DOI: https://doi.org/10.1016/j.oceaneng.2025.122606
تاريخ النشر: 2025-08-29
المؤلف: Dwitya Harits Waskito وآخرون
الموضوع الرئيسي: تحليل المخاطر والسلامة
نظرة عامة
يقدم هذا القسم من ورقة البحث تقييمًا شاملاً للسلامة لنقل المركبات الكهربائية بالبطارية (BEV) على العبّارات، باستخدام تحليل العمليات النظرية النظامية (STPA) لتحديد إجراءات التحكم غير الآمنة (UCAs) وسيناريوهات الخسارة المحتملة. تطور الدراسة نموذج شبكة بايزي (BN) لتقييم العلاقات السببية بين العوامل المساهمة، باستخدام نظرية المجموعات الضبابية لتحديد احتمالات الفشل بناءً على مدخلات الخبراء. تشمل الأنظمة الفرعية الرئيسية التي تؤثر على السلامة طاقم البحر، سلامة الحرائق، أنشطة الموانئ، وبطاريات المركبات الكهربائية. تحدد التحليلات فشل المكونات وردود الفعل غير الكافية للنظام كعوامل مساهمة كبيرة في UCAs، حيث يظهر نقص المعرفة كأكثر العوامل تأثيرًا التي تؤدي إلى خسائر بشرية ومادية وبيئية.
تشير النتائج إلى أن نقل BEVs يشكل مخاطر إضافية مقارنة بالمركبات التقليدية المعتمدة على الوقود. يحدد تحليل STPA ثلاث خسائر كارثية، ونوعين من الحوادث، وخمسة مخاطر محتملة، مما يؤدي إلى تحديد 27 UCA. من الجدير بالذكر أن عملية إطفاء الحرائق غير المناسبة تُبرز كإجراء غير آمن حرج، حيث تعتبر حوادث الحرائق والأضرار المادية من أكثر العواقب المحتملة أهمية. تكشف تحليلات الحساسية أن نقص مهارات ومعرفة المشغلين البشريين، إلى جانب الإجراءات واللوائح غير الكافية، هي عوامل محورية في الحوادث والخسائر. تشمل التوصيات لتخفيف هذه المخاطر تدريبًا متخصصًا لطاقم البحر، وإنشاء إرشادات سلامة من قبل الهيئات التنظيمية، وتنفيذ أنظمة إطفاء حرائق متخصصة، واعتماد تقنيات متقدمة للكشف عن الحرائق. يتم اقتراح اتجاهات البحث المستقبلية لتعزيز منهجيات التنبؤ بالمخاطر وتقييمها لنقل BEV في السياقات البحرية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التبني المتزايد للمركبات الكهربائية بالبطارية (BEVs) والتحديات المتعلقة بالسلامة في النقل البحري، خاصة بسبب المخاطر الفريدة التي تطرحها بطاريات الليثيوم أيون. بينما تعزز إندونيسيا الانتقال إلى BEV من خلال سياسات داعمة، يلعب القطاع البحري، بما في ذلك العبّارات والسفن التجارية، دورًا حيويًا في توزيعها. ومع ذلك، فإن حوادث الحرائق المرتبطة بفشل البطاريات أثناء النقل تبرز الحاجة إلى تعزيز تدابير السلامة، حيث قد لا تعالج اللوائح البحرية الحالية هذه المخاطر بشكل كافٍ. تقوم المنظمة البحرية الدولية (IMO) بمراجعة لوائح السلامة، بينما أصدرت ClassNK إرشادات لحوادث حرائق BEV، ومع ذلك لا يزال هناك فجوة كبيرة في تقييمات المخاطر المتخصصة.
لمعالجة هذه التحديات، تستخدم الدراسة تحليل العمليات النظرية النظامية (STPA) لتحليل التفاعلات المعقدة في نقل العبّارات BEV، مدمجةً نظرية المجموعات الضبابية وشبكات بايزي (BN) لتحسين دقة تقدير المخاطر. يسمح هذا النهج المبتكر بتحويل الأحكام النوعية للخبراء إلى احتمالات كمية، مما يعزز قوة تحليل المخاطر. تهدف الدراسة إلى إجراء تحليل شامل للسلامة من خلال تحديد المخاطر المحتملة والعوامل الحرجة التي تؤثر على نتائج السلامة، وبالتالي تقديم رؤى قيمة للهيئات التنظيمية وأصحاب المصلحة في الصناعة لتطوير بروتوكولات سلامة مستهدفة لنقل BEV البحري. ستراجع الأقسام التالية من الورقة الأدبيات الموجودة، وتوضح منهجية البحث، وتقدم نتائج دراسات الحالة، وتناقش آثار النتائج.
