Selskapene i petroleumsvirksomheten tar i økende grad bruk avanserte teknologier for å utfylle og erstatte oppgaver som tidligere ble utført av mennesker - både på innretningene til havs og på land. Vi ser stadig mer bruk av teknologier som anvender maskinlære, som gjør det mulig å raskt bearbeide store mengder sanntids- og historiske data, med større oppløsning og presisjon – for eksempel innenfor boring og brønn.
Ny teknologi og nye løsninger kan bidra til redusert risiko, men det avhenger av at selskapene gjør gode vurderinger før nyvinningene tas i bruk.
- Vi ser at nye løsninger ofte medfører store endringer for de ansatte når det gjelder brukergrensesnitt, arbeidsoppgaver, arbeidsprosesser og samhandlingsformer. Det at selskapene innfører flere enkeltteknologier samtidig og i høyt tempo, gjør situasjonen mer utfordrende, sier Linn Iren Vestly Bergh, som sammen med kollega Kristian Solheim Teigen er sentrale i Ptils oppfølging av næringens digitaliseringsarbeid.
Kognitive teknologier
Safetec har gjennomført en studie for Ptil der de beskriver begrepet «kognitive teknologier». I kognitive teknologier er det datamodellen som er «hjernen». Datamodeller behandler data og signaler fra en mengde sensorer og ulike kilder og sammenligner disse med historiske utviklingstrekk i data. Informasjonen bearbeides videre og danner grunnlag for aksjoner eller anbefalinger til en beslutningstaker.
Dette kan sammenlignes med når vi mennesker innhenter, sammenstiller og behandler informasjon fra syn, lukt, berøring og sammenstiller dette med våre erfaringer og opparbeidet kunnskap om omverden. Basert på informasjon fra omverden og opparbeidet kunnskap tar vi beslutninger og utfører aksjoner.
Datamodellene som vi får fram ved hjelp av kognitiv teknologi, kan bidra til økt sikkerhet og effektivitet. I forbindelse med boring av en brønn, kan en datamodell for eksempel hjelpe med å tolke ulike signaler og målinger fra brønnen, og avgjøre om dette er tidlige tegn på en farlig situasjon..
Samhandling
Mennesker er i stor grad nødt til å samhandle med teknologien som brukes. Det gjør det nødvendig å sikre at datamodeller og grensesnitt er forståelig for brukerne.
Med stadig mer avansert teknologi om bord forsterkes dette. Informasjonen som blir presentert for personellet som skal ta beslutningene er gjerne mer gjennomarbeidete men samtidig også mer komplekse enn tidligere.
Dette åpner for nye feilkilder – og økt risiko. For eksempel kan skjevheter i et datagrunnlag videreføres og føre til uønskede slutninger og anbefalinger om en bestemt handling – uten at beslutningstaker forstår disse skjevhetene.
Datamodellene kan etter hvert bli så avansert at beslutningstakerne ikke klarer å forstå hvorfor anbefalingene ble som de ble. Fenomenet kalles ofte svart boks-problematikk.
- Mennesket har det øverste ansvaret for operasjonen. En risiko ved bruk av flere og komplekse datamodeller er at det blir vanskelig for sluttbruker å samhandle sikkert og effektivt med teknologien, sier Linn Iren Vestly Bergh.
Involvering i utvikling
Ptil følger med på teknologiutviklingen i næringen, og er opptatt av at selskapenes innføring av nye løsninger ikke påvirker risikoen negativt.
Gjennom vårt arbeid ser vi at menneskelige forutsetninger i begrenset grad blir vurdert når kognitiv teknologi utvikles. Til og med etter at kognitiv teknologi er valgt er det ikke alltid menneskelige forutsetninger blir inkludert.
Vi ser også at arbeidet med utvikling av datamodeller ofte blir satt ut til underleverandører og at operatørene i mindre grad stiller krav til å ta med sluttbruker. Underleverandører til kognitiv teknologi har også ofte begrenset erfaring og kjennskap til offshoreoperasjoner.
Fravær av krav i kontrakter, standarder og spesifikasjoner om sluttbrukerinvolvering kan føre til manglende oppmerksomhet på menneskelige forutsetninger i design.
Videreutvikling
- Læring og utvikling er ikke noe som bør begrenses til utviklingsfasen, poengterer Kristian Solheim Teigen, og understreker at informasjon om bruken av kognitiv teknologi, særlig i de tilfellene der samspillet mellom menneske og teknologi fungerer dårlig, derfor bør samles inn på en slik måte at det kan brukes i videre utvikling.
- Hendelsesdata kan brukes til å utvikle selve teknologien, og kan også si noe om hvordan operatørene samhandler med teknologien i og under en hendelse. Dette bør igjen brukes for å utvikle teknologi slik at den bedre understøtter menneskelig atferd i feil, fare- og ulykkessituasjoner.
Læring fra hendelser og nesten-hendelser fanges ikke opp i tilstrekkelig grad- Dette fremkommer i en studie Sintef har gjort for Ptil i år. Et annet funn i samme studie var at det kan være høy belastning på operatørene som overvåker systemet, og at en derfor ikke bør belaste operatør ytterligere. . Studien peker derfor på viktigheten av å tilrettelegge for automatisert rapportering, og standardisering av behandlingen av data fra hendelser.
Nye sårbarheter
Med høy endringstakt, økende kompleksitet og stort omfang av innføring av ny teknologi må sikkerhetsrisiko vurderes både enkeltvis og samlet. Vi ser at flere teknologier innføres samtidig, og teknologiene som innføres gjerne består av flere funksjonselementer samlet i et felles grensesnitt.
Selv om enkeltteknologier og funksjonselementer hver for seg kan være relativt forståelige og ha gjenkjennelige anbefalinger, kan summen av disse - og hvordan de innvirker på hverandre og menneskelig forståelse - introdusere sårbarheter og risiko.
Vi erfarer at dette er en utfordring på flere innretninger på norsk sokkel i dag.
Medvirkning
Selv om teknologien overtar nye oppgaver, spiller de ansatte fortsatt en viktig rolle for sikkerheten i petroleumsvirksomheten. Det er derfor avgjørende at selskapene legger til rette for reell arbeidstakermedvirkning tidlig i prosessene, både i utvikling og implementering av kognitiv teknologi. Det er også viktig med tanke på hvilke kompetansekrav som kan og bør stilles til sluttbruker.
I denne sammenheng er Ptil opptatt av at når kognitiv teknologi tas i bruk, er det viktig at menneskeperspektivet er integrert i hele utviklingsløpet.