Estándar Internacional: Gestión de Riesgos - Técnicas de Evaluación de Riesgos
Cargado por
Diego Contreras HernándezEstándar Internacional: Gestión de Riesgos - Técnicas de Evaluación de Riesgos
Cargado por
Diego Contreras HernándezMachine Translated by Google
CEI 31010
Edición 2.0 201906
INTERNACIONAL
ESTÁNDAR
NORMA
INTERNACIONAL color
por dentro
Gestión de riesgos – Técnicas de evaluación de riesgos
Management du risque Técnicas de apreciación del riesgo
INTERNACIONAL
ELECTROTÉCNICA
COMISIÓN
COMISIÓN
ELECTROTÉCNICA
INTERNACIONAL
SCI 03.100.01 ISBN 9782832269893
¡Advertencia! Asegúrese de haber obtenido esta publicación de un distribuidor autorizado.
¡Atención! Veuillez voussurer que vous avez obtenu cettepublication via undistribuidor agréé.
Machine Translated by Google
ES EN IEC 31010:2019
– 2 – CEI 31010:2019 CEI 2019
CONTENIDO
PREFACIO................................................. .................................................... ........................ 6
INTRODUCCIÓN................................................. .................................................... .................... 8
1 Alcance ................................................ .................................................... ............................. 9
2 Referencias normativas ............................................... .................................................... ..... 9
3 Términos y definiciones .............................................. .................................................... ...... 9
4 Conceptos básicos .................................................. .................................................... ..............10
4.1 Incertidumbre .................................................. .................................................... ........10
4.2 Riesgo .................................. .................................................... .............................11
5 Usos de las técnicas de evaluación de riesgos .................................. ..................................11 6 Implementación de la evaluación
de riesgos ........... .................................................... ..........................12
6.1 Planificar la evaluación.................................................... .............................................12
6.1.1 Definir el propósito y el alcance de la evaluación ........................................... .....12
6.1.2 Comprender el contexto .................................................. ....................................13
6.1.3 Involucrarse con las partes interesadas ............................................... ..............................13 Definir
6.1.4 objetivos ................ .................................................... .........................13 Considere los factores humanos,
6.1.5 organizacionales y sociales .................. .......................13
6.1.6 Criterios de revisión para las decisiones .............................................. ............................14
6.2 Manejar información y desarrollar modelos ............................................... ....................16
6.2.1 Generalidades ............................. .................................................... .........................dieciséis
6.2.2 Recabando información ................................................ ..................................16 Análisis de
6.2.3 datos ........... .................................................... ..................................16 Desarrollo y aplicación de
6.2.4 modelos ........... .................................................... ......17 6.3 Aplicar técnicas de evaluación de
riesgos ............................... ....................................18 Descripción
6.3.1 general ............. .................................................... ..........................................18
6.3.2 Identificar el riesgo ................................................. ...................................................19 Determinación de
6.3.3 fuentes , causas y factores de riesgo ............................................... 19 Investigar la eficacia de los controles
6.3.4 existentes..........................................20 Comprender Consecuencias y probabilidad ............................................... ..20
6.3.5 Análisis de interacciones y dependencias ........................................... ...........22 Comprensión de las medidas
6.3.6 de riesgo.................................. ...................................22 6.4 Revisar el
6.3.7 análisis .......... .................................................... ..................................25 Verificación y validación de
resultados ........... .................................................... .........25 Análisis de incertidumbre y
6.4.1 sensibilidad .................................. ..........................25 Supervisión y
6.4.2 revisión.................... .................................................... ...............26 6.5 Aplicar los resultados para apoyar las
6.4.3 decisiones ........................... .............................................26 Descripción
general ... .................................................... .................................................... 26
6.5.1
6.5.2 Decisiones sobre la importancia del riesgo ............................................... .............27 Decisiones que implican
6.5.3 seleccionar entre opciones.................................. .............27 Registrar e informar sobre el proceso y los
6.6 resultados de la evaluación de riesgos .................. .......28 7 Selección de técnicas de evaluación de
riesgos .................................. ..........................................28
7.1 General................................................. .................................................... ..............28
7.2 Técnicas de selección ................................................. .............................................29 Anexo A (informativo )
Categorización de técnicas ............................................... ...............31 Introducción a la categorización de
A.1 técnicas ............................... .............................31 A.2 Aplicación de la categorización de
técnicas ............ ...............................................31A. 3 Uso de técnicas durante el proceso ISO
31000 ............................................... ........ 37
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 3 –
Anexo B (informativo) Descripción de técnicas ........................................... ........................40 B.1 Técnicas para obtener
puntos de vista de partes interesadas y expertos .................. ....................40
B.1.1 Generalidades ............................. .................................................... .........................40
B.1.2 Lluvia de ideas ................................................. ...................................................40 Técnica
B.1.3 Delphi .................................................... ..........................................42 Técnica del grupo
B.1.4 nominal .... .................................................... .........................43 Entrevistas estructuradas o
B.1.5 semiestructuradas .................. ..........................................44
B.1.6 Encuestas ................................................. .................................................... ......45 B.2 Técnicas de
identificación del riesgo.................................... ..........................................46
B.2.1 Generalidades ..... .................................................... .................................................... 46
B.2.2 Listas de verificación, clasificaciones y taxonomías ........................................... ........47 Análisis de
B.2.3 modos y efectos de falla (FMEA) y análisis de modos, efectos y criticidad de falla
(FMECA) .................. ..........................................49 Peligro y operatividad (HAZOP)
B.2.4 estudios ............................................... ..........50 Análisis de
B.2.5 escenarios ....................................... .................................................... ...52 Técnica estructurada de
B.2.6 qué pasaría si (SWIFT) ....................................... .....................54 B.3 Técnicas para determinar las
fuentes, causas y factores impulsores del riesgo ............... .............55
B.3.1 Generalidades ................................... .................................................... ....................55
B.3.2 Enfoque cindínico .................................................. .............................................56 Método de análisis
B.3.3 de Ishikawa (espina de pescado) .. .................................................... .........58 B.4 Técnicas de análisis
de controles .................................. ........................................60
B.4.1 Generalidades ........ .................................................... ...................................................60
B.4.2 Análisis de corbata de lazo ........................................... .............................................60 B.4.3 Análisis de
peligros y puntos críticos de control (APPCC) .................................. 62 Análisis de capas de protección
B.4.4 (LOPA) ........................................... ...........64 B.5 Técnicas para comprender las consecuencias y la
probabilidad .................. ............ 66 Generalidades ................................... .................................................... ...................66
B.5.1
B.5.2 Análisis bayesiano .................................................. ..........................................66 Redes bayesianas y
B.5.3 diagramas de influencia.. .................................................... 68 Análisis de impacto en el negocio
B.5.4 (BIA).................................. ..........................70 Análisis de causaconsecuencia
B.5.5 (CCA) ............... .............................................72 Árbol de eventos análisis
B.5.6 (ETA) .............................................. ..........................74 Análisis de árbol de fallas
B.5.7 (FTA) ........... .................................................... ...........76 B.5.8 Análisis de confiabilidad humana
(HRA) .................. .............................................78 B.5.9 Análisis de
Markov .................................................. .............................................79 B.5.10 Monte Simulación de
Carlos ................................................. ....................................81
B.5.11 Análisis de impacto en la privacidad (PIA) / análisis de impacto en la protección de datos
(DPIA) ...........83 B.6 Técnicas para analizar dependencias e interacciones ........... ..........................85 Mapeo
B.6.1 causal ............................... .................................................... ....................85 Análisis de impacto
B.6.2 cruzado .......................... .................................................... ......87 B.7 Técnicas que proporcionan una
medida del riesgo .................................. ..........................89 Evaluación del riesgo
B.7.1 toxicológico .................. .................................................... ...89 Valor en Riesgo
B.7.2 (VaR) ........................................... ..........................................91 Condicional valor en riesgo (CVaR) o
B.7.3 déficit esperado (ES) ...........................93 B.8 Técnicas para evaluar la importancia del
riesgo ..................................................94 General ................................................. .................................................... ......94
B.8.1
B.8.2 Tan bajo como sea razonablemente practicable (ALARP) y hasta donde sea razonablemente
practicable (SFAIRP) .................................. .................................................... ... 94
Machine Translated by Google
ES EN IEC 31010:2019
– 4 – CEI 31010:2019 CEI 2019
B.8.3 Diagramas de número de frecuencia (FN) ........................................... .....................96 Gráficos de
B.8.4 Pareto .......................... .................................................... ..................... 98
B.8.5 Mantenimiento centrado en la confiabilidad (RCM) ............................................... ............ 100 Índices
B.8.6 de riesgo .................................. .................................................... ............ 102
B.9 Técnicas para seleccionar entre opciones ........................................... .......... 103
B.9.1 Generalidades ............................... .................................................... ...................... 103
B.9.2 Análisis de costo/beneficio (CBA) ............................................... .............................. 104 Análisis del
B.9.3 árbol de decisión .................. .................................................... .......... 106 B.9.4 Teoría de
juegos ............................... .................................................... ........... 107 B.9.5 Análisis multicriterio
(MCA) ........................... .................................................... 109 B.10 Técnicas para registrar y
reportar.................................................. ....................... 111 B.10.1
Generalidades ...................... .................................................... ............................... 111
B.10.2 Registros de riesgos ............................................. .................................................. 112 B.10.3 Matriz de
consecuencias/verosimilitudes (matriz de riesgos o mapa de calor) ................ 113 B.10.4 Curvas
S .................................................... .................................................... .. 117
Bibliografía................................................. .................................................... ..................... 119
Figura A.1 – Aplicación de técnicas en el proceso de gestión de riesgos de ISO 31000 [3] .........37 Figura B.1 – Ejemplo
de diagrama de Ishikawa (espina de pescado) ........... .................................................... ..59 Figura B.2 – Ejemplo de
corbatín ....................................... .................................................... ...61 Figura B.3 – Una red bayesiana que muestra una
versión simplificada de un problema ecológico real: modelado de poblaciones de peces nativos en
Victoria, Australia.................. ..........................69 Figura B.4 – Ejemplo de diagrama de causa
consecuencia .................. ..........................................73 Figura B.5 – Ejemplo de análisis de árbol de
eventos ............................................. ............................75 Figura B.6 – Ejemplo de árbol de
fallas ............ .................................................... ..........................77 Figura B.7 – Ejemplo de diagrama de
Markov .................. .................................................... ...............80 Figura B.8 – Ejemplo de curva de respuesta a la
dosis ........................ .............................................89 Figura B. 9 – Distribución del
valor .............................................. .............................................91 Figura B.10 – Detalle de los valores de VaR de la región
de pérdidas .................................. ..........................91 Gráfico B.11 – VaR y CVaR para cartera de pérdida
posible ............ ............................................93 Figura B.12 – Diagrama
ALARMA ................................................. .............................................95 Figura B. 13 – Ejemplo de diagrama
FN ............................................. ..........................................97 Figura B.14 – Ejemplo de un diagrama de
Pareto ................................................. ..........................98 Figura B.15 – Ejemplo parcial de tabla que define escalas de
consecuencias ..... .......................... 114 Figura B.16 – Ejemplo parcial de una escala de
verosimilitud ..... .................................................... .......... 114 Figura B.17 – Ejemplo de matriz de consecuencia/
probabilidad ........................... .......................... 115 Figura B.18 – Función de distribución de probabilidad y función de
distribución acumulada .................. .117
Tabla A.1 – Características de las técnicas ........................................... ...................................31 Tabla A.2 – Técnicas y
características indicativas ..... .................................................... ...32
Tabla A.3 – Aplicabilidad de las técnicas al proceso ISO 31000 ........................................... ....38 Tabla B.1 – Ejemplos de
palabras guía básicas y sus significados genéricos .................................. 51
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 5 –
Tabla B.2 – Tabla de déficits para cada actor.................................................. .......................... 57
Tabla B.3 – Tabla de disonancias entre actores .................................................. ..............57
Tabla B.4 – Ejemplo de matriz de Markov ............................................... .......................................80 Tabla B.5 – Ejemplos de
sistemas a los que se puede aplicar el análisis de Markov ..........................81 Tabla B.6 – Un ejemplo de selección de tareas
RCM ..... .................................................... ............ 101 Tabla B.7 – Ejemplo de matriz de
juego........................... .................................................... ... 108
Machine Translated by Google
ES EN IEC 31010:2019
– 6 – CEI 31010:2019 CEI 2019
COMISIÓN ELECTROTÉCNICA INTERNACIONAL
____________
GESTIÓN DE RIESGOS
TÉCNICAS DE EVALUACIÓN DE RIESGOS
PREFACIO
1) La Comisión Electrotécnica Internacional (IEC) es una organización mundial de normalización que comprende todos los comités electrotécnicos
nacionales (Comités Nacionales de IEC). El objeto de IEC es promover la cooperación internacional en todas las cuestiones relativas a la
normalización en los campos eléctrico y electrónico. Con este fin y además de otras actividades, IEC publica Normas Internacionales,
Especificaciones Técnicas, Informes Técnicos, Especificaciones Disponibles al Público (PAS) y Guías (en lo sucesivo, "Publicación(es) de
IEC"). Su preparación está encomendada a comités técnicos; cualquier Comité Nacional IEC interesado en el tema tratado puede participar
en este trabajo preparatorio. Las organizaciones internacionales, gubernamentales y no gubernamentales que se vinculan con el IEC también
participan en esta preparación. IEC colabora estrechamente con la Organización Internacional de Normalización (ISO) de acuerdo con las
condiciones determinadas por acuerdo entre las dos organizaciones.
2) Las decisiones o acuerdos formales de IEC sobre asuntos técnicos expresan, en la medida de lo posible, un consenso internacional de opinión
sobre los temas relevantes, ya que cada comité técnico tiene representación de todos los Comités Nacionales de IEC interesados.
3) Las Publicaciones IEC tienen la forma de recomendaciones para uso internacional y son aceptadas por los Comités Nacionales IEC en ese
sentido. Si bien se realizan todos los esfuerzos razonables para garantizar que el contenido técnico de las publicaciones de IEC sea preciso,
IEC no se hace responsable de la forma en que se utilizan o de cualquier mala interpretación por parte de cualquier usuario final.
4) Con el fin de promover la uniformidad internacional, los Comités Nacionales de IEC se comprometen a aplicar las Publicaciones de IEC de
manera transparente en la mayor medida posible en sus publicaciones nacionales y regionales. Cualquier divergencia entre cualquier
Publicación IEC y la publicación nacional o regional correspondiente deberá indicarse claramente en esta última.
5) El propio IEC no proporciona ningún certificado de conformidad. Los organismos de certificación independientes brindan servicios de evaluación
de la conformidad y, en algunas áreas, acceso a las marcas de conformidad IEC. IEC no es responsable de ningún servicio realizado por
organismos de certificación independientes.
6) Todos los usuarios deben asegurarse de tener la última edición de esta publicación.
7) No se impondrá ninguna responsabilidad a IEC ni a sus directores, empleados, empleados o agentes, incluidos expertos individuales y
miembros de sus comités técnicos y Comités Nacionales de IEC, por lesiones personales, daños a la propiedad u otros daños de cualquier
naturaleza, ya sean directos o indirectos. o por los costos (incluidos los honorarios legales) y los gastos que surjan de la publicación, el uso o
la confianza en esta Publicación de IEC o cualquier otra Publicación de IEC.
8) Se llama la atención sobre las referencias normativas citadas en esta publicación. El uso de las publicaciones a las que se hace referencia está
indispensables para la correcta aplicación de esta publicación.
9) Se llama la atención sobre la posibilidad de que algunos de los elementos de esta Publicación IEC puedan ser objeto de derechos de patente.
IEC no será responsable de identificar cualquiera o todos los derechos de patente.
La Norma Internacional IEC 31010 ha sido preparada por el comité técnico 56 de IEC: Confiabilidad, en
cooperación con el comité técnico 262 de ISO: Gestión de riesgos.
Se publica como un estándar de doble logotipo.
Esta segunda edición anula y reemplaza la primera edición publicada en 2009. Esta edición constituye una
revisión técnica.
Esta edición incluye los siguientes cambios técnicos significativos con respecto a la edición anterior:
• se dan más detalles sobre el proceso de planificación, implementación, verificación y validación del
uso de las técnicas;
• se ha incrementado el número y rango de aplicación de las técnicas; • los conceptos
cubiertos en ISO 31000 ya no se repiten en esta norma.
Machine Translated by Google
CEI 31010:2019 CEI 2019 – 7 –
El texto de esta Norma Internacional se basa en los siguientes documentos de IEC:
FDIS Informe sobre la votación
56/1837/FDIS 56/1845/RVD
La información completa sobre la votación para la aprobación de esta Norma Internacional se puede encontrar
en el informe sobre la votación indicado en la tabla anterior. En ISO, la norma ha sido aprobada por 44
miembros P de los 46 que votaron.
Este documento ha sido redactado de acuerdo con las Directivas ISO/IEC, Parte 2.
El comité ha decidido que el contenido de este documento permanecerá sin cambios hasta la fecha de
estabilidad indicada en el sitio web de IEC en "http://webstore.iec.ch" en los datos relacionados con el
documento específico. En esta fecha, el documento será
• reconfirmado,
• retraído,
• reemplazado por una edición revisada, o
• modificado.
IMPORTANTE – El logo 'color interior' en la portada de esta publicación indica que contiene colores que se
consideran útiles para la correcta comprensión de su contenido. Por lo tanto, los usuarios deben imprimir este
documento con una impresora a color.
Machine Translated by Google
ES EN IEC 31010:2019
– 8 – CEI 31010:2019 CEI 2019
INTRODUCCIÓN
Este documento proporciona orientación sobre la selección y aplicación de diversas técnicas que pueden utilizarse para
ayudar a mejorar la forma en que se tiene en cuenta la incertidumbre y ayudar a comprender el riesgo.
Se utilizan las técnicas:
• cuando se requiera una mayor comprensión sobre qué riesgo existe o sobre un riesgo en particular; • dentro de una
decisión en la que es necesario comparar o
optimizado;
• dentro de un proceso de gestión de riesgos que conduce a acciones para tratar el riesgo.
Las técnicas se utilizan dentro de los pasos de evaluación de riesgos de identificar, analizar y evaluar el riesgo como se
describe en la norma ISO 31000 y, de manera más general, siempre que sea necesario comprender la incertidumbre y sus
efectos.
Las técnicas descritas en este documento se pueden utilizar en una amplia gama de entornos, sin embargo, la mayoría se
originó en el dominio técnico. Algunas técnicas son similares en concepto pero tienen diferentes nombres y metodologías
que reflejan la historia de su desarrollo en diferentes sectores. Las técnicas han evolucionado con el tiempo y continúan
evolucionando, y muchas pueden usarse en una amplia gama de situaciones fuera de su aplicación original. Las técnicas
pueden adaptarse, combinarse y aplicarse de nuevas formas o ampliarse para satisfacer las necesidades actuales y futuras.
Este documento es una introducción a las técnicas seleccionadas y compara sus posibles aplicaciones, beneficios y
limitaciones. También proporciona referencias a fuentes de información más detallada.
La audiencia potencial de este documento es:
• cualquier persona involucrada en la evaluación o gestión de riesgos;
• personas que están involucradas en el desarrollo de una guía que establece cómo se debe evaluar el riesgo en
contextos específicos;
• personas que necesitan tomar decisiones donde hay incertidumbre, incluyendo:
– aquellos que encargan o evalúan evaluaciones de riesgo,
– aquellos que necesitan comprender los resultados de las evaluaciones, y
– aquellos que tienen que elegir técnicas de evaluación para satisfacer necesidades particulares.
Las organizaciones que deben realizar evaluaciones de riesgos con fines de cumplimiento o conformidad se beneficiarían
del uso de técnicas de evaluación de riesgos formales y estandarizadas apropiadas.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 9 –
GESTIÓN DE RIESGOS
TÉCNICAS DE EVALUACIÓN DE RIESGOS
1 Alcance
Esta Norma Internacional proporciona orientación sobre la selección y aplicación de técnicas para evaluar el
riesgo en una amplia gama de situaciones. Las técnicas se utilizan para ayudar en la toma de decisiones
cuando existe incertidumbre, para brindar información sobre riesgos particulares y como parte de un proceso
para administrar el riesgo. El documento proporciona resúmenes de una variedad de técnicas, con referencias
a otros documentos donde las técnicas se describen con más detalle.
2 Referencias normativas
Los siguientes documentos se mencionan en el texto de tal manera que parte o la totalidad de su contenido
constituye requisitos de este documento. Para las referencias con fecha, sólo se aplica la edición citada.
Para las referencias sin fecha, se aplica la última edición del documento de referencia (incluidas las
modificaciones).
Guía ISO 73:2009, Gestión de riesgos – Vocabulario
ISO 31000:2018, Gestión de riesgos – Directrices
3 Términos y definiciones
A los efectos de este documento, se aplican los términos y definiciones proporcionados en ISO 31000:2018,
ISO Guide 73:2009 y los siguientes.
ISO e IEC mantienen bases de datos terminológicas para su uso en la normalización en las siguientes
direcciones:
• Electropedia IEC: disponible en http://www.electropedia.org/
• Plataforma de navegación en línea ISO: disponible en http://www.iso.org/obp
3.1
probabilidad
posibilidad de que algo suceda
Nota 1 a la entrada: En la terminología de gestión de riesgos, la palabra "probabilidad" se usa para referirse a la probabilidad de que suceda
algo, ya sea definida, medida o determinada objetiva o subjetivamente, cualitativa o cuantitativamente, y descrita usando términos generales o
matemáticamente (como una probabilidad o una frecuencia en un período de tiempo determinado).
Nota 2 a la entrada: El término inglés "probabilidad" no tiene un equivalente directo en algunos idiomas; en cambio, a menudo se usa el
equivalente del término "probabilidad". Sin embargo, en inglés, "probabilidad" a menudo se interpreta de forma restringida como un término
matemático. Por lo tanto, en la terminología de gestión de riesgos, "probabilidad" se utiliza con la intención de que tenga la misma interpretación
amplia que tiene el término "probabilidad" en muchos idiomas además del inglés.
[FUENTE: ISO 31000:2018, 3.7]
3.2
combinación
de oportunidades de circunstancias que se espera sean favorables a los objetivos
Nota 1 a la entrada: Una oportunidad es una situación positiva en la que es probable obtener ganancias y sobre la cual se tiene un buen nivel
de control.
Machine Translated by Google
ES EN IEC 31010:2019
– 10 – CEI 31010:2019 CEI 2019
Nota 2 a la entrada: Una oportunidad para una parte puede representar una amenaza para otra.
Nota 3 a la entrada: Aprovechar o no aprovechar una oportunidad son fuentes de riesgo.
3.3
probabilidad
medida de la posibilidad de ocurrencia expresada como un número entre 0 y 1, donde 0 es imposibilidad y 1 es certeza
absoluta
Nota 1 a la entrada: Véase la definición 3.1, Nota 2 a la entrada.
3.4
factor de riesgo
factor de factor de
riesgo que tiene una influencia importante en el riesgo
3.5
amenaza fuente potencial de peligro, daño u otro resultado indeseable
Nota 1 a la entrada: Una amenaza es una situación negativa en la que es probable la pérdida y sobre la cual se tiene relativamente poco control.
Nota 2 a la entrada: Una amenaza para una parte puede representar una oportunidad para otra.
4 conceptos básicos
4.1 Incertidumbre
La incertidumbre es un término que abarca muchos conceptos subyacentes. Se han hecho muchos intentos, y continúan
desarrollándose, para categorizar los tipos de incertidumbre, incluyendo:
• incertidumbre que reconoce la variabilidad intrínseca de algunos fenómenos y que no puede reducirse mediante
investigaciones adicionales; por ejemplo, lanzar dados (a veces denominado incertidumbre aleatoria);
• incertidumbre que generalmente resulta de la falta de conocimiento y que, por lo tanto, puede reducirse reuniendo
más datos, refinando modelos, mejorando las técnicas de muestreo, etc. (a veces denominada incertidumbre
epistémica).
Otras formas de incertidumbre comúnmente reconocidas incluyen:
• incertidumbre lingüística, que reconoce la vaguedad y la ambigüedad inherentes al habla
idiomas;
• incertidumbre de decisión, que tiene particular relevancia para las estrategias de gestión de riesgos, y que identifica
la incertidumbre asociada con los sistemas de valores, el juicio profesional, los valores de la empresa y las normas
sociales.
Ejemplos de incertidumbre incluyen:
• incertidumbre en cuanto a la veracidad de las suposiciones, incluidas las suposiciones acerca de cómo las personas o
los sistemas pueden comportarse;
• variabilidad en los parámetros en los que se basará una decisión;
• incertidumbre en la validez o precisión de los modelos que se han establecido para hacer predicciones sobre el futuro;
• eventos (incluyendo cambios en circunstancias o condiciones) cuya ocurrencia, carácter o consecuencias son inciertos;
• incertidumbre asociada con eventos perturbadores;
• los resultados inciertos de los problemas sistémicos, como la escasez de personal competente, que pueden tener
impactos de gran alcance que no pueden definirse claramente;
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 11 –
• falta de conocimiento que surge cuando se reconoce la incertidumbre pero no se comprende completamente;
• imprevisibilidad;
• la incertidumbre que surge de las limitaciones de la mente humana, por ejemplo, en la comprensión de datos complejos, la
predicción de situaciones con consecuencias a largo plazo o la emisión de juicios libres de prejuicios.
No toda la incertidumbre se puede entender y el significado de la incertidumbre puede ser difícil o imposible de definir o
influenciar. Sin embargo, el reconocimiento de que existe incertidumbre en un contexto específico permite implementar
sistemas de alerta temprana para detectar cambios de manera proactiva y oportuna y hacer arreglos para desarrollar la
resiliencia para hacer frente a circunstancias inesperadas.
4.2 Riesgo
El riesgo incluye los efectos de cualquiera de las formas de incertidumbre descritas en 4.1 sobre los objetivos. La
incertidumbre puede tener consecuencias positivas, negativas o ambas.
El riesgo a menudo se describe en términos de fuentes de riesgo, eventos potenciales, sus consecuencias y sus
probabilidades. Un evento puede tener múltiples causas y llevar a múltiples consecuencias.
Las consecuencias pueden tener un número de valores discretos, ser variables continuas o ser desconocidas.
Las consecuencias pueden no ser perceptibles o medibles al principio, pero pueden acumularse con el tiempo.
Las fuentes de riesgo pueden incluir la variabilidad inherente o las incertidumbres relacionadas con una variedad de factores
que incluyen el comportamiento humano y las estructuras organizativas o las influencias sociales para las cuales puede ser
difícil predecir cualquier evento en particular que pueda ocurrir. De ello se deduce que el riesgo no siempre se puede tabular
fácilmente como un conjunto de eventos, sus consecuencias y sus probabilidades.
Las técnicas de evaluación de riesgos tienen como objetivo ayudar a las personas a comprender la incertidumbre y el riesgo
asociado en este contexto amplio, complejo y diverso, con el fin de respaldar decisiones y acciones mejor informadas.
5 Usos de las técnicas de evaluación de riesgos
Las técnicas descritas en este documento proporcionan un medio para mejorar la comprensión de la incertidumbre y sus
implicaciones para las decisiones y acciones.
ISO 31000 describe los principios para la gestión del riesgo y los fundamentos y arreglos organizativos que permiten
gestionar el riesgo. Especifica un proceso que permite reconocer, comprender y modificar el riesgo según sea necesario, de
acuerdo con los criterios que se establecen como parte del proceso. Las técnicas de evaluación de riesgos se pueden
aplicar dentro de este enfoque estructurado que implica establecer el contexto, evaluar y tratar el riesgo, junto con el
monitoreo, revisión, comunicación y consulta, registro e informes continuos. Este proceso se ilustra en la Figura A.1, que
también muestra ejemplos de dónde se pueden aplicar técnicas dentro del proceso.
En el proceso de ISO 31000, la evaluación de riesgos implica identificar los riesgos, analizarlos y utilizar la comprensión
obtenida del análisis para evaluar el riesgo extrayendo conclusiones sobre su importancia comparativa en relación con los
objetivos y los umbrales de desempeño de la organización. Este proceso proporciona información sobre las decisiones
sobre si se requiere tratamiento, las prioridades para el tratamiento y las acciones destinadas a tratar el riesgo. En la práctica
se aplica un enfoque iterativo.
Las técnicas de evaluación de riesgos descritas en este documento se utilizan
• cuando se requiera una mayor comprensión sobre qué riesgos existen o sobre un riesgo en particular;
• dentro de un proceso de gestión de riesgos que conduce a acciones para tratar el riesgo;
• dentro de una decisión en la que es necesario comparar o
optimizado
Machine Translated by Google
ES EN IEC 31010:2019
– 12 – CEI 31010:2019 CEI 2019
En particular, las técnicas se pueden utilizar para:
• proporcionar información estructurada para respaldar decisiones y acciones cuando existe incertidumbre;
• aclarar las implicaciones de los supuestos en el logro de los objetivos;
• comparar múltiples opciones, sistemas, tecnologías o enfoques, etc. cuando exista una incertidumbre multifacética
en torno a cada opción;
• asistir en la definición de objetivos estratégicos y operativos realistas;
• ayudar a determinar los criterios de riesgo de una organización, como los límites de riesgo, el apetito por el riesgo o la asunción de riesgos
capacidad;
• tener en cuenta el riesgo al establecer o revisar las prioridades;
• reconocer y comprender el riesgo, incluido el riesgo que podría tener resultados extremos;
• comprender qué incertidumbres son más importantes para los objetivos de una organización y proporcionar una
justificación de lo que se debe hacer al respecto;
• reconocer y explotar las oportunidades con más éxito;
• articular los factores que contribuyen al riesgo y por qué son importantes;
• identificar acciones de tratamiento de riesgos eficaces y eficientes;
• determinar el efecto modificador de los tratamientos de riesgo propuestos, incluido cualquier cambio en la naturaleza
o magnitud del riesgo;
• comunicar sobre el riesgo y sus implicaciones;
• aprender de los fracasos y los éxitos para mejorar la forma en que se gestiona el riesgo; •
demostrar que se han cumplido los requisitos reglamentarios y de otro tipo.
La forma en que se evalúa el riesgo depende de la complejidad y novedad de la situación, y del nivel de conocimiento
y comprensión pertinentes.
• En el caso más simple, cuando no hay nada nuevo o inusual en una situación, el riesgo se comprende bien, sin
implicaciones importantes para las partes interesadas o las consecuencias no son significativas, entonces es
probable que las acciones se decidan de acuerdo con las reglas y procedimientos establecidos y las evaluaciones
previas del riesgo. .
• Para temas muy nuevos, complejos o desafiantes, donde hay mucha incertidumbre y poca experiencia, hay poca
información sobre la cual basar la evaluación y las técnicas convencionales de análisis pueden no ser útiles o
significativas. Esto también se aplica a las circunstancias en las que las partes interesadas tienen puntos de
vista muy divergentes. En estos casos, se pueden usar múltiples técnicas para obtener una comprensión parcial
del riesgo, con juicios que luego se hacen en el contexto de los valores organizacionales y sociales, y las
opiniones de las partes interesadas.
Las técnicas descritas en este documento tienen mayor aplicación en situaciones entre estos dos extremos donde
la complejidad es moderada y hay alguna información disponible sobre la cual basar la evaluación.
6 Implementación de la evaluación de riesgos
6.1 Planificar la evaluación
6.1.1 Definir el propósito y el alcance de la evaluación.
Se debe establecer el propósito de la evaluación, incluida la identificación de las decisiones o acciones con las que
se relaciona, los tomadores de decisiones, las partes interesadas y el momento y la naturaleza del resultado
requerido (por ejemplo, si se requiere información cualitativa, semicuantitativa o cuantitativa) .
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 13 –
Se debe definir el alcance, la profundidad y el nivel de detalle de la evaluación, con una descripción de lo que se incluye y
excluye. Deben definirse los tipos de consecuencias que se incluirán en la evaluación. También se debe especificar
cualquier condición, suposición, restricción o recurso necesario relevante para la actividad de evaluación.
