Ilayda
New member
Burada araştırma yönteminin mantığı oldukça nettir: Önce sistemin başarısızlık mekanizması modellenir, daha sonra mevcut veriler kullanılarak model test edilir.
5. Olay Ağacı Analizi ve Bow-Tie Yöntemi
Olay Ağacı Analizi (ETA), belirli bir başlangıç olayından sonra hangi sonuçların ortaya çıkabileceğini araştırır. FTA daha çok “bu olay nasıl meydana geldi?” sorusuna geriye doğru bakarken, ETA “bu olay gerçekleşirse bundan sonra ne olabilir?” sorusunu ileriye doğru inceler.
Bu nedenle iki yaklaşım birbirini tamamlayabilir.
Bow-Tie yöntemi ise tehditler ile sonuçlar arasındaki ilişkiyi ve bunların arasındaki güvenlik bariyerlerini görsel olarak ortaya koyar. Bir tarafta tehlikeye yol açabilecek nedenler, ortada kritik olay, diğer tarafta ise olası sonuçlar bulunur.
ARAMIS projesi kapsamında geliştirilen yaklaşımda Bow-Tie diyagramlarının büyük kazaların ve mevcut güvenlik bariyerlerinin değerlendirilmesinde kullanıldığı gösterilmiştir.
Bu yöntem özellikle “riskleri biliyoruz ama kontrol önlemlerimiz gerçekten çalışıyor mu?” sorusunu cevaplamak açısından değerlidir.
6. Nicel Risk Değerlendirmesi ve Olasılıksal Risk Analizi
Nicel risk değerlendirmesinde amaç, mümkün olduğunda belirsizliği sayısal olarak ifade etmektir.
Örneğin bir bileşenin yıllık arıza olasılığı, bir kazanın gerçekleşme sıklığı veya belirli bir olayın beklenen ekonomik kaybı hesaplanabilir.
Ancak nicel analiz, “sayısal olduğu için otomatik olarak daha bilimsel” değildir. Sonucun kalitesi kullanılan verinin kalitesine bağlıdır.
Eğer arıza verileri eksikse, geçmiş olay sayısı çok azsa veya sistem daha önce hiç uygulanmamışsa, kesin görünen bir sayı aslında yüksek belirsizlik taşıyabilir.
Bu problem özellikle nadir fakat ağır sonuçlu olaylarda ortaya çıkar. Literatürde olasılıksal risk değerlendirmesinde FTA, FMEA ve ETA gibi yöntemlerin birlikte kullanılabildiği; veri eksikliği durumunda ise bulanık küme teorisi, Bayesçi ağlar ve benzeri yaklaşımların kullanılabildiği belirtilmektedir.
Dolayısıyla bilimsel açıdan iyi bir risk analizi yalnızca “risk = %3,2” demekle kalmamalı; bu %3,2 değerinin hangi verilerden, hangi varsayımlardan ve hangi belirsizliklerden üretildiğini de açıklamalıdır.
7. Monte Carlo Simülasyonu ve Belirsizliğin Modellenmesi
Bazı risklerde tek bir olasılık değeri kullanmak yerine olası değerlerin dağılımını modellemek daha gerçekçidir. Monte Carlo simülasyonu burada önemli bir araçtır.
Örneğin bir projenin maliyetinin 10 milyon TL olacağı kesin kabul edilmek yerine; malzeme fiyatı, gecikme, işçilik ve kur değişkenlerinin farklı olasılık dağılımları tanımlanabilir. Ardından binlerce veya milyonlarca simülasyon çalıştırılarak olası sonuçların dağılımı elde edilir.
Bu yaklaşım “En muhtemel sonuç nedir?” sorusunun yanında “Kötü senaryoların gerçekleşme olasılığı nedir?” sorusuna da yanıt verir.
Risk yönetiminde bu ayrım çok önemlidir. Ortalama değer karar vericiyi yanıltabilir. Bir projenin beklenen maliyeti makul görünürken, aşırı maliyet senaryosunun gerçekleşme olasılığı kabul edilemeyecek kadar yüksek olabilir.
8. Bayesçi Yaklaşım: Yeni Veri Geldiğinde Risk Değişebilir
Risk değerlendirmesinin en ilginç yönlerinden biri, riskin sabit bir sayı olmamasıdır.
Bayesçi yöntemlerde başlangıçtaki bilgi, yeni kanıtlarla güncellenir. Örneğin bir makinenin arıza olasılığına ilişkin başlangıç tahmini bulunabilir. Yeni bakım verileri, sensör sonuçları veya arıza kayıtları geldikçe bu tahmin yeniden hesaplanabilir.
