемого параметра; f(x) -функция активации, после обработки которой вычисляется выходное значение (выходной сигнал), которое надлежащим образом должно быть интерпретировано.
Схема поддержки принятия решений руководителем по снижению риска гибели (травмирования) пожарных на пожаре с помощью обработки данных нейросетью будет иметь вид, показанный на рис. 4 [10].
Объект управления [Management object] Экспертная оценка [Expert assessment] Внешняя среда [External environment]
1 Сбор данных [Data collection] 1
Реализация работы нейронной сети [Implementation of the neural network]
Обработка входных данных [Processing of input data] Обученная нейронная сеть [Trained neural network] Обработка выходных данных [Processing output data]
Интерпретация выходных данных [Interpretation of output data]
Анализ полученных данных [Analysis of the received data]
Лицо, принимающее решение [Decision-maker]
Принятие решения [Decision making]
Риск приемлем [The risk is acceptable]
I
Меры по снижению риска [Risk reduction measures]
Риск неприемлем [The risk is unacceptable]
I
Меры предупреждения риска [Risk prevention measures]
Рис. 4. Схема поддержки принятия решений по снижению риска гибели (травмирования) пожарных на пожаре
с помощью обработки данных нейросетью Fig. 4. The scheme of decision support for the LPR to reduce the risk of death (injury) of firefighters in a fire using data processing
by a neural network
1. Время следования к месту пожара [The time of the journey to the place of fire] Подтвержденный ранг пожара [Confirmed fire grade]
Обстановка на пожаре на момент прибытия всех сил и средств согласно расписанию выезда [The situation at the fire at the time of arrival of all forces and means according to the departure schedule]
2. Количество основной пожарной техники [Number of basic fire equipment]
3. Площадь пожара на момент прибытия [Fire area at the time of arrival] Развертывание штаба пожаротушения [Deployment of the fire fighting headquarters]
. . . . . .
/V-Параметр [W-parameter] N
Необходимость вызова дополнительных основных пожарных автомобилей
[The need to call additional basic fire trucks]
Необходимость вызова дополнительных вспомогательных пожарных автомобилей [The need to call additional auxiliary fire trucks]
Необходимость вызова дополнительных специальных пожарных автомобилей [The need to call additional special fire trucks]
Привлечение дополнительных сил и средств [Attraction of additional forces and means]
Рис. 5. Примерный алгоритм работы нейронной сети на примере одного из параметров управляемого риска гибели пожарных (определение необходимого количества привлекаемых сил и средств) Fig. 5. An approximate algorithm of the neural network operation on the example of one of the parameters of the controlled risk of death of firefighters (determination of the required number of forces and means involved)
Последовательность действий по решению боевых задач при тушении пожаров в Российской Федерации является формализованной [11].
1. Прием и обработка сообщения о пожаре.
2. Выезд и следование на пожар.
3. Прибытие к месту пожара.
4. Разведка пожара.
5. Спасение пострадавших.
6. Развертывание сил и средств.
7. Непосредственные действия по тушению пожаров.
8. Проведение специальных работ.
9. Сбор и следование к месту постоянной дислокации. 10. Восстановление боеспособности после прибытия
в место постоянной дислокации.
Рассмотрим алгоритм работы нейронной сети на примере предсказания оптимального значения одного из параметров, влияющих на риск гибели пожарных на пожаре (рис. 5).
Первый слой распознает простые характеристики организации тушения пожара. Эти характеристики не записаны во входных данных (признаках), но могут быть определены по признакам. Например, соответствует ли первоначально объявленный ранг пожара необходимому или будет развернут штаб пожаротушения на пожаре или нет.
Второй слой распознает еще более сложные характеристики участка, опираясь на результаты первого слоя. Например, есть ли необходимость вызова дополнительных пожарных автомобилей и, наконец, третий слой предсказывает требуемое количество техники, основываясь на результатах второго слоя, то есть основываясь на «сложных» извлеченных характеристиках пожара.
Чем больше слоев (глубина нейросети), тем сложнее характеристики объектов, которые распознает нейронная сеть, и тем более сложные задачи она может решать.
В целях предсказания требуемых параметров в релевантном виде для обучения нейронной сети могут быть использованы базы статистических данных по пожарам на металлургических предприятиях и подвижных железнодорожных составах, формируемых МЧС России ежегодно.