6.1.2 Comprender el contexto
Al realizar una evaluación de riesgos, los involucrados deben ser conscientes de las circunstancias más amplias en las que
se tomarán las decisiones y acciones basadas en su evaluación. Esto incluye comprender los problemas internos y
externos que contribuyen al contexto de la organización, así como aspectos sociales y ambientales más amplios. Cualquier
declaración de contexto relevante debe revisarse y verificarse para asegurarse de que esté actualizada y sea adecuada.
Comprender el panorama general es particularmente importante cuando existe una complejidad significativa.
6.1.3 Involucrar a las partes interesadas
Se deben identificar las partes interesadas y aquellos que probablemente puedan contribuir con conocimientos útiles o
puntos de vista relevantes y se deben considerar sus perspectivas, ya sea que estén o no incluidos como participantes en
la evaluación. La participación adecuada de las partes interesadas ayuda a garantizar que la información en la que se basa
la evaluación de riesgos sea válida y aplicable y que las partes interesadas entiendan las razones detrás de las decisiones.
La participación de las partes interesadas puede:
• proporcionar información que permita comprender el contexto de la evaluación;
• reunir diferentes áreas de conocimiento y experiencia para identificar de manera más efectiva
y comprensión del riesgo;
• proporcionar experiencia relevante para el uso de las técnicas;
• permitir que los intereses de las partes interesadas sean entendidos y considerados;
• proporcionar información para el proceso de determinar si el riesgo es aceptable, particularmente cuando las partes
interesadas se ven afectadas;
• cumplir con los requisitos para que las personas sean informadas o consultadas;
• obtener apoyo para los productos y decisiones que surjan de la evaluación de riesgos;
• identificar lagunas en el conocimiento que deben abordarse antes y/o durante la evaluación de riesgos.
Debe decidirse cómo los productos y resultados de la evaluación de riesgos se comunicarán de manera confiable, precisa
y transparente a las partes interesadas relevantes.
Las técnicas para obtener puntos de vista de las partes interesadas y los expertos se describen en la Cláusula B.1.
6.1.4 Definir objetivos
Los objetivos del sistema o proceso específico para el cual se evaluará el riesgo deben definirse y, cuando sea posible,
documentarse. Esto facilitará la identificación del riesgo y la comprensión de sus implicaciones.
En la medida de lo posible, los objetivos deben ser:
• específicos del tema de la evaluación;
• medible ya sea cualitativa o cuantitativamente;
• alcanzable dentro de las limitaciones impuestas por el contexto;
• relevante para las metas más amplias o el contexto de la organización;
• alcanzable dentro de un marco de tiempo establecido.
6.1.5 Considerar factores humanos, organizacionales y sociales
Los factores humanos, organizacionales y sociales deben considerarse explícitamente y tenerse en cuenta según
corresponda. Los aspectos humanos son relevantes para la evaluación de riesgos de las siguientes maneras:
Machine Translated by Google
ES EN IEC 31010:2019
– 14 – CEI 31010:2019 CEI 2019
• como fuente de incertidumbre;
• a través de influencias en la forma en que se seleccionan y aplican las técnicas;
• en las formas en que se interpreta y utiliza la información (por ejemplo, debido a las diferentes percepciones del
riesgo).
El desempeño humano (ya sea por encima o por debajo de las expectativas) es una fuente de riesgo y también puede
afectar la efectividad de los controles. El potencial de desviación de los comportamientos esperados o asumidos debe
considerarse específicamente al evaluar el riesgo. Las consideraciones sobre el desempeño humano suelen ser complejas
y se puede requerir el asesoramiento de expertos para identificar y analizar los aspectos humanos del riesgo.
Los factores humanos también influyen en la selección y el uso de técnicas, particularmente cuando se deben hacer
juicios o se utilizan enfoques de equipo. Se necesita una facilitación calificada para minimizar estas influencias. Deben
abordarse sesgos como el pensamiento de grupo y el exceso de confianza (por ejemplo, en estimaciones o percepciones).
La opinión de los expertos debe basarse en pruebas y datos siempre que sea posible y se deben realizar esfuerzos para
evitar o minimizar los sesgos cognitivos.
Los objetivos y valores personales de las personas pueden variar y diferir de los de la organización. Esto puede resultar
en diferentes percepciones sobre el nivel de riesgo y diferentes criterios por los cuales los individuos toman decisiones.
Una organización debe esforzarse por lograr una comprensión común del riesgo internamente y tener en cuenta las
diferentes percepciones de las partes interesadas.
Los aspectos sociales, incluida la posición socioeconómica, la raza, el origen étnico y la cultura, el género, las relaciones
sociales y el contexto residencial y comunitario pueden afectar el riesgo tanto directa como indirectamente.
Los impactos pueden ser a largo plazo y no ser inmediatamente visibles y pueden requerir una perspectiva de planificación
a largo plazo.
6.1.6 Criterios de revisión para las decisiones
6.1.6.1 General
Los criterios, incluidos los criterios de riesgo, que deben tenerse en cuenta al tomar decisiones, deben revisarse antes de
realizar la evaluación. Los criterios pueden ser cualitativos, semicuantitativos o cuantitativos. En algunos casos, es
posible que no se especifiquen criterios explícitos y las partes interesadas usen su juicio para responder a los resultados
del análisis.
Los criterios relevantes para revisar son:
• cómo se decidirá si el riesgo es aceptable;
• cómo se determinará la importancia relativa de los riesgos; • cómo se
tendrá en cuenta el riesgo en las decisiones sobre opciones, donde cada opción está asociada con múltiples riesgos que
pueden tener consecuencias positivas o negativas, o ambas;
• cómo se tendrán en cuenta las relaciones entre los riesgos.
6.1.6.2 Criterios para decidir si se puede aceptar el riesgo
Los criterios para definir la naturaleza y el alcance del riesgo que se puede aceptar en la consecución de los objetivos, a
veces denominado apetito de riesgo, se pueden definir especificando una técnica para determinar la magnitud del riesgo,
o un parámetro relacionado con el riesgo, junto con un límite. más allá del cual el riesgo se vuelve inaceptable. El límite
establecido para el riesgo adverso inaceptable puede depender de las recompensas potenciales.
La aceptabilidad del riesgo también se puede definir especificando la variación aceptable en medidas de rendimiento
específicas vinculadas a los objetivos.
Se pueden especificar diferentes criterios según el tipo de consecuencia. Por ejemplo, los criterios de una organización
para aceptar el riesgo financiero pueden diferir de los definidos para el riesgo para la vida humana.
Machine Translated by Google
CEI 31010:2019 CEI 2019 15
Los siguientes son ejemplos de consideraciones utilizadas al definir si se puede aceptar el riesgo.
• Capacidad de asumir riesgos (RBC) (también denominada capacidad de riesgo): la RBC de una organización
generalmente se define en términos de capital de riesgo, que está disponible para absorber los efectos adversos de los riesgos.
Para una empresa comercial, la capacidad podría especificarse en términos de la capacidad máxima de retención
cubierta por los activos, o la mayor pérdida financiera que la empresa podría soportar sin tener que declararse en
quiebra. El RBC estimado debe probarse razonablemente mediante escenarios de pruebas de estrés para
proporcionar un nivel de confianza confiable. El apetito por el riesgo de una organización refleja la voluntad de la
administración de utilizar su RBC.
• ALARP/ALARA y SFAIRP: En algunas jurisdicciones, los criterios legislados para las decisiones sobre el tratamiento de
los riesgos relacionados con la seguridad implican garantizar que el riesgo de lesión o enfermedad sea "tan bajo
como sea razonablemente posible" (ALARP), "tan bajo como sea razonablemente posible" (ALARA ) o demostrar
que los controles minimizan el riesgo "en la medida de lo razonablemente posible" (SFAIRP) (ver B.8.2).
• "Globalmente al menos equivalente" (GALE) [globalement au moins équivalent (GAME) [1]]: se considera aceptable que
los riesgos con consecuencias adversas de una fuente en particular aumenten si se puede demostrar que los riesgos
de otras fuentes han disminuido por un monto equivalente o mayor.
• Criterios de costo/beneficio como el precio por vida salvada o el retorno de la inversión (ROI).
6.1.6.3 Criterios para evaluar la importancia del riesgo
Los criterios de riesgo (los términos de referencia contra los cuales se determina la importancia del riesgo) se pueden
expresar en términos que involucran cualquiera de las características y medidas de riesgo elaboradas en 6.3.5 y 6.3.7.
Las consideraciones éticas, culturales, legales, sociales, de reputación, ambientales, contractuales, financieras y de otro
tipo también pueden ser relevantes.
Una evaluación de la importancia de un riesgo en comparación con otros riesgos a menudo se basa en una estimación
de la magnitud del riesgo en comparación con criterios que están directamente relacionados con los umbrales establecidos
en torno a los objetivos de la organización. La comparación con estos criterios puede informar a una organización en qué
riesgos se debe centrar el tratamiento, en función de su potencial para impulsar los resultados fuera de los umbrales
establecidos en torno a los objetivos.
La magnitud del riesgo rara vez es el único criterio relevante para las decisiones sobre la importancia del riesgo. Otros
factores relevantes pueden incluir la sostenibilidad (por ejemplo, el resultado final triple) y la resiliencia, los criterios éticos
y legales, la eficacia de los controles, el impacto máximo si los controles no están presentes o fallan, el momento de las
consecuencias, los costos de los controles y las opiniones de las partes interesadas.
Las técnicas para evaluar la importancia del riesgo se describen en la Cláusula B.8
6.1.6.4 Criterios para decidir entre opciones
Una organización se enfrentará a muchas decisiones en las que varios objetivos, a menudo en competencia, se verán
potencialmente afectados, y hay posibles resultados adversos y posibles beneficios a considerar. Para tales decisiones,
es posible que se deban cumplir varios criterios y que se requieran compensaciones entre objetivos contrapuestos. Se
deben identificar los criterios relevantes para la decisión y se debe decidir y contabilizar la forma en que se ponderarán
los criterios o se realizarán compensaciones, y se registrará y compartirá la información. Al establecer los criterios, se
debe considerar la posibilidad de que los costos y los beneficios difieran para las diferentes partes interesadas. Debe
decidirse la forma en que se van a tener en cuenta las diferentes formas de incertidumbre.
Las técnicas de la Cláusula B.9 abordan la selección entre opciones.
Machine Translated by Google
ES EN IEC 31010:2019
dieciséis CEI 31010:2019 CEI 2019
6.2 Manejar información y desarrollar modelos
6.2.1 Generalidades
Antes y durante una evaluación de riesgos, se debe obtener la información pertinente. Esta información
proporciona un insumo para el análisis estadístico, los modelos o las técnicas descritas en los Anexos A y B. En
algunos casos, los tomadores de decisiones pueden utilizar la información sin más análisis.
La información necesaria en cada punto depende de los resultados de la recopilación de información anterior, el
propósito y el alcance de la evaluación y el método o métodos que se utilizarán para el análisis.
Debe decidirse la forma en que se recopilará, almacenará y pondrá a disposición la información.
Deben decidirse los registros de los resultados de la evaluación que se conservarán, junto con la forma en que
se realizarán, almacenarán, actualizarán y entregarán esos registros a quienes puedan necesitarlos.
Siempre se deben indicar las fuentes de información.
6.2.2 Recopilación de información
La información se puede recopilar de fuentes tales como revisiones de literatura, observaciones y opiniones de
expertos. Los datos pueden recopilarse o derivarse, por ejemplo, de mediciones, experimentos, entrevistas y
encuestas.
Por lo general, los datos representan directa o indirectamente pérdidas o beneficios pasados. Los ejemplos
incluyen fracasos o éxitos de proyectos, la cantidad de quejas, ganancias o pérdidas financieras, impactos en la
salud, lesiones y muertes, etc. También puede haber información adicional disponible, como las causas de las
fallas o los éxitos, las fuentes de las quejas, la naturaleza de las lesiones, etc. Los datos también pueden incluir
el resultado de modelos u otras técnicas de análisis.
Se debe decidir lo siguiente:
• la fuente de información y su confiabilidad;
• tipo (por ejemplo, si es cualitativo, cuantitativo o ambos (ver 6.3.7.1)); • nivel (por
ejemplo, estratégico, táctico, operativo);
• cantidad y calidad de los datos necesarios;
• metodología de recolección;
• nivel de confidencialidad.
Cuando los datos a analizar se obtengan por muestreo, se debe indicar la confianza estadística que se requiere
para que se recopilen suficientes datos. Cuando no se necesite un análisis estadístico, esto debe indicarse.
Si los datos o resultados de evaluaciones anteriores están disponibles, primero se debe establecer si ha habido
algún cambio en el contexto y, de ser así, si los datos o resultados anteriores siguen siendo relevantes.
Se debe evaluar la validez, confiabilidad y limitaciones de cualquier información que se utilice en la evaluación,
teniendo en cuenta:
• la antigüedad y relevancia de la información;
• la fuente de información y los métodos utilizados para recopilarla;
• incertidumbres y vacíos en la información;
• la autoridad o procedencia de la información, conjuntos de datos, algoritmos y modelos.
6.2.3 Análisis de datos
El análisis de datos puede proporcionar:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 17 –
• una comprensión de las consecuencias pasadas y su probabilidad con el fin de aprender de
experiencia;
• tendencias y patrones, incluidas las periodicidades, que proporcionan una indicación de lo que podría influir en el
futuro;
• correlaciones que pueden dar indicaciones de posibles relaciones causales para una mayor validación.
Las limitaciones e incertidumbres en los datos deben identificarse y comprenderse.
No se puede suponer que los datos pasados continúen aplicándose en el futuro, pero pueden dar una indicación a los
tomadores de decisiones sobre lo que es más o menos probable que ocurra en el futuro.
6.2.4 Desarrollo y aplicación de modelos
6.2.4.1 General
Un modelo es una representación aproximada de la realidad. Su propósito es transformar lo que podría ser una
situación intrínsecamente compleja en términos más simples que puedan analizarse más fácilmente. Se puede utilizar
para ayudar a comprender el significado de los datos y para simular lo que podría suceder en la práctica en diferentes
condiciones. Un modelo puede ser físico, representado en software o ser un conjunto de relaciones matemáticas.
El modelado generalmente incluye los siguientes pasos:
• describir el problema;
• describir el propósito de construir un modelo y los resultados deseados;
• desarrollar un modelo conceptual del problema;
• construir una representación física, de software o matemática del modelo conceptual;
• desarrollar software u otras herramientas para analizar cómo se comporta el modelo;
• Procesando datos;
• validar o calibrar el modelo revisando los resultados de situaciones conocidas;
• sacar conclusiones del modelo sobre el problema del mundo real.
Cada uno de estos pasos puede involucrar aproximaciones, suposiciones y juicio de expertos y (si es posible) deben
ser validados por personas independientes de los desarrolladores. Los supuestos críticos deben revisarse con la
información disponible para evaluar su credibilidad.
Para lograr resultados confiables al usar modelos, se debe validar lo siguiente:
• el modelo conceptual representa adecuadamente la situación que se está evaluando;
• el modelo se está utilizando dentro de los límites contextuales para los que fue diseñado;
• los conceptos teóricos subyacentes al modelo y los cálculos asociados están bien
comprendido;
• la selección de parámetros y representaciones matemáticas de los conceptos es sólida;
• las matemáticas subyacentes a los cálculos se entienden bien;
• los datos de entrada son precisos y fiables, o la naturaleza del modelo tiene en cuenta la
fiabilidad de los datos de entrada utilizados;
• el modelo funciona según lo planeado sin errores internos ni fallas;
• el modelo es estable y no demasiado sensible a pequeños cambios en las entradas clave.
Esto se puede lograr mediante:
• realizar un análisis de sensibilidad para verificar qué tan sensible es el modelo a los cambios en la entrada
parámetros;
Machine Translated by Google
ES EN IEC 31010:2019
– 18 – CEI 31010:2019 CEI 2019
• prueba de estrés del modelo con escenarios particulares, a menudo escenarios extremos;
• comparar los resultados con datos anteriores (distintos de aquellos a partir de los cuales se desarrolló);
• verificar que se obtienen resultados similares cuando el modelo es ejecutado por diferentes personas;
• comprobar los resultados con el rendimiento real.
Debe mantenerse una documentación exhaustiva del modelo y de las teorías y supuestos en los que se basa, suficiente
para permitir la validación del modelo.
6.2.4.2 Uso de software para análisis
Los programas de software se pueden utilizar para representar y organizar datos o para analizarlos. Los programas de
software utilizados para el modelado y el análisis a menudo proporcionan una interfaz de usuario simple y una salida
rápida, pero estas características pueden conducir a resultados no válidos que el usuario no nota.
Los resultados no válidos pueden surgir debido a:
• insuficiencias en los algoritmos utilizados para representar la situación;
• suposiciones hechas en el diseño y uso del modelo subyacente al software;
• errores en la entrada de datos, incluidos malentendidos de su significado;
• problemas de conversión de datos cuando se utiliza software nuevo;
• mala interpretación de los resultados.
El software comercial suele ser una caja negra (comercial confidencial) y puede contener cualquiera de estos errores.
El nuevo software debe probarse utilizando un modelo simple con entradas que tengan una salida conocida, antes de
pasar a probar modelos más complejos. Los detalles de las pruebas deben conservarse para su uso en futuras
actualizaciones de versiones o para nuevos programas de análisis de software.
Los errores en el modelo construido se pueden verificar aumentando o disminuyendo un valor de entrada para
determinar si la salida responde como se esperaba. Esto se puede aplicar a cada una de las diversas entradas. Los
errores de entrada de datos a menudo se identifican al variar las entradas de datos. Este enfoque también proporciona
información sobre la sensibilidad del modelo a las variaciones de datos.
Se recomienda una buena comprensión de las matemáticas relevantes para el análisis particular para evitar conclusiones
erróneas. No solo son probables los errores anteriores, sino que también la selección de un programa en particular
podría no ser adecuada. Es fácil seguir un programa y suponer que, por lo tanto, la respuesta será correcta. Deben
recopilarse pruebas para comprobar que los resultados son razonables.
6.3 Aplicar técnicas de evaluación de riesgos
6.3.1 Resumen
Las técnicas descritas en los Anexos A y B se utilizan para desarrollar una comprensión del riesgo como un insumo
para las decisiones en las que existe incertidumbre, incluidas las decisiones sobre si tratar el riesgo y cómo hacerlo.
Las técnicas de evaluación se pueden utilizar para:
• identificar el riesgo (ver 6.3.2);
• determinar las causas, las fuentes y los impulsores del riesgo, y el nivel de exposición a ellos (ver
6.3.3);
• investigar la eficacia general de los controles y el efecto modificador del riesgo propuesto
tratamientos (ver 6.3.4);
• comprender las consecuencias y la probabilidad (ver 6.3.5);
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 19 –
• analizar interacciones y dependencias (ver 6.3.6);
• proporcionar una medida de riesgo (ver 6.3.7).
Los factores a considerar al seleccionar una técnica particular para estas actividades se describen en la Cláusula 7.
En general, el análisis puede ser descriptivo (como un informe de una revisión de la literatura, un análisis de escenario o
una descripción de las consecuencias) o cuantitativo, donde los datos se analizan para producir valores numéricos. En
algunos casos, se pueden aplicar escalas de calificación para comparar riesgos particulares.
La forma en que se evalúa el riesgo y la forma del resultado deben ser compatibles con cualquier criterio definido. Por
ejemplo, los criterios cuantitativos requieren una técnica de análisis cuantitativo que produzca un resultado con las
unidades apropiadas.
Las operaciones matemáticas deben usarse solo si las métricas elegidas lo permiten. En general, las operaciones
matemáticas no deben usarse con escalas ordinales. Incluso con un análisis totalmente cuantitativo, los valores de entrada
suelen ser estimaciones. No se debe atribuir un nivel de exactitud y precisión a los resultados más allá del que sea
consistente con los datos y métodos empleados.
6.3.2 Identificando el riesgo
La identificación del riesgo permite tener en cuenta explícitamente la incertidumbre. Todas las fuentes de incertidumbre y
los efectos beneficiosos y perjudiciales pueden ser relevantes, según el contexto y el alcance de la evaluación.
Las técnicas para identificar el riesgo generalmente hacen uso del conocimiento y la experiencia de una variedad de partes
interesadas (ver B.1.1). Incluyen considerar:
• qué incertidumbre existe y cuáles podrían ser sus efectos;
• qué circunstancias o problemas (ya sean tangibles o intangibles) tienen el potencial para futuros
consecuencias;
• qué fuentes de riesgo están presentes o podrían desarrollarse;
• qué controles existen y si son efectivos;
• qué, cómo, cuándo, dónde y por qué pueden ocurrir eventos y consecuencias;
• lo que sucedió en el pasado y cómo esto podría relacionarse razonablemente con el futuro; • qué aspectos
humanos y factores organizacionales podrían aplicarse.
Los estudios físicos también pueden ser útiles para identificar fuentes de riesgo o señales de alerta temprana de posibles
consecuencias.
El resultado de la identificación de riesgos se puede registrar como una lista de riesgos con eventos, causas y
consecuencias especificados, o utilizando otros formatos adecuados.
Independientemente de las técnicas que se utilicen, la identificación de riesgos debe abordarse de manera metódica e
iterativa para que sea exhaustiva y eficiente. El riesgo debe identificarse lo suficientemente temprano para permitir que se
tomen medidas siempre que sea posible. Sin embargo, hay ocasiones en las que algunos riesgos no pueden identificarse
durante una evaluación de riesgos. Por lo tanto, se debe establecer un mecanismo para capturar los riesgos emergentes
y reconocer las señales de alerta temprana de éxito o fracaso potencial.
Las técnicas para identificar el riesgo se describen en la Cláusula B.2.
6.3.3 Determinación de fuentes, causas y factores de riesgo
Identificar las causas, las fuentes y los impulsores del riesgo puede:
• contribuir a estimar la probabilidad de un evento o consecuencia;
Machine Translated by Google
ES EN IEC 31010:2019
– 20 – CEI 31010:2019 CEI 2019
• ayudar a identificar tratamientos que modificarán el riesgo;
• asistir en la determinación de indicadores de alerta temprana y sus umbrales de detección;
• determinar las causas comunes que pueden ayudar a desarrollar prioridades para tratar el riesgo.
Las fuentes de riesgo pueden incluir eventos, decisiones, acciones y procesos, tanto favorables como desfavorables,
así como situaciones que se sabe que existen pero cuyos resultados son inciertos.
Cualquier forma de incertidumbre descrita en 4.1 puede ser una fuente de riesgo.
Los eventos y las consecuencias pueden tener múltiples causas o cadenas causales.
A menudo, el riesgo solo se puede controlar modificando los factores de riesgo. Influyen en el estado y desarrollo de
las exposiciones al riesgo y, a menudo, afectan a más de un riesgo. Como resultado, los factores de riesgo a menudo
necesitan más y más atención que las fuentes de riesgos individuales.
Las técnicas para determinar las fuentes, las causas y los impulsores del riesgo se describen en la Cláusula B.3.
6.3.4 Investigación de la eficacia de los controles existentes
El riesgo se ve afectado por la efectividad general de cualquier control que esté implementado. Se deben considerar
los siguientes aspectos de los controles:
• el mecanismo por el cual los controles están destinados a modificar el riesgo;
• si los controles están implementados, son capaces de operar según lo previsto y están logrando los resultados
esperados;
• si existen deficiencias en el diseño de los controles o en la forma en que se aplican;
• si existen lagunas en los controles;
• si los controles funcionan de forma independiente, o si necesitan funcionar colectivamente para ser
eficaz;
• si existen factores, condiciones, vulnerabilidades o circunstancias que puedan reducir o
eliminar la efectividad del control, incluidas las fallas de causa común;
• si los propios controles introducen riesgos adicionales.
NOTA Un riesgo puede tener más de un control y los controles pueden afectar a más de un riesgo.
Se debe hacer una distinción entre los controles que cambian la probabilidad, las consecuencias o ambas, y los
controles que cambian la forma en que se comparte la carga del riesgo entre las partes interesadas. Por ejemplo, los
seguros y otras formas de financiación del riesgo no afectan directamente la probabilidad de un evento o sus resultados,
pero pueden hacer que algunas de las consecuencias sean más tolerables para una parte interesada en particular al
reducir su alcance o suavizar el flujo de caja.
Cualquier suposición hecha durante el análisis de riesgos sobre el efecto real y la confiabilidad de los controles debe
validarse cuando sea posible, con un énfasis particular en controles individuales o combinaciones que se supone que
tienen un efecto modificador sustancial. Esto debe tener en cuenta la información obtenida a través del monitoreo y la
revisión de los controles de rutina.
Las técnicas para analizar los controles se describen en la Cláusula B.4.
6.3.5 Comprender las consecuencias y la probabilidad
6.3.5.1 Análisis del tipo, magnitud y momento de las consecuencias
El análisis de consecuencias puede variar desde una descripción de los resultados hasta un modelo cuantitativo
detallado o un análisis de vulnerabilidad. Los efectos consecuentes (efectos dominó o en cadena) donde una
consecuencia lleva a otra deben ser considerados cuando sea relevante.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 21 –
El riesgo se puede asociar con una serie de diferentes tipos de consecuencias, que afectan a diferentes objetivos. Los tipos
de consecuencias a analizar deberían haberse decidido al planificar la evaluación. La declaración de contexto debe verificarse
para garantizar que las consecuencias que se analizarán se alineen con el propósito de la evaluación y las decisiones que
se tomarán. Esto se puede revisar durante la evaluación a medida que se aprende más.
La magnitud de las consecuencias se puede expresar cuantitativamente como un valor puntual o como una distribución. Una
distribución puede ser adecuada cuando:
• el valor de la consecuencia es incierto;
• las consecuencias varían según las circunstancias;
• los parámetros que afectan las consecuencias varían.
La consideración de la distribución completa asociada con una consecuencia proporciona información completa. Es posible
resumir la distribución en forma de un valor puntual como el valor esperado (media), la variación (varianza) o el porcentaje
en la cola o alguna otra parte relevante de la distribución (percentil).
Para cualquier método de obtener un valor o valores de puntos para representar una distribución de consecuencias, existen
suposiciones e incertidumbres subyacentes sobre:
• la forma de la distribución elegida para ajustarse a los datos (por ejemplo, continua o discreta, normal o
altamente sesgada);
• la forma más apropiada de representar esa distribución como un valor en puntos; • el valor de la
estimación puntual debido a las incertidumbres inherentes a los datos a partir de los cuales se produjo la distribución.
No debe suponerse que los datos relevantes para el riesgo siguen necesariamente una distribución normal.
En algunos casos, la información se puede resumir como una calificación cualitativa o semicuantitativa que se puede usar al
comparar riesgos.
La magnitud de las consecuencias también puede variar según otros parámetros. Por ejemplo, las consecuencias para la
salud de la exposición a una sustancia química generalmente dependen de la dosis a la que está expuesta la persona u otra
especie. Para este ejemplo, el riesgo suele estar representado por una curva de respuesta a la dosis que representa la
probabilidad de un punto final específico (por ejemplo, la muerte) en función de una dosis a corto plazo o acumulada.
Las consecuencias también pueden cambiar con el tiempo. Por ejemplo, los impactos adversos de una falla pueden volverse
más severos cuanto más tiempo exista la falla. Deben seleccionarse las técnicas apropiadas para tener esto en cuenta.
A veces, las consecuencias resultan de la exposición a múltiples fuentes de riesgo: por ejemplo, efectos ambientales o para
la salud humana derivados de la exposición a fuentes de riesgo biológicas, químicas, físicas y psicosociales. Al considerar
exposiciones múltiples, debe tenerse en cuenta la posibilidad de efectos sinérgicos, así como la influencia de la duración y el
alcance de la
exposición.
6.3.5.2 Análisis de probabilidad
La probabilidad puede referirse a la probabilidad de un evento oa la probabilidad de una consecuencia específica.
El parámetro al que se aplica un valor de probabilidad debe establecerse explícitamente y el evento o consecuencia cuya
probabilidad se establece debe definirse con claridad y precisión. Puede ser necesario incluir una declaración sobre la
exposición y la duración para definir completamente la probabilidad.
La probabilidad se puede describir de varias maneras, incluso como una probabilidad o frecuencia esperada o en términos
descriptivos (p. ej., "altamente probable"). Cuando se utiliza un término descriptivo, su
Machine Translated by Google
ES EN IEC 31010:2019
– 22 – CEI 31010:2019 CEI 2019
debe definirse el significado. Puede haber incertidumbre en la probabilidad que se puede mostrar como una
distribución de valores que representan el grado de creencia de que ocurrirá un valor particular.
Cuando se utilice un porcentaje como medida de probabilidad, deberá indicarse la naturaleza de la razón a la
que se aplica el porcentaje.
EJEMPLO 1 La afirmación de que la posibilidad de que un proveedor no cumpla con la entrega es del 5 % es vaga en términos de período de
tiempo y población. Tampoco está claro si el porcentaje se refiere al 5 % de los proyectos o al 5 % de los proveedores. Una declaración más
explícita sería "la probabilidad de que uno o más proveedores no entreguen los bienes o servicios requeridos para un proyecto dentro de la vida
de un proyecto es del 5 % de los proyectos".
Para minimizar las malas interpretaciones al expresar la probabilidad, ya sea cualitativa o cuantitativamente,
el período de tiempo y la población en cuestión deben ser explícitos y consistentes con el alcance de la
evaluación particular.
EJEMPLO 2 La probabilidad de que uno o más proveedores no entreguen los bienes o servicios requeridos para un proyecto dentro de los
próximos dos meses es del 1 % de los proyectos, mientras que dentro de una escala de tiempo de seis meses la falla puede ocurrir en el 3 %
de los proyectos.
Hay muchos posibles sesgos que pueden influir en las estimaciones de probabilidad. Además, la interpretación
de la estimación de probabilidad puede variar según el contexto en el que se enmarque. Se debe tener
cuidado para comprender los posibles efectos de los sesgos individuales (cognitivos) y culturales.
Las técnicas para comprender las consecuencias y la probabilidad se describen en la Cláusula B.5.
6.3.6 Análisis de interacciones y dependencias
Suele haber muchas interacciones y dependencias entre los riesgos. Por ejemplo, múltiples consecuencias
pueden surgir de una sola causa o una consecuencia particular puede tener múltiples causas. La ocurrencia
de algunos riesgos puede hacer que la ocurrencia de otros sea más o menos probable, y estos vínculos
causales pueden formar cascadas o bucles.
Para lograr una evaluación más confiable del riesgo donde los vínculos causales entre los riesgos son
significativos, puede ser útil crear un modelo causal que incorpore los riesgos de alguna forma. Se pueden
buscar temas comunes dentro de la información de riesgo, como causas comunes o impulsores de riesgo, o
resultados comunes.
Las interacciones entre los riesgos pueden tener una variedad de impactos en la toma de decisiones, por
ejemplo, aumentando la importancia de las actividades que abarcan múltiples riesgos conectados o
aumentando el atractivo de una opción sobre otras. Los riesgos pueden ser susceptibles de tratamientos
comunes, o puede haber situaciones en las que el tratamiento de un riesgo tenga implicaciones positivas o
negativas en otros lugares. Las acciones de tratamiento se pueden consolidar a veces para reducir
significativamente la cantidad de trabajo y equilibrar de manera más efectiva los recursos disponibles. Un
plan de tratamiento coordinado debe tener en cuenta estos factores en lugar de suponer que cada riesgo
debe tratarse de forma independiente.
Las técnicas para analizar interacciones y dependencias se describen en la Cláusula B.6.
6.3.7 Comprender las medidas de riesgo
6.3.7.1 Determinación de medidas de riesgo
En algunas situaciones, es útil proporcionar una medida de riesgo como una combinación de la magnitud de
las posibles consecuencias y la probabilidad de esas consecuencias. Esto puede implicar medidas cualitativas,
semicuantitativas o cuantitativas.
• Los enfoques cualitativos generalmente se basan en escalas descriptivas (nominales) o de clasificación
(ordinales) para consecuencias y probabilidades.