الطرق
تم هيكلة منهجية هذا البحث في ثلاث خطوات رئيسية تهدف إلى تقييم المخاطر المرتبطة بالنقل البحري للمركبات الكهربائية بالبطارية (BEVs). في البداية، تستخدم الدراسة نهج نظرية النظام، وتحديدًا تحليل العمليات النظرية النظامية (STPA)، لتحديد المخاطر المحتملة داخل نظام النقل المعقد. يركز هذا النهج على السلامة على مستوى النظام بدلاً من التركيز فقط على فشل المكونات الفردية، مما يسمح بتحديد إجراءات التحكم غير المقبولة (UCAs) التي قد تنشأ من ردود الفعل غير الكافية أو التحكم المتضارب. يؤدي STPA إلى تحديد سيناريوهات المخاطر وعواملها السببية، والتي يتم دمجها بعد ذلك في إطار شبكة بايزي (BN) لتحليل المخاطر الاحتمالية.
تم اختيار طريقة BN لقدرتها على نمذجة الاعتماديات المعقدة بين المكونات التي تم تحديدها من خلال STPA، مما يسهل تقييمًا شاملاً لانتشار المخاطر. يتم استخدام استنباط الخبراء من ثلاثة متخصصين في المجال لاشتقاق الهياكل الاحتمالية، مترجمةً الأحكام اللغوية إلى احتمالات عبر نظرية المجموعات الضبابية. تعزز بيانات الحوادث التاريخية من عمليات العبّارات دقة النموذج. تتضمن المرحلة النهائية التحليل الكمي لـ BN، والذي يشمل تحليل الاحتمالات اللاحقة، والتحقق من صحة النموذج لتقييم الموثوقية، وتحليل الحساسية لتحديد العوامل السببية الأكثر أهمية (CFs) و UCAs التي تؤثر على العقد ذات المخاطر الأعلى. يهدف هذا النهج المنظم إلى تقديم إطار قوي لفهم وتخفيف المخاطر في النقل البحري لـ BEV.
النتائج
تشير النتائج من تحليل بيانات NTSC، كما هو موضح في الجدول 12، إلى أن احتمال الوفيات والإصابات الناتجة عن وقوع الحادث 1 (حريق/انفجار المركبات الكهربائية والبطاريات) على العبّارات الإندونيسية هو 57.89% بناءً على بيانات الحوادث من 2008 إلى 2024. يوضح تحليل شبكة بايزي (BN) المزيد من الاحتمالات اللاحقة المرتبطة بمختلف الخسائر والحوادث والمخاطر وإجراءات التحكم غير الآمنة (UCAs)، كما هو موضح في الشكل 5.