Bu yaklaşım özellikle sürekli veri üreten modern sistemlerde değerlidir.
Burada araştırmacı açısından temel düşünce şudur: Yeni bilgi önceki risk değerlendirmemizi değiştirmiyorsa, gerçekten öğreniyor muyuz?
9. İnsan Faktörü ve Risk Algısının Önemi
Risk değerlendirmesinin yalnızca teknik bir işlem olmadığını gösteren en önemli alanlardan biri insan faktörüdür.
İki kişi aynı istatistiksel riski görebilir fakat farklı karar verebilir. Bunun nedeni bilgi düzeyi, geçmiş deneyim, güven, sosyal çevre, kurum kültürü veya riskin nasıl sunulduğu olabilir.
Burada özellikle kadın ve erkeklerin risk algısına ilişkin araştırmalar dikkat çekmektedir. Ancak bu konu ele alınırken “erkekler analitiktir, kadınlar empatiktir” şeklinde biyolojik veya değişmez kategoriler oluşturmak bilimsel açıdan savunulabilir değildir.
Örneğin Gustafson'un hakemli literatür incelemesi, nicel ve nitel araştırmaların cinsiyet ve risk algısı konusunda zaman zaman farklı sonuçlar verdiğini ve toplumsal cinsiyet yapılarının dikkate alınması gerektiğini vurgulamaktadır.
Bazı araştırmalarda kadınların belirli riskleri daha yüksek algıladığı bulunmuştur. Flynn, Slovic ve Mertz'in çalışmasında beyaz kadınların çevresel sağlık risklerini beyaz erkeklerden daha yüksek algıladığı, ancak bu farklılığın diğer gruplarda aynı biçimde ortaya çıkmadığı görülmüştür. Araştırmacılar güç, statü, yabancılaşma ve güven gibi sosyopolitik faktörlerin risk algısında etkili olduğunu belirtmiştir.
Başka bir araştırmada ise kadınların erkeklerden farklı olarak bazı riskleri daha olası gördüğü, fakat risklerin potansiyel şiddetini değerlendirmede belirgin bir fark bulunmadığı rapor edilmiştir.
Dahası, empati konusunda yapılan 2023 tarihli geniş kapsamlı bir çalışma, kadınların öz-bildirim anketlerinde daha yüksek empati puanları verdiğini ancak EEG ölçümlerinde cinsiyet farkına ilişkin aynı sonucun ortaya çıkmadığını göstermiştir. Araştırmacılar, toplumsal beklentilerin anket sonuçlarını etkileyebileceğini belirtmiştir.
Bu bulgular önemli bir denge kuruyor. Risk değerlendirmesinde veri analizi, istatistik ve matematiksel modelleme elbette gereklidir. Fakat riskin insanlar üzerindeki etkilerini, güven ilişkilerini, toplumsal sonuçlarını ve farklı grupların deneyimlerini anlamak da aynı derecede önemlidir.
Dolayısıyla erkeklerin veri odaklı, kadınların ise sosyal ve empatik olduğu varsayımını başlangıç noktası yapmak yerine, farklı düşünme biçimlerinin her bireyde ve her ekipte bulunabileceğini kabul etmek daha bilimsel bir yaklaşımdır.
Nitekim risk algısındaki cinsiyet farklılıklarının bağlama göre değiştiğini gösteren araştırmalar bulunmaktadır. Örneğin Mali'deki çiftçiler üzerine yapılan çalışmada altı farklı risk alanı incelenmiş ve risk algısının yalnızca cinsiyetle değil, farklı demografik ve tutumsal özelliklerle birlikte değerlendirilmesi gerektiği görülmüştür.
10. Nitel ve Nicel Yöntemleri Birleştirmek
İyi bir risk değerlendirmesi çoğu zaman tek bir yöntemle sınırlı kalmamalıdır.
Nicel yöntemler bize “ne kadar?” sorusunun cevabını verirken, nitel yöntemler “neden?” sorusunu açıklayabilir.
Örneğin bir fabrikada kaza kayıtlarını istatistiksel olarak incelemek, hangi vardiyada daha fazla olay gerçekleştiğini gösterebilir. Ancak çalışanlarla yapılan görüşmeler, bunun nedeninin vardiya değişimindeki iletişim sorunları, eğitim eksikliği veya üretim baskısı olduğunu ortaya çıkarabilir.