Специализированное программное обеспечение на базе нейросетей при достаточно высоком уровне автоматизации и регистрации параметров, являющихся опорными при ор-
Соответственно, данные технически могут быть считаны и обработаны в режиме реального времени, в результате чего предсказывание нейронной сетью возникающих ситуаций может быть проведено более качественно и точно.
Термами входных переменных при этом могут являться уровни, характеризующие степень влияния факторов на ход организации тушения пожара, такие как «низкий уровень», «средний уровень», «высокий уровень».
В качестве множества выходных лингвистических переменных выступает степень подверженности риску гибели пожарных, участвующих в ликвидации последствий пожаров.
На основе нормативных документов, статистических данных и/или мнений экспертов предварительно формируется база знаний, содержащая продукционные правила, например, такое как «если отрицательная температура воздуха на улице - «низкий уровень», то количество пожарных отделений - «средний уровень», количество личного состава - «высокий уровень», наличие пожарных гидрантов рядом - «высокий уровень» и т.д. Данный подход позволит упростить расчетную модель организации тушения в конечном итоге без значительного проигрыша в качестве предлагаемых нейронной сетью вариаций, кроме того, для выполнения расчетов понадобится значительно менее мощное оборудование как если бы при расчете производился обсчет каждой позиции во множестве их возможных значений.
ганизации тушения пожара и управлении рисками гибели пожарных, способно анализировать огромный объем входящих исходных данных и выдавать вероятностные прогнозы возможных решений руководителю тушения пожара, допустимых в той или иной ситуации с предсказанием наиболее вероятных исходов, оказывающих влияние на риск гибели пожарных в конечном итоге.
Совокупные данные по пожарам представляют из себя огромную базу данных, характеризующих временные, мощ-ностные и экономические параметры реагирования пожарных подразделений в том числе при тушении металлургических предприятий.
Формализация входных данные по складывающейся обстановке на пожаре позволяет сформировать массив данных, который впоследствии обрабатывается предварительно обученной нейросетью.
В качестве множества входных лингвистических переменных принимаются факторы обстановки на пожаре, характеризующие текущую ситуацию в определенный момент времени и влияющие на риск гибели пожарных. К примеру, основные параметры, характеризующие климатическую обстановку на пожаре, могут быть считаны и переданы с метеостанции на конечное устройство, которое в свою очередь на их основе способно предсказать варианты развития событий на месте.
Для примера, метеостанции, установленные в ряде пожарных подразделений, передают пакетные данные, риве-денные в табл. 2.
Генерация множества правил базы знаний, исходя из всевозможных сочетаний нечетких значений в их предпосылках и заключениях, согласованные с мнениями экспертов обеспечивают непротиворечивость базы правил и гарантировать получение результата для всевозможных сочетаний факторов, определяющих управление рисками гибели (травмирования) пожарных на пожарах металлургических предприятий, в том числе при разгрузке сырья на железнодорожном транспорте.
В заключении следует сказать, что применение нейросе-ти в системе организации принятия решений при управлении расчетными рисками травмирования (гибели) пожарных в условиях крайнего дефицита времени позволит значительно снизить затрачиваемое время на принятие решений ЛПР. Таким образом, целесообразность внедрения систем автоматизации, в том числе при организации тушения пожаров на металлургических предприятиях, является неоспоримым.
ВЫВОД
Система управления рисками, построенная на базе перечисленных ресурсов, позволит ЛПР своевременно принять решения, направленные на снижение риска травмирования (гибели) пожарных в режиме реального времени. При реализации данного подхода, управление рисками гибели (травмирования) пожарных, в том числе при тушении
Таблица 2
Пакет данных, предаваемых метеостанцией (с расшифровкой) [Meteorological station data package (decrypted)]
1010 11101111 001010001000 00101001 00000010 00000011 0000000100101100 00001010 00110110
Тип [Type] ID Температура [Temperature] Влажность [Humidity] Ветер [Wind] Порыв ветра [Wind gust] Дождь [Rain] Направление ветра [Wind direction] CRC
INTELLIGENT TECHNICAL SYSTEMS IN MANUFACTURING AND INDUSTRIAL PRACTICE
пожаров подвижных составов при разгрузке сырья на металлургических предприятиях, будет являться управляемой величиной, а реализация управления на пожаре посредством внедрения и применения искусственного интеллек-
Литература
1. Указ Президента РФ от 01.01.2018 г. № 2 «Об утверждении Основ государственной политики Российской Федерации в области пожарной безопасности на период до 2030 года» [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/ doc/71749394/ (дата обращения: 10.10.2020).