• Los enfoques semicuantitativos incluyen donde:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 23 –
– un parámetro (generalmente la probabilidad) se expresa cuantitativamente y el otro se describe
o expresado en una escala de calificación;
– las escalas se dividen en bandas discretas, cuyos límites se expresan cuantitativamente.
Los puntos de la escala a menudo se configuran para tener una relación logarítmica para ajustarse a los datos;
– se añaden descriptores numéricos a los puntos de la escala, cuyos significados se describen
cualitativamente.
El uso de escalas semicuantitativas puede dar lugar a interpretaciones erróneas si no se explica cuidadosamente la base de
los cálculos. Por lo tanto, los enfoques semicuantitativos deben validarse y utilizarse con precaución.
• Los enfoques cuantitativos usan medidas de consecuencias y probabilidades que se expresan en escalas numéricas (razón).
Cuando un riesgo se analiza en términos cuantitativos, se debe garantizar que se utilicen las unidades y dimensiones
apropiadas y que se lleven a cabo a lo largo de la evaluación.
Las técnicas cualitativas y semicuantitativas sólo pueden utilizarse para comparar riesgos con otros riesgos medidos de la misma
forma o con criterios expresados en los mismos términos. No se pueden utilizar para combinar o agregar riesgos directamente y
son muy difíciles de utilizar en situaciones en las que existen consecuencias tanto positivas como negativas o cuando se deben
realizar compensaciones entre riesgos.
Cuando las estimaciones cuantitativas de una consecuencia y su probabilidad se combinan como un producto simple para
proporcionar una magnitud para un riesgo, se puede perder información. En particular, no hay distinción entre los riesgos de alta
consecuencia y baja probabilidad y aquellos de baja consecuencia que ocurren con frecuencia. Para compensar esto, se puede
aplicar un factor de ponderación a la consecuencia oa la probabilidad; pero esto debe usarse con cuidado.
El riesgo no siempre puede describirse o estimarse adecuadamente como un valor único que representa la probabilidad de una
consecuencia específica. Los ejemplos en los que esto se aplica incluyen situaciones en las que:
• las consecuencias se expresan mejor como una distribución de probabilidad de consecuencias;
• un evento tiene varias causas diferentes y conduce a una gama de resultados y posibles
efectos consecuentes;
• las consecuencias surgen acumulativamente de la exposición continua a una fuente de riesgo;
• las fuentes de riesgo (como los problemas sistémicos) son identificables, pero es muy difícil especificar la naturaleza o la
probabilidad de las consecuencias que podrían surgir. (En este caso, se vuelve imposible estimar una magnitud válida para
el riesgo en términos de probabilidad y consecuencia).
Cuando un riesgo tiene una distribución de posibles consecuencias, se puede obtener una medida de riesgo como el promedio
ponderado de probabilidad de las consecuencias (es decir, el valor esperado). Sin embargo, esto podría no ser siempre una
buena medida del riesgo porque refleja la consecuencia media de la distribución. Esto da como resultado la pérdida de información
sobre consecuencias menos probables que pueden ser graves y, por lo tanto, importantes para comprender el riesgo. Las
técnicas para tratar con valores extremos no se incluyen en este documento.
NOTA Un valor esperado o valor esperado es equivalente a sumar todos los pares consecuencia/probabilidad en una
distribución, lo que equivale a utilizar la consecuencia media de la distribución.
Ejemplos de métricas cuantitativas de la magnitud de un riesgo incluyen:
• una frecuencia esperada de ocurrencia de una consecuencia específica tal como el número de
accidentes de vehículos por mil kilómetros recorridos en una región;
• el tiempo esperado entre eventos de interés, como el tiempo medio de actividad de un artículo;
• una probabilidad de un punto final específico durante un período definido de exposición (relevante cuando las consecuencias
se acumulan durante un período de exposición), como la probabilidad de contraer cáncer en algún momento de su vida
como resultado de la exposición a una dosis específica de una sustancia química;
Machine Translated by Google
ES EN IEC 31010:2019
– 24 – CEI 31010:2019 CEI 2019
• un valor esperado, como los rendimientos esperados o las ganancias financieras durante un período de inversión, o la
carga de salud pública esperada en términos de años de vida ajustados por discapacidad por millón de personas por
año;
• una estadística que representa la forma de una distribución de consecuencias como la varianza o
volatilidad de los rendimientos de una inversión;
• un valor igual o superior o inferior a un percentil especificado en una distribución de consecuencias;
EJEMPLO La ganancia de un proyecto que hay un 90 % de posibilidades de lograr; o el Valor en riesgo (VaR) de una
cartera que mide la pérdida que podría surgir en una cartera durante un período de tiempo específico con una probabilidad
específica.
• una medida extrema asociada con la distribución de consecuencias como las consecuencias máximas esperadas.
Las métricas basadas en consecuencias, como la pérdida máxima creíble o la pérdida máxima probable, se utilizan
principalmente cuando es difícil definir qué controles tienen la capacidad de fallar o cuando no hay datos suficientes para
basar las estimaciones de probabilidad.
La magnitud del riesgo depende de las suposiciones hechas sobre la presencia y efectividad de los controles relevantes.
Los profesionales suelen utilizar términos como riesgo inherente o bruto (para la situación en la que se supone que los
controles que pueden fallar lo hacen) y riesgo residual o neto para el nivel de riesgo cuando se supone que los controles
funcionan según lo previsto. Sin embargo, es difícil definir estos términos sin ambigüedades y, por lo tanto, es recomendable
establecer siempre explícitamente las suposiciones hechas sobre los controles.
Al reportar una magnitud de riesgo, ya sea cualitativa o cuantitativamente, se deben describir las incertidumbres asociadas
con los supuestos y con los parámetros de entrada y salida.
6.3.7.2 Agregación de medidas de riesgo
En algunos casos (como para la asignación de capital) puede ser útil combinar valores para un conjunto de riesgos para
producir un solo valor. Siempre que los riesgos se caractericen por una sola consecuencia, medida en las mismas
unidades, como el valor monetario, en principio pueden combinarse. Es decir, pueden combinarse solo cuando las
consecuencias y la probabilidad se expresan cuantitativamente y las unidades son consistentes y correctas. En algunas
situaciones, una medida de utilidad puede usarse como una escala común para cuantificar y combinar consecuencias que
se miden en diferentes unidades.
Desarrollar un único valor consolidado para un conjunto de riesgos más complejos pierde información sobre los riesgos
componentes. Además, a menos que se tenga mucho cuidado, el valor consolidado puede ser inexacto y tiene el potencial
de ser engañoso. Todos los métodos de agregación de riesgos a un solo valor tienen suposiciones subyacentes que
deben comprenderse antes de aplicarse. Los datos deben analizarse para buscar correlaciones y dependencias que
afectarán la forma en que se combinan los riesgos.
Las técnicas de modelado utilizadas para producir un nivel agregado de riesgo deben estar respaldadas por análisis de
escenarios y pruebas de estrés.
Cuando los modelos incorporen cálculos que involucren distribuciones, deben incluir correlaciones entre esas distribuciones
de manera apropiada. Si la correlación no se tiene en cuenta adecuadamente, los resultados serán inexactos y pueden
ser muy engañosos. Consolidar los riesgos simplemente sumándolos no es una base confiable para la toma de decisiones
y podría conducir a resultados no deseados. La simulación de Monte Carlo se puede utilizar para combinar distribuciones
(ver B.5.10).
Las medidas de riesgo cualitativas o semicuantitativas no pueden agregarse directamente. Del mismo modo, solo se
pueden hacer afirmaciones cualitativas generales sobre la eficacia relativa de los controles basados en medidas cualitativas
o semicuantitativas de cambios en el nivel de riesgo.
Los datos relevantes sobre diferentes riesgos se pueden reunir de diversas maneras para ayudar a los responsables de la
toma de decisiones. Es posible realizar una agregación cualitativa basada en la opinión de expertos, teniendo en cuenta
información de riesgo más detallada. Las suposiciones hechas y la información utilizada para realizar agregaciones
cualitativas de riesgo deben estar claramente articuladas.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 25 –
6.3.7.3 Riesgo social
Cuando una población está expuesta al riesgo, una simple agregación del nivel de riesgo individual multiplicando por la población
expuesta, en la mayoría de los casos, no representa adecuadamente el verdadero impacto de las consecuencias. Por ejemplo, el
riesgo de muerte de un individuo por un evento como la falla de una represa podría necesitar ser considerado de manera diferente
al mismo evento que afecta a un grupo de individuos juntos.
El riesgo social generalmente se expresa y evalúa en términos de la relación entre la frecuencia de ocurrencia de una consecuencia
(F) y el número de personas que soportan las consecuencias (N). (Ver diagramas FN en B.8.3).
Las técnicas que proporcionan una medida del riesgo se describen en la Cláusula B.7.
6.4 Revisar el análisis
6.4.1 Verificación y validación de resultados.
Siempre que sea posible, los resultados del análisis deben verificarse y validarse. La verificación consiste en comprobar que el
análisis se ha realizado correctamente. La validación implica verificar que se realizó el análisis correcto para lograr los objetivos
requeridos. En algunas situaciones, la verificación y la validación pueden implicar procesos de revisión independientes.
La validación puede incluir:
• verificar que el alcance del análisis sea apropiado para los objetivos establecidos;
• revisar todos los supuestos críticos para garantizar que sean creíbles a la luz de la información disponible
información;
• verificar que se usaron métodos, modelos y datos apropiados;
• usar múltiples métodos, aproximaciones y análisis de sensibilidad para probar y validar
conclusiones.
La verificación puede incluir:
• comprobar la validez de las manipulaciones y cálculos matemáticos; • verificar que los resultados
sean insensibles a la forma en que se muestran los datos o los resultados o
presentado;
• comparar los resultados con la experiencia pasada donde existen datos o por comparación con los resultados
después de que ocurran;
• establecer si los resultados son sensibles a la forma en que se muestran o presentan los datos o los resultados e identificar los
parámetros de entrada que tienen un efecto significativo en los resultados de la evaluación;
• comparar resultados con experiencias pasadas o posteriores, incluida la obtención explícita
retroalimentación a medida que pasa el tiempo.
6.4.2 Análisis de incertidumbre y sensibilidad
Quienes analizan el riesgo deben comprender las incertidumbres del análisis y apreciar las implicaciones para la confiabilidad de
los resultados. Las incertidumbres y sus implicaciones siempre deben comunicarse a los responsables de la toma de decisiones.
La incertidumbre en los resultados del análisis puede surgir porque:
• hay variabilidad en el sistema que se está considerando;
• los datos provienen de una fuente no confiable, inconsistente o insuficiente; por ejemplo, el tipo de datos recopilados o los
métodos de recopilación pueden haber cambiado;
Machine Translated by Google
ES EN IEC 31010:2019
– 26 – CEI 31010:2019 CEI 2019
• puede haber ambigüedad, por ejemplo, en la forma en que se expresan los descriptores cualitativos o
comprendido;
• el método de análisis no representa adecuadamente la complejidad del sistema; • existe una gran
confianza en la opinión o el juicio de los expertos;
• es posible que no existan datos relevantes o que la organización no haya recopilado los datos necesarios;
• los datos del pasado pueden no proporcionar una base confiable para pronosticar el futuro
porque algo dentro del contexto o las circunstancias ha cambiado;
• hay incertidumbres o aproximaciones en los supuestos que se hacen.
Cuando se reconoce la falta de datos confiables durante el análisis, se deben recopilar más datos, si es posible. Esto
puede implicar la implementación de nuevos arreglos de monitoreo. Alternativamente, el proceso de análisis debe
ajustarse para tener en cuenta las limitaciones de datos.
Se puede realizar un análisis de sensibilidad para evaluar la importancia de las incertidumbres en los datos o en los
supuestos que subyacen al análisis. El análisis de sensibilidad implica determinar el cambio relativo a los resultados
provocado por los cambios en los parámetros de entrada individuales. Se utiliza para identificar datos que deben ser
precisos y aquellos que son menos sensibles y, por lo tanto, tienen menos efecto sobre la precisión general. Los
parámetros a los que el análisis es sensible y el grado de sensibilidad deben indicarse cuando corresponda.
Los parámetros que son críticos para la evaluación y que están sujetos a cambios deben identificarse para un monitoreo
continuo, de modo que la evaluación de riesgos pueda actualizarse y, si es necesario, reconsiderar las decisiones.
6.4.3 Seguimiento y revisión
El monitoreo se puede utilizar:
• comparar los resultados reales con los resultados previstos por la evaluación de riesgos y, por lo tanto, mejorar las
evaluaciones futuras;
• buscar precursores e indicadores tempranos de posibles consecuencias que fueron identificados por
la evaluacion;
• recopilar los datos necesarios para una buena comprensión del riesgo;
• para buscar nuevos riesgos y cambios inesperados que puedan indicar la necesidad de actualizar
evaluación.
Cuando un análisis de sensibilidad indique parámetros de particular importancia para el resultado de un análisis, estos
también deben ser considerados para el monitoreo.
Las evaluaciones deben revisarse periódicamente para identificar si se han producido cambios, incluidos cambios en el
contexto o en los supuestos, y si hay nueva información o nuevos métodos disponibles.
6.5 Aplicar los resultados para respaldar las decisiones
6.5.1 Resumen
Los resultados del análisis de riesgos proporcionan información para las decisiones que deben tomarse y las acciones
que se toman.
NOTA Una comprensión del riesgo puede informar las acciones incluso cuando no se sigue un proceso explícito de toma de decisiones.
Los factores a considerar al tomar decisiones y cualquier criterio específico deberían haberse definido como parte del
establecimiento del contexto para la evaluación (ver 6.1.6).
Se pueden distinguir dos tipos de decisiones:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 27 –
• decisiones sobre la importancia del riesgo y si y cómo tratar el riesgo;
• decisiones que impliquen comparar opciones donde cada una tiene incertidumbres (como cuál de
varias oportunidades a seguir).
6.5.2 Decisiones sobre la importancia del riesgo
La información de la identificación y el análisis de riesgos se puede utilizar para sacar conclusiones sobre si el riesgo
debe aceptarse y la importancia comparativa del riesgo en relación con los objetivos y los umbrales de desempeño
de la organización. Esto proporciona un aporte a las decisiones sobre si el riesgo es aceptable o requiere tratamiento,
y cualquier prioridad para el tratamiento.
Algunos riesgos pueden aceptarse por un tiempo finito (por ejemplo, para dar tiempo a implementar tratamientos).
El evaluador debe tener claros los mecanismos para la aceptación temporal de riesgos y el proceso a utilizar para
su posterior reconsideración.
Las prioridades para el tratamiento, el seguimiento o un análisis más detallado a menudo se basan en una magnitud
de riesgo obtenida al combinar una consecuencia representativa y su probabilidad, y se muestran mediante una
matriz de consecuencia/probabilidad (B.10.3). Este método tiene algunas limitaciones (ver B.10.3.5 y 6.3.7.1). Los
factores distintos a la magnitud del riesgo que se pueden tener en cuenta al decidir las prioridades incluyen:
• otras medidas asociadas al riesgo como las consecuencias máximas o esperadas
o la eficacia de los controles;
• las características cualitativas de los eventos o sus posibles consecuencias;
• las opiniones y percepciones de las partes interesadas;
• el costo y la viabilidad del tratamiento adicional en comparación con la mejora obtenida;
• interacciones entre riesgos, incluidos los efectos de los tratamientos sobre otros riesgos.
Una vez que se han evaluado los riesgos y se han decidido los tratamientos, se puede repetir el proceso de
evaluación de riesgos para verificar que los tratamientos propuestos no hayan creado riesgos adversos adicionales
y que el riesgo restante después del tratamiento esté dentro del riesgo aceptado por la organización.
Las técnicas para evaluar la importancia del riesgo se describen en la Cláusula B.8.
6.5.3 Decisiones que implican seleccionar entre opciones
La selección entre opciones normalmente implica sopesar las posibles ventajas y desventajas de cada opción
teniendo en cuenta las incertidumbres que incluyen:
• incertidumbres asociadas con los resultados potenciales de las opciones y estimaciones de costos
y beneficios;
• eventos y desarrollos potenciales que pueden afectar los resultados;
• los variados valores que las diferentes partes interesadas otorgan a los costos y beneficios;
• incertidumbre en torno a los juicios hechos a partir de los resultados del análisis de riesgos, incluidas
consideraciones tales como si los objetivos y criterios permanecerán sin cambios en el futuro.
Este tipo de decisión a menudo se toma utilizando el juicio de expertos basado en la comprensión de un análisis de
las opciones en cuestión y el riesgo asociado con cada una, teniendo en cuenta:
• compensaciones que pueden ser necesarias entre objetivos contrapuestos;
• el apetito de riesgo de la organización;
• las diferentes actitudes y creencias de las partes interesadas.
Las técnicas que se pueden usar al comparar opciones que implican incertidumbre se describen en la Cláusula B.9.
Machine Translated by Google
ES EN IEC 31010:2019
– 28 – CEI 31010:2019 CEI 2019
6.6 Registrar e informar el proceso y los resultados de la evaluación de riesgos
Los resultados de la evaluación de riesgos, las metodologías utilizadas y la justificación de las suposiciones y cualquier
recomendación deben documentarse y tomarse una decisión sobre qué información debe comunicarse ya quién. Debe
definirse la forma en que se revisarán y actualizarán los registros.
El propósito de los registros es:
• comunicar información sobre el riesgo a los tomadores de decisiones y otras partes interesadas, incluyendo
reguladores;
• proporcionar un registro y justificación de la justificación de las decisiones tomadas;
• preservar los resultados de la evaluación para uso y referencia futuros;
• realizar un seguimiento del rendimiento y las tendencias;
• proporcionar confianza de que los riesgos se entienden y se gestionan adecuadamente;
• habilitar la verificación de la evaluación;
• proporcionar un registro de auditoría.
De ello se deduce que cualquier documentación o registro debe proporcionarse de manera oportuna y estar en un
formato que pueda ser entendido por quienes lo leerán. Los documentos también deben proporcionar la profundidad
técnica necesaria para la validación y el detalle suficiente para preservar la evaluación para uso futuro. La información
proporcionada debe ser suficiente para permitir que tanto los procesos seguidos como los resultados sean revisados
y validados. Las suposiciones hechas, las limitaciones en los datos o métodos y las razones de cualquier recomendación
deben ser claras.
El riesgo debe expresarse en términos comprensibles, y las unidades en las que se expresan las medidas cuantitativas
deben ser claras y correctas.
Quienes presenten los resultados deben caracterizar su confianza o la de su equipo en la precisión y exhaustividad de
los resultados. Las incertidumbres deben ser comunicadas adecuadamente para que el informe no implique un nivel
de certeza más allá de la realidad.
Las técnicas para registrar y reportar se describen en la Cláusula B.10.
7 Selección de técnicas de evaluación de riesgos
7.1 Generalidades
La cláusula 7 describe los factores a considerar cuando se selecciona una técnica o técnicas para un propósito
particular. Los anexos A y B enumeran y explican más detalladamente algunas técnicas de uso común. Describen las
características de cada técnica y su posible rango de aplicación, junto con sus fortalezas y debilidades inherentes.
Muchas de las técnicas descritas en este documento se desarrollaron originalmente para industrias particulares que
buscaban gestionar tipos particulares de resultados no deseados. Varias de las técnicas son similares, pero utilizan
diferentes terminologías, lo que refleja su desarrollo independiente para un propósito similar en diferentes sectores.
Con el tiempo, la aplicación de muchas de las técnicas se ha ampliado, por ejemplo, desde aplicaciones de ingeniería
técnica hasta situaciones financieras o de gestión, o para considerar resultados tanto positivos como negativos. Han
surgido nuevas técnicas y las antiguas se han adaptado a las nuevas circunstancias. Las técnicas y sus aplicaciones
continúan evolucionando. Existe la posibilidad de mejorar la comprensión del riesgo mediante el uso de técnicas fuera
de su aplicación original. Los anexos A y B, por lo tanto, indican las características de las técnicas que se pueden
utilizar para determinar la gama de circunstancias a las que se pueden aplicar.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 29 –
7.2 Selección de técnicas
La elección de la técnica y la forma en que se aplica deben adaptarse al contexto y al uso, y proporcionar información
del tipo y la forma que necesitan las partes interesadas. En términos generales, la cantidad y el tipo de técnica
seleccionada debe adaptarse a la importancia de la decisión y tener en cuenta las limitaciones de tiempo y otros
recursos, y los costos de oportunidad.
Al decidir si una técnica cualitativa o cuantitativa es más apropiada, los principales criterios a considerar son la forma
de salida de mayor utilidad para las partes interesadas y la disponibilidad y confiabilidad de los datos. Las técnicas
cuantitativas generalmente requieren datos de alta calidad para que proporcionen resultados significativos. Sin embargo,
en algunos casos en los que los datos no son suficientes, el rigor necesario para aplicar una técnica cuantitativa puede
proporcionar una mejor comprensión del riesgo, aunque el resultado del cálculo pueda ser incierto.
A menudo hay una selección de técnicas relevantes para una circunstancia dada. Es posible que sea necesario
considerar varias técnicas, y la aplicación de más de una técnica a veces puede proporcionar una comprensión
adicional útil. [2] También pueden ser apropiadas diferentes técnicas a medida que se disponga de más información.
Al seleccionar una técnica o técnicas, por lo tanto, se debe considerar lo siguiente:
• el propósito de la evaluación;
• las necesidades de las partes interesadas;
• cualquier requisito legal, reglamentario y contractual;
• el entorno operativo y el escenario;
• la importancia de la decisión (p. ej., las consecuencias si se toma una decisión equivocada); • cualquier
criterio de decisión definido y su forma;
• el tiempo disponible antes de que se deba tomar una decisión;
• información que está disponible o puede obtenerse;
• la complejidad de la situación;
• la experiencia disponible o que se puede obtener.
Las características de las técnicas relevantes para estos requisitos se enumeran en la Tabla A.1.
La Tabla A.2 proporciona una lista de técnicas, clasificadas según estas características.
A medida que aumenta el grado de incertidumbre, complejidad y ambigüedad del contexto, aumentará la necesidad de
consultar a un grupo más amplio de partes interesadas, con implicaciones para la combinación de técnicas seleccionadas.
NOTA Por ejemplo, IEC TR 63039:2016 [50] guía cómo usar las técnicas ETA, FTA y Markov de manera complementaria para
que el uso combinado sea una forma eficiente de analizar el riesgo de sistemas complejos.
Algunas de las técnicas descritas en este documento se pueden aplicar durante los pasos del proceso de gestión de
riesgos de ISO 31000 además de su uso en la evaluación de riesgos. La aplicación de las técnicas al proceso de
gestión de riesgos se ilustra en la Figura A.1. La Tabla A.3 ilustra su aplicación específicamente a la evaluación.
El Anexo B contiene una descripción general de cada técnica, su uso, sus entradas y salidas, sus fortalezas y
limitaciones y, cuando corresponda, una referencia para encontrar más detalles. Clasifica las técnicas según su
aplicación principal en la evaluación del riesgo, a saber:
• obtener puntos de vista de las partes interesadas y expertos (Cláusula B.1);
• identificación del riesgo (Cláusula B.2);
• determinar las fuentes, las causas y los impulsores del riesgo (Cláusula B.3);
• analizar los controles existentes (Cláusula B.4);
Machine Translated by Google
ES EN IEC 31010:2019
– 30 – CEI 31010:2019 CEI 2019
• comprender las consecuencias y la probabilidad (Cláusula B.5);
• analizar dependencias e interacciones (Cláusula B.6);
• proporcionar medidas de riesgo (Cláusula B.7);
• evaluar la importancia del riesgo (Cláusula B.8);
• seleccionar entre opciones (Cláusula B.9);
• registro y presentación de informes (Cláusula B.10).
Dentro de cada grupo, las técnicas están ordenadas alfabéticamente y no se implica ningún orden de importancia.
La mayoría de las técnicas del Anexo B asumen que se pueden identificar los riesgos o las fuentes de riesgo.
También existen técnicas que se pueden utilizar para evaluar indirectamente el riesgo residual considerando los
controles y requisitos existentes (ver, por ejemplo, IEC 61508 [36]).
Si bien este documento analiza y proporciona técnicas de ejemplo, las técnicas descritas no son exhaustivas y no se
hace ninguna recomendación sobre la eficacia de ninguna técnica dada en ninguna circunstancia dada. Se debe tener
cuidado al seleccionar cualquier técnica para garantizar que sea apropiada, confiable y efectiva en la circunstancia dada.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 31 –
Anexo A
(informativo)
Categorización de técnicas
A.1 Introducción a la categorización de técnicas
La Tabla A.1 explica las características de las técnicas que se pueden utilizar para seleccionar qué
técnica o técnicas utilizar.
Tabla A.1 – Características de las técnicas
Característica Descripción Detalles (por ejemplo, indicadores de características)
Solicitud Cómo se utiliza la técnica en la evaluación Obtenga puntos de vista, identifique, analice la
de riesgos (véanse los títulos de las Cláusulas B.1 a causa, analice los controles, etc.
B.10)
Alcance Se aplica al riesgo a nivel organizacional, organización (org)
departamental o de proyecto o procesos individuales o
nivel de equipo proyecto/departamento (dep)
equipo/proceso (equip/proc)
Horizonte de tiempo Considera el riesgo a corto, mediano o largo plazo Corto, mediano, largo, cualquiera
o es aplicable a cualquier horizonte de tiempo
Nivel de decisión Se aplica al riesgo a nivel estratégico, táctico u Estratégico (1), táctico (2), operativo (3)
operativo
Necesidades iniciales de información/datos El nivel de información inicial o datos necesarios Alto medio bajo
Experiencia especializada Nivel de experiencia requerido para la correcta bajo: entrenamiento intuitivo o de uno a dos días
usar
moderado: curso de formación de más de dos días
alto: requiere una formación significativa o
experiencia especializada
Cualitativo – cuantitativo Si el método es cualitativo, semicuantitativo o cuantitativo cuantitativo (cuant)
cualitativo (cal)
semicuantitativo (semicuantitativo)
se puede usar cualitativa o cuantitativamente (cualquiera)
Esfuerzo para aplicar Tiempo y costo requeridos para aplicar la alto medio bajo
técnica
A.2 Aplicación de la categorización de técnicas
La Tabla A.2 enumera una gama de técnicas clasificadas de acuerdo con estas características. Las
técnicas descritas representan formas estructuradas de ver el problema en cuestión que se han
encontrado útiles en contextos particulares. La lista no pretende ser exhaustiva, pero cubre una gama de
técnicas comúnmente utilizadas de una variedad de sectores. Para simplificar, las técnicas se enumeran
en orden alfabético sin ninguna prioridad.
Cada técnica se describe con más detalle en el Anexo B, como se indica en la columna 1 de la Tabla A.2.
B.5.5
Causa B.6.1 B.5.4 B.1.2 B.4.2
de
Análisis
pajarita
Una
forma
esquemática
de
describir
el B.5.3 B.5.2 B.8.2
Criterios
SFAIRP
ALARP/
para
decidir
la
importancia
del
riesgo
y
Subcláusula
análisis
de
consecuencias Mapeo
causal
Un
diagrama
de
red
que
representa
eventos, de
Análisis
Impacto
del
Negocio Lluvia
de
ideas Diagramas
de
influencia redes
bayesianas/
Técnica
Una
combinación
de
análisis
árbol
de
fallas
y
eventos
que
permite
la
inclusión
de
retardos
tiempo.
Se
consideran
tanto
las
causas
como
las
consecuencias
de
un
evento
iniciador. Causas
y
efectos
sus
relaciones. prioridades
de recuperación
de
los
productos
y
servicios
de
una
organización
y,
por
tanto,
las
prioridades
de
las
actividades
y
recursos
El
proceso
BIA
analiza
las
consecuencias
de
un
incidente
disruptivo
en
la
organización
que
determina
el
que
los Técnica
utilizada
en
los
talleres
para
fomentar
entrega. pensamiento
imaginativo. las
Analizar
vías
de
riesgo
desde
las
fuentes
de
riesgo
hasta
los
resultados
y
revisar
los
controles. probabilidades
Una
red
bayesiana
básica
tiene Un
incertidumbres,
consecuencias
y
acciones. modelo
gráfico
de
variables
y
sus
relaciones
causa
efecto
expresadas
usando
variables
que
representan
incertidumbres.
Una
versión
extendida,
conocida
como
diagrama
de
influencia,
incluye
variables
que
representan parámetros
utilizando
el
teorema
de
Bayes
que
tiene
la
capacidad
de
incorporar
probabilidades.
datos
empíricos
previos
en
juicios
sobre
el
análisis
bayesiano
Un
medio
para
hacer
inferencias
sobre
el
modelo medios
para
evaluar
la
tolerabilidad
del
riesgo.
Descripción
de
Ámbito
aplicación
analizar
las
causas
y obtener
vistas identificar
el
riesgo
analizar
probabilidad evaluar
el
riesgo.
describir
el
riesgo estimación
de
riesgo
consecuencia análisis
de
causas analizar
controles analizar
conseq. analizar
controles
decidir
opciones
entre
Tabla
Técnicas
–
A.2
y
características
indicativas
cualquier cualquier cualquier
2/3 2/3 2/3
1 1
corto/
medio corto/
medio Horizonte
de
tiempo
cualquier cualquier cualquier cualquier cualquier cualquier
Decisión
nivel
cualquier cualquier cualquier cualquier
2/3 2/3 1/2
2
Información/
datos
iniciales
medio
alto/
medio medio medio medio
necesidades
ninguno
bajo
alto
alto
moderado/ pericia Especialista
moderado bajo/
moderado bajo/
moderado
bajo
alto alto alto
cual/
semicuantitativo Cual/
cuantitativo/
semicuantitativo
quant/
qual
medio cual/
cuant
cuanto cuanto cuanto
calidad calidad
medio
alto/ Esfuerzo
para
medio
alto/ medio medio
aplicar
bajo bajo
alto
IEC 31010:2019 IEC 201 9 – 32 –
ES EN IEC 31010:2019
Machine Translated by Google
B.1.3 B.9.3 B.6.2 B.9.2 matriz
de
verosimilitud
B.10.3
Consecuencia/ B.7.3 B.3.2 B.2.2
Subcláusula
Técnica
Delphi
Recoge
a
través
juicios
de
un
conjunto
de de
Análisis
árboles
decisión de
Análisis
impacto
cruzado coste
Análisis
beneficio Valor
en
riesgo
condicional
CVaR Enfoque
Cindynic
Considera
metas,
valores,
reglas,
datos
y Listas
de
verificación
clasificaciones,
taxonomías
Técnica
participar
individualmente
pero
recibir
cuestionarios
secuenciales.
Las
personas
comentan
las
respuestas
de
los
demás
después
de
cada
serie
de
preguntas. Una
representación
alternativa
de
un
árbol
de
decisión
es
un
diagrama
de
influencia
(ver
B.5.3). Utiliza
una
representación
en
forma
de
árbol
o
modelo
de
utilidad.
decisiones
y
sus
posibles
consecuencias.
Los
resultados
suelen
expresarse
en
términos
monetarios
o
en
términos
de Evalúa
los
cambios
en
la
probabilidad
de
ocurrencia
un
conjunto
dado
de
eventos
como
consecuencia
de
la
ocurrencia
real
de
uno
ellos. consecuencias
positivas
y
negativas,
tangibles
e
intangibles,
de
diferentes
opciones.
Utiliza
el
dinero
como
una
escala
para
estimar
las Compara
los
riesgos
individuales
seleccionando
un
par
consecuencia/
probabilidad
y
mostrándolos
en
una
matriz
con
la
consecuencia
en
un
eje
y
la
probabilidad
en
el
otro. medida
de
la
pérdida
esperada
de
un
También
llamado
déficit
esperado
(ES),
es
una
cartera
financiera
en
el
peor
de
los
casos. modelos
de
partes
interesadas
e
identifica
inconsistencias,
ambigüedades,
omisiones
e
ignorancia.
