Risk-informed optimization of mitigation strategies in safety-critical systems

Industrial organizations need to invest in the design and operations of their production systems to improve reliability, availability, maintainability and safety. Typically, these organizations have limited resources, therefore they can select only a subset of mitigation actions to protect the system from the risks associated with accident and threat scenarios. For this reason, optimization models for resource allocation are necessary to minimize the risks of such scenarios. In current practices, resources are often allocated based on the failure risk of the individual components, which can lead to sub-optimal solutions. By contrast, this Dissertation proposes systemic analyses of accident and threat scenarios in order to determine the optimal mitigation strategy for the overall system. The optimal strategy is a combination (portfolio) of mitigation actions for system design and operations that minimize the systemic risks, while satisfying relevant budgetary and technical constraints. For this purpose, the probabilistic analysis of the systemic risks is performed through Bayesian models to capture the uncertainties of the accident and threat scenarios. Then, the selection of the optimal resource allocation builds on Portfolio Decision Analysis to determine the optimal portfolios consisting of a set of discrete alternatives. In addition, the methodologies allow a range of sensitivity analyses on budget allocation and risk management of the accident and threat scenarios. The methodologies are illustrated by revisiting real-life case studies and reported examples in the context of system design and operations, to demonstrate that systemic analyses integrate the current practices on component-based resource allocation. The methodologies are also generic in that they can be employed in other application areas with reasonable adaptations.

Le organizzazioni industriali devono investire nella progettazione e nelle operazioni dei propri sistemi di produzione per migliorare l'affidabilità, la disponibilità, la manutenzione e la sicurezza. In genere, queste organizzazioni dispongono di risorse limitate tali da poter selezionare solo un sottoinsieme di azioni di mitigazione per proteggere il sistema dai rischi associati a scenari di incidenti e minacce. Per questo motivo, i modelli di ottimizzazione per l'allocazione delle risorse risultano fondamentali al fine di minimizzare i rischi di tali scenari. Nelle pratiche attuali, l'allocazione delle risorse si basa sul rischio di fallimento dei singoli componenti, di conseguenza le soluzioni potrebbero risultare non ottimali per il sistema. Al contrario, questa tesi propone un'analisi sistemica degli scenari di incidenti e minacce al fine di selezionare la strategia di mitigazione ottimale per il sistema complessivo. La strategia ottimale è una combinazione (portfolio) di azioni di mitigazione per la progettazione e le operazioni del sistema che minimizzano i rischi sistemici, soddisfacendo al contempo i relativi vincoli tecnici e finanziari. A tal fine, l'analisi probabilistica dei rischi sistemici viene eseguita attraverso modelli Bayesiani per cogliere le incertezze degli scenari di incidenti e minacce, mentre l'allocazione delle risorse si fonda sull'analisi decisionale dei portfoli per definire le soluzioni ottimali, costituite da una serie di alternative discrete. Inoltre, tali metodologie consentono analisi dettagliate sull'allocazione del budget e la gestione del rischio degli scenari di incidenti e minacce. Le metodologie sono illustrate rivisitando casi studio reali ed esempi riportati in letteratura sia per la progettazione sia per le operazioni del sistema, per dimostrare che le analisi sistemiche integrano le attuali pratiche sull'allocazione delle risorse basata sui componenti. Le metodologie sono generiche in quanto possono essere eseguite in altre aree di applicazione con adattamenti ragionevoli.