Bu nedenle karma yöntem yaklaşımı güçlüdür:
5. Olay Ağacı Analizi ve Bow-Tie Yöntemi
Olay Ağacı Analizi (ETA), belirli bir başlangıç olayından sonra hangi sonuçların ortaya çıkabileceğini araştırır. FTA daha çok “bu olay nasıl meydana geldi?” sorusuna geriye doğru bakarken, ETA “bu olay gerçekleşirse bundan sonra ne olabilir?” sorusunu ileriye doğru inceler.
Bu nedenle iki yaklaşım birbirini tamamlayabilir.
Bow-Tie yöntemi ise tehditler ile sonuçlar arasındaki ilişkiyi ve bunların arasındaki güvenlik bariyerlerini görsel olarak ortaya koyar. Bir tarafta tehlikeye yol açabilecek nedenler, ortada kritik olay, diğer tarafta ise olası sonuçlar bulunur.
ARAMIS projesi kapsamında geliştirilen yaklaşımda Bow-Tie diyagramlarının büyük kazaların ve mevcut güvenlik bariyerlerinin değerlendirilmesinde kullanıldığı gösterilmiştir.
Bu yöntem özellikle “riskleri biliyoruz ama kontrol önlemlerimiz gerçekten çalışıyor mu?” sorusunu cevaplamak açısından değerlidir.
6. Nicel Risk Değerlendirmesi ve Olasılıksal Risk Analizi
Nicel risk değerlendirmesinde amaç, mümkün olduğunda belirsizliği sayısal olarak ifade etmektir.
Örneğin bir bileşenin yıllık arıza olasılığı, bir kazanın gerçekleşme sıklığı veya belirli bir olayın beklenen ekonomik kaybı hesaplanabilir.
Ancak nicel analiz, “sayısal olduğu için otomatik olarak daha bilimsel” değildir. Sonucun kalitesi kullanılan verinin kalitesine bağlıdır.
Eğer arıza verileri eksikse, geçmiş olay sayısı çok azsa veya sistem daha önce hiç uygulanmamışsa, kesin görünen bir sayı aslında yüksek belirsizlik taşıyabilir.
Bu problem özellikle nadir fakat ağır sonuçlu olaylarda ortaya çıkar. Literatürde olasılıksal risk değerlendirmesinde FTA, FMEA ve ETA gibi yöntemlerin birlikte kullanılabildiği; veri eksikliği durumunda ise bulanık küme teorisi, Bayesçi ağlar ve benzeri yaklaşımların kullanılabildiği belirtilmektedir.
Dolayısıyla bilimsel açıdan iyi bir risk analizi yalnızca “risk = %3,2” demekle kalmamalı; bu %3,2 değerinin hangi verilerden, hangi varsayımlardan ve hangi belirsizliklerden üretildiğini de açıklamalıdır.
7. Monte Carlo Simülasyonu ve Belirsizliğin Modellenmesi
Bazı risklerde tek bir olasılık değeri kullanmak yerine olası değerlerin dağılımını modellemek daha gerçekçidir. Monte Carlo simülasyonu burada önemli bir araçtır.
Örneğin bir projenin maliyetinin 10 milyon TL olacağı kesin kabul edilmek yerine; malzeme fiyatı, gecikme, işçilik ve kur değişkenlerinin farklı olasılık dağılımları tanımlanabilir. Ardından binlerce veya milyonlarca simülasyon çalıştırılarak olası sonuçların dağılımı elde edilir.
Bu yaklaşım “En muhtemel sonuç nedir?” sorusunun yanında “Kötü senaryoların gerçekleşme olasılığı nedir?” sorusuna da yanıt verir.
Risk yönetiminde bu ayrım çok önemlidir. Ortalama değer karar vericiyi yanıltabilir. Bir projenin beklenen maliyeti makul görünürken, aşırı maliyet senaryosunun gerçekleşme olasılığı kabul edilemeyecek kadar yüksek olabilir.
8. Bayesçi Yaklaşım: Yeni Veri Geldiğinde Risk Değişebilir
Risk değerlendirmesinin en ilginç yönlerinden biri, riskin sabit bir sayı olmamasıdır.
Bayesçi yöntemlerde başlangıçtaki bilgi, yeni kanıtlarla güncellenir. Örneğin bir makinenin arıza olasılığına ilişkin başlangıç tahmini bulunabilir. Yeni bakım verileri, sensör sonuçları veya arıza kayıtları geldikçe bu tahmin yeniden hesaplanabilir.