Estos
forman
fuentes
sistémicas
y
generadores
de
riesgo. Las
listas
basadas
en
la
experiencia
o
en
conceptos
identifican
riesgos
o
controles.
y
modelos
que
se
pueden
utilizar
para
ayudar
Descripción
de
Ámbito
aplicación
obtener
vistas reportar
riesgos medida
de
riesgo
de los
conductores
identifican
el
riesgo o
los
controles
identifican
el
riesgo
analizar
la
probabilidad
y
la
causa
comparar
opciones comparar
opciones evaluar
cualquier cualquier cualquier cualquier cualquier cualquier
1/2 2/3
corto/
medio corto/
medio corto/
medio corto
o
medio Horizonte
de
tiempo
cualquier cualquier cualquier cualquier
Decisión
nivel
cualquier cualquier cualquier cualquier cualquier
2 3 1
bajo/
medio
moderado
alto
bajo
a
alto
moderado/
alto
para
desarrollar,
bajo
para
usar
Información/
datos
iniciales
/m
alto
edio desarrollar
moderado
a
medio
bajo
para
usar,
necesidades
ninguno
alto bajo
alto
moderado/ pericia Especialista
moderado moderado bajo/
moderado
alto
Cual/
cuantitativo/
semicuantitativo
cuanto cuanto cuanto qual/
quant
semi
quant/ cuanto
calidad calidad calidad
medio
bajo
medio
alto/ medio
alto/ Esfuerzo
para
medio medio medio
aplicar
bajo
alto
– 33 – IEC 31010:2019 IEC 201 9
ES EN IEC 31010:2019
Machine Translated by Google
B.1.5 B.5.8
Confiabilidad
humana B.2.4 B.4.3 B.9.4
Teoría
de
juegos B.8.3 B.2.3 B.5.7 B.5.6
Subcláusula
Entrevistas análisis
(HRA) Estudios
de
peligrosidad
y
operatividad
(HAZOP) de
Análisis
peligros
y
puntos
críticos
de
control
(APPCC) Diagramas
de
frecuencia/
número
(F/
N) FME(C)A de
Análisis
modos
y
efectos
de
falla
(y
criticidad) de
Análisis
árbol
fallas
(FTA) de
Análisis
árbol
eventos
(ETA)
Técnica
Conversaciones
uno
a
estructuradas
o
semiestructuradas
para
obtener
puntos
de
vista. potencial
de
error
humano
y
estimación
Conjunto
de
técnicas
para
identificar
la
probabilidad
de
falla. para
identificar
y
evaluar
problemas
Un
examen
estructurado
y
sistemático
de
un
proceso
u
operación
planificada
o
existente
que
podría
representar
un
riesgo
para
el
personal
o
el
equipo,
o
impedir
una
operación
eficiente. la
Analiza
reducción
del
riesgo
que
se
puede
lograr
mediante
varias
capas
de
protección. modelar
el
impacto
de
las estudio
de
la
toma
de
decisiones
estratégicas
a
los
que
diferentes
intervienen
jugadores
en
el
juego.
decisiones
de
Ejemplo
el
área
de
aplicación
puede
ser
la
fijación
de
precios
basada
en
el
riesgo.El Caso
especial
de
vida
humana
cuantitativa.
gráfico
de
consecuencia/
probabilidad
aplicado
a
la
consideración
de
la
tolerabilidad
del
riesgo
para Considera
las
formas
en
que
cada
componente
de
un
sistema
puede
fallar
y
el
modo
(FMECA).
Causas
y
efectos
de
las
fallas.
FMEA
puede
ser
seguido
por
un
análisis
de
criticidad
que
define
la
importancia
de
cada
falla Lógica
booleana
para
describir
combinaciones
de
las
Analiza
causas
de
un
evento
de
enfoque
utilizando
fallas.
Las
variaciones
incluyen
un
árbol
de
éxito
donde
se
desea
el
evento
principal
y
un
árbol
de
causas
utilizado
para
investigar
eventos
pasados. Modela
los
posibles
resultados
de
un
evento
iniciador
dado
y
el
estado
de
los
controles,
analizando
así
la
frecuencia
o
probabilidad
de
los
diversos
resultados
posibles.
Descripción
de
riesgo
analizar
riesgo
y
fuentes identificar
riesgos de
Ámbito
aplicación
obtener
vistas analizar
identificar
y
analizar
probabilidad
evaluación
de
riesgos
monitorear
analizar
controles analizar analizar
controles
conseq.
y
decidir
opciones
entre causas
riesgos
cualquier
2/3 2/3 2/3 2/3 2/3
3 1 1
largo
medio/ Horizonte
de
tiempo
corto/
medio medio medio
cualquier cualquier cualquier cualquier cualquier
Decisión
nivel
cualquier cualquier cualquier
2/3 2/3 2/3 1/2 2/3 2/3
la
aplicación
depende
de baja/
media
moderada
calidad/
cuantificación
media
Información/
datos
iniciales
medio participantes:
medio
facilitador: medio quant
alto
para
análisis
necesidades
ninguno
alto alto
la
complejidad
depende
de
moderado alto,
moderado moderado quant/
quant
moderado
qual/
semi pericia Especialista
alto alto alto
Cual/
cuantitativo/
semicuantitativo
alta
calidad/
cuant.
media
a alta
calidad/
cuantificación
media/
cuanto cuanto
calidad calidad calidad
medio
alto/ medio
alto/ bajo/
alto Esfuerzo
para
medio
aplicar
alto alto
IEC 31010:2019 IEC 201 9 – 34 –
ES EN IEC 31010:2019
Machine Translated by Google
B.8.5 B.8.4 B.1.4 B.9.5 B.5.10
Montecarlo B.5.9
de
Análisis
Markov
Calcula
la
probabilidad
de
que
un
sistema B.4.4 B.3.3
Subcláusula
(MCR) Mantenimiento
centrado
en
la
confiabilidad Diagramas
de
Pareto Técnica
de
grupo
nominal multicriterio
Análisis
(ACM) análisis de
Análisis
capas
protección
(LOPA) de
Análisis
Ishikawa
(diagrama
de
espina
pescado)
Técnica
Una
evaluación
basada
en
riesgos
utilizada
para
identificar
las
tareas
de
mantenimiento
apropiadas
para
un
sistema
y
sus
componentes. ser
necesario
para
gestionarlo. cómo
Analiza
los
incidentes
y
eventos
podrían
afectar
la
privacidad
de
una
persona
(PI)
e
identifica
y
cuantifica
las
capacidades
que
afectarían
el
análisis /
análisis
de
impacto
de
protección
de
datos
B.5.11
(PIA/
DPIA)
privacidad causas El
principio
de
Pareto
(la
regla
del
8020)
establece
que,
para
muchos
eventos,
aproximadamente
el
80
%
de
los
efectos
provienen
del
20
%
de
los individuos
sin
interacción,
luego
grupo
Técnica
para
obtener
puntos
de
vista
un
grupo
de
personas
donde
la
participación
inicial
es
como
sigue
la
discusión
de
ideas. Compara
opciones
de
una
manera
que
hace
entradas.
compensaciones
explícitas.
Proporciona
una
alternativa
al
análisis
de
costo/
beneficio
que
no
necesita
asignar
un
valor
monetario
a
todos Calcula
la
probabilidad
de
los
resultados
ejecutando
múltiples
simulaciones
utilizando
variables
aleatorias. número
de
estados
estará
en
un
particular
que
tiene
la
capacidad
de
estar
en
uno
de
un
estado
en
un
tiempo
t
en
el
futuro. la
Analiza
reducción
del
riesgo
que
se
puede
lograr
mediante
varias
capas
de
protección. Identifica
los
factores
que
contribuyen
a
una
definición
Los
factores
que
contribuyen
generalmente
se
dividen
en
categorías
predefinidas
y
se
muestran
en
el
resultado
(deseado
o
no
deseado).
una
estructura
de
árbol
o
un
diagrama
de
espina
pescado.
Descripción
establecer
prioridades de
Ámbito
aplicación
obtener
vistas
análisis
de
riesgos
fuentes
de análisis
de
riesgos
fuentes
de
analizar
probabilidad probabilidad
evaluación
de
riesgos análisis
consecuencia
decidir
los
controles analizar analizar
controles
decidir
opciones
entre
cualquier cualquier cualquier cualquier cualquier cualquier
2/3
3 3
medio Horizonte
de
tiempo
cualquier cualquier cualquier cualquier cualquier cualquier cualquier cualquier
Decisión
nivel
cualquier cualquier cualquier cualquier cualquier
2/3 1/2 2/3 2/3
Información/
datos
iniciales
medio
alto/
medio alto
medio
moderado/ medio medio alto
medio
moderado/
necesidades
ninguno
bajo bajo
alto
para
facilitador,
moderado
a
Especialista
moderado moderado bajo/
moderado
pericia
usar bajo
alto alto
cual/
semicuantitativo/
cuantitativo Cual/
cuantitativo/
semicuantitativo
semicuantitativo/
cuantitativo
alta
calidad/
cuantificación
media/
cuanto cuanto
calidad calidad calidad calidad
medio
bajo
medio
alto/ medio
alto/ Esfuerzo
para
medio medio medio
aplicar
bajo bajo
– 35 – IEC 31010:2019 IEC 201 9
ES EN IEC 31010:2019
Machine Translated by Google
B.7.2
Valor
en
riesgo B.7.1 B.2.6 B.1.6 B.2.5 B.10.4
Curvas
S B.10.2
Registros
de
riesgos
Un
medio
para
registrar
información
sobre B.8.6
Subcláusula
(var) Riesgo
toxicológico
evaluación Técnica
estructurada
de
qué
pasaría
si
(SWIFT) Encuestas de
Análisis
escenarios
Identifica
posibles
escenarios
futuros
a
través
de Índices
de
riesgo
Técnica
Medida
financiera
de
riesgo
que
utiliza
una
condición
de
mercado
estable
para
calcular
la
distribución
de
probabilidad
supuesta
de
pérdidas
el
valor
de
una
pérdida
que
podría
ocurrir
con
una
probabilidad
específica
dentro
de
un
período
de
tiempo
definido. Una
serie
de
pasos
tomados
para
obtener
una
medida
del
riesgo
para
los
seres
humanos
o
los
sistemas
ecológicos
debido
a
la
exposición
a
productos
químicos. "qué
pasaría
si"
para
identificar
las
desviaciones
de
la
Una
forma
más
simple
de
HAZOP
con
avisos
de
lo
esperado. para
obtener
puntos
de
vista. Cuestionarios
en
papel
o
en
computadora imaginación,
extrapolación
del
presente
o
modelado.
Luego
se
considera
el
riesgo
para
cada
uno
de
estos
escenarios. entre
las
una
función
de Un
medio
para
mostrar
la
relación.
consecuencias
y
su
probabilidad
representadas
como
distribución
acumulativa
(curva
S). riesgos
y
acciones
de
seguimiento. Califica
la
importancia
de
los
riesgos
en
función
de
las
calificaciones
aplicadas
a
los
factores
que
se
cree
que
influyen
en
la
magnitud
del
riesgo.
Descripción
consecuencia
el
análisis
identifica
el
riesgo, de
Ámbito
aplicación
identificar
el
riesgo riesgo
de
visualización monitor
de
revisión
y
medida
de
riesgo
de medida
de
riesgo
de obtener
vistas
evaluación
de
riesgos comparar
riesgos
y
riesgos
reporte
registro
cualquier cualquier cualquier cualquier cualquier cualquier
1/2
3
largo
medio
o
largo
medio/ largo
medio/ largo
medio/ Horizonte
de
tiempo
corto/
medio
cualquier cualquier cualquier
Decisión
nivel
cualquier cualquier cualquier
2/3 1/2 2/3 2/3
3
bajo/
medio
moderado medio
bajo
Información/
datos
iniciales
medio
alto/
medio desarrollar
moderado
a
medio
bajo
para
usar,
necesidades
alto alto bajo
alto
moderado/ pericia Especialista
bajo/
moderado moderado bajo/
moderado
alto alto
cuántico
cuántico/
semi Cual/
cuantitativo/
semicuantitativo
semicuantitativo
cuanto cuanto
calidad calidad calidad calidad
medio
bajo medio
bajo
Esfuerzo
para
medio medio medio
aplicar
alto alto bajo
IEC 31010:2019 IEC 201 9 – 36 –
ES EN IEC 31010:2019
Machine Translated by Google
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 37 –
A.3 Uso de técnicas durante el proceso ISO 31000
La Tabla A.3 enumera la medida en que cada técnica es aplicable a las diferentes etapas de la
evaluación de riesgos; a saber, identificación de riesgos, análisis de riesgos y evaluación de riesgos.
Algunas de las técnicas también se utilizan en otros pasos del proceso. Esto se ilustra en la Figura A.1.
Figura A.1 – Aplicación de técnicas en el proceso de gestión de riesgos ISO 31000 [3]
NOTA La Figura A.1 pretende proporcionar una descripción general y no es una lista exhaustiva de todas las técnicas que se pueden utilizar
en cada paso.
Machine Translated by Google
– 38 – CEI 31010:2019 CEI 2019
Tabla A.3 – Aplicabilidad de las técnicas al proceso ISO 31000
Proceso de evaluación de riesgos
Herramientas y técnicas
Análisis de riesgo Subcláusula
Identificación de riesgo Evaluación de riesgo
Consecuencia Probabilidad Nivel de riesgo
ALARP, ALARA y SFAIRP N / A N / A N / A N / A SA B.8.2
análisis bayesiano N / A N / A SA N / A N / A B.5.2
redes bayesianas N / A N / A SA N / A SA B.5.3
Análisis de pajarita A SA A A A B.4.2
Lluvia de ideas SA A N / A N / A N / A B.1.2
Análisis de Impacto del Negocio A SA N / A N / A N / A B.5.4
Mapeo causal A A N / A N / A N / A B.6.1
Análisis de causaconsecuencia A SA SA A A B.5.5
Listas de control, clasificaciones y taxonomías
SA N / A N / A N / A N / A B.2.2
enfoque cindínico SA N / A N / A N / A N / A B.3.2
Matriz de consecuencias/probabilidades N / A A A SA A B.10.3
Análisis costebeneficio N / A SA N / A N / A SA B.9.2
Análisis de impacto cruzado N / A N / A SA N / A N / A B.6.2
Análisis de árboles de decisión N / A SA SA A A B.9.3
técnica Delphi SA N / A N / A N / A N / A B.1.3
Análisis de árbol de eventos N / A SA A A A B.5.6
Análisis de modos y efectos de falla
SA SA N / A N / A N / A B.2.3
Modos de falla y efectos y análisis de
SA SA SA SA SA B.2.3
criticidad.
Análisis del árbol de fallos A N / A SA A A B.5.7
diagramas FN A SA SA A SA B.8.3
Teoría de juego A SA N / A N / A SA B.9.4
Estudios de peligrosidad y operabilidad
SA A N / A N / A N / A B.2.4
(HAZOP)
Análisis de peligros y puntos críticos de
SA SA N / A N / A SA B.4.3
control (APPCC)
Análisis de confiabilidad humana SA SA SA SA A B.5.8
Ishikawa (espina de pescado) SA A N / A N / A N / A B.3.3
Análisis de protección de capas (LOPA) A SA A A N / A B.4.4
análisis de Markov A A SA N / A N / A B.5.9
simulación del Monte Carlo N / A A A A SA B.5.10
Análisis multicriterio (ACM) A N / A N / A N / A SA B.9.5
Técnica de grupo nominal SA A A N / A N / A B.1.4
Diagramas de Pareto N / A A A A SA B.8.4
Análisis de impacto en la privacidad/
evaluación de impacto en la privacidad de datos A SA A A SA B.5.11
(PIA/DPIA)
Mantenimiento centrado en la confiabilidad A A A A SA B.8.5
Índices de riesgo N / A SA SA A SA B.8.6
Curvas en S N / A A A SA SA B.10.4
Análisis de escenario SA SA A A A B.2.5
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 39 –
Proceso de evaluación de riesgos
Herramientas y técnicas Subcláusula
Análisis de riesgo Riesgo
Identificación de riesgo evaluación
Consecuencia Probabilidad Nivel de riesgo
Entrevistas estructuradas o
SA N / A N / A N / A N / A B.1.5
semiestructuradas
Estructurado "¿Qué pasaría si?" (RÁPIDO) SA SA A A A B.2.6
Encuestas SA N / A N / A N / A N / A B.1.6
Evaluación de riesgos toxicológicos SA SA SA SA SA B.7.1
Valor en riesgo (VaR) N / A A A SA SA B.7.2
R: aplicable; SA: fuertemente aplicable; NA: no aplicable.
Machine Translated by Google
ES EN IEC 31010:2019
– 40 – CEI 31010:2019 CEI 2019
Anexo B
(informativo)
Descripción de técnicas
B.1 Técnicas para obtener opiniones de partes interesadas y expertos
B.1.1 Generalidades
Algunas de las técnicas descritas en las Cláusulas B.2 a B.7 involucran aportes de partes interesadas y expertos. Esto proporciona
una amplia experiencia y permite la participación de las partes interesadas.
Las opiniones de las partes interesadas y de los expertos se pueden obtener de forma individual (por ejemplo, a través de
entrevistas o encuestas) o utilizando técnicas grupales como lluvia de ideas, grupos nominales o técnica Delphi.
Las vistas pueden incluir la divulgación de información, expresiones de opinión o ideas creativas.
La cláusula B.1 describe algunas técnicas que se pueden utilizar para obtener información u obtener consenso.
En algunas situaciones, las partes interesadas tienen una experiencia y un papel específicos, y hay poca divergencia de opinión.
Sin embargo, a veces se pueden esperar opiniones significativamente diferentes de las partes interesadas y puede haber
estructuras de poder y otros factores que afectan la forma en que interactúan las personas.
Estos factores afectarán la elección del método utilizado. El número de partes interesadas a consultar, las limitaciones de tiempo
y los aspectos prácticos de reunir a todas las personas necesarias al mismo tiempo también influirán en la elección del método.
Cuando se utiliza un método de grupo cara a cara, es importante contar con un facilitador experimentado y capacitado para lograr
buenos resultados. El papel del facilitador o coordinador es:
• organizar el equipo;
• obtener y distribuir información y datos relevantes antes de la reunión/colaboración;
• preparar una estructura y un formato eficientes para la reunión/colaboración; • provocar el
pensamiento creativo para fortalecer la comprensión y generar ideas;
• asegurarse de que los resultados sean precisos y libres de sesgos en la medida de lo posible.
Las listas de verificación derivadas de clasificaciones y taxonomías se pueden utilizar como parte del proceso (ver B.2.2).
Cualquier técnica para obtener información que dependa de las percepciones y opiniones de las personas tiene el potencial de
ser poco confiable y adolece de una variedad de sesgos, como el sesgo de disponibilidad (una tendencia a sobreestimar la
probabilidad de algo que acaba de suceder), la ilusión de agrupamiento (la tendencia a sobreestimar la importancia de pequeños
conglomerados en una muestra grande) o efecto de carro (la tendencia a hacer o creer cosas porque otros hacen o creen lo
mismo).
En la norma EN 12973 [4] se proporciona orientación sobre el análisis de funciones que se puede utilizar para reducir el sesgo y
centrar el pensamiento creativo en los aspectos que tienen el mayor impacto.
Debe informarse la información en la que se basaron los juicios y cualquier suposición realizada.
B.1.2 Lluvia de ideas
B.1.2.1 Descripción general
La lluvia de ideas es un proceso utilizado para estimular y alentar a un grupo de personas a desarrollar ideas relacionadas con
uno o más temas de cualquier naturaleza. El término "lluvia de ideas" a menudo se usa de manera muy vaga para referirse a
cualquier tipo de discusión grupal, pero una lluvia de ideas efectiva requiere un esfuerzo consciente para garantizar que los
pensamientos de los demás en el grupo se usen como herramientas para estimular la creatividad.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 41 –
de cada participante. Cualquier análisis o crítica de las ideas se realiza por separado de la lluvia de ideas.
Esta técnica da los mejores resultados cuando se dispone de un facilitador experto que puede proporcionar la estimulación
necesaria pero que no limita el pensamiento. El facilitador estimula al grupo a cubrir todas las áreas relevantes y se asegura
de que las ideas del proceso sean capturadas para su posterior análisis.
La lluvia de ideas puede ser estructurada o no estructurada. Para una lluvia de ideas estructurada, el facilitador divide el
tema a discutir en secciones y utiliza indicaciones preparadas para generar ideas sobre un tema nuevo cuando uno está
agotado. La lluvia de ideas no estructurada suele ser menos formal.
En ambos casos, el facilitador inicia un tren de pensamiento y se espera que todos generen ideas. El ritmo se mantiene
para permitir que las ideas desencadenen el pensamiento lateral. El facilitador puede sugerir una nueva dirección o aplicar
una herramienta de pensamiento creativo diferente cuando una dirección de pensamiento se agota o la discusión se desvía
demasiado. El objetivo es recopilar tantas ideas diversas como sea posible para su posterior análisis.
Se ha demostrado que, en la práctica, los grupos generan menos ideas que las mismas personas trabajando individualmente.
Por ejemplo:
• en un grupo, las ideas de las personas tienden a converger en lugar de diversificarse;
• la demora en esperar un turno para hablar tiende a bloquear las ideas;
• las personas tienden a trabajar menos mentalmente cuando están en grupo.
Estas tendencias se pueden reducir mediante:
• brindar oportunidades para que las personas trabajen solas parte del tiempo;
• diversificar los equipos y cambiar la composición del equipo;
• combinar con técnicas como la técnica de grupo nominal (B.1.4) o la lluvia de ideas electrónica. Éstos fomentan una
mayor participación individual y pueden configurarse para que sean anónimos, evitando así también cuestiones
políticas y culturales personales.
B.1.2.2 Uso
La lluvia de ideas se puede aplicar en cualquier nivel de una organización para identificar incertidumbres, modos de éxito
o fracaso, causas, consecuencias, criterios de decisión u opciones de tratamiento.
El uso cuantitativo es posible, pero solo en su forma estructurada para garantizar que los sesgos se tengan en cuenta y se
aborden, especialmente cuando se utilizan para involucrar a todas las partes interesadas.
El brainstorming estimula la creatividad y por ello es muy útil a la hora de trabajar en diseños, productos y procesos
innovadores.
B.1.2.3 Entradas
La lluvia de ideas obtiene puntos de vista de los participantes, por lo que tiene menos necesidad de datos o información
externa que otros métodos. Los participantes deben tener entre ellos la pericia, la experiencia y la variedad de puntos de
vista necesarios para el problema en cuestión. Normalmente se necesita un facilitador hábil para que la lluvia de ideas sea
productiva.
B.1.2.4 Salidas
Los resultados son una lista de todas las ideas generadas durante la sesión y los pensamientos que surgieron cuando se
presentaron las ideas.
B.1.2.5 Fortalezas y limitaciones
Las fortalezas de la lluvia de ideas incluyen lo siguiente.
• Fomenta la imaginación y la creatividad, lo que ayuda a identificar nuevos riesgos y soluciones novedosas.
Machine Translated by Google
ES EN IEC 31010:2019
– 42 – CEI 31010:2019 CEI 2019
• Es útil donde hay pocos o ningún dato, y donde se requieren nuevas tecnologías o soluciones novedosas.
• Involucra a las partes interesadas clave y, por lo tanto, ayuda a la comunicación y el compromiso.
• Es relativamente rápido y fácil de configurar.
Las limitaciones incluyen lo siguiente.
• Es difícil demostrar que el proceso ha sido integral.
• Los grupos tienden a generar menos ideas que los individuos que trabajan solos. • Las
dinámicas de grupo particulares pueden significar que algunas personas con ideas valiosas se quedan calladas
mientras que otras dominan la discusión. Esto se puede superar mediante una facilitación eficaz.
• Fomentar el pensamiento creativo y las nuevas ideas puede significar que la conversación no se detenga.
centrado en el asunto que se está considerando, y esto consume tiempo de la reunión.
B.1.2.6 Documentos de referencia
[5] PROCTOR, A. (2009). Resolución creativa de problemas para gerentes [6]
GOLDENBERG, Olga, WILEY, Jennifer. Calidad, conformidad y conflicto: Cuestionando la
suposiciones de la técnica de lluvia de ideas de Osborn
B.1.3 técnica Delphi
B.1.3.1 Descripción general
La técnica Delphi es un procedimiento para obtener el consenso de opinión de un grupo de expertos. Es un
método para recopilar y cotejar juicios sobre un tema en particular a través de un conjunto de cuestionarios
secuenciales. Una característica esencial de la técnica Delphi es que los expertos expresan sus opiniones de
forma individual, independiente y anónima mientras tienen acceso a las opiniones de los demás expertos a
medida que avanza el proceso.
Al grupo de expertos que forman el panel se les proporciona de manera independiente la pregunta o preguntas a
considerar. La información de la primera ronda de respuestas se analiza y combina y se distribuye a los panelistas
que luego pueden reconsiderar sus respuestas originales.
Los panelistas responden y el proceso se repite hasta que se alcanza un consenso o casi consenso.
Si un panelista o una minoría de panelistas mantienen su respuesta constantemente, podría indicar que tienen
información importante o un punto de vista importante.
B.1.3.2 Uso
La técnica Delphi se utiliza para problemas complejos sobre los que existe incertidumbre y para los que se
necesita el juicio de expertos para hacer frente a esta incertidumbre. Se puede utilizar en la elaboración de
pronósticos y políticas, y para obtener consenso o reconciliar diferencias entre expertos. Puede usarse para
identificar riesgos (con resultados positivos y negativos), amenazas y oportunidades y para obtener consenso
sobre la probabilidad y las consecuencias de eventos futuros. Suele aplicarse a nivel estratégico o táctico. Su
aplicación original era para pronósticos a largo plazo, pero se puede aplicar a cualquier período de tiempo.
B.1.3.3 Entradas
El método se basa en el conocimiento y la cooperación continua de los participantes a través de una escala de
tiempo variable que puede ser de días, semanas, meses o incluso años.
El número de participantes puede oscilar entre unos pocos y cientos. Los cuestionarios escritos pueden hacerse
en lápiz y papel o distribuirse y devolverse utilizando herramientas de comunicación electrónica, como el correo
electrónico e Internet. El uso de sistemas tecnológicos ayuda a garantizar agilidad y precisión en la recopilación
de información en cada ciclo.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 43 –
B.1.3.4 Salidas
Consenso sobre el asunto en consideración.
B.1.3.5 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• Como las opiniones son anónimas, es más probable que se expresen opiniones impopulares y hay menos sesgo
de jerarquía.
• Todas las opiniones tienen el mismo peso, lo que evita el problema de las personalidades dominantes.
• Logra la propiedad de los resultados.
• No es necesario reunir a las personas en un lugar a la vez.
• Las personas tienen tiempo para dar una respuesta considerada a las preguntas.
• El proceso tiende a significar que los expertos dedican toda su atención a la tarea.
Las limitaciones incluyen lo siguiente.
• Es laborioso y requiere mucho tiempo.
• Los participantes deben poder expresarse claramente por escrito.
B.1.3.6 Documento de referencia
[7] ROWE, G. WRIGHT, G. La técnica Delphi: perspectivas pasadas, presentes y futuras.
Pronóstico tecnológico y cambio social 2011, 78, Edición Especial Delphi
B.1.4 Técnica del grupo nominal
B.1.4.1 Descripción general
La técnica del grupo nominal, al igual que la lluvia de ideas, tiene como objetivo recopilar ideas. Las opiniones se
buscan primero individualmente sin interacción entre los miembros del grupo, luego se discuten en el grupo.
El proceso es el siguiente.
• El facilitador proporciona a cada miembro del grupo las preguntas a considerar.
• Las personas escriben sus ideas en silencio e independientemente.
• Cada miembro del grupo presenta sus ideas, en esta etapa, sin discusión. Si la dinámica del grupo significa que
algunas voces tienen más peso que otras, las ideas se pueden transmitir al facilitador de forma anónima. Los
participantes pueden buscar más aclaraciones.
• Las ideas luego son discutidas por el grupo para proporcionar una lista acordada.
• Los miembros del grupo votan en privado sobre las ideas y se toma una decisión grupal basada en
los votos
B.1.4.2 Uso
La técnica del grupo nominal se puede utilizar como alternativa a la lluvia de ideas. También es útil para priorizar
ideas dentro de un grupo.
B.1.4.3 Entradas
Las ideas y experiencias de los participantes.
B.1.4.4 Salidas
Ideas, soluciones o decisiones según se requiera.
Machine Translated by Google
ES EN IEC 31010:2019
– 44 – CEI 31010:2019 CEI 2019
B.1.4.5 Fortalezas y limitaciones
Los puntos fuertes de la técnica del grupo nominal incluyen lo siguiente.
• Proporciona una visión más equilibrada que la lluvia de ideas cuando algunos miembros de un grupo son más
vocales que otros.
• Tiende a producir una participación más uniforme si todos o algunos miembros del grupo son nuevos en el
equipo, el tema es controvertido o existe un desequilibrio de poder o conflicto entre el equipo.
• Se ha demostrado que genera un mayor número de ideas que la lluvia de ideas.
• Disminuye la presión para conformarse al grupo.
• Puede lograr el consenso en un período de tiempo relativamente corto.
Las limitaciones incluyen lo siguiente.
• La fertilización cruzada de ideas puede verse restringida.
• Las mismas ideas se pueden expresar de muchas maneras ligeramente diferentes, lo que las hace difíciles de
cotejar.
B.1.4.6 Documento de referencia
[8] MCDONALD, D. BAMMER, G. and DEANE, P. Research Integration Using Dialogue
Métodos
NOTA Esta referencia también proporciona detalles de una variedad de otros métodos, algunos de los cuales también se analizan en este
documento.
B.1.5 Entrevistas estructuradas o semiestructuradas
B.1.5.1 Descripción general
En una entrevista estructurada, a los entrevistados individuales se les hace un conjunto de preguntas preparadas.
Una entrevista semiestructurada es similar, pero permite más libertad para que una conversación explore los
problemas que surjan. En una entrevista semiestructurada, se brinda explícitamente la oportunidad de explorar áreas
que el entrevistado podría desear cubrir.
Las preguntas deben ser abiertas siempre que sea posible, deben ser simples y en un lenguaje apropiado para el
entrevistado, y cada pregunta debe cubrir un solo tema. También se preparan posibles preguntas de seguimiento
para buscar aclaraciones.
Las preguntas deben probarse con personas de antecedentes similares a los que se van a entrevistar para verificar
que las preguntas no sean ambiguas, que se comprendan correctamente y que las respuestas cubran los temas
pretendidos. Se debe tener cuidado de no "guiar" al entrevistado.
B.1.5.2 Uso
Las entrevistas estructuradas y semiestructuradas son un medio para obtener información detallada y opiniones de
los individuos de un grupo. Sus respuestas pueden ser confidenciales si es necesario. Proporcionan información
detallada en la que las personas no están sesgadas por las opiniones de otros miembros de un grupo.
Son útiles si es difícil reunir a las personas en el mismo lugar al mismo tiempo o si la discusión fluida en un grupo no
es apropiada para la situación o las personas involucradas. También es posible obtener información más detallada
en una entrevista que en una encuesta o en una situación de taller. Las entrevistas se pueden utilizar en cualquier
nivel de una organización.
B.1.5.3 Entradas
Los insumos son una comprensión clara de la información requerida y un conjunto preparado de preguntas que han
sido probadas con un grupo piloto.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 45 –
Quienes diseñan la entrevista y los entrevistadores necesitan algunas habilidades para obtener buenas respuestas válidas
que no estén influenciadas por los propios sesgos de los entrevistadores.
B.1.5.4 Salidas
La salida es la información detallada requerida.
B.1.5.5 Fortalezas y limitaciones
Los puntos fuertes de las entrevistas estructuradas incluyen lo siguiente.
• Permiten que las personas tengan tiempo para reflexionar sobre un tema.
• La comunicación uno a uno puede permitir una consideración más profunda de los problemas que un grupo
acercarse.
• Las entrevistas estructuradas permiten la participación de un mayor número de partes interesadas que un rostro
grupo cara a cara.
Las limitaciones incluyen lo siguiente.
• Las entrevistas requieren mucho tiempo para diseñarlas, entregarlas y analizarlas.
• Requieren algo de experiencia para diseñar y entregar si las respuestas no van a ser sesgadas por el
entrevistador.