من بين العوامل المساهمة (CFs)، يُنسب أعلى احتمال إلى CF EQ (6) (“أجهزة إطفاء الحرائق غير الصحيحة”)، والذي يبلغ 4.96%. وهذا يشير إلى أن معدات إطفاء الحرائق قد تكون غير كافية للتعامل مع الحرائق الناتجة عن بطاريات الليثيوم أيون. من حيث UCAs، فإن UCA 7 (“إجراء غير مناسب أثناء عملية إطفاء الحرائق”) لديه أعلى احتمال بنسبة 20.39%، يليه UCA 8 (“تقديم عملية إطفاء حرائق متأخرة”) بنسبة 18.73%، و UCA 6 (“عدم تقديم عملية إطفاء الحرائق”) بنسبة 17.9%. بالمقابل، فإن UCA 12 (“فشل نظام الدفع والتوجيه الذي يمكن أن يؤدي إلى حركة BEVs”) لديه أدنى احتمال بنسبة 3.26%، مع كون UCAs المتعلقة بفشل نظام إدارة البطارية (BMS) أيضًا نادرة بنسبة 4.09%. تحدد تحليل مستوى المخاطر أن H4 (“عدم القدرة على إطفاء الحريق الناشئ من BEVs”) هو الخطر الأكثر احتمالًا، مع احتمال 26.35%، مما يتماشى مع النتائج المتعلقة بـ CFs و UCAs.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على تطور وتطبيق نموذج الحوادث والنظم النظرية (STAMP) وتقنيته المرتبطة، تحليل العمليات النظرية النظامية (STPA)، في تعزيز تحليل السلامة للأنظمة المعقدة، خاصة في السياقات البحرية ومركبات الكهرباء بالبطارية (BEV). غالبًا ما تفشل الطرق التقليدية للسلامة في تحديد المخاطر بسبب التفاعلات المعقدة داخل الأنظمة الحديثة. يتناول STPA هذا من خلال التركيز على التفاعلات على مستوى النظام بدلاً من فشل المكونات المعزولة، مما يمكّن من تحليل شامل لسيناريوهات الخسارة المحتملة وأسبابها (Grant et al., 2018; Leveson, 2016). تشمل التطورات الأخيرة دمج STPA مع منهجيات أخرى مثل شبكات بايزي (BN)، ونظام تحليل وتصنيف العوامل البشرية (HFACS)، وإطارات تقييم المخاطر المختلفة لتحديد المخاطر وتحسين إدارة السلامة (Li et al., 2021; Zhao et al., 2024).
في القطاع البحري، تم استخدام STPA بشكل فعال لتحديد المخاطر، وتحليل الحوادث مثل جنوح Beiyou25 وتقييم المخاطر المرتبطة بالسفن السطحية المستقلة البحرية (MASS) (Chaal et al., 2020). لقد أثبت دمج STPA مع BN أنه مفيد في تحديد العلاقات السببية ونمذجة الطبيعة الديناميكية للهياكل التحكم، خاصة في سياق نقل BEV عبر العبّارات. يسمح هذا النهج بالتنقيح المستمر لتقييمات المخاطر بناءً على البيانات التشغيلية، مما يعزز تحديد المخاطر غير المعترف بها سابقًا في البيئات التشغيلية المعقدة (Li et al., 2024; Johansen et al., 2023). بشكل عام، تؤكد النتائج على أهمية اعتماد نهج نظري نظامي لتحسين نتائج السلامة في المشهد التكنولوجي المتزايد التعقيد.
القيود
تقدم الدراسة عدة قيود تستدعي النظر فيها للبحوث المستقبلية. أولاً، بينما تحدد حوادث الحرائق كمخاطر مرتبطة بنقل المركبات الكهربائية بالبطارية (BEVs) على العبّارات، إلا أنها لا تتناول الآليات التفصيلية لتصاعد درجة حرارة البطارية التي تؤدي إلى الاشتعال. لتعزيز فهم مخاطر الحرائق، يُوصى بإجراء تقييم مخاطر حرائق مخصص يركز بشكل خاص على حوادث حرائق BEV.
ثانيًا، تعتمد الدراسة على حكم الخبراء لاشتقاق بيانات الاحتمالات الأولية لعوامل السبب المساهمة في فشل المعدات، التي تم تحليلها من خلال نظرية المجموعات الضبابية. على الرغم من أن هذه الطريقة تعالج عدم اليقين، فإن دمج البيانات التجريبية من فشل المكونات في العالم الحقيقي سيحسن بشكل كبير من دقة وموثوقية تقييمات المخاطر. يمكن أن يساعد استخدام السجلات التشغيلية، وتقارير الصيانة، وقواعد بيانات الحوادث التاريخية في تحسين توزيعات الاحتمالات وتعزيز القدرات التنبؤية لنموذج شبكة بايزي (BN).
أخيرًا، فإن تعريف الدراسة لعوامل السبب هو إلى حد ما عام، ويفتقر إلى التحديد في مجالات مثل الخطأ البشري، الذي يمكن أن يتضمن متغيرات مثل واجهة الإنسان والآلة والظروف النفسية. لتحسين عمق التحليل بشأن الإجراءات الحرجة غير المقصودة (UCAs)، يُقترح دمج عوامل سبب أكثر تفصيلًا وخصوصية للسياق. علاوة على ذلك، فإن نموذج المتحكم البشري المستخدم هو نسخة مبسطة لا تعكس تمامًا تعقيدات معالجة المعلومات البشرية. إن تصنيفًا أكثر دقة للعوامل البشرية، بما في ذلك النماذج الذهنية وعمليات اتخاذ القرار، أمر ضروري لتحليل شامل لتأثيرها على UCAs.