2. Пожары и пожарная безопасность в 2014 году: статистический сборник / под общ. ред. А.В. Матюшина. М.: ВНИИПО, 2015. 124 с.: ил. 40.
3. Пожары и пожарная безопасность в 2015 году: статистический сборник / под общ. ред. А.В. Матюшина. М.: ВНИИПО, 2016. 124 с.: ил. 40.
4. Пожары и пожарная безопасность в 2016 году: статистический сборник / под общ. ред. Д.М. Гордиенко. М.: ВНИИПО, 2017.
124 с.: ил. 40.
5. Пожары и пожарная безопасность в 2017 году: статистический сборник / под общ. ред. Д.М. Гордиенко. М.: ВНИИПО, 2018.
125 с.: ил. 42.
6. Пожары и пожарная безопасность в 2018 году: статистический сборник / под общ. ред. Д.М. Гордиенко. М.: ВНИИПО, 2019. 125 с.: ил. 42.
7. Пожары и пожарная безопасность в 2019 году: статистический сборник / под общ. ред. Д.М. Гордиенко. М.: ВНИИПО, 2019. 80 с.: ил. 30.
8. Маршалл В. Основные опасности химических производств / под общ. ред. В.В. Чайванова. М.: Мир, 1989. 672 с.
9. Клепко Е.А. Обеспечение пожарной безопасности городов и регионов на основе оценки управления пожарными рисками: Дис. ... канд. техн. наук. М., 2007. 172 с.
10. Гринченко Б.Б., Тараканов Д.В. Модель управления безопасностью при работах на пожарах в непригодной для дыхания среде // Пожаровзрывобезопасность. 2018. № 6. С. 45-51.
11. Данилова М.А., Данилов М.М., Денисов А.Н. и др. Модель оперативного управления в принятии опорных решений с учетом оптимальности // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. 2018. № 3. С. 94-101. DOI: 10.25257/ FE.2018.3.94-101.
12. Денисов А.Н., Коршунов И.В. Оценка практики управления и организации газодымозащитной службы пожарной охраны // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. 2021. № 1. С. 25-31. DOI 10.25257/FE.2021.2.25-31.
13. Сазонов А.А. Оценка экологических последствий пожаров на промышленных предприятиях (на примере Республики Хакасия): Дис. ... канд. техн. наук. Иркутск, 2004. 195 с.
14. Кондукторов Д.А. Этапы развития управления деятельностью пожарно-спасательных подразделений при локализации аварий на химически опасных объектах // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. 2021. № 2. С. 32-38. DOI 10.25257/FE.2021.2.32-38.
та, помогающего принять более продуктивные решения в стрессовой ситуации и в условиях крайнего дефицита времени, может позволить серьезно снизить уровень риска гибели пожарных.
References
1. Decree of the President of the Russian Federation of 01.01.2018 No. 2 "On approval of the fundamentals of state policy of the Russian Federation in the field of fire safety for the period until 2030" [Electronic resource]. URL: https://www.garant. ru/products/ipo/prime/doc/ 71749394/ (data of accesses: 10.10.2020).
2. Fires and fire safety in 2014: A statistical digest. A.V. Matyushin (gen. ed.). Moscow: VNIIPO, 2015. 124 p.: ill. 40.
3. Fires and fire safety in 2015: A statistical digest. D.M. Gordienko (gen. ed.). Moscow: VNIIPO, 2016. 124 p.: ill. 42.
4. Fires and fire safety in 2016: A statistical digest. D.M. Gordienko (gen. ed.). Moscow: VNIIPO, 2017. 124 p.: ill. 40.
5. Fires and fire safety in 2017: A statistical digest. D.M. Gordienko (gen. ed.). Moscow: VNIIPO, 2018. 125 p.: ill. 42.
6. Fires and fire safety in 2018: A statistical digest. D.M. Gordienko (gen. ed.). Moscow: VNIIPO, 2019. 125 p.: ill. 42.