• Se tolera el sesgo en el encuestado y no se modera ni elimina a través del grupo.
discusión.
• Las entrevistas no activan la imaginación (que es una característica de los métodos grupales).
• Las entrevistas semiestructuradas producen un cuerpo considerable de información en las palabras del entrevistado.
Puede ser difícil agrupar esto sin ambigüedades en una forma susceptible de análisis.
B.1.5.6 Documentos de referencia
[9] HARRELL, MC BRADLEY, MA 2009, Métodos de recopilación de datos – Manual de capacitación –
Entrevistas semiestructuradas y grupos focales
[10] GILL, J. JOHNSON, P. 2010, Métodos de investigación para gerentes
B.1.6 Encuestas
B.1.6.1 Descripción general
Las encuestas generalmente involucran a más personas que las entrevistas y generalmente hacen preguntas más
restringidas. Por lo general, una encuesta implicará un cuestionario en computadora o en papel. Las preguntas a menudo
ofrecen respuestas de sí/no, opciones de una escala de calificación o opciones de una variedad de opciones. Esto permite
el análisis estadístico de los resultados, que es una característica de tales métodos. Se pueden incluir algunas preguntas
con respuestas libres, pero su número debe ser limitado debido a las dificultades de análisis.
B.1.6.2 Uso
Las encuestas se pueden utilizar en cualquier situación en la que sea útil una amplia consulta a las partes interesadas, en
particular cuando se necesita relativamente poca información de un gran número de personas.
B.1.6.3 Entradas
Preguntas inequívocas y probadas previamente enviadas a una muestra ampliamente representativa de personas dispuestas
a participar. El número de respuestas debe ser suficiente para proporcionar validez estadística.
(Las tasas de devolución suelen ser bajas, lo que significa que se deben enviar muchos cuestionarios). Se necesita cierta
experiencia para desarrollar un cuestionario que logre resultados útiles y en el análisis estadístico de los resultados.
Machine Translated by Google
ES EN IEC 31010:2019
– 46 – CEI 31010:2019 CEI 2019
B.1.6.4 Salidas
El resultado es un análisis de las opiniones de una variedad de personas, a menudo en forma gráfica.
B.1.6.5 Fortalezas y limitaciones
Los puntos fuertes de las encuestas incluyen lo siguiente.
• Se pueden involucrar números más grandes que para las entrevistas, proporcionando mejor información a través de un
grupo.
• Las encuestas tienen un costo de ejecución relativamente bajo, especialmente si se usa un software en línea que es capaz
de proporcionar algún análisis estadístico.
• Pueden proporcionar información estadísticamente válida.
• Los resultados son fáciles de tabular y fáciles de entender: la salida gráfica suele ser posible.
• Los informes de las encuestas pueden ponerse a disposición de otros con relativa facilidad.
Las limitaciones incluyen lo siguiente.
• La naturaleza de las preguntas está restringida por la necesidad de ser simples e inequívocas.
• Por lo general, es necesario obtener alguna información demográfica para interpretar los resultados.
• El número de preguntas que se pueden incluir es limitado si se cuenta con un número suficiente de respuestas.
es de esperar.
• La persona que plantea la pregunta no puede explicar, por lo que los encuestados pueden interpretar las preguntas
diferente de lo que se pretendía.
• Es difícil diseñar preguntas que no lleven a los encuestados a respuestas particulares.
• Los cuestionarios tienden a tener suposiciones subyacentes que pueden no ser válidas.
• Puede ser difícil obtener una tasa de respuesta buena e imparcial.
B.1.6.6 Documentos de referencia
[11] SAUNDERS, M. LEWIS, P. THORNHILL, A. 2016, Métodos de investigación para empresas
Estudiantes
[12] CAJA DE HERRAMIENTAS COMUNITARIAS DE LA UNIVERSIDAD DE KANSAS Sección 13, Realización de encuestas
B.2 Técnicas de identificación del riesgo
B.2.1 Generalidades
Las técnicas de identificación de riesgos pueden incluir:
• métodos basados en evidencia, tales como revisiones de literatura y análisis de datos históricos;
• métodos empíricos, incluyendo pruebas y modelos para identificar lo que podría suceder bajo
circunstancias particulares;
• encuestas de percepción, que analizan las opiniones de una amplia gama de personas con experiencia;
• técnicas en las que el tema que se está considerando se divide en elementos más pequeños, cada uno de los cuales
que se considera a su vez utilizando métodos que plantean preguntas hipotéticas;
EJEMPLOS HAZOP (B.2.4), FMEA (B.2.3) y SWIFT (B.2.6).
• técnicas para fomentar el pensamiento imaginativo sobre las posibilidades del futuro, como el análisis de escenarios (B.2.5);
• listas de verificación o taxonomías basadas en datos pasados o modelos teóricos (B.2.2).
Las técnicas descritas en la Cláusula B.2 son ejemplos de algunos enfoques estructurados para identificar el riesgo. Es
probable que una técnica estructurada sea más completa que una no estructurada.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 47 –
o taller semiestructurado y ser más fácil de usar para demostrar la diligencia debida en la identificación del riesgo.
El uso de múltiples técnicas, incluidos los métodos de arriba hacia abajo y de abajo hacia arriba, fomenta la identificación
integral de riesgos. Los enfoques que cuestionan los resultados de la identificación de riesgos, como el equipo rojo,
también se pueden usar para ayudar a verificar que no se hayan pasado por alto riesgos relevantes.
NOTA Red teaming es la práctica de ver un problema desde la perspectiva de un adversario o competidor [13].
Las técnicas descritas pueden involucrar a múltiples partes interesadas y expertos. Los métodos que se pueden utilizar
para obtener opiniones, ya sea individualmente o en grupo, se describen en la Cláusula B.1.
B.2.2 Listas de control, clasificaciones y taxonomías
B.2.2.1 Descripción general
Las listas de verificación se utilizan durante la evaluación de riesgos de varias maneras, como para ayudar a comprender
el contexto, identificar riesgos y agrupar riesgos para diversos fines durante el análisis. También se utilizan cuando se
gestiona el riesgo, por ejemplo, para clasificar controles y tratamientos, para definir responsabilidades y rendición de
cuentas, o para informar y comunicar el riesgo.
Una lista de verificación puede basarse en la experiencia de éxitos y fracasos anteriores, pero se pueden desarrollar
tipologías y taxonomías de riesgo más formales para categorizar o clasificar los riesgos en función de atributos comunes.
En sus formas puras, las tipologías son esquemas de clasificación "de arriba hacia abajo" derivados conceptualmente,
mientras que las taxonomías son esquemas de clasificación "de abajo hacia arriba" derivados empírica o teóricamente.
Las formas híbridas suelen combinar estas dos formas puras.
Las taxonomías de riesgo generalmente tienen la intención de ser mutuamente excluyentes y colectivamente exhaustivas (es
decir, para evitar superposiciones y lagunas). Las clasificaciones de riesgo pueden enfocarse en aislar una categoría particular
de riesgo para un examen más detallado.
Tanto las tipologías como las taxonomías pueden ser jerárquicas con varios niveles de clasificación desarrollados.
Cualquier taxonomía debe ser jerárquica y poder subdividirse a niveles de resolución cada vez más finos. Esto ayudará a
mantener un número manejable de categorías al mismo tiempo que logra suficiente granularidad.
B.2.2.2 Uso
Se pueden diseñar listas de verificación, clasificaciones y taxonomías para aplicar a nivel estratégico u operativo. Se
pueden aplicar mediante cuestionarios, entrevistas, talleres estructurados o combinaciones de los tres, en métodos
presenciales o por computadora.
Los siguientes son ejemplos de listas de verificación, clasificaciones o taxonomías comúnmente utilizadas a nivel
estratégico.
• DAFO (fortalezas, debilidades, oportunidades y amenazas) identifica factores en el contexto interno y externo para
ayudar a establecer objetivos y estrategias para lograrlos teniendo en cuenta el riesgo.
• PESTLE, STEEP, STEEPLED, etc. son siglas que representan tipos de factores a considerar al momento de establecer
el contexto o identificar riesgos [14]. Las letras representan Político, Económico, Social, Tecnológico, Ambiental,
Legal, Ético y Demográfico.
Se pueden seleccionar categorías relevantes para la situación particular y se pueden desarrollar listas de verificación
para ejemplos en cada categoría.
• Consideración de objetivos estratégicos, factores críticos de éxito para alcanzar los objetivos, amenazas a los factores
de éxito y factores de riesgo. A partir de esto, se pueden desarrollar tratamientos de riesgo e indicadores de alerta
temprana para los factores de riesgo.
Machine Translated by Google
ES EN IEC 31010:2019
– 48 – CEI 31010:2019 CEI 2019
A nivel operativo, las listas de verificación de peligros se utilizan para identificar peligros dentro de HAZID y Análisis Preliminar de
Peligros (PHA) [15]. Estas son evaluaciones preliminares de riesgos de seguridad que generalmente se llevan a cabo en la etapa
inicial de diseño de un proyecto.
Las categorizaciones generales de riesgo incluyen:
• por fuente de riesgo: precios de mercado, incumplimiento de la contraparte, fraude, riesgos de seguridad, etc.;
• por consecuencia, aspectos o dimensiones de objetivos o desempeño.
Las categorías de riesgo preidentificadas pueden ser útiles para dirigir el pensamiento sobre el riesgo a través de una amplia
gama de temas. Sin embargo, es difícil garantizar que tales categorías sean integrales y, al subdividir el riesgo de una manera
predefinida, el pensamiento se dirige a lo largo de líneas particulares y se pueden pasar por alto aspectos importantes del riesgo.
Las listas de verificación, tipologías y taxonomías se utilizan dentro de otras técnicas descritas en este documento; por ejemplo,
las palabras clave en HAZOP B.2.4 y las categorías en un análisis de Ishikawa (B.3.3). En la norma IEC 62740:2015 [16] se
proporciona una taxonomía que se puede utilizar para considerar los factores humanos al identificar el riesgo.
En general, cuanto más específica es la lista de verificación, más restringido su uso al contexto particular en el que se desarrolla.
Las palabras que brindan indicaciones generales suelen ser más productivas para fomentar un nivel de creatividad al identificar
el riesgo.
B.2.2.3 Entradas
Las entradas son datos o modelos a partir de los cuales desarrollar listas de verificación, taxonomías o clasificaciones válidas.
B.2.2.4 Salidas:
Las salidas son:
• listas de verificación, avisos o categorías y esquemas de clasificación;
• una comprensión del riesgo a partir del uso de estos, incluidas (en algunos casos) listas de riesgos y
agrupaciones de riesgos.
B.2.2.5 Fortalezas y limitaciones
Los puntos fuertes de las listas de verificación, taxonomías y tipografías incluyen lo siguiente.
• Promueven una comprensión común del riesgo entre las partes interesadas. • Cuando están
bien diseñados, aportan una amplia experiencia a un sistema fácil de usar para personas que no
expertos
• Una vez desarrollados, requieren poca experiencia especializada.
Las limitaciones incluyen lo siguiente.
• Su uso está limitado en situaciones novedosas donde no hay antecedentes relevantes o en situaciones
que difieren de aquello para lo que fueron desarrollados.
• Abordan lo ya conocido o imaginado.
• A menudo son genéricos y es posible que no se apliquen a las circunstancias particulares que se están
consideró.
• La complejidad puede dificultar la identificación de relaciones (p. ej., interconexiones y alternativas).
agrupaciones).
• La falta de información puede generar superposiciones y/o brechas (por ejemplo, los esquemas no son mutuamente excluyentes
ni colectivamente exhaustivos).
• Pueden alentar el tipo de comportamiento de "marcar la casilla" en lugar de la exploración de ideas.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 49 –
B.2.2.6 Documentos de referencia
[17] BROUGHTON, Vanda, Clasificación esencial
[18] BAILEY, Kenneth, Tipologías y taxonomías: una introducción a la clasificación
tecnicas
[19] VDI 2225 Blatt 1, Konstruktionsmethodik Technischwirtschaftliches Konstruieren
Vereinfachte Kostenermittlung, 1997 Beuth Verlag
B.2.3 Análisis de modos de falla y efectos (FMEA) y análisis de modos de falla, efectos y criticidad
(FMECA)
B.2.3.1 Descripción general
En FMEA, un equipo subdivide el hardware, un sistema, un proceso o un procedimiento en elementos. Para
cada elemento se consideran las formas en que puede fallar y las causas y efectos de la falla.
FMEA puede ser seguido por un análisis de criticidad que define la importancia de cada modo de falla
(FMECA).
Para cada elemento se registra lo siguiente:
• su función;
• la falla que podría ocurrir (modo de falla);
• los mecanismos que podrían producir estos modos de falla;
• la naturaleza de las consecuencias si ocurriera la falla;
• si la falla es inofensiva o dañina; • cómo y cuándo se
puede detectar la falla;
• las provisiones inherentes que existen para compensar la falla.
Para FMECA, el equipo de estudio clasifica cada uno de los modos de falla identificados según su criticidad.
Se pueden utilizar varios métodos diferentes de criticidad. Los más utilizados son una matriz de consecuencia/
probabilidad cualitativa, semicuantitativa o cuantitativa (B.10.3) o un número de prioridad de riesgo (RPN).
También se puede derivar una medida cuantitativa de la criticidad a partir de las tasas de falla reales y una
medida cuantitativa de las consecuencias cuando se conocen.
NOTA El RPN es un método de índice (B.8.6) que toma el producto de las calificaciones por consecuencia de falla, probabilidad
de falla y capacidad para detectar el problema (detección). A un fallo se le da una prioridad más alta si es difícil de detectar.
B.2.3.2 Uso
FMEA/FMECA se puede aplicar durante el diseño, fabricación u operación de un sistema físico para mejorar
el diseño, seleccionar entre alternativas de diseño o planificar un programa de mantenimiento. También se
puede aplicar a procesos y procedimientos, como en procedimientos médicos y procesos de fabricación.
Se puede realizar en cualquier nivel de desglose de un sistema, desde diagramas de bloques hasta
componentes detallados de un sistema o pasos de un proceso.
FMEA se puede utilizar para proporcionar información para técnicas de análisis como el análisis de árbol de fallas.
Puede proporcionar un punto de partida para un análisis de causa raíz.
B.2.3.3 Entradas
Las entradas incluyen información sobre el sistema a analizar y sus elementos con suficiente detalle para
un análisis significativo de las formas en que cada elemento puede fallar y las consecuencias si lo hace. La
información necesaria puede incluir dibujos y diagramas de flujo, detalles del entorno en el que opera el
sistema e información histórica sobre fallas cuando esté disponible.
FMEA normalmente lo lleva a cabo un equipo multifuncional con conocimiento experto del sistema que se
analiza, dirigido por un facilitador capacitado. Es importante que el equipo cubra todas las áreas relevantes
de experiencia.
Machine Translated by Google
ES EN IEC 31010:2019
– 50 – CEI 31010:2019 CEI 2019
B.2.3.4 Salidas
Las salidas de FMEA son:
• una hoja de trabajo con modos de falla, efectos, causas y controles existentes;
• una medida de la criticidad de cada modo de falla (si FMECA) y la metodología utilizada para
definirlo;
• cualquier acción recomendada, por ejemplo, para análisis adicionales, cambios de diseño o características que se
incorporarán en los planes de prueba.
FMECA generalmente proporciona una clasificación cualitativa de la importancia de los modos de falla, pero puede dar
un resultado cuantitativo si se utilizan datos adecuados de tasa de falla y consecuencias cuantitativas.
B.2.3.5 Fortalezas y limitaciones
Las fortalezas de FMEA/FMECA incluyen lo siguiente.
• Se puede aplicar ampliamente a los modos humanos y técnicos de sistemas, hardware, software y procedimientos.
• Identifica los modos de falla, sus causas y sus efectos en el sistema, y los presenta en un formato de fácil lectura.
• Evita la necesidad de modificaciones costosas de los equipos en servicio al identificar los problemas en las primeras
etapas del proceso de diseño.
• Proporciona información para los programas de mantenimiento y monitoreo al resaltar las características clave que
se monitorearán.
Las limitaciones incluyen lo siguiente.
• FMEA solo se puede usar para identificar modos de falla únicos, no combinaciones de modos de falla. • A menos que
estén adecuadamente controlados y enfocados, los estudios pueden llevar mucho tiempo y ser costosos.
• FMEA puede ser difícil y tedioso para sistemas complejos de múltiples capas.
B.2.3.6 Documento de referencia
[20] IEC 60812, Modos de falla y análisis de efectos (FMEA y FMECA)
B.2.4 Estudios de riesgos y operabilidad (HAZOP)
B.2.4.1 Descripción general
Un estudio HAZOP es un examen estructurado y sistemático de un proceso, procedimiento o sistema planificado o
existente que implica identificar posibles desviaciones de la intención del diseño y examinar sus posibles causas y
consecuencias.
Dentro de un taller facilitado, el equipo de estudio:
• subdivide el sistema, proceso o procedimiento en elementos más pequeños;
• acuerda la intención del diseño para cada elemento, incluida la definición de parámetros relevantes (como
caudal o temperatura en el caso de un sistema físico);
• aplica palabras guía sucesivamente a cada parámetro para cada elemento para postular posibles
desviaciones de la intención del diseño que podrían tener resultados no deseados;
NOTA No todas las combinaciones de parámetros de palabras guía serán significativas.
• acuerda la causa y las consecuencias en cada caso sugiriendo cómo pueden ser tratadas;
• documenta la discusión y acuerda posibles acciones para tratar los riesgos identificados.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 51 –
La Tabla B.1 proporciona ejemplos de palabras guía comúnmente utilizadas para sistemas técnicos. Palabras guía similares
como "demasiado pronto", "demasiado tarde", "demasiado", "demasiado poco", "demasiado largo", "demasiado corto", "dirección
incorrecta", "objeto incorrecto", "acción incorrecta" pueden ser Se utiliza para identificar los modos de error humano.
Las palabras guía se aplican a parámetros tales como:
• propiedades físicas de un material o proceso;
• condiciones físicas como la temperatura o la velocidad;
• momento;
• una intención específica de un componente de un sistema o diseño (por ejemplo, transferencia de información);
• aspectos operativos.
Tabla B.1 – Ejemplos de palabras guía básicas y sus significados genéricos
Palabra guía Definición
no o no No se logra ninguna parte del resultado previsto o la condición prevista está ausente
Más alto) Incremento cuantitativo
menos (más bajo) Disminución cuantitativa
Así como Modificación/aumento cualitativo (por ejemplo, material adicional)
Parte de Modificación/disminución cualitativa (por ejemplo, solo uno de dos componentes en una mezcla)
Inversa/opuesta Lógicamente opuesta a la intención del diseño (p. ej., contraflujo)
Otro que Sustitución completa, sucede algo completamente diferente (por ejemplo, material incorrecto)
Temprano Relativo al tiempo del reloj
Tarde Relativo al tiempo del reloj
B.2.4.2 Uso
Los estudios HAZOP se desarrollaron inicialmente para analizar los sistemas de procesos químicos, pero se han
ampliado a otros tipos de sistemas, incluidos los sistemas de energía mecánica, electrónica y eléctrica, los sistemas de
software, los cambios organizacionales, el comportamiento humano y el diseño y revisión de contratos legales.
El proceso HAZOP puede lidiar con todas las formas de desviación de la intención del diseño debido a deficiencias en
el diseño, los componentes, los procedimientos planificados y las acciones humanas. Se utiliza con mayor frecuencia
para mejorar un diseño o identificar riesgos asociados con un cambio de diseño. Por lo general, se lleva a cabo en la
etapa de diseño de detalle, cuando se dispone de un diagrama completo del proceso previsto y de la información de
diseño de respaldo, pero mientras los cambios de diseño aún son factibles. Sin embargo, puede llevarse a cabo en un
enfoque por etapas con diferentes palabras guía para cada etapa a medida que el diseño se desarrolla en detalle.
También se puede realizar un estudio HAZOP durante la operación, pero los cambios requeridos pueden ser costosos
en esa etapa.
B.2.4.3 Entradas
Las entradas incluyen información actual sobre el sistema que se va a revisar y la intención y las especificaciones de
rendimiento del diseño. Para el hardware, esto puede incluir dibujos, hojas de especificaciones, diagramas de flujo,
diagramas lógicos y de control de procesos, y procedimientos de operación y mantenimiento. Para HAZOP no
relacionados con el hardware, las entradas pueden ser cualquier documento que describa funciones y elementos del
sistema o procedimiento en estudio, por ejemplo, diagramas organizacionales y descripciones de roles, o un borrador
de contrato o borrador de procedimiento.
Un estudio HAZOP generalmente lo realiza un equipo multidisciplinario que debe incluir diseñadores y operadores del
sistema, así como personas que no están directamente involucradas en el diseño o el sistema, proceso o procedimiento
bajo revisión. El líder/facilitador del estudio debe estar capacitado y tener experiencia en el manejo de estudios HAZOP.
Machine Translated by Google
ES EN IEC 31010:2019
– 52 – CEI 31010:2019 CEI 2019
B.2.4.4 Salidas
Los resultados incluyen actas de la(s) reunión(es) HAZOP con desviaciones para cada punto de revisión registrado.
Los registros deben incluir la palabra guía utilizada y las posibles causas de las desviaciones. También pueden
incluir acciones para abordar los problemas identificados y la persona responsable de la acción.
B.2.4.5 Fortalezas y limitaciones
Las fortalezas de HAZOP incluyen lo siguiente.
• Proporciona los medios para examinar sistemáticamente un sistema, proceso o procedimiento para identificar
cómo podría no lograr su propósito.
• Proporciona un examen detallado y completo por un equipo multidisciplinario.
• Identifica problemas potenciales en la etapa de diseño de un proceso.
• Genera soluciones y acciones de tratamiento de riesgos.
• Es aplicable a una amplia gama de sistemas, procesos y procedimientos.
• Permite la consideración explícita de las causas y consecuencias del error humano.
• Crea un registro escrito del proceso, que se puede utilizar para demostrar la diligencia debida.
Las limitaciones incluyen lo siguiente.
• Un análisis detallado puede llevar mucho tiempo y, por lo tanto, ser costoso. • La
técnica tiende a ser repetitiva, encontrando los mismos problemas varias veces; por lo tanto puede
ser difícil mantener la concentración.
• Un análisis detallado requiere un alto nivel de documentación o sistema/proceso y procedimiento
especificación.
• Puede enfocarse en encontrar soluciones detalladas en lugar de desafiar suposiciones fundamentales (sin
embargo, esto puede mitigarse con un enfoque por etapas).
• La discusión se puede centrar en cuestiones detalladas de diseño, y no en temas más amplios o externos.
asuntos.
• Está limitado por el diseño (borrador) y la intención del diseño, y el alcance y los objetivos dados al equipo.
• El proceso depende en gran medida de la experiencia de los diseñadores, a quienes les puede resultar difícil ser
suficientemente objetivas para buscar problemas en sus diseños.
B.2.4.6 Documento de referencia
[21] IEC 61882, Estudios de riesgos y operabilidad (estudios HAZOP) – Guía de aplicación
B.2.5 Análisis de escenarios
B.2.5.1 Descripción general
El análisis de escenarios es un nombre dado a una variedad de técnicas que involucran el desarrollo de modelos
de cómo podría resultar el futuro. En términos generales, consiste en definir un escenario plausible y trabajar en
lo que podría suceder dados varios desarrollos futuros posibles.
Para escalas de tiempo relativamente cortas, puede implicar la extrapolación de lo que sucedió en el pasado.
Para escalas de tiempo más largas, el análisis de escenarios puede involucrar la construcción de un escenario
imaginario pero creíble y luego explorar la naturaleza de los riesgos dentro de este escenario. La mayoría de las
veces es aplicada por un grupo de partes interesadas con diferentes intereses y experiencia. El análisis de
escenario implica definir con cierto detalle el escenario o escenarios a considerar y explorar las implicaciones del
escenario y el riesgo asociado. Los cambios comúnmente considerados incluyen:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 53 –
• cambios en la tecnología;
• posibles decisiones futuras que podrían tener una variedad de resultados;
• las necesidades de las partes interesadas y cómo podrían cambiar;
• cambios en el entorno macro (regulatorio, demográfico, etc.);
• cambios en el entorno físico.
B.2.5.2 Uso
El análisis de escenarios se utiliza con mayor frecuencia para identificar riesgos y explorar las consecuencias. Puede
ser utilizado tanto a nivel estratégico como operativo, para la organización en su conjunto o parte de ella.
El análisis de escenarios a largo plazo intenta ayudar a planificar cambios importantes en el futuro, como los que han
ocurrido en los últimos 50 años en tecnología, preferencias de los consumidores, actitudes sociales, etc. El análisis de
escenarios no puede predecir las probabilidades de tales cambios, pero puede considerar las consecuencias. y ayudar
a las organizaciones a desarrollar fortalezas y la resiliencia necesarias para adaptarse al cambio previsible. Se puede
utilizar para anticipar cómo podrían desarrollarse tanto las amenazas como las oportunidades y se puede utilizar para
todo tipo de riesgo.
El análisis de escenarios a corto plazo se utiliza para explorar las consecuencias de un evento iniciador.
Los escenarios probables se pueden extrapolar de lo que ha sucedido en el pasado o de los modelos.
Los ejemplos de tales aplicaciones incluyen la planificación para situaciones de emergencia o interrupciones
comerciales. Si no hay datos disponibles, se utilizan las opiniones de los expertos, pero en este caso es muy importante
prestar la máxima atención a las explicaciones de sus puntos de vista.
B.2.5.3 Entradas
Para llevar a cabo un análisis de escenarios, se requieren datos sobre tendencias y cambios actuales e ideas para
cambios futuros. Para escenarios complejos o de muy largo plazo, se requiere experiencia en la técnica.
B.2.5.4 Salidas
El resultado puede ser una "historia" para cada escenario que cuente cómo se puede pasar del presente al escenario
en cuestión. Los efectos considerados pueden ser tanto beneficiosos como perjudiciales.
Las historias pueden incluir detalles plausibles que agregan valor a los escenarios.
Otros resultados pueden incluir una comprensión de los posibles efectos de la política o los planes para varios futuros
plausibles, una lista de riesgos que podrían surgir si se desarrollaran los futuros y, en algunas aplicaciones, una lista
de indicadores principales para esos riesgos.
B.2.5.5 Fortalezas y limitaciones
Las fortalezas del análisis de escenarios incluyen lo siguiente.
• Tiene en cuenta una gama de futuros posibles. Esto puede ser preferible al enfoque tradicional de confiar en
pronósticos que asumen que los eventos futuros probablemente continuarán siguiendo las tendencias pasadas.
Esto es importante para situaciones donde hay poco conocimiento actual sobre el cual basar las predicciones o
donde los riesgos se están considerando a más largo plazo.
• Apoya la diversidad de pensamiento.
• Fomenta el seguimiento de los principales indicadores de cambio.
• Las decisiones tomadas para los riesgos identificados pueden ayudar a desarrollar la resiliencia para cualquier cosa que ocurra.
Las limitaciones incluyen lo siguiente.
• Los escenarios utilizados pueden no tener una base adecuada, por ejemplo, los datos pueden ser especulativos.
Esto podría producir resultados poco realistas que podrían no ser reconocidos como tales.
Machine Translated by Google
ES EN IEC 31010:2019
– 54 – CEI 31010:2019 CEI 2019
• Hay poca evidencia de que los escenarios explorados para el futuro a largo plazo sean aquellos que
ocurrir realmente.
B.2.5.6 Documentos de referencia
[22] RINGLAND, Gill. Escenarios en los negocios [23]
Van der HEIJDEN, Kees. Escenarios: el arte de la conversación estratégica [24] CHERMACK,
Thomas J. Planificación de escenarios en las organizaciones [25] MUKUL PAREEK,
Uso del análisis de escenarios para gestionar el riesgo tecnológico
B.2.6 Técnica hipotética estructurada (SWIFT)
B.2.6.1 Descripción general
SWIFT es una técnica de identificación de riesgos de alto nivel que se puede utilizar de forma independiente o como
parte de un enfoque por etapas para hacer que los métodos ascendentes como HAZOP o FMEA sean más eficientes.
SWIFT utiliza la lluvia de ideas estructurada (B.1.2) en un taller facilitado en el que se combina un conjunto
predeterminado de palabras guía (momento, cantidad, etc.) con indicaciones obtenidas de los participantes que a
menudo comienzan con frases como "¿y si?" o "¿cómo podría?". Es similar a HAZOP pero se aplica a un sistema o
subsistema en lugar de la intención del diseñador.
Antes de que comience el estudio, el facilitador prepara una lista rápida para permitir una revisión exhaustiva de los
riesgos o fuentes de riesgo. Al comienzo del taller, se discute el contexto, el alcance y el propósito del SWIFT y se
articulan los criterios para el éxito. Usando las palabras guía y "¿y si?" indicaciones, el facilitador pide a los participantes
que planteen y discutan temas como:
• riesgos conocidos;
• fuentes y factores de riesgo;
• experiencia previa, éxitos e incidentes;
• controles conocidos y existentes;
• requisitos y limitaciones reglamentarios.
El facilitador usa la lista de sugerencias para monitorear la discusión y sugerir temas y escenarios adicionales para que
el equipo los discuta. El equipo considera si los controles son adecuados y, en caso contrario, considera posibles
tratamientos. Durante esta discusión, más "¿qué pasaría si?" se plantean preguntas.
En algunos casos se identifican riesgos específicos y se puede registrar una descripción del riesgo, sus causas,
consecuencias y controles. Además, pueden identificarse fuentes más generales o impulsores de riesgo, problemas de
control o problemas sistémicos.
Cuando se genera una lista de riesgos, a menudo se utiliza un método de evaluación de riesgos cualitativo o
semicuantitativo para clasificar las acciones creadas en términos de nivel de riesgo. Esto normalmente tiene en cuenta
los controles existentes y su eficacia.
B.2.6.2 Uso
La técnica se puede aplicar a sistemas, elementos de planta, procedimientos y organizaciones en general.
En particular, se utiliza para examinar las consecuencias de los cambios y el riesgo que se modifica o crea. Se pueden
considerar resultados tanto positivos como negativos. También se puede utilizar para identificar los sistemas o procesos
en los que valdría la pena invertir los recursos para un HAZOP o FMEA más detallado.
B.2.6.3 Entradas
Se necesita una comprensión clara del sistema, el procedimiento, el elemento de la planta y/o el cambio y los contextos
externo e interno. Esto se establece a través de entrevistas, reuniendo un equipo multifuncional y mediante el estudio
de documentos, planos y dibujos por parte del facilitador. Normalmente el
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 55 –
sistema de estudio se divide en elementos para facilitar el proceso de análisis. Aunque el facilitador debe estar
capacitado en la aplicación de SWIFT, esto generalmente se puede lograr rápidamente.
B.2.6.4 Salidas
Los resultados incluyen un registro de riesgos con acciones o tareas clasificadas por riesgo que se pueden utilizar como
base para un plan de tratamiento.
B.2.6.5 Fortalezas y limitaciones
Los puntos fuertes de SWIFT incluyen los siguientes.
• Es ampliamente aplicable a todas las formas de planta o sistema físico, situación o circunstancia, organización
o actividad.
• Necesita una preparación mínima por parte del equipo.
• Es relativamente rápido y los principales riesgos y fuentes de riesgo se hacen evidentes rápidamente dentro de
la sesión del taller.
• El estudio está "orientado a los sistemas" y permite a los participantes observar la respuesta del sistema a las
desviaciones en lugar de simplemente examinar las consecuencias de la falla de los componentes.
• Se puede utilizar para identificar oportunidades de mejora de procesos y sistemas y, en general, se puede
utilizar para identificar acciones que conduzcan y mejoren sus probabilidades de éxito.
• La participación en el taller de quienes son responsables de los controles existentes y de otras acciones de
tratamiento de riesgos refuerza su responsabilidad.
• Crea un registro de riesgos y un plan de tratamiento de riesgos con poco más esfuerzo.
Las limitaciones incluyen lo siguiente.
• Si el equipo del taller no tiene una base de experiencia lo suficientemente amplia o si el sistema de indicaciones
no es completo, es posible que no se identifiquen algunos riesgos o peligros.
