PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 121 Transport 2018 Michał Kozłowski, Jerzy Manerowski Politechnika Warszawska, Wydział Transportu KONCEPCJA MODELOWANIA SKUTKÓW ZAKŁÓCEŃ CIĄGŁOŚCI DZIAŁANIA PORTU LOTNICZEGO Z ZASTOSOWANIEM SZTUCZNYCH SIECI NEURONOWYCH Rękopis dostarczono: marzec 2018 Streszczenie: W artykule przedstawiono wstępne wyniki badań nad możliwością zastosowania sztucznych sieci neuronowych do modelowania skutków operacyjnych incydentów ciągłości działania portu lotniczego. Do przeprowadzenia badań wykorzystano dane rzeczywiste oraz oprogramowanie JETNET 2.1. Uzyskane wyniki poddano analizie i dyskusji, w kontekście zdefiniowanego zagadnienia problemowego, prowadzących do stwierdzenia zarówno celowości, jak i praktycznej możliwości wykorzystywania modeli SSN do wspierania procesów decyzyjnych zarządzania incydentami ciągłości działania portu lotniczego. Słowa kluczowe: port lotniczy, ciągłość działania, sztuczna sieć neuronowa New Roman 12 pkt.) 1. WPROWADZENIE Będący przedmiotem rozważań port lotniczy, to jak wynika z przepisów prawnych [14] szczególnego rodzaju lotnisko, tj. lotnisko użytku publicznego wykorzystywane do lotów handlowych. Z wykładni przytoczonej definicji ustawowej wynikają określone prawnie wymagania, dotyczące w szczególności zapewnienia bezpieczeństwa i ciągłości realizacji procesów eksploatacji portu lotniczego. W sensie eksploatacyjnym, port lotniczy to wysoce złożony system techniczny, eksploatacja którego podlega oddziaływaniu licznych, w przeważającej liczbie losowych czynników zakłócających [5, 8]. Następstwa zaistnienia tych czynników można rozpatrywać w aspekcie obniżenia przepustowości portu lotniczego [7, 9], w wyniku obniżenia poziomu dostępności lub zablokowania zasobów i aktywów krytycznych dla realizacji procesów eksploatacji, skutkujące odpowiednio: opóźnieniami, przekierowaniami lub odwołaniami zaplanowanych w rozkładzie lotów operacji lotniczych, lub w aspekcie ryzyka ciągłości działania [2, 6, 8]. W kontekście celowym rozważań, należy zwrócić uwagę, że zakłócenia i przerwy w eksploatacji portu lotniczego mogą być spowodowane zdarzeniami zaistniałymi bezpośrednio w porcie lotniczym, np. wystąpienie awarii technicznej elementów
204 Michał Kozłowski, Jerzy Manerowski infrastruktury, lub zaistnienie aktu bezprawnej ingerencji, jak również poza portem lotniczym, np. wystąpienie zakłócenia i nieregularności w przepływie ruchu lotniczego, lub zagrożenia epidemicznego na pokładzie statku powietrznego. Podobnie, skutki incydentów ciągłości działania mają szeroki zakres oddziaływania i mogą dotyczyć w szczególności: bezpieczeństwa i ochrony lotnictwa, regularności i punktualności przewozu lotniczego, bezpieczeństwa publicznego i środowiska naturalnego, jak również strat finansowych i wizerunkowych oraz szkód środowiskowych i następstw prawnych. Incydenty ciągłości działania [2] w praktyce zarządzania eksploatacją portem lotniczym [14] stanowią pewien szczególny rodzaj sytuacji kryzysowych, do zarządzania którymi jest zalecany [1, 13] i praktycznie stosowany [6] system zarządzania ciągłością działania (ang. Business Continuity Management System BCMS) [2]. New Roman 12 pkt.) 2. ZARZĄDZANIE CIĄGŁOŚCIĄ DZIAŁANIA PORTU LOTNICZEGO Cele i przedmiot wymagań prawa lotniczego [14], zalecenia i wytyczne międzynarodowe [1, 13] oraz potrzeby praktyczne [6] są przyczynkiem i powodem, dla którego zarządzający portami lotniczymi podejmują decyzję o wdrożeniu systemu zarządzania ciągłością działania BCMS, jako komponentu całościowego systemu zarządzania [6]. Ponadto należy mieć na uwadze, że plany i procedury BCMS stanowią istotny komponent programów ochrony infrastruktury krytycznej, do wykazów której, co do zasady, wpisywane są porty lotnicze [7]. 2.1. SYSTEM ZARZĄDZANIA CIĄGŁOŚCIĄ DZIAŁANIA Zapewnienie trwałej zdolności do bezpiecznego prowadzenia działalności na nominalnym poziomie jest celem strategicznym każdego podmiotu, bez względu na formę jego osobowości prawnej oraz cel i przedmiot działalności. Poszukiwanie i przyjmowanie do stosowania systemowych metod i procedur zapewnienia ciągłości działania stało się powszechne po serii ataków terrorystycznych w USA, w dniu 11 września 2001 r. W 2012 r. Międzynarodowa Organizacja Normalizacyjna (ang. International Organization for Standardization ISO) opublikowała w normie ISO 22301 [2] międzynarodowy standard BCMS. Norma [2] specyfikuje poszczególne komponenty BCMS, co do zasady, w sposób analogiczny do standardu Systemu Zarządzania Jakością (ISO 9001) oraz podstawowe komponenty zarządzania ryzykiem w sposób analogiczny do standardu Zarządzania Ryzykiem (ISO 31000), co stanowi znaczący czynnik ułatwiający zintegrowane wdrożenie i implementację BCMS, w tym z wymaganym prawnie od podmiotów zarządzających portami lotniczymi Systemem Zarządzania Bezpieczeństwem (ang. Safety Management System SMS).