7. Fires and fire safety in 2019: A statistical digest. D.M. Gordienko (gen. ed.). Moscow: VNIIPO, 2019. 80 p.: ill. 30.
8. Marshall V. The main hazards of chemical production. V.V. Chayvan-ov (gen. ed.). Moscow: Mir, 1989. 672 p.
9. Klepko E.A. Ensuring fire safety in cities and regions based on an assessment of fire risk management: Dis. ... Cand. Sci. (Eng.). Moscow, 2007. P. 172.
10. Grinchenko B.B., Tarakanov D.V. A safety management model for working on fires in an unbreathable environment. Fire and Explosion Safety. 2018. No. 6. Pp. 45-51. (In Rus.)
11. Danilova M.A., Danilov M.M., Denisov A.N. et al. Model of Operational management in making basic decisions taking into account optimality. Fires and Emergencies: Prevention, Elimination. 2018. No. 3. Pp. 94-101. (In Rus.) DOI: 10.25257/FE.2018. 3.94-101.
12. DenisovA.N., KorshunovI.V. Assessment of the management practice and organization of the gas and smoke protection service of the fire protection. Fires and Emergencies: Prevention, Elimination. 2021. No. 1. Pp. 25-31. (In Rus.) DOI: 10.25257/FE.2021.2.25-31.
13. Sazonov A.A. Assessment of the environmental consequences of fires at industrial rnterprises (on the example of the Republic of Khakassia). Dissertation of the Candidate of Technical Sciences. Irkutsk: 2004, 195p.
14. Conduktorov D.A. The stages of development of management of the activities of fire and rescue units in the localization of accidents at chemically hazardous facilities. Fires and Emergencies: Prevention, Elimination. 2021. No. 2. Pp. 32-38. (In Rus.) DOI: 10.25257/ FE.2021.2.32-38.
Статья проверена программой Антиплагиат
Рецензент: Горбачевский Е.В., кандидат технических наук; начальник департамента интеллектуальной собственности группы компаний «Специальные системы и технологии»
Статья поступила в редакцию 10.08.2021, принята к публикации 18.09.2021 The article was received on 10.08.2021, accepted for publication 18.09.2021
СВЕДЕНИЯ ОБ АВТОРАХ
Денисов Алексей Николаевич, доктор технических наук, профессор; профессор кафедры пожарной тактики и службы (в составе учебно-научного комплекса пожаротушения) ФГБОУ ВО Академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий (Академия ГПС МЧС России). Москва, Российская Федерация. SPIN: 5304-5496; E-mail: [email protected] Цокурова Ирина Григорьевна, адъюнкт кафедры пожарной тактики и службы в составе УНК пожаротушения ФГБОУ ВО «Академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий (Академия ГПС МЧС России)». Москва, Российская Федерация. SPIN: 5139-1065. E-mail: [email protected] Аникин Сергей Николаевич, адъюнкт кафедры пожарной тактики и службы (в составе учебно-научного комплекса пожаротушения) ФГБОУ ВО Академия Государственной противопожарной службы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий (Академия ГПС МЧС России). Москва, Российская Федерация. SPIN: 5304-5496; E-mail: [email protected]
ABOUT THE AUTHORS
Alexei N. Denisov, Dr. Sci. (Eng.), Professor; professor at the Department of Fire Tactics and Service (as Part of the Educational and Scientific Fire-Fighting Complex) of Federal State Budgetary Educational Institution of Higher Professional Education Academy of State Fire Service of Ministry of Russian Federation for Civil Defense, Emergencies and Elimination of Consequences of Natural Disasters (Fire State Academy, EMERCOM of Russia). Moscow, Russian Federation. SPIN 1845-4634; E-mail: dan_aleks@ mail.ru
Irina G. Tsokurova, postgraduate at the Department of Fire Tactics and Service (as part of the educational and scientific fire-fighting complex). Moscow, Russian Federation. SPIN 5139-1065. E-mail: venskovskaya @bk.ru
Sergei N. Anikin, postgraduate at the Department of Fire Tactics and Service (as Part of the Educational and Scientific Fire-Fighting Complex) of Federal State Budgetary Educational Institution of Higher Professional Education Academy of State Fire Service of Ministry of Russian Federation for Civil Defense, Emergencies and Elimination of Consequences of Natural Disasters (Fire State Academy, EMERCOM of Russia). Moscow, Russian Federation. SPIN 9419-3590; E-mail: [email protected]