DOI: https://doi.org/10.1016/j.oceaneng.2025.122606
Publication Date: 2025-08-29
Author(s): Dwitya Harits Waskito et al.
Primary Topic: Risk and Safety Analysis
Overview
This research paper section presents a comprehensive safety assessment of Battery Electric Vehicle (BEV) transportation on ferries, utilizing System Theoretic Process Analysis (STPA) to identify Unsafe Control Actions (UCAs) and potential loss scenarios. The study develops a Bayesian Network (BN) model to evaluate causal relationships among contributing factors, employing fuzzy set theory to quantify failure probabilities based on expert input. Key subsystems affecting safety include marine crew, fire safety, port activities, and EV batteries. The analysis identifies component failures and inadequate system feedback as significant contributors to UCAs, with a lack of knowledge emerging as the most influential factor leading to human, asset, and environmental losses.
The findings indicate that transporting BEVs poses additional risks compared to traditional fuel-based vehicles. The STPA analysis identifies three catastrophic losses, two accident types, and five potential hazards, leading to the identification of 27 UCAs. Notably, the improper firefighting process is highlighted as a critical unsafe action, with fire accidents and asset damage being the most significant potential consequences. Sensitivity analyses reveal that human operators’ lack of skill and knowledge, along with insufficient procedures and regulations, are pivotal factors in accidents and losses. Recommendations for mitigating these risks include specialized training for marine crews, establishment of safety guidelines by regulatory bodies, implementation of specialized fire suppression systems, and the adoption of advanced fire detection technologies. Future research directions are suggested to enhance risk prediction and assessment methodologies for BEV transportation in maritime contexts.
Introduction
The introduction of the research paper highlights the growing adoption of Battery Electric Vehicles (BEVs) and the associated safety challenges in maritime transportation, particularly due to the unique risks posed by lithium-ion batteries. As Indonesia promotes BEV transition through supportive policies, the maritime sector, including ferries and cargo ships, plays a crucial role in their distribution. However, incidents of fires linked to battery failures during transport underscore the need for enhanced safety measures, as existing maritime regulations may not adequately address these risks. The International Maritime Organization (IMO) is revising safety regulations, while ClassNK has issued guidelines for BEV fire incidents, yet there remains a significant gap in specialized risk assessments.
To address these challenges, the study employs System-Theoretic Process Analysis (STPA) to analyze the complex interactions in BEV ferry transport, integrating Fuzzy Set Theory and Bayesian Networks (BN) to improve risk estimation accuracy. This innovative approach allows for the transformation of qualitative expert judgments into quantitative probabilities, enhancing the robustness of the risk analysis. The study aims to conduct a comprehensive safety analysis by identifying potential hazards and critical factors influencing safety outcomes, thereby providing valuable insights for regulatory bodies and industry stakeholders in developing targeted safety protocols for BEV maritime transport. The subsequent sections of the paper will review existing literature, outline the research methodology, present case study results, and discuss the implications of the findings.
Methods
The methodology of this research is structured into three primary steps aimed at assessing the risks associated with the maritime transportation of Battery Electric Vehicles (BEVs). Initially, the study employs a system theory approach, specifically the System-Theoretic Process Analysis (STPA), to identify potential risks within the complex transportation system. This approach emphasizes safety at the system level rather than focusing solely on individual component failures, allowing for the identification of Unacceptable Control Actions (UCAs) that may arise from inadequate feedback or conflicting controls. The STPA results in the identification of hazard scenarios and their causal factors, which are then integrated into a Bayesian Network (BN) framework for probabilistic risk analysis.
The BN method is chosen for its ability to model the intricate interdependencies among the components identified through STPA, facilitating a comprehensive assessment of risk propagation. Expert elicitation from three domain specialists is utilized to derive probabilistic structures, translating linguistic judgments into probabilities via fuzzy set theory. Historical accident data from ferry operations further enhances the model’s accuracy. The final phase involves quantitative analysis of the BN, which includes posterior probability analysis, model validation to assess reliability, and sensitivity analysis to identify the most critical causal factors (CFs) and UCAs impacting higher-level risk nodes. This structured approach aims to provide a robust framework for understanding and mitigating risks in BEV maritime transportation.
