Математична модель вибору оптимального сценарію виконання суднових операцій на основі ризик-орієнтованої мережі критеріїв
##plugins.themes.bootstrap3.article.sidebar##
Опубліковано:
вер 2, 2025
Ключові слова:
суднові операції, багатокритеріальний аналіз, ризик- орієнтоване управління, мережеві моделі, інтегральний ризик, морський транспорт, стратегія вибору, система підтримки прийняття рішень, судноплавство, навігаційні сценарії, управління ризиками, морське середовище, критерії ризику, морські перевезення, оптимізація маршрутів, операційна безпека суден, навігаційні ризики, погодні умови, логістичні операції.
##plugins.themes.bootstrap3.article.main##
Анотація
У статті розроблено формалізовану модель вибору оптимального сценарію виконання суднових операцій із врахуванням ризик-орієнтованої структури критеріїв. Методика передбачає побудову мережевої залежності між критеріями ефективності та факторами ризику, що мають вплив на безпеку судноплавства. Розглянуто можливість агрегування інтегрального ризику за допомогою матриці ваг та функції скоригованої корисності з параметром ризик- аверсії. Модель апробовано на прикладі навігаційного переходу з альтернативами маршруту, з урахуванням змін погодних умов та рівня операційної надійності. Проведено сценарний аналіз із застосуванням методів чутливості, що дозволило виявити вплив ключових чинників на прийняття рішення. Запропонований підхід може бути інтегровано в систему підтримки прийняття рішень (DSS) підприємств галузі з метою підвищення рівня обґрунтованості та адаптивності управлінських рішень в умовах невизначеності та ризику. Зокрема, такий метод дозволяє оцінювати потенційні сценарії подальших дій на основі накопиченого досвіду, та автоматично формувати стратегічні пріоритети з урахуванням змін у зовнішньому середовищі. Окрім того, оперативно адаптувати операційні процеси, що особливо актуально для судноплавних компаній, які працюють в умовах обмежених ресурсів, регуляторного тиску, та зростаючих вимог до безпеки та сталості підприємств
##plugins.themes.bootstrap3.article.details##
Як цитувати
СагайдакO., Мельник, О., Волошин, А., & Терновський, В. (2025). Математична модель вибору оптимального сценарію виконання суднових операцій на основі ризик-орієнтованої мережі критеріїв. Вісник Одеського національного морського університету, (77), 206-222. https://doi.org/10.47049/2226-1893-2025-3-206-222
Розділ
Технологія і організація перевезень
Посилання
1. Fu, S., Gu, S., Zhang, Y., Zhang, M., & Weng, J. (2023). Towards system- theoretic risk management for maritime transportation systems: A case study of the Yangtze river estuary. Ocean Engineering. Volume 286, Part 2, 115637, https://doi.org/10.1016/j.oceaneng.2023.115637
2. Melnyk, O. (2023). Analysis and assessment of ship safety using a multilayer model. Bulletin of Odessa National Maritime University, (70), 34-46. https://doi.org/10.47049/2226-1893-2023-3-34-46
3. Wang, N., Yuen, K. F., Yuan, J., & Li, D. (2024). Ship collision risk assessment: A multi-criteria decision-making framework based on Dempster- Shafer evidence theory. Applied Soft Computing, 162, 111823. https://doi.org/10.1016/j.asoc.2024.111823
4. Pan, W., Wang, Y., Xie, X., Li, M., & Fan, J. (2024). Ship Collision Risk Assessment Algorithm Based on the Especial Cautious Navigation Angle Model. Journal of Marine Science and Engineering, 13(1), 173. https://doi.org/10.3390/jmse13010173
