Fish Escape and Models to Assess Influential Factors

Abstract

Denne avhandlingen undersøker problemer relatert til fiskerømming og sikkerhetsstyring i havbruk. Grunnlaget denne avhandlingen bygger på er en litteraturstudie av akvakultur og to databaser som inneholder historisk informasjon om hvordan fiskerømming har tidligere skjedd. Rapporter om rømming og mistanke om rømming Fiskeridirektoratet mottok i løpet av 2016 er grunnlaget for den første databasen. Den andre databasen ble opprettet av Fiskeridirektoratet og inneholder informasjon om fiskerømminger i tidsrommet fra 2010 til 2016.

Databasene gir innsikt i ulike årsaker til fiskeflukt, og hvordan disse har oppstått. Den gir innsikt i hvilken sammenheng rømmingen skjedde i, med tilhørende utstyr og komponenter. De kategoriserte funnene fra databasen ble brukt i statistiske analyser for å anslå omfanget av fiskerømming som følge av de forskjellige hendelsene.

For å få frem tilstrekkelig informasjon om forskjellige måter fisk kan rømme på, går avhandlingen gjennom strukturen til et oppdrettsanlegg, en rekke marine operasjoner og sikkerhetsstyringssystemer. Funnene tilsier at fiskerømming skjer gjerne som en konsekvens av dårlig praksis og kontroll av det fysiske oppdrettssystemet.

Informasjonen fra databasen og litteraturstudiene har blitt brukt til å lage en Bayesiansk nettverk ved bruk av programmet GeNie. Nettverket tar for seg forskjellige faktorer som bidrar til fiskerømming i en operativ sammenheng. Ytterligere nettverk ble lagd for å undersøke den organisatoriske innflytelsen selve selskapet kan ha på fiskerømming. Nettverkene kan anvendes på forskjellige måter. Det kan brukes rent illustrativt for å forstå hvordan fisken rømmer, eller det kan konverteres til et kvantitativt nettverk for å gjennomgå de faktiske forhold. Motivasjonen for å utvikle modellene er for å lage en plattform hvor arbeidspraksis og organisatoriske endringer og kan undersøkes.

Det kan konkluderes med at modellen kan brukes som et nyttig verktøy i risikostyring, gjerne kombinert med informasjon innhentet fra Operation Safety Condition metoden. Fordelen med modellen er at den kan enkelt få frem forholdet mellom menneske, teknologi og organisasjon i sikkerhetsstyring og rømmingshendelser.

This thesis examines the issues in aquaculture with a particular focus on fish escape and safety management. The context this thesis is built upon is a comprehensive literature study upon matters of relevance in aquaculture and two databases containing historical information about how previous fish escapes have occurred. The first database was created from numerous reports issued to the Directorate of Fisheries by fish farming companies, containing information of events with escapes and suspected escapes in 2016. The latter database was created by the Directorate of Fisheries and contains information on fish escape events from 2010 to 2016.

The databases provide insight into different configurations and causes of fish escape with associated operations, equipment, and components. The categorised findings from the database have been subject to statistical analyses to estimate the extent of fish escape connected to different configurations of fish escape.

To present sufficient information about different configurations of fish escape, the paper assesses the structure of an aquaculture farm, a variety of marine operations and the safety management systems. The findings perceive fish escape as a result of poor management of the fish farming system.

The information from the database and literature studies have been used to create a holistic designed Bayesian Belief Network by use of GeNie, addressing influential factors in an operative context. Additional networks were created to review the organisational influence on safe operations. The networks have a dual function. It can be utilised purely graphical to understand how fish escape occurs, or it can be converted to a quantitative network to determine influence from various factors. The incentive for developing such models is to create a medium where organisational changes and work practices can be measured.

The thesis concludes that the model can be used as a supportive tool in risk management, preferably combined with the Operational Safety Condition method. The strength of the model lies within addressing corresponding relationships between man, technology and organisation which allows for easy identification of risk influential factors