Koncepcja modelowania skutków zakłóceń ciągłości działania portu lotniczego 205 Istotnymi, w kontekście przedmiotu rozważań, komponentami BCMS, są: struktura organizacyjna, z przypisaniem zakresów odpowiedzialności i uprawnień [2]; tzw. mapa procesów i wyniki identyfikacji procesów krytycznych, wraz z przypisanymi do nich zasobami krytycznymi [2]; metoda i wyniki analizy wpływu na ciągłość działania (ang. Business Impact Analysis BIA), wyznaczająca kryteria ryzyka oraz wymagane minimalne poziomy prowadzenia działalności i akceptowalne czasy [2, 3, 6]; metoda i wyniki oceny ryzyka (ang. Risk Assessment RA), z uwzględnieniem wyników BIA [2, 3]; priorytety i strategia zarządzania ciągłością działania, określane na podstawie wyników BIA i RA [2]; struktura reakcji na incydent ciągłości działania [2, 6]; plany zarządzania incydentami ciągłości działania [2], będące udokumentowanymi procedurami, których przedmiotem jest reagowanie, odtwarzanie, wznawianie i przywracanie funkcjonowania do ustalonego wcześniej poziomu po wystąpieniu zakłócenia lub incydentu (w tym: Plan Zarządzania incydentami PZI, Plany Ciągłości Działania PCD, Plany Odtwarzania Zasobów POZ i Plan Komunikacji PK), o charakterze scenariuszowych planów postępowania z ryzykiem [3]. 2.2. ZARZĄDZANIE INCYDENTEM CIĄGŁOŚCI DZIAŁANIA PORTU LOTNICZEGO W praktyce, wdrożony BCMS jest integralnym komponentem całościowego systemu zarządzania operacyjnego portem lotniczym [6], w zakresie którego ustanowione są i realizowane procedury udokumentowane w szczególności w: Instrukcji Operacyjnej Lotniska, Planie Działania w Sytuacji Zagrożenia, Programie Ochrony Portu Lotniczego [14]. Na poziomie operacyjnym realizacja tych procedur jest odpowiednio zarządzana i nadzorowana przez personel Służby Dyżurnego Operacyjnego Portu Lotniczego DOPL, na podstawie przypisanej zwierzchności operacyjnej, nad wszystkimi podmiotami i instytucjami uczestniczącymi, zgodnie z zakresami kompetencji, w realizacji procesów eksploatacji portu lotniczego. Zgodnie z tym, incydenty ciągłości działania portu lotniczego są zarządzane przez DOPL w określonej strukturze reakcji na incydent (PZI, PCD, POZ, PK) oraz zgodnie z ustalonymi priorytetami i strategią. Decyzje DOPL podejmowane są na podstawie wyników, wykonywanych na bieżąco analiz przyczyn incydentu i przewidywanego czasu trwania incydentu (w szczególności czasu przywrócenia lub odtworzenia zasobów) oraz ocen zaistniałych i potencjalnych skutków. W sensie operacyjnym, przyczyny incydentów ciągłości działania mają charakter utraty, obniżenia poziomu dostępności lub zablokowania zasobów, a skutkami są odpowiednio opóźnienia, przekierowaniami lub odwołania zaplanowanych operacji lotniczych, decyzje o czym podejmowane są przez każdego z przewoźników lotniczych, w sposób dynamiczny i niezależny od zarządzającego portem lotniczym. Realizacja PCD ma charakter
206 Michał Kozłowski, Jerzy Manerowski dynamicznej alokacji zasobów operacyjnych portu lotniczego [4], adekwatnie do decyzji podjętych przez przewoźników lotniczych (zmiany planów przydziałów), w oparciu o wyniki realizacji POZ. 2.3. ZAGADNIENIE PROBLEMOWE Roman 12 pkt.) W sensie operacyjnym, wielkość skutków incydentu ciągłości działania portu lotniczego wyrażana jest (Rys. 1.): liczbą utraconych operacji, tj. operacji, które zostały przekierowane do innych portów lotniczych lub odwołane Y1; średnim czasem opóźnienia wykonania operacji lotniczych Y2. Wartości Y1 i Y2 są zależne, od: liczby operacji lotniczych, zaplanowanych w dobowym rozkładzie operacyjnym [4] X1; godziny