5. Huang, J., & Ung, S. (2023). Risk Assessment and Traffic Behaviour Evaluation of Ships. Journal of Marine Science and Engineering, 11 (12), 2297. https://doi.org/10.3390/jmse11122297
6. Chen, C., Zhang, X., Wang, G., Feng, F., Sun, C., & He, Q. (2023). A hybrid multi-criteria decision-making framework for ship-equipment suitability evaluation using improved ISM, AHP, and fuzzy TOPSIS methods. Journal of Marine Science and Engineering, 11(3), 607. https://doi.org/10.3390/jmse11030607
7. Li, X., Oh, P., Zhou, Y., & Yuen, K. F. (2023). Operational risk identification of maritime surface autonomous ship: A network analysis approach. Transport Policy, 130, 1-14. https://doi.org/10.1016/j.tranpol.2022.10.012
8. Sur, J.-M., & Kim, Y.-J. (2024). Multi-criteria model for identifying and ranking risky types of maritime accidents using integrated ordinal priority approach and grey relational analysis approach. Sustainability, 16(14), 6023. https://doi.org/10.3390/su16146023
9. Xu, M., Ma, X., Zhao, Y., & Qiao, W. (2023). A systematic literature review of maritime transportation safety management. Journal of Marine Science and Engineering, 11(12), 2311. https://doi.org/10.3390/jmse11122311
10. Li, X., Zhang, X., & Yuan, Y. (2024). Dynamic multi-attribute deci- sion-making method for risk-based ship design. Applied Sciences, 14 (13), 5387. https://doi.org/10.3390/app14135387
11. Ahmed, S., Li, T., Huang, S., & Cao, J. (2023). Dynamic and quantitative risk assessment of cruise ship pod propulsion system failure: An integrated Type-2 fuzzy-Bayesian approach. Ocean Engineering, 279, 114601. https://doi.org/10.1016/j.oceaneng.2023.114601
12. Basnet, S., BahooToroody, A., Montewka, J., Chaal, M., & Valdez Banda, O.A. (2023). Selecting cost-effective risk control option for advanced maritime operations: Integration of STPA-BN-influence diagram. Ocean Engineering, 280, 114631. https://doi.org/10.1016/j.oceaneng.2023.114631
13. Xiao, F., Ma, Y., & Wu, B. (2021). Review of Probabilistic Risk Assessment Models for Ship Collisions with Structures. Applied Sciences, 12(7), 3441. https://doi.org/10.3390/app12073441
14. Zhang, W., & Zhang, Y. (2023). Navigation risk assessment of autonomous ships based on entropy-TOPSIS-coupling coordination model. Journal of Marine Science and Engineering, 11(2), 422. https://doi.org/10.3390/jmse11020422
15. Kim, Y., Kim, J., Lee, W., Park, H., & Cho, D. J. (2025). FURIOUS: Fully unified risk-assessment with interactive operational user system for vessels. PLOS ONE, 20(5), e0323300. https://doi.org/10.1371/journal.pone.0323300
16. Latinopoulos, C., Zavvos, E., Kaklis, D., Leemen, V., & Halatsis, A. (2025). Marine voyage optimization and weather routing with deep reinforcement learning. Journal of Marine Science and Engineering, 13(5), 902. https://doi.org/10.3390/jmse13050902
17. Zhou, Y., Liu, Z., Wang, X., Xie, H., Tao, J., Wang, J., & Yang, Z. (2024). Human errors analysis for remotely controlled ships during collision avoidance. Frontiers in Marine Science, 11, 1473367. https://doi.org/10.3389/fmars.2024.1473367
18. Shi, J., Liu, Z., Feng, Y., Wang, X., Zhu, H., Yang, Z., Wang, J., & Wang, H. (2024). Evolutionary model and risk analysis of ship collision accidents based on complex networks and DEMATEL. Ocean Engineering, 305, 117965. https://doi.org/10.1016/j.oceaneng.2024.117965
19. Liu, T., Xu, X., Lei, Z., Zhang, X., Sha, M., & Wang, F. (2023). A multi-task deep learning model integrating ship trajectory and collision risk prediction. Ocean Engineering, 287, 115870. https://doi.org/10.1016/j.oceaneng.2023.115870