• La aplicación de alto nivel de la técnica podría no revelar información compleja, detallada o correlacionada.
causas
• Las recomendaciones suelen ser genéricas, por ejemplo, el método no proporciona soporte para
y controles detallados sin que se lleven a cabo más análisis.
B.2.6.6 Documento de referencia
[26] CARD, Alan J. WARD, James R. y CLARKSON, P. John. Más allá de FMEA: El estructurado
técnica hipotética (SWIFT)
B.3 Técnicas para determinar las fuentes, las causas y los impulsores del riesgo
B.3.1 Generalidades
La comprensión de las causas de los eventos potenciales y los impulsores del riesgo se puede utilizar para diseñar
estrategias para prevenir consecuencias adversas o mejorar las positivas. A menudo hay una jerarquía de causas
con varias capas antes de llegar a la causa raíz. Generalmente se analizan las causas hasta que se pueden
determinar y justificar las acciones.
Las técnicas de análisis causal pueden explorar las percepciones de la causa bajo un conjunto de encabezados
predeterminados, como en el método Ishikawa (ver B.3.3), o pueden adoptar un enfoque más basado en la lógica,
como en el análisis del árbol de fallas y el análisis del árbol de éxito (ver B.5.7). .
El análisis de corbata de moño (ver B.4.2) se puede utilizar para representar gráficamente las causas y las
consecuencias y mostrar cómo se controlan.
Machine Translated by Google
ES EN IEC 31010:2019
– 56 – CEI 31010:2019 CEI 2019
Varias de las técnicas descritas en IEC 62740 [16] se pueden utilizar de forma proactiva para analizar las
posibles causas de los eventos que podrían ocurrir en el futuro, así como los que ya han ocurrido. Estas
técnicas no se repiten aquí.
B.3.2 Enfoque cindínico
B.3.2.1 Descripción general
Cindynics significa literalmente la ciencia del peligro. El enfoque cindínico identifica fuentes de riesgo intangibles
y factores que podrían dar lugar a muchas consecuencias diferentes. En particular, identifica y analiza:
• inconsistencias, ambigüedades, omisiones, ignorancia (denominadas deficiencias) y
• divergencias entre las partes interesadas (denominadas disonancias).
El enfoque cindínico parte de la recopilación de información sobre el sistema u organización objeto de estudio
y la situación cindínica definida por un espacio geográfico, temporal y cronológico y un conjunto de redes o
grupos de partes interesadas.
Luego utiliza entrevistas semiestructuradas (ver B.1.5) para recopilar información en varios momentos (t1, t2,
…, ti ) sobre el estado del conocimiento y el estado de ánimo de cada parte interesada, en relación con los
cinco criterios del enfoque cindínico de la siguiente manera:
• objetivo (objetivo principal de la organización);
• valores (considerados en alta estima por el actor);
• reglas (derechos, normas, procedimientos, etc. que rigen sus logros);
• datos (en los que se basa la toma de decisiones);
• modelos (técnicos, organizativos, humanos, etc., que utilicen datos en la toma de decisiones).
NOTA Los elementos que caracterizan los contextos internos y externos pueden agruparse de acuerdo con los cinco criterios
del enfoque cindínico.
El enfoque tiene en cuenta tanto las percepciones como los hechos.
Una vez obtenida esta información, se analiza la coherencia entre los objetivos a alcanzar y los cinco criterios
de cindynics y se establecen tablas de déficits y disonancias.
B.3.2.2 Uso
El objetivo del enfoque cindínico es comprender por qué, a pesar de todas las medidas de control adoptadas
para prevenir desastres, todavía ocurren. Desde entonces, el enfoque se ha ampliado para mejorar la eficiencia
económica de las organizaciones. La técnica busca fuentes sistémicas y factores de riesgo dentro de una
organización que pueden tener consecuencias de gran alcance. Se aplica a nivel estratégico y puede utilizarse
para identificar factores que actúan de manera favorable o desfavorable durante la evolución del sistema hacia
nuevos objetivos.
También se puede utilizar para validar la consistencia de cualquier proyecto y es especialmente útil en el
estudio de sistemas complejos.
B.3.2.3 Entradas
Información como se describe anteriormente. El análisis generalmente involucra a un equipo multidisciplinario
que incluye a aquellos con experiencia operativa real y aquellos que llevarán a cabo acciones de tratamiento
para abordar las fuentes de riesgo identificadas.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 57 –
B.3.2.4 Salidas
Los resultados son tablas que indican disonancias y déficits entre las partes interesadas, como se ilustra
en los ejemplos a continuación. La Tabla B.2 muestra una matriz que indica los déficits de cada actor
frente a los cinco criterios de análisis (metas, valores, reglas, modelos y datos). Al comparar la información
recopilada como entrada entre situaciones tomadas en los tiempos t1, t2, ..., ti, , es posible identificar
déficits entre diferentes situaciones.
Tabla B.2 – Tabla de déficits para cada actor
Criterio de análisis
Interesado
Objetivos Valores Normas Datos Modelos
S1 Concéntrate en un Sin referencia a los Sin referencia a las Sin referencia a
número restringido de procedimientos medidas. modelos.
valores
S2 Inconsistencia Falta de clasificación Falta de clasificación Ignorancia de la Ignorancia de
entre objetivos y entre valores. entre las reglas. experiencia y modelos específicos
reglas. retroalimentación
de otros países.
S3 Inconsistencia Centrarse en Falta de clasificación No se presta atención Falta de
entre metas y un valor específico entre las reglas. a datos específicos, priorización en la
estándares. (por ejemplo, empleo) por ejemplo, lesiones selección de modelos
laborales)
La Tabla B.3 es una matriz donde las partes interesadas relevantes están representadas en ambos ejes y las
diferencias de puntos de vista entre las partes interesadas (las llamadas disonancias) se muestran en las celdas de la matriz.
Estas tablas permiten establecer un programa de reducción de déficits y disonancias.
Tabla B.3 – Tabla de disonancias entre actores
Interesado
Interesado
S1 S2 S3 S4
S1 S1 y S2 no comparten S1 y S3 no comparten S1 y S4 no comparten
los mismos objetivos los mismos valores los mismos sistemas
de medición
S2 S2 y S3 no S2 y S4 no están de
acordar la acuerdo en los datos
interpretación de los
procedimientos
S3 S3 y S4 no están de acuerdo
en la interpretación de las
reglas
S4
B.3.2.5 Fortalezas y limitaciones
Los puntos fuertes del enfoque cindínico incluyen lo siguiente.
• Es un enfoque sistémico, multidimensional y multidisciplinario.
• Proporciona conocimiento del riesgo potencial de un sistema y su consistencia.
• Considera los aspectos humanos y organizacionales del riesgo en cualquier nivel de responsabilidad.
• Integra nociones de espacio y tiempo.
• Ofrece soluciones para reducir los riesgos.
Machine Translated by Google
ES EN IEC 31010:2019
– 58 – CEI 31010:2019 CEI 2019
Las limitaciones incluyen lo siguiente.
• No intenta priorizar fuentes de riesgo o riesgos.
• Sólo recientemente ha comenzado a difundirse en la industria. Por lo tanto, no se beneficia de la misma madurez
adquirida a través de desarrollos pasados que los enfoques tradicionales.
• Dependiendo de la cantidad de partes interesadas involucradas, puede requerir mucho tiempo y
recursos.
B.3.2.6 Documentos de referencia
[27] KERVERN, GY. Elements fondamentaux des cindyniques [28] KERVERN, GY.
Últimos avances en cindínicos [29] KEVERN, GY. & BOULENGER,
P. Cindyniques – Concepts et mode d'emploi
B.3.3 Método de análisis de Ishikawa (espina de pescado)
B.3.3.1 Descripción general
El análisis de Ishikawa utiliza un enfoque de equipo para identificar las posibles causas de cualquier evento, efecto,
problema o situación deseable o indeseable. Los posibles factores contribuyentes se organizan en categorías amplias
para cubrir causas humanas, técnicas y organizativas. La información se representa en un diagrama de espina de pescado
(también llamado Ishikawa) (consulte la Figura B.1). Los pasos principales para realizar el análisis son los siguientes.
• Establecer el efecto a analizar y colocarlo en un recuadro como cabeza del diagrama de espina de pescado.
El efecto puede ser positivo (un objetivo) o negativo (un problema);
• Consensuar las principales categorías de causas. Ejemplos de categorías de uso común incluyen:
– 6Ms, por ejemplo, métodos, maquinaria, gestión, materiales, mano de obra, dinero;
– materiales, métodos y procesos, medio ambiente, equipos, personas, mediciones.
NOTA Se puede utilizar cualquier conjunto de categorías acordadas que se ajusten a las circunstancias que se analizan. La Figura B.1
ilustra otra posibilidad.
• ¿Pregunta porque?" y "¿cómo podría ocurrir eso?" iterativamente para explorar las causas y la influencia
factores en cada categoría, agregando cada uno a los huesos del diagrama de espina de pescado.
• Revisar todas las ramas para verificar la consistencia y la integridad y asegurarse de que las causas
aplicar al efecto principal.
• Identificar los factores más importantes con base en la opinión del equipo y la evidencia disponible.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 59 –
Figura B.1 – Ejemplo de diagrama de Ishikawa (espina de pescado)
El diagrama a menudo se desarrolla en un escenario de taller.
B.3.3.2 Uso
El análisis de Ishikawa se puede utilizar cuando se realiza un análisis de causa raíz de eventos que han ocurrido,
o para identificar factores que podrían contribuir a resultados que aún no han ocurrido.
El método se puede utilizar para examinar situaciones en cualquier nivel de una organización en cualquier escala de
tiempo.
Los diagramas se utilizan generalmente cualitativamente. Es posible asignar probabilidades a las causas
genéricas, y posteriormente a las subcausas, en función del grado de creencia sobre su relevancia. Sin embargo,
los factores contribuyentes a menudo interactúan y contribuyen al efecto de formas complejas y puede haber
causas no identificadas que invaliden la cuantificación.
B.3.3.3 Aporte
El aporte es la pericia y la experiencia de los participantes y una comprensión de la situación que se examina.
B.3.3.4 Salida
El resultado son las causas percibidas del efecto que se analiza, que normalmente se muestra como un diagrama
de espina de pescado o de Ishikawa. El diagrama de espina de pescado está estructurado al representar las
categorías principales como espinas principales de la columna vertebral del pescado con ramas y subramas que
describen subcausas más específicas en esas categorías.
B.3.3.5 Fortalezas y limitaciones
Los puntos fuertes de la técnica de Ishikawa incluyen los siguientes.
• Fomenta la participación y utiliza el conocimiento del grupo.
• Proporciona un enfoque enfocado para la lluvia de ideas o técnicas de identificación similares.
• Se puede aplicar a una amplia gama de situaciones.
• Proporciona un análisis estructurado de la causa con una salida gráfica fácil de leer.
• Permite a las personas reportar problemas en un ambiente neutral.
• Se puede utilizar para identificar los factores que contribuyen a los efectos deseados y no deseados.
Machine Translated by Google
ES EN IEC 31010:2019
– 60 – CEI 31010:2019 CEI 2019
NOTA Un enfoque positivo puede fomentar una mayor propiedad y participación.
Las limitaciones incluyen lo siguiente.
• La separación de los factores causales en categorías principales al inicio del análisis significa que las interacciones
entre las categorías podrían no considerarse adecuadamente.
• No se identifican las causas potenciales no cubiertas por las categorías seleccionadas.
B.3.3.6 Documentos de referencia
[30] ISHIKAWA, K. Guía de Control de Calidad
Ver también IEC 62740 [16] para otras técnicas de análisis causal.
B.4 Técnicas de análisis de controles
B.4.1 Generalidades
Las técnicas de la Cláusula B.4 se pueden utilizar para verificar si los controles son apropiados y adecuados.
El análisis de corbata de lazo (B.4.2) y LOPA (B.4.4) identifican las barreras entre una fuente de riesgo y sus
posibles consecuencias y se pueden utilizar para comprobar que las barreras son suficientes.
HACCP (B.4.3) busca puntos en un proceso donde se pueden monitorear las condiciones e introducir controles
cuando hay una indicación de que las condiciones están cambiando.
El análisis de árbol de eventos (B.5.6) también se puede utilizar como un medio cuantitativo de análisis de controles
mediante el cálculo de la influencia de diferentes controles en la probabilidad de consecuencias.
Cualquier técnica de análisis causal puede utilizarse como base para comprobar que cada causa está controlada.
B.4.2 Análisis de pajarita
B.4.2.1 Descripción general
Una pajarita es una representación gráfica de los caminos desde las causas de un evento hasta sus consecuencias.
Muestra los controles que modifican la probabilidad del evento y los que modifican las consecuencias si el evento
ocurre. Puede considerarse como una representación simplificada de un árbol de fallas o un árbol de éxito
(analizando la causa de un evento) y un árbol de eventos (analizando las consecuencias). Los diagramas de corbata
de lazo se pueden construir a partir de árboles de fallas y eventos, pero con mayor frecuencia los dibuja directamente
un equipo en un escenario de taller.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 61 –
Figura B.2 – Ejemplo de corbatín
La pajarita se dibuja de la siguiente manera.
• El evento de interés está representado por el nudo central de la pajarita, ver Figura B.2.
• Las fuentes de riesgo (o peligros/amenazas en un contexto de seguridad) se enumeran en el lado izquierdo del nudo y se unen
al nudo mediante líneas que representan los diferentes mecanismos por los cuales las fuentes de riesgo pueden conducir al
evento.
• Las barreras o controles para cada mecanismo se muestran como barras verticales a lo largo de las líneas.
• En el lado derecho de los nudos se dibujan líneas que irradian desde el evento hacia cada
consecuencia potencial.
• Después del evento, las barras verticales representan controles reactivos o barreras que modifican
consecuencias.
• Se agregan los factores que pueden causar que los controles fallen (factores de escalada), junto con
controles para los factores de escalamiento.
• Las funciones de gestión que respaldan los controles (como la capacitación y la inspección) pueden
mostrado debajo de la pajarita y vinculado al control respectivo.
Puede ser posible cierto nivel de cuantificación de un diagrama de pajarita cuando las vías son independientes, se conoce la
probabilidad de una consecuencia o resultado particular y se puede estimar la probabilidad de que un control falle. Sin embargo,
en muchas situaciones, las vías y las barreras no son independientes, y los controles pueden ser procedimentales y su eficacia
incierta.
A menudo, la cuantificación se lleva a cabo de manera más adecuada mediante el análisis del árbol de fallas (B.5.7) y el análisis
del árbol de eventos (B.5.6) o LOPA (B.4.4).
B.4.2.2 Uso
El análisis de corbata de lazo se utiliza para mostrar y comunicar información sobre riesgos en situaciones en las que un evento
tiene una variedad de posibles causas y consecuencias. Se puede utilizar para explorar en detalle las causas y consecuencias de
los eventos que se registran de forma sencilla en un registro de riesgos (B.10.2). Se utiliza particularmente para analizar eventos
con consecuencias más graves. Se utiliza una corbata de moño cuando se evalúan los controles para verificar que cada camino
de la causa al evento y del evento a la consecuencia tenga controles efectivos, y que se reconozcan los factores que podrían
hacer que los controles fallen (incluidas las fallas de los sistemas de gestión). Puede utilizarse como base de un medio para
registrar información sobre un riesgo que no se ajusta a la representación lineal simple de un registro de riesgos. Él
Machine Translated by Google
ES EN IEC 31010:2019
– 62 – CEI 31010:2019 CEI 2019
se puede usar de manera proactiva para considerar eventos potenciales y también retrospectivamente para modelar
eventos que ya han ocurrido.
La corbata de lazo se utiliza cuando la situación no justifica la complejidad de un análisis completo del árbol de fallas
y del análisis del árbol de eventos, pero es más compleja de lo que puede representarse mediante una vía única de
causaeventoconsecuencia.
Para algunas situaciones, se pueden desarrollar pajaritas en cascada donde las consecuencias de un evento se
convierten en la causa del siguiente.
B.4.2.3 Aporte
La entrada incluye información sobre las causas y consecuencias del evento predefinido y los controles que podrían
modificarlo. Esta información puede tomarse de los resultados de las técnicas para identificar riesgos y controles o de
la experiencia de las personas.
B.4.2.4 Salida
El resultado es un diagrama simple que muestra las principales vías de riesgo, los controles implementados y los
factores que podrían conducir a la falla del control. También muestra las posibles consecuencias y las medidas que
se pueden tomar después de ocurrido el evento para modificarlas.
B.4.2.5 Fortalezas y limitaciones
Las fortalezas del análisis de la pajarita incluyen lo siguiente.
• Es simple de entender y da una clara representación pictórica de un evento y sus causas y consecuencias.
• Centra la atención en los controles que se supone que deben estar en su lugar y su eficacia.
• Se puede utilizar tanto para las consecuencias deseables como para las indeseables.
• No necesita un alto nivel de experiencia para su uso.
Las limitaciones incluyen lo siguiente.
• Una pajarita no puede representar una situación en la que los caminos desde las causas hasta el evento no estén
independientes (es decir, donde habría compuertas AND en un árbol de fallas).
• Puede simplificar en exceso situaciones complejas, en particular cuando se intenta la cuantificación.
B.4.2.6 Documentos de referencia
[31] LEWIS, S. SMITH, K., Lecciones aprendidas de la aplicación en el mundo real del método de corbatín.
[31]
[32] HALE, AR, GOOSSENS LHJ, ALE, BJM, BELLAMY LA POST J. Gestión de barreras y controles de seguridad en
el lugar de trabajo
[33] MCCONNELL, P. and DAVIES, M. Scenario Analysis bajo Basilea II
B.4.3 Análisis de peligros y puntos críticos de control (APPCC)
B.4.3.1 Descripción general
El análisis de peligros y puntos críticos de control (HACCP) se desarrolló para garantizar la seguridad alimentaria para
el programa espacial de la NASA, pero se puede utilizar para procesos o actividades no alimentarios. La técnica
proporciona una estructura para identificar fuentes de riesgo (peligros o amenazas) y establecer controles en todas
las partes relevantes de un proceso para protegerse contra ellos. HACCP se utiliza a niveles operativos, aunque sus
resultados pueden respaldar la estrategia general de una organización. HACCP tiene como objetivo garantizar que
los riesgos se minimicen mediante el seguimiento y los controles a lo largo de un proceso en lugar de mediante la
inspección al final del proceso.
HACCP consiste en los siguientes siete principios:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 63 –
1) identificar los peligros, los factores que influyen en el riesgo y las posibles medidas preventivas; 2) determinar
los puntos del proceso donde es posible monitorear y el proceso puede controlarse para minimizar las amenazas
(los puntos críticos de control o PCC);
3) establecer límites críticos para los parámetros a monitorear, es decir, cada CCP debe operar dentro de parámetros
específicos para asegurar que el riesgo esté controlado;
4) establecer los procedimientos para monitorear los límites críticos de cada PCC a intervalos definidos; 5)
establecer acciones correctivas a ser utilizadas cuando el proceso se salga de los límites establecidos; 6)
establecer procedimientos de verificación; 7)
implementar procedimientos de mantenimiento de registros y documentación para cada paso.
B.4.3.2 Uso
HACCP es un requisito en la mayoría de los países para las organizaciones que operan en cualquier parte de la
cadena alimentaria, desde la cosecha hasta el consumo, para controlar los riesgos de contaminantes físicos,
químicos o biológicos.
Se ha extendido para su uso en la fabricación de productos farmacéuticos, dispositivos médicos y en otras áreas
donde los riesgos biológicos, químicos y físicos son inherentes a la organización.
El principio de la técnica es identificar fuentes de riesgo relacionadas con la calidad del resultado de un proceso y
definir puntos en ese proceso donde los parámetros críticos pueden ser monitoreados y las fuentes de riesgo
controladas. Esto se puede generalizar a muchos otros procesos, incluidos, por ejemplo, los procesos financieros.
B.4.3.3 Entradas
Las entradas incluyen:
• un diagrama de flujo básico o diagrama de proceso;
• información sobre fuentes de riesgo que podrían afectar la calidad, seguridad o confiabilidad del producto
o salida del proceso;
• información sobre los puntos del proceso donde los indicadores pueden ser monitoreados y los controles pueden
Ser presentado.
B.4.3.4 Salidas
Los resultados incluyen registros, incluida una hoja de trabajo de análisis de peligros y un plan HACCP.
La hoja de trabajo de análisis de peligros enumera para cada paso del proceso:
• peligros que podrían introducirse, controlarse o exacerbarse en ese paso;
• si los peligros presentan un riesgo significativo (basado en la consideración de la consecuencia y la probabilidad
usando una combinación de experiencia, datos y literatura técnica);
• una justificación de la calificación de importancia;
• posibles medidas preventivas para cada peligro;
• si se pueden aplicar medidas de seguimiento o control en este paso (es decir, ¿es un PCC?).
El plan HACCP delinea los procedimientos a seguir para asegurar el control de un diseño, producto, proceso o
procedimiento específico. El plan incluye una lista de todos los CCP y para cada CCP enumera:
• los límites críticos para las medidas preventivas;
• actividades de seguimiento y control continuo (incluido qué, cómo y cuándo se realizará el seguimiento).
llevarse a cabo y por quién);
• acciones correctivas requeridas si se detectan desviaciones de los límites críticos;
Machine Translated by Google
ES EN IEC 31010:2019
– 64 – CEI 31010:2019 CEI 2019
• actividades de verificación y mantenimiento de registros.
B.4.3.5 Fortalezas y limitaciones
Las fortalezas de HACCP incluyen lo siguiente.
• HACCP es un proceso estructurado que proporciona evidencia documentada para el control de calidad como
así como identificar y reducir los riesgos.
• Se centra en los aspectos prácticos de cómo y dónde, en un proceso, se pueden encontrar y controlar las fuentes de
riesgo.
• Proporciona control de riesgos a lo largo de un proceso en lugar de depender de la inspección del producto final.
• Llama la atención sobre el riesgo introducido por las acciones humanas y cómo se puede controlar en el punto de
introducción o posteriormente.
Las limitaciones incluyen lo siguiente.
• HACCP requiere que se identifiquen los peligros, se definan los riesgos que representan y se comprenda su importancia
como entradas al proceso. También es necesario definir los controles apropiados. Es posible que HACCP deba
combinarse con otras herramientas para proporcionar estos insumos.
• Tomar medidas solo cuando los parámetros de control exceden los límites definidos puede pasar por alto cambios
graduales en los parámetros de control que son estadísticamente significativos y, por lo tanto, deben tomarse medidas.
B.4.3.6 Documentos de referencia
[34] ISO 22000, Sistemas de gestión de seguridad alimentaria: requisitos para cualquier organización en el
cadena de comida
[35] Sistemas de calidad e inocuidad de los alimentos: manual de capacitación sobre higiene de los alimentos y riesgos
Sistema de Análisis y Puntos Críticos de Control (HACCP)
B.4.4 Análisis de capas de protección (LOPA)
B.4.4.1 Descripción general
LOPA analiza la reducción del riesgo que se consigue mediante un conjunto de controles. Puede considerarse como un
caso particular de un árbol de eventos (B.5.6) y, a veces, se lleva a cabo como seguimiento de un estudio HAZOP (B.2.4).
Se selecciona un par causaconsecuencia de una lista de riesgos identificados y se identifican las capas de protección
independientes (IPL). Una IPL es un dispositivo, sistema o acción que es capaz de evitar que un escenario avance hasta
su consecuencia no deseada. Cada IPL debe ser independiente del evento causal o de cualquier otra capa de protección
asociada con el escenario y debe ser auditable. Las IPL incluyen:
• caracteristicas de diseño;
• dispositivos de protección física;
• enclavamientos y sistemas de apagado;
• alarmas críticas e intervención manual;
• protección física posterior al evento;
• sistemas de respuesta a emergencias.
Los procedimientos estándar y/o las inspecciones no agregan barreras directamente a la falla, por lo que, en general, no
deben considerarse como IPL. Se estima la probabilidad de falla de cada IPL y se realiza un cálculo de orden de magnitud
para determinar si la protección general es adecuada para reducir el riesgo a un nivel tolerable.
La frecuencia de ocurrencia de la consecuencia no deseada se puede encontrar combinando la frecuencia de la causa
iniciadora con las probabilidades de falla de cada IPL, teniendo en cuenta cualquier modificador condicional. (Un ejemplo
de un modificador condicional es si una persona será
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 sesenta y cinco
presente y podría ser influenciado.) Los órdenes de magnitud se utilizan para frecuencias y probabilidades.
B.4.4.2 Uso
LOPA se puede utilizar cualitativamente para revisar las capas de protección entre un factor causal y una
consecuencia. También se puede utilizar cuantitativamente para asignar recursos a los tratamientos analizando
la reducción del riesgo que produce cada capa de protección. Se puede aplicar a sistemas con un horizonte
temporal de largo o corto plazo y generalmente se usa para tratar riesgos operativos.
LOPA también se puede usar cuantitativamente para la especificación de IPL y niveles de integridad de
seguridad (niveles SIL) para sistemas instrumentados, como se describe en IEC 61508 (todas las partes) y en
IEC 61511 (todas las partes), y para demostrar que se logra un SIL específico .
NOTA Un SIL es un nivel discreto (uno de cuatro posibles) para especificar la confiabilidad requerida de un sistema relacionado con la
seguridad. El nivel 4 tiene el nivel más alto de integridad de seguridad y el nivel 1 tiene el más bajo.
B.4.4.3 Entradas
Las entradas a LOPA incluyen:
• información básica sobre fuentes, causas y consecuencias de eventos;
• información sobre controles establecidos o tratamientos propuestos;
• la frecuencia del evento causal, y las probabilidades de falla de las capas de protección, medidas de
consecuencia y una definición de riesgo tolerable.
B.4.4.4 Salidas
Los resultados son recomendaciones para tratamientos adicionales y estimaciones del riesgo residual.
B.4.4.5 Fortalezas y limitaciones
Las fortalezas de LOPA incluyen lo siguiente.
• Requiere menos tiempo y recursos que el análisis del árbol de eventos o la evaluación de riesgos
completamente cuantitativa, pero es más riguroso que los juicios cualitativos subjetivos.
• Ayuda a identificar y concentrar los recursos en las capas de protección más críticas.
• Identifica operaciones, sistemas y procesos para los que no existen garantías suficientes.
• Se centra en las consecuencias más graves.
Las limitaciones de LOPA incluyen lo siguiente.
• Se enfoca en un par causaconsecuencia y un escenario a la vez; las interacciones complejas entre riesgos
o entre controles no están cubiertas.
• Cuando se usa cuantitativamente, es posible que no tenga en cuenta las fallas de modo común.
• No se aplica a escenarios muy complejos donde hay muchos pares de causaconsecuencia o donde hay
una variedad de consecuencias que afectan a diferentes partes interesadas.
B.4.4.6 Documentos de referencia
[36] IEC 61508 (todas las partes), Seguridad funcional de los sistemas relacionados con la seguridad eléctricos/
electrónicos/electrónicos programables
[37] IEC 61511 (todas las partes), Seguridad funcional – Sistemas instrumentados de seguridad para el proceso
sector industrial
[38] Análisis de la capa de protección: evaluación de riesgos del proceso simplificado
Machine Translated by Google
ES EN IEC 31010:2019
– 66 – CEI 31010:2019 CEI 2019
B.5 Técnicas para comprender las consecuencias y la probabilidad
B.5.1 Generalidades
Las técnicas descritas en la Cláusula B.5 tienen como objetivo proporcionar una mayor comprensión de las consecuencias
y su probabilidad. En general, las consecuencias pueden explorarse mediante:
• experimentación, como estudios celulares para explorar las consecuencias de la exposición a toxinas con
resultados aplicados a los riesgos para la salud humana y ecológica;
• investigación de eventos pasados, incluidos estudios epidemiológicos; • modelado
para determinar la forma en que se desarrollan las consecuencias después de algún desencadenante, y cómo esto
depende de los controles establecidos. Esto puede incluir modelos matemáticos o de ingeniería y métodos lógicos
como el análisis de árbol de eventos (B.5.6);
• técnicas para fomentar el pensamiento imaginativo, como el análisis de escenarios (B.2.5).
La probabilidad de un evento o de una consecuencia particular se puede estimar mediante:
• extrapolación de datos históricos (siempre que haya suficientes datos históricos relevantes para que el análisis sea
estadísticamente válido). Esto aplica especialmente para ocurrencias cero, cuando uno no puede asumir que debido a
que un evento o consecuencia no ha ocurrido en el pasado no ocurrirá en el futuro cercano;
• síntesis de datos relacionados con las tasas de falla o éxito de los componentes de los sistemas: utilizando técnicas como
el análisis de árbol de eventos (B.5.6), análisis de árbol de fallas (B.5.7) o análisis de causa y consecuencia (B.5.5);
• técnicas de simulación, para generar, por ejemplo, la probabilidad de equipos y estructuras
fallas debido al envejecimiento y otros procesos de degradación.
Se puede pedir a los expertos que expresen su opinión sobre las probabilidades y las consecuencias, teniendo en cuenta
la información relevante y los datos históricos. Hay una serie de métodos formales para obtener el juicio de expertos que
hacen que el uso del juicio sea visible y explícito (consulte la Cláusula B.1).
La consecuencia y la probabilidad se pueden combinar para dar un nivel de riesgo. Esto se puede utilizar para evaluar la
importancia de un riesgo comparando el nivel de riesgo con un criterio de aceptabilidad, o para clasificar los riesgos por
orden de importancia.
Las técnicas para combinar valores cualitativos de consecuencia y probabilidad incluyen métodos de índice (B.8.6) y
matrices de consecuencia/probabilidad (B.10.3). También se puede producir una única medida de riesgo a partir de una
distribución de probabilidad de consecuencias (véanse, por ejemplo, VaR (B.7.2) y CVaR (B.7.3) y curvas S (B.10.4)).
B.5.2 Análisis bayesiano
B.5.2.1 Descripción general
Es común encontrar problemas donde hay datos e información subjetiva.
El análisis bayesiano permite utilizar ambos tipos de información para tomar decisiones. El análisis bayesiano se basa en
un teorema atribuido al reverendo Thomas Bayes (1760). En su forma más simple, el teorema de Bayes proporciona una
base probabilística para cambiar de opinión a la luz de nueva evidencia. Generalmente se expresa como en la fórmula (1):
Pr |( )
( )
Pr
BA un (1)
Pr |( B
A )= PR ( )
B
dónde
PR(A) es la evaluación previa de la probabilidad de A; es la
PR(B) evaluación previa de la probabilidad de B;
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 67 –
PR(A|B) es la probabilidad de A dado que B ha ocurrido (la evaluación posterior); es la probabilidad
PR(B|A) de B dado que A ha ocurrido.
El teorema de Bayes se puede extender para abarcar múltiples eventos en un espacio de muestra particular.
Por ejemplo, supongamos que tenemos algunos datos, D, que deseamos utilizar para actualizar nuestra
comprensión previa (o falta de ella) del riesgo. Queremos usar estos datos para evaluar los méritos relativos de
un número (N) de hipótesis que compiten y no se superponen, que denotaremos por Hn (donde n = 1, 2, …, N).
Entonces el teorema de Bayes se puede usar para calcular la probabilidad de la jésima hipótesis usando la
Fórmula (2):
Pr (|
H
Dj )
PR (HD H| jj ) = PR (2)
( PR H D) H
(
Pr |
) ∑ ( norte norte
)
donde j = 1, 2 ..., norte.
Esto muestra que una vez que se tienen en cuenta los nuevos datos, la probabilidad actualizada para la hipótesis
j [es decir, Pr(Hj |D)] se obtiene multiplicando su probabilidad anterior Pr(Hj ) por la fracción entre paréntesis.
El numerador de esta fracción es la probabilidad de obtener estos datos si la jésima hipótesis es verdadera. El
denominador proviene de la "ley de la probabilidad total": la probabilidad de obtener estos datos si, una por una,
cada hipótesis fuera cierta. El denominador es el factor de normalización.
Una probabilidad bayesiana se puede entender más fácilmente si se considera como el grado de creencia de una
persona en un determinado evento en oposición a la probabilidad clásica que se basa en la evidencia física.
