Online Riks Management for MilliAmpere 2

Abstract

Denne rapporten gir et grunnleggende rammeverk for Dynamisk Risiko Styring (ORM) for den autonome passasjerfergen, milliAmpere 2. Den autonome passasjerfergen vil operere som en ferge i Trondheim, mellom Ravnkloa og Vestre Kanalkai. Ideen er en on-demand ferge, trykk knappen og fergen er på vei. Fergen vil være designet for å ta maksimalt 12 passasjerer, har en overfartstid over kanalen på ett minutt og skal være ubemannet.

MilliAmpere 2 testes for tiden med en kaptein som er ansvarlig for risikostyringen ombord. Målet med ORM, sammen med en ekstern operatør, er å erstatte kapteinen ombord. ORM vil sørge for at milliAmpere 2s aktivitet forblir trygg og at fergen er minst like sikker som på et bemannet skip. Rammeverket for ORM som er gitt i denne oppgaven er bygget på rammeverket foreslått av (Utne et. al., 2020). Det foreslåtte rammeverket i (Utne et. al., 2020) er for en Dynamisk Risiko Model som er ment til å være en del av ORMen. Det grunnleggende rammeverket for ORMen i denne oppgaven bruker en beslutningsmodell for å fullføre rammeverket, så det består av en Dynamisk Risiko Model og en beslutningsmodell. Rammeverket inkluderer også et Python-script som kan kjøre modellene kontinuerlig og utføre risikovurderinger, med sikte på en raskere respons fra beslutningsmodellen slik at ORMen kan handle når det er nødvendig.

Hovedfokuset i denne oppgaven er å designe og teste beslutningsmodellen. Beslutningsmodellen er modellert som et påvirkningsdiagram som er en type Bayesian Belief Network. Et påvirkningsdiagram inkluderer beslutninger og verdier som kan brukes til å sammenligne og forutsi den beste handlingen i omgivelser med usikkerhet. Handlingene sammenlignes ved å multiplisere sannsynligheten i noden med den tilsvarende nytten, noe som gir forventet nytte. Forventet nytte for ulike handlinger blir sammenlignet, og den beste handlingen er den som gir høyest forventet nytte.

For å teste beslutningsmodellen gjennomføres en manuell simulering i en tilstandsmaskin. Python-skriptet designet for å kjøre ORM brukes deretter med simuleringsdataene for å teste presisjonen til modellens prediksjon. I tillegg ble en risikomodell for MilliAmpere 2 hentet fra (Utne et. al., 2021), og den ble omgjort til en beslutningsmodell i denne oppgaven.

Det gjennomføres også sensitivitetsanalyser av oppgavens resultater. Resultatene av sensitivitetsanalysen avhenger av tilstanden til modellen, som ikke er knyttet til en enkelt tilstand, men endres avhengig av situasjonen. Det er derfor laget tre ulike sensitivitetsanalyser for hver av modellene. Disse analysene sammenlignes, både analysene for hver enkelt modell og sammenligning mellom modellene.

This thesis provides a basic framework for Online Risk Management (ORM) for the autonomous passenger ferry, milliAmpere 2. The autonomous passenger ferry will work as a shuttle ferry in Trondheim, between Ravnkloa and Vestre Kanalkai. The idea is a on-demand ferry, push the button and the ferry will come shortly. The ferry will be designed to take maximum 12 passengers, have a crossing time of one minute and to be unmanned. MilliAmpere 2 is currently testing with a captain, an onboard operator, who is responsible for the risk management.

The objective of the ORM, together with a remote operator, is to replace the onboard operator. The ORM will ensure that milliAmpere 2’s operation remains safe and that the ferry is at least as safe as a manned ship. The ORM’s framework provided in this thesis is built upon the framework proposed by(Utne et. al., 2020). The proposed framework in (Utne et. al., 2020) was for an online risk model that is supposed to be part of the ORM. The provided framework in this thesis uses a decision-making model to complete the framework of the ORM, so it consists of a online risk model and a decision-making model. The framework also includes a python script that dynamically runs the models to continuously make risk assessments, to ensure a fast response by the decision-making model to make the ORM act when it is needed.

The main focus of this thesis is to design and test the decision-making model. The decision-making model is modeled by an influence diagram. The influence diagram is a type of Bayesian Belief Network, but the model includes decisions and utilities that can be used to compare and predict the best actions in uncertain environments. The actions are compared by multiplying the probability with the corresponding utility. The best action is the one with highest expected utility, given by the probability of the outcome multiplied by the utility associated with the outcome.

To test the designed decision-making model, a finite-state machine simulation is created, with manual input. The python script designed to run the ORM is then used with the simulation data to test the precision of the model’s prediction. The thesis also considers a risk model for MilliAmpere 2 presented in (Utne et. al., 2021), which is converted to a decision-making model in this thesis. The results of the thesis also include sensitivity analyses of the models. These results depend on the state of the models, which are not fixed to a single state but change depending on the situation. Therefore, three different sensitivity analyses are made for both models. These analyses are then compared, both the analyses for each model and across models.