Model reagowania systemu ratowniczo-gaśniczego

• Autorzy: Prońko J. , Kielin J. , Wojtasiak B.

Identyfikatory

DOI

10.12845/bitp.41.1.2016.12

Warianty tytułu

EN

Rescue and Firefighting Response Model

• Języki publikacji: PL

Abstrakty

PL

Cel: Przedstawienie i uzasadnienie stochastycznego modelu reakcji systemu ratowniczo-gaśniczego na zaistniałe incydenty krytyczne. Wprowadzenie: Poznawanie rzeczywistości zawsze wiąże się z tworzeniem myślowych modeli – wyobrażeń badanych zjawisk, układów, systemów. Tworzymy je w celu: • zrozumienia mechanizmów rządzących danym: zjawiskiem, układem, systemem; • odkrywania zależności między zmiennymi i prognozowania ewolucji zjawisk; • ustalania wpływu poszczególnych zmiennych na efekty procesu. Przedmiotowe modele nie są wierną kopią rzeczywistości, a jedynie ich uproszczonym obrazem, dlatego też powinny charakteryzować się przystępnością i prostotą poznawczą oraz zgodnością z danymi empirycznymi na akceptowalnym dla badacza poziomie. W artykule zaproponowano stochastyczny model reakcji służb ratowniczych na zaistniałe incydenty krytyczne oparty na danych zgromadzonych w bazach PSP. Proponowany model, zdaniem autorów, mógłby być przydatny do opracowania programu komputerowego wspomagającego podejmowanie decyzji w zakresie optymalizacji rozmieszczenia JR oraz ich zasobów osobowych i rzeczowych adekwatnie do opracowanej mapy ryzyka incydentów krytycznych. Metodologia: Analiza statystyczna, modelowanie statystyczne. Wnioski: Zaproponowany model reagowania służb ratowniczych na zaistniałe incydenty krytyczne oparty na danych historycznych uwzględnia szereg czynników niemożliwych do uwzględnienia w modelach deterministycznych. Zaliczyć do nich możemy: • zindywidualizowany poziom wyszkolenia zespołów ratowniczych; • infrastrukturę drogową danego terenu; • konstrukcję systemu przekazywania informacji; • techniczne parametry sprzętu, jakim dysponują zespoły ratownicze. Z powyższych względów jest on znacznie dokładniejszy – lepiej opisuje rzeczywistą sprawność systemu ratowniczego w danym terenie. Posiada on również szereg wad: • jest pracochłonny w zastosowaniu; • wymaga rzetelnych danych historycznych (w przypadku danych, którymi dysponowali autorzy rzetelność jest raczej mała); • otrzymany wynik zależy od założonego a priori poziomu ufności; • efekt obliczeń nie jest konkretną liczbą, lecz zakresem liczb. Pomimo wskazanych wad autorzy są zdania, że warto stosować dany model zwłaszcza w połączeniu z oceną ekonomiczną inwestycji poczynionych w zakresie tworzenia systemu ratowniczo-gaśniczego. Dopiero taka kompleksowa ocena – poczynionych nakładów i otrzymanych efektów w ujęciu ekonomicznym – może być przydatna w reorganizacji systemu ratowniczego.

EN

Aim: Description and justification of the stochastic model of the firefighting and rescue system in response to critical incidents Introduction: Recognition of reality is always associated with the cognitive construction of models, representing an analysis of events, arrangements and systems. These are created so that: • mechanisms controlling a given event, arrangement and system can be understood; • links between variables and predictions of event developments can be explored; • the impact of particular variables on the effects of this process can be established. Constructed models are not exact copies of reality, but only simplified images. For that reason they ought to be characterised by straightforwardness and cognitive simplicity, and compliance with empirical data at an acceptable research level. This article contains a proposed stochastic model of emergency response to critical incidents, based on the data accumulated by the National Fire Service database. The authors believe that the proposed model may be of use in the development of a computer programme, which could be harnessed to support decisions about the distribution of fire stations, accompanying personnel and equipment, so as to adequately address mapped critical incident risks Methodology: Statistical analysis and statistical modelling. Conclusions: The proposed emergency reaction model to emerging critical incidents, based on historical data, takes into account a range of factors, which could not be incorporated in deterministic models. These include: • customised training level of rescue teams; • road network for a given area; • design of information systems; • technical parameters of equipment used by rescue teams. For the aforementioned reasons, the stochastic model is much more accurate and better describes efficiency of the rescue system in a given area. It also has a number of disadvantages: • It is labour intensive in practice; • It requires reliable historical data (Integrity of data made available for this study was somewhat weak) • Derived result depends on the assumed priori confidence level; • the result from calculations is not a specific number but a range of numbers. Despite identified drawbacks, it is considered that the use of the model is worthwhile, especially when linked to an investment appraisal of resources necessary for the creation of a firefighting rescue system. A comprehensive appraisal, taking account of outlays and derived economic outcomes, may be helpful with the reorganisation of the rescue system.

Słowa kluczowe

PL

modelowanie statystyczne; analiza statystyczna; eksploracja danych

EN

statistical modelling; statistical analysis; examination of data

• Wydawca: Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej im. Józefa Tuliszkowskiego - Państwowy Instytut Badawczy
• Czasopismo: Bezpieczeństwo i Technika Pożarnicza
• Rocznik: 2016
• Tom: Vol. 41, nr 1
• Strony: 115--126
• Opis fizyczny: Bibliogr. 9 poz., rys., tab., wykr., wz.

Twórcy

autor

Prońko J.

• Uniwersytet Jana Kochanowskiego w Kielcach

autor

Kielin J.

• Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej – Państwowy Instytut Badawczy, Józefów

autor

Wojtasiak B.

• Centrum Naukowo-Badawcze Ochrony Przeciwpożarowej – Państwowy Instytut Badawczy, Józefów

Bibliografia

• [1] Ustawa z dnia 8 września 2006 r. o Państwowym Ratownictwie Medycznym (Dz. U. 2006 Nr 191, poz. 1410 z późn. zm.).
• [2] Prońko J., Kielin J., Wojtasiak B., Klasyfikacja zdarzeń na podstawie danych historycznych, BiTP Vol. 39 Issue 3, 2015, pp. 93-109.
• [3] Prońko J., Kielin J., Wojtasiak B., Przestrzenna analiza zagrożeń na podstawie danych historycznych, BiTP Vol. 39 Issue 3, pp. 77-92.
• [4] Guerriero V., Iannace A., Mazzoli S., Parente M., Vitale S., Giorgioni M., Quantifying uncertainties in multi-scale studies of fractured reservoir analogues: Implemented statistical analysis of scan line data from carbonate rocks, „Journal of Structural Geology”, Vol. 32 Issue 9, 2009, pp. 1271-1278.
• [5] Koronacki J., Mielniczuk J., Statystyka dla studentów kierunków technicznych i przyrodniczych, WNT, Warszawa 2006.
• [6] Prońko J., Bezpieczeństwo, zagrożenie, kryzys w kontekście kierowania organizacjami, AON, Warszawa 2011.
• [7] Prońko J., Zarządzanie ryzykiem w obszarze bezpieczeństwa powszechnego, Wyższa Szkoła Administracji, Bielsko-Biała 2010.
• [8] Reducing risks, protecting people. HSE’s decision – making process, Health and Safety Executive, Norwich 2001.
• [9] Wawrzynek J., Metody opisu i wnioskowania statystycznego, Wydawnictwo Akademii Ekonomicznej im. Oskara Langego we Wrocławiu, Wrocław 2007.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.