Results
The results from the analysis of NTSC data, as presented in Table 12, indicate that the probability of fatalities and injuries resulting from the occurrence of Accident 1 (Fire/explosion of electric vehicles and batteries) on Indonesian ferries is 57.89% based on accident data from 2008 to 2024. The Bayesian Network (BN) analysis further elucidates the posterior probabilities associated with various losses, accidents, hazards, and Unsafe Control Actions (UCAs), as illustrated in Figure 5.
Among the contributing factors (CFs), the highest probability is attributed to CF EQ (6) (“Wrong firefighting devices”), which stands at 4.96%. This suggests that the firefighting equipment may be inadequate for addressing fires caused by Lithium-ion batteries. In terms of UCAs, UCA 7 (“inappropriate action during the firefighting process”) has the highest probability at 20.39%, followed by UCA 8 (“provide late firefighting process”) at 18.73%, and UCA 6 (“not providing firefighting process”) at 17.9%. Conversely, UCA 12 (“failure of propulsion and steering system which can induce movement of BEVs”) has the lowest probability at 3.26%, with UCAs related to Battery Management System (BMS) failures also being infrequent at 4.09%. The hazard level analysis identifies H4 (“The inability to extinguish the fire originating from the BEVs”) as the most probable hazard, with a likelihood of 26.35%, aligning with the findings regarding CFs and UCAs.
Discussion
The discussion section of the paper highlights the evolution and application of the System-Theoretic Accident Model and Processes (STAMP) and its associated technique, System-Theoretic Process Analysis (STPA), in enhancing safety analysis for complex systems, particularly in maritime and Battery Electric Vehicle (BEV) contexts. Traditional safety methods often fall short in identifying hazards due to the intricate interactions within modern systems. STPA addresses this by focusing on system-level interactions rather than isolated component failures, enabling a comprehensive analysis of potential loss scenarios and their causes (Grant et al., 2018; Leveson, 2016). Recent advancements include integrating STPA with other methodologies such as Bayesian Networks (BN), Human Factors Analysis and Classification System (HFACS), and various risk assessment frameworks to quantify risks and improve safety management (Li et al., 2021; Zhao et al., 2024).
In the maritime sector, STPA has been effectively utilized for hazard identification, analyzing incidents such as the Beiyou25 grounding and assessing risks associated with Maritime Autonomous Surface Ships (MASS) (Chaal et al., 2020). The integration of STPA with BN has proven beneficial in quantifying causal relationships and modeling the dynamic nature of control structures, particularly in the context of BEV transportation via ferries. This approach allows for continuous refinement of risk assessments based on operational data, thereby enhancing the identification of previously unrecognized hazards in complex operational environments (Li et al., 2024; Johansen et al., 2023). Overall, the findings underscore the importance of adopting system-theoretic approaches to improve safety outcomes in increasingly complex technological landscapes.
Limitations
The study presents several limitations that warrant consideration for future research. Firstly, while it identifies fire incidents as a risk associated with the transportation of Battery Electric Vehicles (BEVs) on ferries, it does not delve into the detailed mechanisms of battery temperature escalation leading to ignition. To enhance understanding of fire risks, a dedicated fire risk assessment specifically focused on BEV fire incidents is recommended.
Secondly, the study relies on expert judgment to derive primary probability data for causal factors contributing to equipment failures, analyzed through fuzzy set theory. Although this method addresses uncertainties, incorporating empirical data from real-world component failures would significantly improve the accuracy and reliability of the risk assessments. Utilizing operational records, maintenance reports, and historical incident databases could refine the probability distributions and strengthen the predictive capabilities of the Bayesian Network (BN) model.
Lastly, the study’s definition of causal factors is somewhat generalized, lacking specificity in areas such as human error, which could include variables like human-machine interface and psychological conditions. To improve the depth of analysis regarding Unintentional Critical Actions (UCAs), it is suggested that more detailed and context-specific causal factors be integrated. Furthermore, the human controller model employed is a simplified version that does not fully capture the complexities of human information processing. A more nuanced categorization of human factors, including mental models and decision-making processes, is essential for a comprehensive analysis of their influence on UCAs.