20. Melnyk, O., Onyshchenko, S., Onishchenko, O., Shumylo, O., Voloshyn, A., Koskina, Y., & Volianska, Y. (2022). Review of ship information security risks and safety of maritime transportation issues. TransNav: International Journal on Marine Navigation and Safety of Sea Transportation, 16(4), 717- 722. https://doi.org/10.12716/1001.16.04.13
21. Melnyk, O., Onishchenko, O., Onyshchenko, S., Golikov, V., Sapiha, V., Shcherbina, O., & Andrievska, V. (2022). Study of environmental efficiency of ship operation in terms of freight transportation effectiveness provision. TransNav, 16(4), 723-729. https://doi.org/10.12716/1001.16.04.14
22. Melnyk, O., Onyshchenko, S., Onishchenko, O., Lohinov, O., & Oche- retna, V. (2023). Integral approach to vulnerability assessment of ship’s critical equipment and systems. Transactions on Maritime Science, 12(1), 25-37. https://doi.org/10.7225/toms.v12.n01.002
23. Onyshchenko, S., Bychkovsky, Y., Melnyk, O., Onishchenko, O., Jurko- vič, M., Rubskyi, V., & Liashenko, K. (2024). A model for assessing shipping safety within project-orientated risk management based on human element. Scientific Journal of the Silesian University of Technology. Series Transport, 123, 319-334. https://doi.org/10.20858/sjsutst.2024.123.16
2. Melnyk, O. (2023). Analysis and assessment of ship safety using a multilayer model. Bulletin of Odessa National Maritime University, (70), 34-46. https://doi.org/10.47049/2226-1893-2023-3-34-46
3. Wang, N., Yuen, K. F., Yuan, J., & Li, D. (2024). Ship collision risk assessment: A multi-criteria decision-making framework based on Dempster- Shafer evidence theory. Applied Soft Computing, 162, 111823. https://doi.org/10.1016/j.asoc.2024.111823
4. Pan, W., Wang, Y., Xie, X., Li, M., & Fan, J. (2024). Ship Collision Risk Assessment Algorithm Based on the Especial Cautious Navigation Angle Model. Journal of Marine Science and Engineering, 13(1), 173. https://doi.org/10.3390/jmse13010173
5. Huang, J., & Ung, S. (2023). Risk Assessment and Traffic Behaviour Evaluation of Ships. Journal of Marine Science and Engineering, 11 (12), 2297. https://doi.org/10.3390/jmse11122297
6. Chen, C., Zhang, X., Wang, G., Feng, F., Sun, C., & He, Q. (2023). A hybrid multi-criteria decision-making framework for ship-equipment suitability evaluation using improved ISM, AHP, and fuzzy TOPSIS methods. Journal of Marine Science and Engineering, 11(3), 607. https://doi.org/10.3390/jmse11030607
7. Li, X., Oh, P., Zhou, Y., & Yuen, K. F. (2023). Operational risk identification of maritime surface autonomous ship: A network analysis approach. Transport Policy, 130, 1-14. https://doi.org/10.1016/j.tranpol.2022.10.012
8. Sur, J.-M., & Kim, Y.-J. (2024). Multi-criteria model for identifying and ranking risky types of maritime accidents using integrated ordinal priority approach and grey relational analysis approach. Sustainability, 16(14), 6023. https://doi.org/10.3390/su16146023
9. Xu, M., Ma, X., Zhao, Y., & Qiao, W. (2023). A systematic literature review of maritime transportation safety management. Journal of Marine Science and Engineering, 11(12), 2311. https://doi.org/10.3390/jmse11122311
10. Li, X., Zhang, X., & Yuan, Y. (2024). Dynamic multi-attribute deci- sion-making method for risk-based ship design. Applied Sciences, 14 (13), 5387. https://doi.org/10.3390/app14135387