B.5.2.2 Uso
El análisis bayesiano es un medio de inferencia a partir de datos, tanto de juicio como empíricos. Se pueden
desarrollar métodos bayesianos para proporcionar inferencia de parámetros dentro de un modelo de riesgo
desarrollado para un contexto particular; por ejemplo, la probabilidad de un evento, la tasa de un evento o el
tiempo hasta un evento.
Los métodos bayesianos se pueden utilizar para proporcionar una estimación previa de un parámetro de interés
basado en creencias subjetivas. Una distribución de probabilidad previa suele asociarse con datos subjetivos, ya
que representa incertidumbres en el estado del conocimiento. Se puede construir un a priori utilizando solo datos
subjetivos o utilizando datos relevantes de situaciones similares. Una estimación previa puede proporcionar una
predicción probabilística de la probabilidad de un evento y ser útil para la evaluación de riesgos para los que no
hay datos empíricos.
Luego, los datos de eventos observados se pueden combinar con la distribución anterior a través de un análisis
bayesiano para proporcionar una estimación posterior del parámetro de riesgo de interés.
El teorema de Bayes se usa para incorporar nueva evidencia en creencias previas para formar una estimación
actualizada.
El análisis bayesiano puede proporcionar estimaciones puntuales y de intervalo para un parámetro de interés.
Estas estimaciones capturan las incertidumbres asociadas con la variabilidad y el estado del conocimiento. Esto
es diferente a la inferencia frecuentista clásica que representa la variación aleatoria estadística en la variable de
interés.
El modelo de probabilidad que sustenta un análisis bayesiano depende de la aplicación. Por ejemplo, se puede
usar un modelo de probabilidad de Poisson para eventos como accidentes, no conformidades o entregas tardías,
o se puede usar un modelo de probabilidad binomial para eventos de una sola vez.
Machine Translated by Google
ES EN IEC 31010:2019
– 68 – CEI 31010:2019 CEI 2019
elementos. Cada vez es más común construir un modelo de probabilidad para representar las relaciones causales
entre variables en forma de una red bayesiana (B.5.3).
B.5.2.3 Entradas
Las entradas de un análisis bayesiano son los datos de juicio y empíricos necesarios para estructurar y cuantificar
el modelo de probabilidad.
B.5.2.4 Salidas
Al igual que las estadísticas clásicas, el análisis bayesiano proporciona estimaciones, tanto de números individuales
como de intervalos, para el parámetro de interés y se puede aplicar a una amplia gama de resultados.
B.5.2.5 Fortalezas y limitaciones
Los puntos fuertes son los siguientes.
• Las declaraciones inferenciales son fáciles de entender.
• Proporciona un mecanismo para usar creencias subjetivas sobre un problema.
• Proporciona un mecanismo para combinar creencias previas con nuevos datos.
Las limitaciones son las siguientes.
• Puede producir distribuciones posteriores que dependen en gran medida de la elección de la anterior.
• Resolver problemas complejos puede implicar altos costos computacionales y ser intensivo en mano de obra.
B.5.2.6 Documentos de referencia
[39] GHOSH, J., DELAMPADY, M. y SAMANTA, T. Una introducción al análisis bayesiano,
Nueva York SpringerVerlag, 2006
[40] QUIGLEY, JL, BEDFORD, TJ y WALLS, LA Obtención de distribución previa
B.5.3 Redes bayesianas y diagramas de influencia
B.5.3.1 Descripción general
Una red bayesiana (red de Bayes o BN) es un modelo gráfico cuyos nodos representan las variables aleatorias
(discretas y/o continuas) (Figura B.3). Los nodos están conectados por arcos dirigidos que representan dependencias
directas (que a menudo son conexiones causales) entre variables.
Los nodos que apuntan a un nodo X se denominan sus padres y se denotan pa(X). La relación entre las variables
se cuantifica mediante distribuciones de probabilidad condicional (CPD) asociadas con cada nodo, denominadas
P(X|pa(X)), donde el estado de los nodos secundarios depende de la combinación de los valores de los nodos
principales. En la Figura B.3, las probabilidades se indican mediante estimaciones puntuales.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 69 –
Figura B.3: una red bayesiana que muestra una versión simplificada de un problema ecológico
real: modelado de poblaciones de peces nativos en Victoria, Australia
B.5.3.2 Uso
Un BN básico contiene variables que representan eventos inciertos y se pueden usar para estimar la probabilidad o el
riesgo o para inferir factores de riesgo clave que conducen a consecuencias específicas.
Un BN se puede ampliar para incluir decisiones, acciones y valoraciones, así como incertidumbres, en cuyo caso se
conoce como diagrama de influencia, que se puede utilizar para evaluar el impacto de los controles/mitigaciones de
riesgos o para valorar las opciones de intervención.
Un modelo BN puede construirse como una representación cualitativa de un problema por parte de las partes
interesadas y luego cuantificarse utilizando datos relevantes, incluido el juicio (por ejemplo, análisis de riesgo del centro
de distribución de medicamentos), o un modelo BN puede aprenderse solo a partir de datos empíricos (por ejemplo,
motores de búsqueda web, informes financieros). riesgo). Independientemente de la forma de una BN, el mecanismo
de inferencia subyacente se basa en el teorema de Bayes y posee las propiedades generales del análisis bayesiano (B.5.2).
BN se ha utilizado en una amplia gama de aplicaciones: incluida la toma de decisiones ambientales, el diagnóstico
médico, la extensión de la vida útil de la infraestructura crítica, el riesgo de la cadena de suministro, el desarrollo de
nuevos productos y procesos, el modelado de imágenes, la genética, el reconocimiento de voz, la economía, la
exploración espacial y en los motores de búsqueda web. .
En general, las BN proporcionan modelos visuales que respaldan la articulación de problemas y la comunicación entre
las partes interesadas. Los modelos BN permiten realizar análisis de sensibilidad para explorar "¿qué pasaría si?"
escenarios. La construcción de la estructura cualitativa de la BN se puede respaldar mediante el uso de mapas causales
(B.6.1) y una BN se puede usar junto con el análisis de escenarios (B.2.5) y el análisis de impacto cruzado (B.6.2).
Los BN son útiles para obtener aportes y acuerdos de las partes interesadas para decisiones en las que existe una
gran incertidumbre y una divergencia de puntos de vista de las partes interesadas. La representación es fácilmente
comprensible, aunque se requiere experiencia para producirla.
Los BN pueden ser útiles para mapear los análisis de riesgo para las partes interesadas no técnicas, al promover la
transparencia de los supuestos y el proceso y al tratar la incertidumbre de una manera que sea matemáticamente sólida.
Machine Translated by Google
ES EN IEC 31010:2019
– 70 – CEI 31010:2019 CEI 2019
B.5.3.3 Entradas
Las entradas para BN requieren una comprensión de las variables del sistema (nodos), los vínculos causales entre ellos
(arcos dirigidos) y las probabilidades previas y condicionales de estas relaciones.
En el caso de un diagrama de influencia, también se requieren las valoraciones (por ejemplo, pérdida financiera, lesiones,
etc.).
B.5.3.4 Salidas
Los BN proporcionan distribuciones marginales y condicionales en una salida gráfica que generalmente se considera fácil
de interpretar, al menos en comparación con otros modelos de caja negra. El modelo BN y los datos se pueden modificar
fácilmente para visualizar fácilmente las relaciones y explorar la sensibilidad de los parámetros a diferentes entradas.
B.5.3.5 Fortalezas y limitaciones
Las fortalezas de los BN incluyen lo siguiente.
• Hay software fácilmente disponible que es relativamente fácil de usar y entender.
• Tienen un marco transparente y pueden ejecutar rápidamente escenarios y analizar la sensibilidad de los resultados a
diferentes supuestos. • Pueden incluir creencias subjetivas
sobre un problema, junto con datos.
Las limitaciones incluyen lo siguiente.
• Definir todas las interacciones para sistemas complejos es difícil y puede volverse complicado desde el punto de vista computacional.
intratable cuando las tablas de probabilidad condicional se vuelven demasiado grandes.
• Los BN suelen ser estáticos y normalmente no incluyen circuitos de retroalimentación. Sin embargo, el uso de la dinámica
BN está aumentando.
• El establecimiento de parámetros requiere el conocimiento de muchas probabilidades condicionales que generalmente
son proporcionadas por el juicio de expertos. Los BN solo pueden proporcionar respuestas basadas en estos supuestos
(una limitación que es común a otras técnicas de modelado).
• El usuario puede ingresar errores, pero la salida aún puede dar una respuesta creíble; comprobación
los extremos pueden ayudar a localizar errores.
B.5.3.6 Documentos de referencia
[41] NEIL, Martín y FENTON, Norman. Evaluación de riesgos y análisis de decisiones con redes bayesianas CRC Press,
2012
[42] JENSEN, FV, NIELSEN TD Redes bayesianas y gráficos de decisión, 2ª ed.
Springer, Nueva York, 2007
[43] NICHOLSON, A., WOODBERRY O y TWARDY C, The "Native Fish" Bayesian
redes Informe técnico de inteligencia bayesiana 2010/3, 2010
[44] TUTORIAL NETICA
B.5.4 Análisis de impacto en el negocio (BIA)
B.5.4.1 Descripción general
El análisis de impacto comercial analiza cómo los incidentes y eventos podrían afectar las operaciones de una organización,
e identifica y cuantifica las capacidades que serían necesarias para administrarlo.
Específicamente, un BIA proporciona una comprensión acordada de:
• la criticidad de los procesos comerciales clave, funciones y recursos asociados y la clave
interdependencias que existen para una organización;
• cómo los eventos disruptivos afectarán la capacidad y la capacidad de lograr negocios críticos
objetivos;
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 71 –
• la capacidad y la capacidad necesarias para gestionar el impacto de una interrupción y recuperar los niveles
de operación acordados.
El BIA se puede realizar mediante cuestionarios, entrevistas, talleres estructurados o una combinación de los
tres.
B.5.4.2 Uso
BIA se utiliza para determinar la criticidad y los plazos de recuperación de los procesos y los recursos asociados
(por ejemplo, personas, equipos y tecnología de la información) para permitir una planificación adecuada para
eventos disruptivos. BIA también ayuda a determinar las interdependencias e interrelaciones entre los procesos,
las partes internas y externas y los vínculos de la cadena de suministro.
También se puede utilizar como parte del análisis de consecuencias al considerar las consecuencias de eventos
disruptivos.
El BIA proporciona información que ayuda a la organización a determinar y seleccionar estrategias de
continuidad del negocio apropiadas para permitir una respuesta y recuperación efectivas de un incidente
disruptivo.
B.5.4.3 Entradas
Las entradas incluyen:
• información sobre los objetivos, la dirección estratégica, el entorno, los activos y las interdependencias de la
organización;
• descripción general de los productos y servicios comerciales de la organización y su relación con los procesos
comerciales;
• una evaluación de las prioridades de una revisión de gestión anterior;
• detalles de las actividades y operaciones de la organización, incluidos los procesos, los recursos, las
relaciones con otras organizaciones, las cadenas de suministro, los acuerdos subcontratados y las partes
interesadas;
• información para permitir la evaluación de las consecuencias financieras, legales y operativas de la pérdida
de procesos críticos;
• un cuestionario preparado u otros medios para recopilar información;
• resultados de otras evaluaciones de riesgos y análisis de incidentes críticos relacionados con los resultados
de incidentes disruptivos;
• una lista de personas de áreas relevantes de la organización y/o partes interesadas que serán
contactado.
B.5.4.4 Salidas
Las salidas incluyen:
• una lista de prioridades de los productos y servicios de la organización;
• documentos que detallen la información recolectada como insumos;
• una lista priorizada de procesos críticos e interdependencias asociadas;
• impactos documentados de una pérdida de los procesos críticos, incluidos los impactos financieros, legales,
ambientales y operativos;
• información sobre los recursos de apoyo y las actividades necesarias para restablecer los procesos críticos; •
una evaluación de los impactos en el tiempo de no entregar esos productos y servicios en el
corto, mediano y largo plazo;
• marcos de tiempo priorizados para reanudar la entrega de esos productos y servicios a un nivel mínimo
especificado, teniendo en cuenta el tiempo después del cual los impactos de no reanudarlos serían
inaceptables;
Machine Translated by Google
ES EN IEC 31010:2019
– 72 – CEI 31010:2019 CEI 2019
• marcos de tiempo de interrupción para el proceso crítico y los marcos de tiempo de recuperación de tecnología de la
información asociados.
B.5.4.5 Fortalezas y limitaciones
Las fortalezas del BIA incluyen que proporciona:
• una comprensión profunda de los procesos críticos que permiten a una organización lograr sus objetivos y que
pueden indicar áreas de mejora empresarial;
• información necesaria para planificar la respuesta de una organización a un evento perturbador;
• una comprensión de los recursos clave necesarios en caso de una interrupción;
• una oportunidad para redefinir el proceso operativo de una organización para ayudar a mejorar
la resiliencia de la organización.
Las limitaciones incluyen lo siguiente.
• BIA se basa en el conocimiento y las percepciones de los participantes involucrados en el llenado de cuestionarios,
o en la realización de entrevistas o talleres. Esto puede conducir a expectativas simplistas o demasiado optimistas
de los requisitos de recuperación.
• La dinámica de grupo puede afectar negativamente el análisis completo de un proceso crítico.
• Puede haber expectativas simplistas o demasiado optimistas de los requisitos de recuperación.
• Puede ser difícil obtener un nivel adecuado de comprensión de las operaciones y actividades de la organización.
B.5.4.6 Documentos de referencia
[45] ISO TS 22317, Seguridad social – Sistemas de gestión de la continuidad del negocio – Directrices
para análisis de impacto comercial
[46] ISO 22301, Seguridad social – Sistemas de gestión de la continuidad del negocio – Requisitos
B.5.5 Análisis de causaconsecuencia (CCA)
B.5.5.1 Descripción general
En algunas circunstancias, un evento que podría ser analizado por un árbol de fallas es mejor abordado por CCA. Por
ejemplo:
• si es más fácil desarrollar secuencias de eventos que relaciones causales;
• si el TLC pudiera llegar a ser muy grande;
• si hay equipos separados que se ocupan de diferentes partes del análisis.
En la práctica, a menudo no es el evento principal el que se define primero, sino los eventos potenciales en la interfaz
entre el dominio funcional y técnico.
Por ejemplo, considere el evento "pérdida de tripulación o vehículo" para una misión de nave espacial. En lugar de
construir un gran árbol de fallas basado en este evento principal, los eventos no deseados intermedios, como fallas de
encendido o fallas de empuje, pueden definirse como eventos principales y analizarse como árboles de fallas separados.
Estos eventos principales se utilizarían a su vez como entradas para los árboles de eventos para analizar las
consecuencias operativas.
Se pueden distinguir dos tipos de CCA, dependiendo de qué parte del análisis es más relevante para las circunstancias.
Cuando se requieren causas detalladas pero es aceptable una descripción más general de la consecuencia, entonces
la parte del análisis del árbol de fallas se expande y el análisis se denomina CCASELF (árbol de eventos pequeños,
árbol de fallas grandes). Cuando se requiere una descripción detallada de la consecuencia pero la causa se puede
considerar con menos detalle, el análisis se denomina CCALESF (árbol de eventos grandes, árbol de fallas pequeñas).
La Figura B.4 muestra un diagrama conceptual de un análisis típico de causaconsecuencia.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 73 –
B.5.5.2 Uso
Al igual que el análisis del árbol de fallas, CCA se utiliza para representar la lógica de falla que conduce a un evento
crítico, pero se suma a la funcionalidad de un árbol de fallas al permitir el análisis de fallas secuenciales en el tiempo.
El método también permite incorporar retrasos de tiempo en el análisis de consecuencias, lo que no es posible con los
árboles de eventos. Analiza las diversas rutas que podría tomar un sistema después de un evento crítico según el
comportamiento de subsistemas particulares (como los sistemas de respuesta a emergencias).
Si se cuantifica, un análisis de causaconsecuencia dará una estimación de la probabilidad de diferentes consecuencias
posibles después de un evento crítico.
Como cada secuencia en un diagrama de causaconsecuencia es una combinación de subárboles de fallas, el análisis de
causa y consecuencia se puede usar para construir grandes árboles de fallas.
Dado que los diagramas son complejos de producir y usar, la técnica tiende a aplicarse cuando la magnitud de la
consecuencia potencial de la falla justifica un esfuerzo intensivo.
Figura B.4 – Ejemplo de diagrama causaconsecuencia
B.5.5.3 Entradas
Se requiere una comprensión del sistema y sus modos de falla y escenarios de falla.
B.5.5.4 Salidas
Los resultados de CCA son:
• una representación esquemática de cómo un sistema puede fallar mostrando tanto las causas como
consecuencias;
Machine Translated by Google
ES EN IEC 31010:2019
– 74 – CEI 31010:2019 CEI 2019
• una estimación de la probabilidad de ocurrencia de cada consecuencia potencial basada en el análisis de
probabilidades de ocurrencia de condiciones particulares después del evento crítico.
B.5.5.5 Fortalezas y limitaciones
Además de las fortalezas de los árboles de fallas y eventos, CCA es más capaz de representar simultáneamente
las causas y consecuencias de un evento de enfoque y las dependencias de tiempo que estas técnicas.
Las limitaciones incluyen que CCA es más complejo que el árbol de fallas y el análisis del árbol de eventos,
tanto en su construcción como en la forma en que se tratan las dependencias durante la cuantificación.
B.5.5.6 Documentos de referencia
[47] ANDREWS JD, RIDLEY LM 2002. Aplicación del método de diagrama de causaconsecuencia a sistemas
estáticos
[48] NIELSEN DS El método del diagrama de causa/consecuencia como base para el análisis cuantitativo de
accidentes
B.5.6 Análisis de árbol de eventos (ETA)
B.5.6.1 Descripción general
ETA es una técnica gráfica que representa las secuencias mutuamente excluyentes de eventos que podrían
surgir después de un evento iniciador según si los diversos sistemas diseñados para cambiar las consecuencias
funcionan o no. El árbol se puede cuantificar para proporcionar las probabilidades de los diferentes resultados
posibles (consulte la Figura B.5).
El árbol comienza con el evento iniciador y luego para cada control se dibujan líneas para representar su éxito
o fracaso. Se puede asignar una probabilidad de falla o éxito a cada control, por juicio de expertos, a partir de
datos o de análisis de árboles de fallas individuales. Las probabilidades son probabilidades condicionales. Por
ejemplo, la probabilidad de que un elemento funcione no es la probabilidad obtenida de las pruebas en
condiciones normales, sino la probabilidad de funcionar en las condiciones del evento iniciador.
La frecuencia de los diferentes resultados viene representada por el producto de las probabilidades condicionales
individuales y la probabilidad o frecuencia del evento de iniciación, dado que los distintos eventos son
independientes. En la figura B.5, se supone que la probabilidad del evento iniciador es 1.
B.5.6.2 Uso
ETA se puede usar cualitativamente para ayudar a analizar escenarios potenciales y secuencias de eventos
después de un evento de inicio, y para explorar cómo los resultados se ven afectados por varios controles. Se
puede aplicar a cualquier nivel de una organización ya cualquier tipo de evento iniciador.
La ETA cuantitativa se puede utilizar para considerar la aceptabilidad de los controles y la importancia relativa
de los diferentes controles para el nivel general de riesgo. El análisis cuantitativo requiere que los controles
funcionen o no (es decir, no puede tener en cuenta los controles degradados) y que los controles sean
independientes. Este es principalmente el caso de problemas operativos. ETA se puede utilizar para modelar
eventos iniciadores que pueden generar pérdidas o ganancias. Sin embargo, las circunstancias en las que se
buscan caminos para optimizar la ganancia se modelan más a menudo utilizando un árbol de decisión (B.9.3).
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 75 –
Figura B.5 – Ejemplo de análisis de árbol de eventos
B.5.6.3 Entradas
Las entradas incluyen:
• un evento iniciador especificado;
• información sobre barreras y controles y, para el análisis cuantitativo, sus probabilidades de falla;
• una comprensión de los posibles escenarios.
B.5.6.4 Salidas
Los resultados de ETA incluyen lo siguiente:
• descripciones cualitativas de los posibles resultados de los eventos iniciadores;
• estimaciones cuantitativas de tasas/frecuencias o probabilidades de eventos y la importancia relativa
de varias secuencias de fallas y eventos contribuyentes;
• evaluaciones cuantitativas de la eficacia de los controles.
B.5.6.5 Fortalezas y limitaciones
Las fortalezas de ETA incluyen lo siguiente.
• Se analizan los escenarios potenciales que siguen a un evento iniciador y se muestra la influencia del éxito o
fracaso de los controles en forma de diagrama claro que puede, si es necesario, cuantificarse.
• Identifica eventos finales que de otro modo no podrían ser previstos.
• Identifica fallas potenciales de un solo punto, áreas de vulnerabilidad del sistema y contramedidas de bajo
rendimiento y, por lo tanto, puede usarse para mejorar la eficiencia del control.
• La técnica tiene en cuenta la sincronización y los efectos dominó que son engorrosos de modelar en
árboles de fallas.
Las limitaciones incluyen lo siguiente.
• Para un análisis exhaustivo, se deben identificar todos los posibles eventos iniciadores. Siempre existe la
posibilidad de perderse algunos eventos o secuencias de eventos de inicio importantes.
• Solo se tratan los estados de éxito y fracaso de un sistema, y es difícil de incorporar
controles parcialmente operativos, éxito retrasado o eventos de recuperación.
Machine Translated by Google
ES EN IEC 31010:2019
– 76 – CEI 31010:2019 CEI 2019
• Cualquier ruta está condicionada a los eventos que ocurrieron en los puntos de bifurcación anteriores a lo largo de la ruta.
Por lo tanto, se abordan muchas dependencias a lo largo de las rutas posibles. Sin embargo, algunas dependencias, como
los componentes comunes, los sistemas de servicios públicos y los operadores, pueden pasarse por alto, lo que lleva a
estimaciones optimistas de la probabilidad de consecuencias particulares.
• Para sistemas complejos, el árbol de eventos puede ser difícil de construir desde cero.
B.5.6.6 Documentos de referencia
[49] IEC 62502, Técnicas de análisis para confiabilidad – Análisis de árbol de eventos
[50] IEC TR 63039, Análisis probabilístico de riesgos de sistemas tecnológicos – Estimación de
tasa de eventos en un estado inicial dado
B.5.7 Análisis de árbol de fallas (FTA)
B.5.7.1 Descripción general
FTA es una técnica para identificar y analizar los factores que contribuyen a un evento no deseado específico (llamado el "evento
principal"). El evento principal se analiza identificando primero sus causas inmediatas y necesarias. Estos pueden ser fallas de
hardware o software, errores humanos o cualquier otro evento pertinente. La relación lógica entre estas causas está representada
por una serie de puertas, como las puertas AND y OR. Luego, cada causa se analiza paso a paso de la misma manera hasta
que el análisis posterior se vuelve improductivo. El resultado se representa pictóricamente en un diagrama de árbol (consulte la
figura B.6), que es la representación gráfica de una ecuación booleana.
B.5.7.2 Uso
El FTA se utiliza principalmente a nivel operativo y para cuestiones de corto a mediano plazo. Se utiliza cualitativamente para
identificar posibles causas y caminos hacia el evento principal, o cuantitativamente para calcular la probabilidad del evento
principal. Para el análisis cuantitativo se debe seguir una lógica estricta.
Esto significa que los eventos en las entradas de una puerta AND tienen que ser tanto necesarios como suficientes para causar
el evento anterior y los eventos en una puerta OR representan todas las causas posibles del evento anterior, cualquiera de las
cuales podría ser la única causa. Luego se utilizan técnicas basadas en diagramas de decisión binarios o álgebra booleana para
contabilizar los modos de falla duplicados.
FTA se puede usar durante el diseño, para seleccionar entre diferentes opciones o durante la operación para identificar cómo
pueden ocurrir fallas importantes y la importancia relativa de las diferentes vías hacia el evento principal.
Técnicas estrechamente relacionadas son el árbol de causas, que se usa retrospectivamente para analizar eventos que ya han
ocurrido, y el árbol de éxito, donde el evento principal es un éxito. Este último se utiliza para estudiar las causas del éxito con el
fin de lograr éxitos futuros.
Las probabilidades tienden a ser más altas en un árbol de éxito que en un árbol de fallas y al calcular la probabilidad del evento
principal, se debe tener en cuenta la posibilidad de que los eventos no sean mutuamente excluyentes.
B.5.7.3 Entradas
Las entradas para el análisis del árbol de fallas son las siguientes.
• Se requiere una comprensión del sistema y las causas del fracaso o el éxito, así como una comprensión técnica de cómo se
comporta el sistema en diferentes circunstancias. Los diagramas detallados son útiles para ayudar en el análisis;
• Para el análisis cuantitativo de un árbol de fallas, se requieren datos sobre las tasas de fallas, o la probabilidad de estar en un
estado de falla, o la frecuencia de las fallas y donde las tasas de reparación/recuperación relevantes, etc., para todos los
eventos base.
• Para situaciones complejas, software y una comprensión de la teoría de la probabilidad y Boolean
Se recomienda el álgebra para que las entradas al software se realicen correctamente.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 77 –
Figura B.6 – Ejemplo de árbol de fallas
B.5.7.4 Salidas
Los resultados del análisis del árbol de fallas son:
• una representación pictórica de cómo puede ocurrir el evento principal, que muestra vías de interacción, cada una
de las cuales involucra la ocurrencia de dos o más eventos (base);
• una lista de conjuntos de cortes mínimos (vías individuales hacia la falla) con, siempre que haya datos disponibles, la
probabilidad de que cada uno ocurra;
• en el caso del análisis cuantitativo, la probabilidad del evento superior y la importancia relativa de los eventos
base.
B.5.7.5 Fortalezas y limitaciones
Las fortalezas de FTA incluyen lo siguiente.
• Es un enfoque disciplinado que es altamente sistemático, pero al mismo tiempo lo suficientemente flexible para
permitir el análisis de una variedad de factores, incluidas las interacciones humanas y los fenómenos físicos.
• Es especialmente útil para analizar sistemas con muchas interfaces e interacciones.
• Proporciona una representación pictórica que conduce a una comprensión más sencilla del comportamiento del
sistema y los factores incluidos.
• El análisis lógico de los árboles de fallas y la determinación de conjuntos de cortes es útil para identificar rutas de
fallas simples en un sistema complejo donde se pueden pasar por alto combinaciones particulares de eventos y
secuencias de eventos que conducen al evento superior.
• Puede adaptarse a problemas simples o complejos con el nivel de esfuerzo dependiendo de la complejidad.
Machine Translated by Google
ES EN IEC 31010:2019
– 78 – CEI 31010:2019 CEI 2019
Las limitaciones incluyen lo siguiente.
• En algunas situaciones, puede ser difícil determinar si se incluyen todos los caminos importantes hacia el evento principal;
por ejemplo, incluir todas las fuentes de ignición en un análisis de un incendio. En estas situaciones, no es posible calcular la
probabilidad del evento principal.
• No se abordan las interdependencias de tiempo.
• FTA trata sólo con estados binarios (éxito/fracaso). • Si bien los modos
de error humano se pueden incluir en un árbol de fallas, la naturaleza y el alcance de tales
las fallas pueden ser difíciles de definir.
• FTA analiza un evento principal. No analiza fallas secundarias o incidentales. • Un FTA puede volverse muy grande
para sistemas a gran escala.
B.5.7.6 Documentos de referencia
[51] IEC 61025, Análisis de árbol de fallas (FTA)
[16] IEC 62740, Análisis de causa raíz (RCA)
B.5.8 Análisis de confiabilidad humana (HRA)
B.5.8.1 Descripción general
HRA se refiere a un grupo de técnicas que tienen como objetivo evaluar la contribución de una persona a la confiabilidad y
seguridad del sistema al identificar y analizar el potencial de una acción incorrecta. Aunque la mayoría de las veces se aplica al
desempeño degradado de los operadores en un contexto de seguridad, se pueden aplicar métodos similares para mejorar los
niveles de desempeño. HRA se aplica a nivel táctico a tareas particulares donde el desempeño correcto es crítico.
Primero se lleva a cabo un análisis jerárquico de tareas para identificar los pasos y subpasos dentro de una actividad.
Los posibles mecanismos de error se identifican para cada subpaso, a menudo utilizando un conjunto de indicaciones de
palabras clave (como demasiado pronto, demasiado tarde, objeto incorrecto, acción incorrecta, objeto correcto).
Las fuentes de estos errores (como la distracción, el tiempo disponible demasiado corto, etc.) pueden identificarse y la información
puede usarse para reducir la probabilidad de error dentro de la tarea. También se identifican los factores dentro de la propia
persona, la organización o el entorno que influyen en la probabilidad de error (factores de configuración del rendimiento (PSF)).
La probabilidad de una acción incorrecta se puede estimar mediante varios métodos, incluido el uso de una base de datos de
tareas similares o el juicio de expertos. Por lo general, se define una tasa de error nominal para un tipo de tarea y luego se aplica
un multiplicador para representar los factores ambientales o de comportamiento que aumentan o disminuyen la probabilidad de
falla. Se han desarrollado varios métodos para aplicar estos pasos básicos.
Los primeros métodos ponían un fuerte énfasis en estimar la probabilidad de falla. Los métodos cualitativos más recientes se
centran en las causas cognitivas de las variaciones en el desempeño humano con un mayor análisis de la forma en que factores
externos modifican el desempeño y menos en el intento de calcular una probabilidad de falla.
B.5.8.2 Uso
La HRA cualitativa se puede utilizar:
• durante el diseño para que los sistemas estén diseñados para minimizar la probabilidad de error por parte de los operadores;
• durante la modificación del sistema para ver si es probable que el desempeño humano se vea influido en
cualquier dirección;
• mejorar los procedimientos para reducir los errores;
• ayudar a identificar y reducir los factores que inducen errores en el entorno o en
arreglos organizativos.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 79 –
La HRA cuantitativa se utiliza para proporcionar datos sobre el desempeño humano como entrada para métodos de árbol
lógico u otras técnicas de evaluación de riesgos.
B.5.8.3 Entradas
Las entradas incluyen:
• información para definir las tareas que las personas deben realizar;
• experiencia de los tipos de error o desempeño extraordinario que ocurren en la práctica;
• experiencia en el desempeño humano y los factores que lo influyen;
• experiencia en la(s) técnica(s) a utilizar.
B.5.8.4 Salidas
Las salidas incluyen:
• una lista de errores o actuaciones extraordinarias que pueden ocurrir y los métodos por los cuales pueden
mejorarse mediante el rediseño del sistema;
• modos, tipos, causas y consecuencias de la actuación humana;
• una evaluación cualitativa o cuantitativa del riesgo planteado por las diferencias en el desempeño.
B.5.8.5 Fortalezas y limitaciones
Las fortalezas de la HRA incluyen las siguientes.
• Proporciona un mecanismo formal para incluir el desempeño humano al considerar los riesgos asociados con los
sistemas donde los humanos juegan un papel importante.
• La consideración formal de los modos y mecanismos de desempeño humano basada en la comprensión de los mecanismos
cognitivos puede ayudar a identificar formas de modificar el riesgo.
Las limitaciones incluyen lo siguiente.
• Los métodos se adaptan mejor a las tareas rutinarias realizadas en entornos bien controlados.
Son menos útiles para tareas complejas o cuando las acciones deben basarse en fuentes de información múltiples y
posiblemente contradictorias.
• Muchas actividades no tienen un modo simple de aprobación/reprobación. HRA tiene dificultad para lidiar con parcial
impactos en el desempeño como en la calidad de las acciones o decisiones.
• La cuantificación tiende a depender en gran medida de la opinión de expertos porque se dispone de pocos datos verificados.
disponible.
