rakhimov/scram

🔍 SCRAM: Công cụ phân tích rủi ro xác suất đa năng bằng C++

SCRAM (Command-line Risk Analysis Multi-tool) là một công cụ dòng lệnh mạnh mẽ dùng cho phân tích rủi ro xác suất, hỗ trợ cả phân tích cây lỗi tĩnh và động, cũng như các mô hình phân tích rủi ro phức tạp.

SCRAM là một công cụ đa năng dòng lệnh (Command-line Risk Analysis Multi-tool) được phát triển bằng ngôn ngữ C++. Dự án nhằm cung cấp một nền tảng mạnh mẽ để thực hiện các phân tích rủi ro xác suất, bao gồm phân tích cây lỗi (fault tree analysis), phân tích cây sự kiện (event tree analysis), và hỗ trợ các mô hình thất bại chung nguyên nhân (common cause failure models). Công cụ này còn hỗ trợ tính toán xác suất kèm theo phân tích mức độ quan trọng (importance analysis), cũng như phân tích không chắc chắn thông qua mô phỏng Monte Carlo.

✨ Điểm nổi bật

• Phân tích cây sự kiện (Event Tree Analysis): Xây dựng và phân tích các cây sự kiện để đánh giá hậu quả của những sự cố.
• Phân tích cây lỗi tĩnh (Static Fault Tree Analysis): Hỗ trợ phân tích cây lỗi tĩnh, bao gồm cả cây lỗi phi thường (non-coherent fault trees) với logic NOT.
• Mô hình thất bại chung nguyên nhân (Common Cause Failure Models): Phân tích các sự cố do các nguyên nhân chung gây ra.
• Tính toán xác suất và phân tích mức độ quan trọng (Importance Analysis): Tính toán xác suất xảy ra sự cố và xác định các thành phần quan trọng nhất.
• Phân tích không chắc chắn bằng mô phỏng Monte Carlo (Monte Carlo Simulations): Đánh giá độ không chắc chắn trong các mô hình rủi ro.
• Hỗ trợ định dạng Open-PSA MEF: Sử dụng Định dạng Trao đổi Mô hình (Model Exchange Format) từ Open-PSA cho đầu vào và báo cáo.
• Công cụ sinh cây lỗi (Fault Tree Generator): Cung cấp script sinh cây lỗi để tạo ra các cây lỗi khó phân tích trong thời gian ngắn.
• Giao diện đồ họa (GUI): Đang phát triển giao diện đồ họa để trực quan hóa và thao tác với các mô hình và báo cáo rủi ro.

💡 Vì sao đáng chú ý

SCRAM nổi bật với khả năng xử lý cả cây lỗi phi thường (non-coherent fault trees), tức là những cây lỗi chứa logic NOT, một tính năng không phải công cụ nào cũng hỗ trợ. Điều này giúp SCRAM áp dụng được vào các hệ thống phức tạp nơi các logic âm lập đóng vai trò quan trọng. Ngoài ra, việc tích hợp mô phỏng Monte Carlo cho phân tích không chắc chắn giúp người dùng đánh giá rủi ro một cách toàn diện hơn so với các công cụ chỉ tập trung vào tính toán xác suất cố định.

Dự án được xây dựng với sự hỗ trợ từ nhiều công nghệ như CMake, Boost, libxml2, Python, và Qt, đảm bảo tính ổn định và khả năng mở rộng. SCRAM phù hợp cho các nhà kỹ sư đánh giá rủi ro, nhà nghiên cứu, và các nhà phát triển hệ thống cần phân tích rủi ro một cách chi tiết và chính xác.

#RiskAnalysis #FaultTreeAnalysis #EventTreeAnalysis #MonteCarlo #OpenPSA #CPlusPlus #TiniX