wystąpienia incydentu X2; czas trwania incydentu X3 oraz są w znaczącym stopniu determinowane arbitralnymi decyzjami centrów operacyjnych przewoźników lotniczych. Praktyka zarządzania incydentami ciągłości działania portu lotniczego realizowana jest w oparciu o ustalone, na podstawie wyników BIA i RA, priorytety oraz strategię określającą w sposób mierzalny cele BCMS [2], m.in.: minimalny akceptowalny poziom prowadzenia działalności (ang. Minimum Acceptable Level of Products and Services MALPS); docelowy czas wznowienia działania (ang. Recovery Time Objective RTO); maksymalny tolerowany czas zakłócenia (ang. Maximum Tolerable Period of Disruption MTPD). W praktyce zarządzania incydentami ciągłości działania portu lotniczego, przyjmuje się, że RTO=MTPD [7] oraz, że MALPS jest pewną akceptowalną (tj. wystarczającą do obsłużenia pomniejszonej o operacje przekierowane i odwołane liczby operacji lotniczych) minimalną wartością przepustowości praktycznej portu lotniczego CPmin [7, 9]. Ustalone wartości docelowe: MALPS, RTO, MTPD (i inne [2, 7]) są jednak wynikiem przyjęcia w analizach BIA i RA pewnych założeń i uproszczeń, a co z tego wynika, istnieje praktyczna potrzeba określania wartości Y1 i Y2 z uwzględnieniem charakterystyki zaistniałego w rzeczywistości incydentu ciągłości działania portu lotniczego. Należy przy tym podkreślić znaczący wpływ czynnika nieokreśloności, w postaci arbitralnych i niezależnych decyzji centrów operacyjnych przewoźników lotniczych. Praktyka wykazała [6], że wyniki uzyskane metodą badań ankietowych, przeprowadzonych z zastosowaniem technik: Structured Interview i SWIFT [3] wśród przewoźników lotniczych nie są możliwe do praktycznego wykorzystania w celu doskonalenia w sensie skuteczności i optymalizacji w sensie efektywności, procedur zarządzania incydentami ciągłości działania portu lotniczego. Wynika z tego konieczność poszukiwania innych metod określania przewidywanych wartości: liczby utraconych operacji Y1 i średniego czasu opóźnienia wykonania operacji
Koncepcja modelowania skutków zakłóceń ciągłości działania portu lotniczego 207 lotniczych Y2 na skutek zaistnienia incydentu ciągłości działania portu lotniczego. Uwzględniając, że wartości te są w znaczącym determinowane decyzjami przewoźników lotniczych, dynamicznie podejmowanymi, z zastosowaniem różnych założeń, kryteriów i metod, np.: CBA, MCDA [3] przez różnych przewoźników lotniczych, stwierdzono zasadność rozważenia koncepcji zastosowania sztucznych sieci neuronowych. 3. SZTUCZNA SIEĆ NEURONOWA Sztuczne sieci neuronowe SSN są powszechnie wykorzystywane w różnych obszarach nauk przyrodniczych i technicznych, do celów diagnostyki, prognozowania, optymalizacji i sterowania [10] oraz w systemach wspomagających wnioskowanie i podejmowanie decyzji, jak również zarządzania ruchem [12]. Zakres stosowania SSN obejmuje również lotnictwo, gdzie obserwuje się znaczący rozwój i postęp w stosowaniu modeli matematycznych, w tym SSN, w celach analitycznych [10, 11], jak również praktycznych, np. do wykrywania ładunków wybuchowych w bagażu rejestrowanym [12]. Potwierdza to zasadność podjętych prac nad koncepcją zastosowania SSN do wspomagania procesów decyzyjnych w zakresie zarządzania incydentami ciągłości działania portu lotniczego. W badaniach wykorzystano dane rzeczywiste (Tablica 1) przyjęte odpowiednio, jako (p.2.3.): 3 sygnały wejściowe: ; 2 sygnały wyjściowe:. Przykładowe wartości sygnałów wejściowych i wyjściowych Tablica 1 X1 X2 [godz.] X3 [godz.] Y1 Y2 [min.] 324 17 4 31 43 318 23 1 0 7 335 15 1 4 23 343 16 52 583 100 338 23 3 5 17 345 9 2 11 24 369 11 3 21 32 372 20 1 5 27 378 3 2 0 0 367 15 1 1 37 373 16 1 0 19 384 11 1 4 26 368 19 2 12 19 395 23 2 3 18 417 19 4 26 23
