Los programas y metodologías de evaluación cuantitativa de riesgos (QRA) ofrecen estimaciones cuantitativas de los riesgos, a partir de los parámetros que los definen. Se utilizan en el sector financiero, la industria de procesos químicos y otras áreas.
En términos financieros, las evaluaciones de riesgo cuantitativas incluyen un cálculo de la expectativa de pérdida única del valor monetario de un activo.
En las industrias petroquímicas y de procesos químicos, el análisis de riesgos de accidentes se ocupa principalmente de determinar la pérdida potencial de vidas (PLL) causada por eventos no deseados. Se puede utilizar un software especializado para modelar los efectos de un evento de este tipo y ayudar a calcular la pérdida potencial de vidas. Algunas organizaciones utilizan los resultados de riesgo para evaluar el costo implícito para evitar una fatalidad (ICAF), que se puede utilizar para establecer criterios cuantificados sobre qué es un riesgo inaceptable y qué es tolerable.
En la industria de los explosivos, el análisis de riesgos de explosión se puede utilizar para muchas aplicaciones de riesgo de explosión. Es especialmente útil para el análisis de riesgos de sitios cuando no es posible confiar en las tablas de distancia de cantidad (QD).
Algunos de los modelos de software de análisis de riesgos de la calidad descritos anteriormente deben utilizarse de forma aislada: por ejemplo, los resultados de un modelo de consecuencias no pueden utilizarse directamente en un modelo de riesgo. Otros programas de software de análisis de riesgos de la calidad vinculan automáticamente distintos módulos de cálculo para facilitar el proceso. Algunos de estos programas son propietarios y solo pueden utilizarse en determinadas organizaciones.
Debido a la gran cantidad de procesamiento de datos que requieren los cálculos de QRA, el enfoque habitual ha sido utilizar elipses bidimensionales para representar zonas de riesgo, como el área alrededor de una explosión que plantea una probabilidad de fatalidad del 10%. De manera similar, se utiliza un enfoque pragmático en la simplificación de los resultados de dispersión. Por lo general, se utiliza un terreno plano y sin obstáculos para determinar el comportamiento de una nube en dispersión o un charco de vaporización. Esto presenta problemas cuando los efectos del terreno no plano o la geometría compleja de las plantas de procesamiento sin duda afectarían el comportamiento de una nube en dispersión. Aunque tienen limitaciones, la zona de riesgo 2D y el enfoque simplificado para el modelado de dispersión 3D permiten el manejo de grandes volúmenes de resultados de riesgo con supuestos conocidos para ayudar en la toma de decisiones. La compensación cambia a medida que aumenta la capacidad de procesamiento de la computadora.
La modelización de las consecuencias de los eventos peligrosos en una verdadera forma tridimensional puede requerir un enfoque diferente, por ejemplo, utilizando un método de dinámica de fluidos computacional para estudiar la dispersión de nubes sobre terreno montañoso. La creación de modelos de dinámica de fluidos computacional requiere una inversión de tiempo significativamente mayor por parte del analista de modelado (debido a la mayor complejidad del modelado), lo que puede no estar justificado en todos los casos.
Una de las principales limitaciones de la evaluación de riesgos en el campo de la seguridad es que se centra principalmente en la pérdida de contención de fluidos peligrosos y en lo que sucede cuando se liberan. Esto hace que la evaluación de riesgos sea poco práctica en industrias peligrosas que no se centran en la contención de fluidos pero que aún están sujetas a eventos catastróficos (por ejemplo, aviación, productos farmacéuticos, minería, tratamiento de agua, etc.). Esto ha llevado al desarrollo de un proceso de riesgo que se basa en la experiencia de las organizaciones y sus empleados para producir evaluaciones de riesgo que produzcan resultados de pérdida potencial de vidas (PLL) sin modelado de árboles de fallas y eventos. Este proceso probablemente se conoce más comúnmente con el nombre de SQRA, que fue la primera metodología que ingresó al mercado a fines de la década de 1990, pero tal vez se describa con mayor precisión con el término Cuantificación basada en la experiencia (EBQ). Hoy en día, existe una variedad de software con el que se puede llevar a cabo esta metodología y se ha utilizado ampliamente en la industria minera a nivel mundial.
En un esfuerzo por ser más justos y evitar aumentar las tasas de encarcelamiento ya altas en los EE. UU., los tribunales de todo el país han comenzado a utilizar un software de evaluación de riesgos cuantitativo al intentar tomar decisiones sobre la liberación bajo fianza y la sentencia de personas, que se basan en su historial y otros atributos. [1] Analizó las puntuaciones de riesgo de reincidencia calculadas por una de las herramientas más utilizadas, el sistema Northpointe COMPAS, y examinó los resultados a lo largo de dos años, y descubrió que solo el 61% de los considerados de alto riesgo realmente cometieron delitos adicionales durante ese período y que los acusados afroamericanos tenían muchas más probabilidades de recibir puntuaciones altas que los acusados blancos. [1] Estos resultados son parte de preguntas más amplias que se están planteando en el campo de la ética de las máquinas con respecto a los riesgos de perpetuar patrones de discriminación a través del uso de big data y aprendizaje automático en muchos campos. [2] [3]