Bu yaklaşım özellikle sürekli veri üreten modern sistemlerde değerlidir.
Burada araştırmacı açısından temel düşünce şudur: Yeni bilgi önceki risk değerlendirmemizi değiştirmiyorsa, gerçekten öğreniyor muyuz?
9. İnsan Faktörü ve Risk Algısının Önemi
Risk değerlendirmesinin yalnızca teknik bir işlem olmadığını gösteren en önemli alanlardan biri insan faktörüdür.
İki kişi aynı istatistiksel riski görebilir fakat farklı karar verebilir. Bunun nedeni bilgi düzeyi, geçmiş deneyim, güven, sosyal çevre, kurum kültürü veya riskin nasıl sunulduğu olabilir.
Burada özellikle kadın ve erkeklerin risk algısına ilişkin araştırmalar dikkat çekmektedir. Ancak bu konu ele alınırken “erkekler analitiktir, kadınlar empatiktir” şeklinde biyolojik veya değişmez kategoriler oluşturmak bilimsel açıdan savunulabilir değildir.
Örneğin Gustafson'un hakemli literatür incelemesi, nicel ve nitel araştırmaların cinsiyet ve risk algısı konusunda zaman zaman farklı sonuçlar verdiğini ve toplumsal cinsiyet yapılarının dikkate alınması gerektiğini vurgulamaktadır.
Bazı araştırmalarda kadınların belirli riskleri daha yüksek algıladığı bulunmuştur. Flynn, Slovic ve Mertz'in çalışmasında beyaz kadınların çevresel sağlık risklerini beyaz erkeklerden daha yüksek algıladığı, ancak bu farklılığın diğer gruplarda aynı biçimde ortaya çıkmadığı görülmüştür. Araştırmacılar güç, statü, yabancılaşma ve güven gibi sosyopolitik faktörlerin risk algısında etkili olduğunu belirtmiştir.
Başka bir araştırmada ise kadınların erkeklerden farklı olarak bazı riskleri daha olası gördüğü, fakat risklerin potansiyel şiddetini değerlendirmede belirgin bir fark bulunmadığı rapor edilmiştir.
Dahası, empati konusunda yapılan 2023 tarihli geniş kapsamlı bir çalışma, kadınların öz-bildirim anketlerinde daha yüksek empati puanları verdiğini ancak EEG ölçümlerinde cinsiyet farkına ilişkin aynı sonucun ortaya çıkmadığını göstermiştir. Araştırmacılar, toplumsal beklentilerin anket sonuçlarını etkileyebileceğini belirtmiştir.
Bu bulgular önemli bir denge kuruyor. Risk değerlendirmesinde veri analizi, istatistik ve matematiksel modelleme elbette gereklidir. Fakat riskin insanlar üzerindeki etkilerini, güven ilişkilerini, toplumsal sonuçlarını ve farklı grupların deneyimlerini anlamak da aynı derecede önemlidir.
Dolayısıyla erkeklerin veri odaklı, kadınların ise sosyal ve empatik olduğu varsayımını başlangıç noktası yapmak yerine, farklı düşünme biçimlerinin her bireyde ve her ekipte bulunabileceğini kabul etmek daha bilimsel bir yaklaşımdır.
Nitekim risk algısındaki cinsiyet farklılıklarının bağlama göre değiştiğini gösteren araştırmalar bulunmaktadır. Örneğin Mali'deki çiftçiler üzerine yapılan çalışmada altı farklı risk alanı incelenmiş ve risk algısının yalnızca cinsiyetle değil, farklı demografik ve tutumsal özelliklerle birlikte değerlendirilmesi gerektiği görülmüştür.
10. Nitel ve Nicel Yöntemleri Birleştirmek
İyi bir risk değerlendirmesi çoğu zaman tek bir yöntemle sınırlı kalmamalıdır.
Nicel yöntemler bize “ne kadar?” sorusunun cevabını verirken, nitel yöntemler “neden?” sorusunu açıklayabilir.
Örneğin bir fabrikada kaza kayıtlarını istatistiksel olarak incelemek, hangi vardiyada daha fazla olay gerçekleştiğini gösterebilir. Ancak çalışanlarla yapılan görüşmeler, bunun nedeninin vardiya değişimindeki iletişim sorunları, eğitim eksikliği veya üretim baskısı olduğunu ortaya çıkarabilir.
Bu nedenle karma yöntem yaklaşımı güçlüdür: