Analiza dużych zbiorów danych (Big Data) i analiza statystyczna jako ramy do badania wielokrotnie powtarzających się pożarów

Autorzy materiału proponują rozszerzenie standardów międzynarodowej organizacji NFPA (National Fire Protection Association) w zakresie badania przyczyn pożarów w środowisku przemysłowym. Miałoby ono dotyczyć stosowania zarówno danych ilościowych, jak i jakościowych podczas analizy przyczyn tych zdarzeń. Według autorów skuteczność takiego podejścia została udowodniona już wcześniej, na przykładzie pożarów badanych w przeszłości.

Proponowane w artykule rozwiązania mają na celu pomoc średnim i dużym firmom, które podczas procesów technologicznych i wytwórczych wykorzystują do monitorowania i przechowywania danych odpowiednie oprogramowanie, oraz takim, które doświadczają incydentów pożarowych. Autorzy zwracają uwagę, że proponowane przez nich rozwiązania nie odnoszą się do szacowania ryzyka wystąpienia pożaru, są danymi eksploracyjnymi i nie przewidują ewentualnych działań naprawczych po wystąpieniu zdarzenia pożarowego w konkretnej fabryce. Zmiany postulowane w materiale powinny stanowić część szerszego i bardziej kompleksowego programu wdrażanego na potrzeby ochrony przeciwpożarowej w przemyśle.

Ze względu na niewystarczającą ilość danych autorzy artykułu podkreślili potrzebę przeprowadzenia większej liczby studiów przypadku, co poprawi jakość wprowadzanych danych oraz ich rzetelność. Podejście, o którym mowa w materiale, pozwala na użytkowe wykorzystanie dużych zbiorów danych (Big Data), czego efektem będzie uczenie maszynowe czy właściwe korelowanie różnych czynników i ich związku z możliwym wystąpieniem pożaru.

A Framework for Multiple Fire Investigation Using Big Data and Statistical Analisys, Waqas Khalid, Maria Burneo, Lars Hvam, Journal of Failure Analysis and Prevention, 2021, s. 890-903