208 Michał Kozłowski, Jerzy Manerowski Do opracowania SSN wykorzystano oprogramowanie JETNET 2.1., które w procesie uczenia się sieci (wyznaczenia wartości parametrów modelu: stałych s i wag w) wykorzystuje algorytm momentowej wstecznej propagacji błędów, w którym zmiennymi są [12]: ɩ liczba iteracji procesu uczenia sieci, tj. wyznaczania wartości: s i w; stała uczenia, tj. współczynnik dopuszczalnego wzrostu błędu; η momentum, tj. współczynnik korygujący wagi w, zwiększający stabilność i prędkość procesu uczenia się sieci. Proces budowy przedmiotowego modelu SSN zbudowano dokonując normalizacji sygnałów wejściowych X i Y ( NORM na Rys. 1.), po czym wyznaczono dla unormowanych sygnałów sieć ( SSN na Rys. 1.), a następnie dokonano odwrotności normalizacji sygnału wyjściowego ( denorm na Rys. 1.), tj. obliczono wartości wyjściowe. Przed rys. 1 wiersz wolny (Times New Roman 11 pkt.) Po rys. 1 wiersz wolny (Times New Roman 11 pkt.) Rys. 1. Proces budowy modelu SSN (opracowanie własne) Oceny jakości wyników działania SSN dokonano z zastosowaniem: sumy kwadratów różnic pomiędzy wartościami sygnału wyjściowego z modelu i rzeczywistymi χ 2 (1) gdzie: wartość sygnału wyjściowego z modelu, rzeczywista wartość sygnału wyjściowego, odchylenie standardowe, n liczba symulacji, liczby zdarzeń pozytywnych lp, przyjmując za kryterium oceny najmniejszą uzyskaną wartość χ 2 i największą uzyskaną wartość lp. 4. WYNIKI W zakresie przeprowadzonych badań przetestowano klika, różniących się liczbą neuronów w pojedynczej warstwie ukrytej struktur SSN. Najlepsze wyniki, tj. i uzyskano dla stosunkowo prostej struktury sieci {322}, tj. składającej się z 3 neuronów (0.1, 0.2, 0.3) w warstwie
Koncepcja modelowania skutków zakłóceń ciągłości działania portu lotniczego 209 wejściowej, 2 neuronów (1.1, 1.2) w pojedynczej warstwie ukrytej i 2 neuronów (2.1, 2.2) w warstwie wyjściowej (Rys. 2.). Po rys. 1 wiersz wolny (Times New Roman 11 pkt.) Rys. 2. Struktura SSN dająca najwyższą jakość wyników (opracowanie własne) 5. WNIOSKI Uzyskane wyniki potwierdzają słuszność koncepcji o możliwości zastosowania matematycznych modeli SSN do analiz i badań przebiegów realizacji procesów eksploatacji portu lotniczego, które to procesy charakteryzują się znaczącą podatnością na oddziaływanie czynników losowych [4, 5, 7, 8, 9], a zarządzanie ich realizacją przebiega w warunkach niepewności, powodowanych arbitralnymi i niezależnymi decyzjami operacyjnymi przewoźników użytkujących port lotniczy. Jakość uzyskanych wyników dowodzi, że dysponując pełnym zasobem rzeczywistych danych operacyjnych oraz wykorzystując relatywnie proste modele SSN możliwe jest znaczące podniesienie poziomu skuteczności i efektywności procesów decyzyjnych w zakresie zarządzania incydentami ciągłości działania na poziomie operacyjnym, jak również podniesienie poziomu adekwatności i szczegółowości analiz BIA i RA, a tym samym umożliwi faktycznie pragmatyczne doskonalenie BCMS portu lotniczego. Możliwość implementacji komputerowej wskazuje na możliwość wyposażenia stanowiska Dyżurnego Operacyjnego Portu Lotniczego w narzędzie dynamicznie wspomagające procesy decyzyjne w czasie rzeczywistym. Otrzymane wyniki potwierdzają również brak istotnego związku pomiędzy szybkością uczenia się SSN i rozmiarem lub topologią SSN, oraz brak istotnego związku pomiędzy topologią SSN, a jakością uzyskiwanych wyników z jej wykorzystaniem [12].