11. Ahmed, S., Li, T., Huang, S., & Cao, J. (2023). Dynamic and quantitative risk assessment of cruise ship pod propulsion system failure: An integrated Type-2 fuzzy-Bayesian approach. Ocean Engineering, 279, 114601. https://doi.org/10.1016/j.oceaneng.2023.114601
12. Basnet, S., BahooToroody, A., Montewka, J., Chaal, M., & Valdez Banda, O.A. (2023). Selecting cost-effective risk control option for advanced maritime operations: Integration of STPA-BN-influence diagram. Ocean Engineering, 280, 114631. https://doi.org/10.1016/j.oceaneng.2023.114631
13. Xiao, F., Ma, Y., & Wu, B. (2021). Review of Probabilistic Risk Assessment Models for Ship Collisions with Structures. Applied Sciences, 12(7), 3441. https://doi.org/10.3390/app12073441
14. Zhang, W., & Zhang, Y. (2023). Navigation risk assessment of autonomous ships based on entropy-TOPSIS-coupling coordination model. Journal of Marine Science and Engineering, 11(2), 422. https://doi.org/10.3390/jmse11020422
15. Kim, Y., Kim, J., Lee, W., Park, H., & Cho, D. J. (2025). FURIOUS: Fully unified risk-assessment with interactive operational user system for vessels. PLOS ONE, 20(5), e0323300. https://doi.org/10.1371/journal.pone.0323300
16. Latinopoulos, C., Zavvos, E., Kaklis, D., Leemen, V., & Halatsis, A. (2025). Marine voyage optimization and weather routing with deep reinforcement learning. Journal of Marine Science and Engineering, 13(5), 902. https://doi.org/10.3390/jmse13050902
17. Zhou, Y., Liu, Z., Wang, X., Xie, H., Tao, J., Wang, J., & Yang, Z. (2024). Human errors analysis for remotely controlled ships during collision avoidance. Frontiers in Marine Science, 11, 1473367. https://doi.org/10.3389/fmars.2024.1473367
18. Shi, J., Liu, Z., Feng, Y., Wang, X., Zhu, H., Yang, Z., Wang, J., & Wang, H. (2024). Evolutionary model and risk analysis of ship collision accidents based on complex networks and DEMATEL. Ocean Engineering, 305, 117965. https://doi.org/10.1016/j.oceaneng.2024.117965
19. Liu, T., Xu, X., Lei, Z., Zhang, X., Sha, M., & Wang, F. (2023). A multi-task deep learning model integrating ship trajectory and collision risk prediction. Ocean Engineering, 287, 115870. https://doi.org/10.1016/j.oceaneng.2023.115870
20. Melnyk, O., Onyshchenko, S., Onishchenko, O., Shumylo, O., Voloshyn, A., Koskina, Y., & Volianska, Y. (2022). Review of ship information security risks and safety of maritime transportation issues. TransNav: International Journal on Marine Navigation and Safety of Sea Transportation, 16(4), 717- 722. https://doi.org/10.12716/1001.16.04.13
21. Melnyk, O., Onishchenko, O., Onyshchenko, S., Golikov, V., Sapiha, V., Shcherbina, O., & Andrievska, V. (2022). Study of environmental efficiency of ship operation in terms of freight transportation effectiveness provision. TransNav, 16(4), 723-729. https://doi.org/10.12716/1001.16.04.14
22. Melnyk, O., Onyshchenko, S., Onishchenko, O., Lohinov, O., & Oche- retna, V. (2023). Integral approach to vulnerability assessment of ship’s critical equipment and systems. Transactions on Maritime Science, 12(1), 25-37. https://doi.org/10.7225/toms.v12.n01.002
23. Onyshchenko, S., Bychkovsky, Y., Melnyk, O., Onishchenko, O., Jurko- vič, M., Rubskyi, V., & Liashenko, K. (2024). A model for assessing shipping safety within project-orientated risk management based on human element. Scientific Journal of the Silesian University of Technology. Series Transport, 123, 319-334. https://doi.org/10.20858/sjsutst.2024.123.16