210 Michał Kozłowski, Jerzy Manerowski Wywiedzione niniejszym implikacje wyznaczają dalsze cele i kierunki badań nad zastosowaniem modeli SSN w procesach zarządzania operacyjnego portem lotniczym, co będzie przedmiotem dalszych prac Autorów. Bibliografia 1 wiersz wolny (Times New Roman 12 pkt.) 1. ACI World Facilitation and Services Standing Committee best practice paper: business continuity management framework and case studies for health-related disruptions at airports, ACI World Secretariat, 2012. 2. ISO 22301:2012 Societal security Business Continuity Management Systems Requirements. 3. ISO 31010:2009 Risk management Risk assessment techniques. 4. Kozłowski M.: Analiza procesu operacyjnej alokacji stanowisk postojowych w porcie lotniczym. Prace Naukowe Politechniki Warszawskiej - Transport, z. 102, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2014, s. 335-346. 5. Kozłowski M.: Aspect of reliability in airport business continuity management, Journal of KONBiN, nr 3(35)2015. 6. Kozłowski M.: Opracowanie koncepcji i studium wykonalności wdrożenia Systemu Zarządzania Ciągłością Działania w Porcie Lotniczym im. F. Chopina w Warszawie w oparciu o standard Zarządzanie Ciągłością Biznesową BS25999-2-2007, w tym zarządzanie ciągłością działania systemów teleinformatycznych. Compa T., Rajchel J., Załęski K. (red.): Praktyczne aspekty bezpieczeństwa w lotnictwie na podstawie Portu Lotniczego im. Fryderyka Chopina. Wyższa Szkoła Oficerska Sił Powietrznych WSOSP wewn. 130/12, Dęblin 2012, s. 85-95. 7. Kozlowski M.: The concept of method for determining the minimum level of airport business continuity Journal of KONBiN, nr 1(37)2016. 8. Kozłowski M.: Zastosowanie metody minimalnych ścieżek zdatności w systemie BCMS portu lotniczego. Prace Naukowe Politechniki Warszawskiej - Transport, z. 100, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2013, s. 121-130. 9. Skorupski J., Kozłowski M., Stelmach A.: Metoda badania przepustowości portu lotniczego w warunkach zakłóceń, Problemy Niezawodności Systemów / Praca Zbiorowa, 2007, Polska Akademia Nauk, str. 288-298. 10. Stelmach A.: Identyfikacja modeli matematycznych faz lotu samolotu. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 2014. 11. Stycunów A., Manerowski J.: Modelowanie faz zniżania i lądowania samolotu Boeing 767-300ER przy użyciu sztucznych sieci neuronowych. Prace Naukowe politechniki Warszawskiej - Transport, z. 102, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2014, s. 135-140. 12. Tadeusiewicz R.: Sieci neuronowe, Akademicka Oficyna Wydawnicza, Kraków 1993. 13. Transportation Research Board of the National Academies (Sponsored by the Federal Aviation Administration): Operational and Business Continuity Planning for Prolonged Airport Disruptions. ACRP Report 93, Washington D.C. 2013. 14. Ustawa z dnia 3 lipca 2002 r. Prawo lotnicze. Dz.U. z 2017 r., poz. 959 i 1089. THE CONCEPT OF MODELING THE CONSEQUENCES OF THE AIRPORT OPERATIONAL INTERRUPTION USING THE ARTIFICIAL NEURAL NETWORKS Summary: The article presents the preliminary results of research on the possibility of using artificial neural networks for modelling the consequences of continuity incidents in the operation of the airport. The real data and the JETNET 2.1. software were used to carry out the research. The obtained results were analyzed and discussed, in the context of a defined problematic issue, leading to the conclusions of purposefulness and practical possibilities for using artificial neural networks model to support the decision-making processes of management of airport continuity incident. Keywords: airport, business continuity, artificial neural network