B.5.8.6 Documentos de referencia
[51] IEC 62508, Orientación sobre los aspectos humanos de la confiabilidad
[52] BELL Julie, HOLROYD Justin, Revisión del método de evaluación de la confiabilidad humana
[53] OCDE, Establecimiento de los atributos apropiados en la evaluación actual de la confiabilidad humana
Técnicas para la Seguridad Nuclear
B.5.9 Análisis de Markov
B.5.9.1 Descripción general
El análisis de Markov es una técnica cuantitativa que puede aplicarse a cualquier sistema que pueda describirse en términos
de un conjunto de estados discretos y transiciones entre ellos, siempre que la evolución desde su estado actual no dependa
de su estado en algún momento del pasado.
Por lo general, se supone que las transiciones entre estados ocurren a intervalos específicos con las probabilidades de
transición correspondientes (cadena de Markov de tiempo discreto). En la práctica, esto suele ocurrir si el sistema se examina
a intervalos regulares para determinar su estado. En algunos
Machine Translated by Google
ES EN IEC 31010:2019
– 80 – CEI 31010:2019 CEI 2019
aplicaciones, las transiciones se rigen por tiempos aleatorios distribuidos exponencialmente con tasas de transición
correspondientes (cadena de Markov de tiempo continuo). Esto se usa comúnmente para análisis de confiabilidad,
consulte IEC 61165.
Los estados y sus transiciones se pueden representar en un diagrama de Markov como el de la figura B.7. Aquí los
círculos representan los estados y las flechas representan las transiciones entre estados y sus probabilidades de
transición asociadas. Este ejemplo tiene solo cuatro estados: bueno (S1), regular (S2), pobre (S3) y fallido (S4). Se
supone que cada mañana, el sistema es inspeccionado y clasificado en uno de estos cuatro estados. Si el sistema ha
fallado, siempre se repara ese día y se devuelve a un buen estado.
El sistema también se puede representar mediante una matriz de transición como se muestra en la Tabla B.4. Tenga
en cuenta que en esta tabla la suma de cada una de las filas es 1 ya que los valores representan las probabilidades de
todas las transiciones posibles en cada caso.
Figura B.7 – Ejemplo de diagrama de Markov
Tabla B.4 – Ejemplo de matriz de Markov
Siguiente estado después de la transición
S1, bueno S2, Justo S3, pobre S4, fallido
S1, bueno 0,8 0,15 0,05 0
S2, Justo 0 0,85 0,1 0,05
Estado actual
S3, pobre 0 0 0,5 0,5
S4, fallido 1 0 0 0
B.5.9.2 Uso
El análisis de Markov se puede utilizar para estimar:
• la probabilidad a largo plazo de que el sistema se encuentre en un estado específico; por ejemplo, esta podría ser la
posibilidad de que una máquina de producción funcione según lo requerido, un componente falle o un nivel de
suministro caiga por debajo de un umbral crítico;
• el tiempo esperado para la primera falla de un sistema complejo (el tiempo de primer paso), o el tiempo esperado
antes de que un sistema regrese a un estado específico (el tiempo de recurrencia).
En la Tabla B.5 se proporcionan ejemplos de sistemas, estados y transiciones en diferentes áreas.
Machine Translated by Google
CEI 31010:2019 CEI 2019 – 81 –
Cuadro B.5 – Ejemplos de sistemas a los que se puede aplicar el análisis de Markov
Sistemas estados Transiciones
Sistemas técnicos Estado de las maquinas Deterioro, avería, reparación.
Producción Nivel de producción Operación, limpieza, reinicio
Marketing Marca comprada Lealtad a la marca, cambio de marca
Contabilidad Estado de las cuentas por cobrar Pago, cancelación, prórroga
Cuidado de la salud Estado del paciente Infección, recuperación, tratamiento,
recaída
Reservorio cantidad de agua Entradas, salidas, evaporación
Recursos humanos categorías de trabajo Movimiento entre categorías de trabajo y salida
B.5.9.3 Entradas
Las entradas para un análisis de Markov son un conjunto de estados discretos que el sistema puede ocupar, una
comprensión de las posibles transiciones que deben modelarse y estimaciones de las probabilidades de transición o
tasas de transición (en el caso de una cadena de Markov de tiempo continuo CTMC ).
B.5.9.4 Salidas
El análisis de Markov genera estimaciones de la probabilidad de que un sistema se encuentre en un estado específico.
Admite muchos tipos de decisiones sobre los tipos de intervenciones que un administrador podría realizar en un
sistema complejo (por ejemplo, para modificar los estados del sistema y las transiciones entre ellos).
B.5.9.5 Fortalezas y limitaciones
Las fortalezas del análisis de Markov incluyen lo siguiente.
• Se puede utilizar para modelar sistemas dinámicos multiestado.
• Los diagramas de transición de estado proporcionan estructuras simples y fáciles de comunicar.
Las limitaciones incluyen lo siguiente.
• Es posible que los supuestos no se apliquen a todos los sistemas de interés, en particular, las probabilidades de
transición o las tasas de transición entre estados pueden cambiar con el tiempo a medida que el sistema se
deteriora o se adapta.
• El modelado preciso puede requerir una extensa recopilación y validación de datos.
• Demasiados datos reducen la respuesta a una media.
B.5.9.6 Documentos de referencia
[54] IEC 61165, Aplicación de técnicas de Markov [55] OXLEY,
ALAN. Procesos de Markov en la ciencia de la gestión
B.5.10 Simulación Montecarlo
B.5.10.1 Resumen
Algunos cálculos que se realizan al analizar el riesgo involucran distribuciones. Sin embargo, realizar cálculos con
distribuciones no es fácil, ya que a menudo no es posible derivar soluciones analíticas a menos que las distribuciones
tengan formas bien especificadas, y solo con restricciones y suposiciones que pueden no ser realistas. En estas
circunstancias, técnicas como la simulación de Monte Carlo proporcionan una forma de realizar los cálculos y
desarrollar los resultados.
La simulación generalmente implica tomar valores de muestra aleatorios de cada una de las distribuciones de entrada,
realizar cálculos para derivar un valor de resultado y luego repetir el proceso a través de una serie.
Machine Translated by Google
ES EN IEC 31010:2019
– 82 – CEI 31010:2019 CEI 2019
de iteraciones para construir una distribución de los resultados. El resultado se puede dar como una distribución de
probabilidad del valor o alguna estadística como el valor medio.
Los sistemas se pueden desarrollar utilizando hojas de cálculo y otras herramientas convencionales, pero hay disponibles
herramientas de software más sofisticadas para ayudar con requisitos más complejos.
B.5.10.2 Uso
En general, la simulación de Monte Carlo se puede aplicar a cualquier sistema para el cual:
• un conjunto de entradas interactúan para definir una salida;
• la relación entre las entradas y salidas se puede expresar como un conjunto de dependencias;
• las técnicas analíticas no son capaces de proporcionar resultados relevantes o cuando hay incertidumbre en
los datos de entrada.
La simulación de Monte Carlo se puede utilizar como parte de la evaluación de riesgos para dos propósitos diferentes:
• propagación de la incertidumbre en modelos analíticos convencionales;
• cálculos probabilísticos cuando las técnicas analíticas no funcionan o no son viables.
Las aplicaciones incluyen, entre otras cosas, el modelado y la evaluación de la incertidumbre en los pronósticos financieros,
el rendimiento de la inversión, los costos del proyecto y los pronósticos de cronograma, las interrupciones del proceso
comercial y los requisitos de personal.
B.5.10.3 Entradas
Las entradas a una simulación de Monte Carlo son:
• un modelo del sistema que contiene la relación entre diferentes entradas, y entre entradas y salidas;
• información sobre los tipos de insumos o las fuentes de incertidumbre que se van a representar;
• la forma de salida requerida.
Los datos de entrada con incertidumbre se representan como variables aleatorias con distribuciones más o menos dispersas,
según el nivel de incertidumbre. Las distribuciones uniforme, triangular, normal y logarítmica normal se utilizan a menudo
para este propósito.
B.5.10.4 Salidas
La salida podría ser un valor único, o podría expresarse como la distribución de probabilidad o frecuencia o podría ser la
identificación de las funciones principales dentro del modelo que tienen el mayor impacto en la salida.
En general, el resultado de una simulación de Monte Carlo será la distribución completa de resultados que podrían surgir o
medidas clave de una distribución como:
• la probabilidad de que surja un resultado definido;
• no se excederá el valor de un resultado en el que los propietarios del problema tengan un cierto nivel de confianza. Algunos
ejemplos son un coste que tiene menos de un 10 % de posibilidades de superarse o una duración que tiene un 80 % de
posibilidades de superarse.
Un análisis de las relaciones entre entradas y salidas puede arrojar luz sobre la importancia relativa de la incertidumbre en
los valores de entrada e identificar los objetivos de los esfuerzos para influir en la incertidumbre en el resultado.
B.5.10.5 Fortalezas y limitaciones
Las fortalezas del análisis de Monte Carlo incluyen lo siguiente.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 83 –
• El método puede, en principio, acomodar cualquier distribución en una variable de entrada, incluyendo
datos empíricos derivados de observaciones de sistemas relacionados.
• Los modelos son relativamente simples de desarrollar y pueden ampliarse según surja la necesidad.
• Se pueden representar todas las influencias o relaciones, incluidos los efectos como condicional.
dependencias
• El análisis de sensibilidad se puede aplicar para identificar influencias fuertes y débiles;
• Los modelos pueden entenderse fácilmente ya que la relación entre entradas y salidas es
transparente.
• Proporciona una medida de la precisión de un resultado.
• El software está fácilmente disponible.
Las limitaciones incluyen lo siguiente.
• La precisión de las soluciones depende del número de simulaciones que se pueden
realizado.
• El uso de la técnica se basa en poder representar las incertidumbres en los parámetros mediante un
distribución.
• Puede ser difícil establecer un modelo que represente adecuadamente la situación.
• Los modelos grandes y complejos pueden ser un desafío para el modelador y dificultar que las partes interesadas
participen en el proceso.
• La técnica tiende a restar importancia a los riesgos de alta consecuencia/baja probabilidad.
El análisis de Monte Carlo evita que se dé un peso excesivo a los resultados poco probables y de grandes
consecuencias al reconocer que es poco probable que todos esos resultados ocurran simultáneamente en una
cartera de riesgos. Esto puede tener el efecto de eliminar los eventos extremos de la consideración, particularmente
cuando se está considerando una cartera grande. Esto puede dar confianza injustificada al tomador de decisiones.
B.5.10.6 Documentos de referencia
[56] Guía ISO/IEC 983:2008/Suppl 1: Incertidumbre de medición – Parte 3: Guía para la expresión de la
incertidumbre en la medición (GUM 1995) – Propagación de distribuciones usando un método de Monte Carlo
B.5.11 Análisis de impacto en la privacidad (PIA) / análisis de impacto en la protección de datos (DPIA)
B.5.11.1 Resumen
Los métodos de análisis de impacto de privacidad (PIA) (también llamado evaluación de impacto de privacidad) y
análisis de impacto de protección de datos (DPIA) analizan cómo los incidentes y eventos podrían afectar la
privacidad de una persona (PI) e identifican y cuantifican las capacidades que serían necesarias para administrarlo.
Un PIA/DPIA es un proceso para evaluar una propuesta para identificar los efectos potenciales sobre la privacidad
y los datos personales de las personas.
Los PIA y DPIA ayudan a las organizaciones a identificar, evaluar y tratar los riesgos de privacidad asociados con
las actividades de procesamiento de datos. Son particularmente importantes cuando se introduce un nuevo proceso,
sistema o tecnología de procesamiento de datos. Los PIA y DPIA son una parte integral de la adopción de un
enfoque de privacidad desde el diseño.
Las DPIA también ayudan a las organizaciones a cumplir con los requisitos de los reguladores de protección de
datos (por ejemplo, el Reglamento General de Protección de Datos de la Unión Europea, RGPD) y demuestran que
se han tomado las medidas adecuadas para garantizar el cumplimiento.
En concreto, el proceso:
• analiza las posibles consecuencias de una violación de la privacidad de una persona viva (riesgo base
poner en pantalla);
Machine Translated by Google
ES EN IEC 31010:2019
– 84 – CEI 31010:2019 CEI 2019
• tiene en cuenta si un procesamiento de información personal tiene un alto riesgo en caso de
un incidente de privacidad;
• realiza un análisis de riesgo en profundidad para el procesamiento de datos de identificación personal.
Se puede realizar una EIP/DPIA mediante cuestionarios, entrevistas, talleres estructurados o una combinación de los tres,
haciendo uso de la orientación del Grupo de Trabajo del Artículo 29 de la UE y varias plantillas desarrolladas, por ejemplo,
por ICO (Reino Unido), CNIL (Francia) , NOREA (Holanda).
B.5.11.2 Uso
Un PIA/DPIA se utiliza para determinar las consecuencias de los altos riesgos en los procesos y los recursos asociados
(por ejemplo, personas, equipos y tecnología de la información) para limitar las posibles consecuencias negativas sobre
la privacidad de las personas derivadas de la forma en que se trata la información.
También se puede utilizar como parte del análisis de consecuencias al considerar las consecuencias del procesamiento
de la información de manera más general.
B.5.11.3 Entradas
Las entradas incluyen:
• información sobre los objetivos, la dirección estratégica, el entorno, los activos y las interdependencias de la organización;
• una evaluación de las prioridades de la evaluación básica de riesgos anterior;
• detalles de las actividades y operaciones de la organización al manejar información personal, incluidos procesos,
recursos, relaciones con otras organizaciones, cadenas de suministro, acuerdos subcontratados y partes interesadas;
• información para permitir la evaluación de las consecuencias financieras, legales y operativas de una fuga o pérdida de
información personal (especialmente información personal altamente confidencial);
• un cuestionario preparado u otros medios para recopilar información;
• resultados de otras evaluaciones de riesgos y análisis de incidentes críticos relacionados con los resultados de incidentes
relevantes (especialmente incidentes de fuga o pérdida de datos y otros incidentes de seguridad de la información
que pueden tener un efecto en el procesamiento de datos previsto);
• una lista de personas de áreas relevantes de la organización y/o partes interesadas que serán
contactado.
B.5.11.4 Salidas
Las salidas incluyen:
• documentos que detallen la información recolectada como insumos;
• una lista priorizada de procesos de información críticos e interdependencias asociadas;
• un conjunto de escenarios donde el riesgo es alto para el procesamiento de datos personales según lo previsto;
• impactos documentados de una fuga o pérdida de información personal en una persona física viva;
• información sobre los recursos de apoyo y las actividades necesarias para limitar las posibles consecuencias
sobre los interesados;
• una lista priorizada de los productos y servicios de la organización que están involucrados;
• una evaluación de los impactos a lo largo del tiempo y los medios para no garantizar la confidencialidad, integridad y
disponibilidad de los datos personales (de alto riesgo) y las consecuencias para los interesados;
• plazos de interrupción de las acciones a realizar para la contención y/o recuperación de la información, declaración a las
autoridades competentes y, en algunos casos, al o los interesados.
B.5.11.5 Fortalezas y limitaciones
Las fortalezas del PIA/DPIA incluyen que proporciona:
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 85 –
• una comprensión profunda de los procesos críticos que se ocupan de la información personal (sensible)
dentro o en nombre de una organización;
• evaluación de la implementación de los principios de privacidad desde el diseño y por defecto; • información
necesaria para planificar la respuesta de una organización a un incidente de datos personales; • una comprensión
de los recursos clave necesarios en caso de fuga o pérdida de datos personales;
• una oportunidad para redefinir y reconsiderar el procesamiento operativo de datos personales por parte de un
organización;
• en caso de una obligación legal (p. ej. Reglamento General Europeo de Protección de Datos), documentación para
informar a las autoridades de protección de datos antes de que comience un procesamiento de datos personales de alto
riesgo.
Las limitaciones incluyen lo siguiente.
• Puede haber un cálculo simplista o subestimado de la gravedad potencial del riesgo para un
privacidad de la persona en la fase inicial (evaluación del impacto en la privacidad).
• PIA/DPIA se basa en el conocimiento y las percepciones de los participantes involucrados en completar
cuestionarios, o la realización de entrevistas o talleres.
• La dinámica de grupo y la presión del tiempo pueden afectar negativamente el análisis completo de un crítico
proceso.
• Puede ser difícil obtener un nivel adecuado de comprensión de las operaciones y actividades de la organización cuando
se procesan datos personales.
B.5.11.6 Documentos de referencia
[57] UE: Reglamento General de Protección de Datos (Diario Oficial de la Unión Europea, 04.05.2016)
[58] ICO (Reino Unido): evaluaciones de impacto de protección de
datos [59] CNIL (FR), Evaluación de impacto de privacidad (PIA)
B.6 Técnicas para analizar dependencias e interacciones
B.6.1 Mapeo causal
B.6.1.1 Descripción general
El mapeo causal captura las percepciones individuales en forma de cadenas de argumentos en un gráfico dirigido susceptible
de examen y análisis. Los eventos, las causas y las consecuencias se pueden representar en el mapa.
Por lo general, los mapas se desarrollan en un entorno de taller donde los participantes de una variedad de disciplinas
diferentes tienen la tarea de obtener, estructurar y analizar el material.
Las percepciones se aumentan con información de documentos cuando corresponde. Las entradas se pueden capturar
utilizando varias herramientas que van desde notas adhesivas hasta software especializado de apoyo a la toma de decisiones
en grupo. Estos últimos permiten la entrada directa de problemas y pueden ser un medio de trabajo altamente productivo.
Las herramientas seleccionadas deben permitir la captura anónima de problemas para que se pueda crear un entorno abierto
y sin confrontación para apoyar la discusión enfocada de las relaciones causales.
En general, el proceso parte de la generación de aportes que impactan o provocan eventos en relación al tema en
consideración. Estos luego se agrupan de acuerdo con su contenido y posteriormente se exploran para garantizar una
cobertura integral.
Luego, los participantes consideran cómo cada uno de los eventos podría impactar entre sí. Esto permite que los eventos
discretos se vinculen entre sí para formar caminos de razonamiento causal en el mapa. El proceso tiene como objetivo
facilitar la comprensión compartida de eventos inciertos, así como desencadenar contribuciones adicionales a través del
proceso explicativo obligatorio, que es necesario para construir las cadenas de argumentos de cómo un evento impacta a
otro. Existen reglas claras para la captura de
Machine Translated by Google
ES EN IEC 31010:2019
– 86 – CEI 31010:2019 CEI 2019
tanto los nodos que representan eventos como las relaciones para garantizar un modelado sólido y completo.
Una vez que la red de eventos se ha desarrollado para formar un mapa completo, se puede analizar para determinar
propiedades que pueden ser útiles para gestionar el riesgo: por ejemplo, para determinar los nodos centrales que son
aquellos eventos cuya ocurrencia es central y puede tener efectos sistémicos sustanciales. ; o para determinar bucles
de retroalimentación, que pueden resultar en comportamientos dinámicos y destructivos.
B.6.1.2 Uso
El mapeo causal identifica vínculos e interacciones entre riesgos y temas dentro de una lista de riesgos.
Se puede utilizar de forma forense para desarrollar un mapa causal de un evento que ha ocurrido (p. ej., proyecto
superado, falla del sistema). Los mapas causales forenses pueden revelar factores desencadenantes, consecuencias
y dinámicas. Permiten la determinación de la causalidad, que puede ser fundamental para las reclamaciones.
Los mapas causales también se pueden usar de manera proactiva para capturar una apreciación integral y sistémica
de los escenarios de eventos. Luego, el mapa se puede examinar para permitir un aprendizaje profundo y formar la
base para el análisis cuantitativo de los riesgos para ayudar a determinar las prioridades.
Permiten desarrollar un programa de tratamiento integrado en lugar de considerar cada riesgo por separado.
Los talleres de análisis causal se pueden realizar a intervalos regulares para garantizar que la naturaleza dinámica
del riesgo se aprecie y gestione adecuadamente.
B.6.1.3 Entradas
Los datos para informar el desarrollo de mapas causales pueden provenir de una variedad de fuentes diferentes,
como entrevistas individuales donde los mapas producidos brindan una representación detallada de lo que ocurrió o
podría ocurrir. Los datos también se pueden extraer de la documentación, como informes, materiales de reclamos,
etc. Estos datos se pueden usar directamente o se pueden usar para informar el proceso de análisis de las cadenas
de argumentos relacionados con eventos por parte de los participantes en un taller.
B.6.1.4 Salidas
Las salidas incluyen:
• mapas causales que proporcionan una representación visual de los eventos de riesgo y el sistémico
relaciones entre estos eventos;
• los resultados de un análisis de los mapas causales utilizados para identificar grupos de eventos emergentes,
eventos críticos debido a su centralidad, bucles de retroalimentación, etc.;
• un documento que traduce los mapas a texto y reporta los resultados clave, además de explicar
la selección de participantes y el proceso utilizado para desarrollar los mapas.
Los resultados deben proporcionar información relevante para las decisiones de gestión de riesgos y una pista de
auditoría del proceso utilizado para generar esta información.
B.6.1.5 Fortalezas y limitaciones
Las fortalezas de los mapas causales incluyen lo siguiente.
• Los riesgos relevantes para el tema bajo consideración se consideran desde las múltiples perspectivas de los
participantes.
• La naturaleza divergente y abierta del proceso permite explorar el riesgo reduciendo la posibilidad
de pasar por alto acontecimientos o relaciones críticas.
• El proceso permite la captura eficaz y eficiente de las interacciones entre eventos
y proporciona una comprensión de sus relaciones.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 87 –
• El proceso de determinación de la red de eventos que forman el mapa puede construir el común
lenguaje y comprensión que son vitales para una gestión de riesgos eficaz.
Las limitaciones incluyen lo siguiente.
• El proceso de mapeo no es fácil de aprender, ya que exige no solo habilidad en la técnica de mapeo, sino también la
capacidad de administrar grupos mientras se trabaja con la herramienta de mapeo.
• Los mapas son de naturaleza cualitativa y cuando se requiere cuantificación, los mapas deben
utilizarse como entrada para otros modelos apropiados.
• El contenido del mapa está determinado por las fuentes, por lo que la consideración cuidadosa de la composición de
los participantes es fundamental, de lo contrario, se pueden omitir áreas vitales.
B.6.1.6 Documentos de referencia
[60] BRYSON, JM, ACKERMANN, F., EDEN, C. y FINN, C. Desbloqueo del pensamiento visible
mapeo causal para resultados comerciales prácticos
[61] ACKERMANN, F, HOWICK, S, QUIGLEY, J, WALLS, L, HOUGHTON, T. Obtención de riesgos sistémicos: uso de
mapas causales para involucrar a las partes interesadas y crear una visión integral de los riesgos
B.6.2 Análisis de impacto cruzado
B.6.2.1 Descripción general
El análisis de impacto cruzado es el nombre general dado a una familia de técnicas diseñadas para evaluar los cambios
en la probabilidad de ocurrencia de un conjunto dado de eventos como consecuencia de la ocurrencia real de uno de
ellos.
El análisis de impacto cruzado involucra la construcción de una matriz para mostrar las interdependencias de diferentes
eventos. Un conjunto de eventos o tendencias que podrían ocurrir se enumeran a lo largo de las filas y los eventos o
tendencias que posiblemente se verían afectados por los eventos de las filas a lo largo de las columnas. Luego se
requiere que los expertos estimen:
• la probabilidad de cada evento (aislado de los demás) en un horizonte de tiempo dado; • la probabilidad
condicional de cada evento dado que todos los demás eventos ocurren, es decir, para i/j
par de eventos que estiman los expertos: –
P(i/j) – la probabilidad de i si ocurre j , – P(i/no j) –
la probabilidad de i si no ocurre j .
Esto se ingresa en una computadora para su análisis.
Hay varios métodos diferentes para calcular las probabilidades de un evento teniendo en cuenta todos los demás
eventos. Independientemente de cómo se haga esto, el procedimiento habitual es llevar a cabo una simulación de Monte
Carlo en la que el modelo informático selecciona sistemáticamente conjuntos de eventos coherentes e itera varias
veces. A medida que se realizan más y más ejecuciones de la computadora, se genera una nueva probabilidad posterior
de ocurrencia de cada evento.
Un análisis de sensibilidad se lleva a cabo seleccionando una estimación de probabilidad inicial o una estimación de
probabilidad condicional, sobre la cual existe incertidumbre. Este juicio se cambia y la matriz se ejecuta de nuevo.
B.6.2.2 Uso
El análisis de impacto cruzado se utiliza en estudios de pronóstico y como una técnica analítica para predecir cómo los
diferentes factores impactan en las decisiones futuras. Puede combinarse con el análisis de escenarios (B.2.5) para
decidir cuáles de los escenarios producidos son los más probables. Se puede usar cuando hay múltiples riesgos que
interactúan, por ejemplo, en proyectos complejos o en la gestión de riesgos de seguridad.
Machine Translated by Google
ES EN IEC 31010:2019
– 88 – CEI 31010:2019 CEI 2019
El horizonte de tiempo del análisis de impacto cruzado suele ser de mediano a largo plazo y puede ser desde el
presente hasta cinco años o hasta 50 años en el futuro. El horizonte de tiempo debe establecerse explícitamente.
La matriz de eventos y sus interdependencias puede ser útil para los tomadores de decisiones como antecedentes
generales incluso sin la probabilidad calculada a partir del análisis.
B.6.2.3 Entradas
El método requiere expertos que estén familiarizados con el tema en estudio, y que tengan la capacidad de prever
desarrollos futuros, y que sean capaces de estimar las probabilidades de manera realista.
Se necesita software de apoyo para calcular las probabilidades condicionales. La técnica requiere conocimientos
específicos de modelado si el usuario quiere comprender cómo el software procesa los datos. Por lo general, se
requiere mucho tiempo (varios meses) para desarrollar y ejecutar los modelos.
B.6.2.4 Salida
El resultado es una lista de posibles escenarios futuros y su interpretación. Cada ejecución del modelo produce una
historia futura sintética, o escenario, que incluye la ocurrencia de algunos eventos y la no ocurrencia de otros. Sobre
la base del modelo de impacto cruzado específico aplicado, los escenarios de salida intentan generar el escenario
más probable, o un conjunto de escenarios estadísticamente consistentes, o uno o más escenarios plausibles del
conjunto total.
B.6.2.5 Fortalezas y limitaciones
Las fortalezas del análisis de impacto cruzado incluyen lo siguiente.
• es relativamente fácil implementar un cuestionario de impacto cruzado.
• obliga a la atención a cadenas de causalidad (a afecta a b; b afecta a c, etc.).
• puede aclarar y aumentar el conocimiento sobre desarrollos futuros.
• es útil para explorar una hipótesis y encontrar puntos de acuerdo y divergencia.
Las limitaciones incluyen lo siguiente.
• El número de eventos que se pueden incluir está limitado en la práctica tanto por el software como por el tiempo
requerido por los expertos. El número de ejecuciones requeridas y el número de probabilidades condicionales
para estimar aumenta rápidamente a medida que aumenta el número de eventos incluidos (por ejemplo, con un
conjunto de diez eventos, un experto necesita proporcionar 90 juicios de probabilidad condicional). • Un
estudio realista requiere un trabajo considerable por parte de los expertos y, a menudo, se obtiene una alta tasa de deserción.
experimentado.
• Es difícil definir los eventos a incluir y cualquier influencia no incluida en el conjunto de eventos será
completamente excluida del estudio; por el contrario, la inclusión de eventos irrelevantes puede complicar
innecesariamente el análisis final de los resultados.
• Al igual que con otras técnicas basadas en obtener el conocimiento de los expertos, el método se basa en la
nivel de experiencia de los encuestados.
B.6.2.6 Documento de referencia
[62] CENTRO COMÚN DE INVESTIGACIÓN, COMISIÓN EUROPEA, Análisis de impacto cruzado,
[visto el 14 de septiembre de 2017]
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 89 –
B.7 Técnicas que proporcionan una medida del riesgo
B.7.1 Evaluación de riesgos toxicológicos
B.7.1.1 Descripción general
La evaluación de riesgos en el contexto de los riesgos para las plantas, los animales, los dominios ecológicos y los seres
humanos como resultado de la exposición a una variedad de peligros ambientales implica los siguientes pasos.
Los riesgos para las plantas, los animales, los dominios ecológicos y los seres humanos pueden deberse a agentes
físicos, químicos y/o biológicos que provoquen daños en el ADN, defectos de nacimiento, propagación de enfermedades,
contaminación de las cadenas alimentarias y contaminación del agua. La evaluación de dichos riesgos puede requerir la
aplicación de una variedad de técnicas en los siguientes pasos.
a) Formulación del problema: Esto implica establecer el contexto de la evaluación definiendo el propósito de la evaluación,
el rango de poblaciones objetivo y los tipos de amenazas de interés.
b) Identificación y análisis de peligros: Esto implica identificar todas las posibles fuentes de daño a la población objetivo
dentro del alcance del estudio y comprender la naturaleza del peligro y cómo interactúa con el objetivo. Por ejemplo,
al considerar la exposición humana a una sustancia química, las consecuencias consideradas podrían incluir el
potencial de dañar el ADN o causar cáncer o defectos de nacimiento. La identificación y el análisis de peligros
normalmente se basan en el conocimiento de expertos y una revisión de la literatura.
c) Evaluación de la respuesta a la dosis: La respuesta de la población objetivo suele ser una función del nivel de exposición
o dosis. Las curvas de respuesta a la dosis generalmente se desarrollan a partir de pruebas en animales o de
sistemas experimentales como cultivos de tejidos. Para peligros como microorganismos o especies introducidas, la
curva de respuesta a la dosis se puede determinar a partir de datos de campo y estudios epidemiológicos. Siempre
que sea posible, se determina el mecanismo por el cual se produce el efecto. La figura B.8 muestra una curva de
respuesta a la dosis simplificada.
Llave
NOEL ningún límite de efecto observable
LOAEL nivel más bajo de efectos adversos observables
Figura B.8 – Ejemplo de curva de respuesta a la dosis
Machine Translated by Google
ES EN IEC 31010:2019
– 90 – CEI 31010:2019 CEI 2019
d) Evaluación de la exposición: Se estima la dosis que experimentará en la práctica la población objetivo.
Esto a menudo implica un análisis de vías que considera las diferentes rutas que podría tomar el peligro,
las barreras que podrían evitar que alcance el objetivo y los factores que podrían influir en el nivel de
exposición. Por ejemplo, al evaluar el riesgo de la fumigación con productos químicos, el análisis de
exposición consideraría la cantidad de producto químico que se pulverizó y en qué condiciones, si hubo
exposición directa de humanos o animales, cuánto podría quedar como residuo en las plantas, el destino
ambiental de cualquier plaguicida que llegue al suelo, si se puede acumular en los animales, si entra en
las aguas subterráneas, etc.
e) Caracterización del riesgo: La información de los pasos anteriores se reúne para estimar la probabilidad
de consecuencias particulares cuando se combinan los efectos de todas las vías.
B.7.1.2 Uso
El método proporciona una medida de la magnitud del riesgo para la salud humana o el medio ambiente.
Se utiliza en declaraciones de impacto ambiental para mostrar si el riesgo de una exposición en particular es
aceptable. También se utiliza como base para definir límites de riesgo aceptable.
B.7.1.3 Entradas
Los insumos incluyen información sobre los peligros toxicológicos, el sistema ecológico de interés (incluida
la salud humana) y, cuando sea posible, los mecanismos involucrados. Por lo general, se requieren
mediciones físicas para estimar las exposiciones.
B.7.1.4 Salidas
El resultado es una estimación del riesgo para la salud humana o ecológica, expresada cuantitativamente o
con una mezcla de información cualitativa y cuantitativa proporcionada. El resultado puede incluir límites que
se utilizarán para definir límites aceptables para el peligro en el medio ambiente, como el límite de efectos
adversos no observables (consulte la Figura B.8).
B.7.1.5 Fortalezas y limitaciones
Los puntos fuertes de esta forma de análisis incluyen lo siguiente.
• Proporciona una comprensión muy detallada de la naturaleza del riesgo y los factores que aumentan el
riesgo.
• El análisis de ruta es una herramienta muy útil en general para todas las áreas de riesgo para identificar
cómo y dónde es posible mejorar los controles o introducir otros nuevos.
• El análisis puede formar la base para reglas simples sobre exposiciones aceptables que pueden ser
generalmente aplicada.
Las limitaciones incluyen lo siguiente.
• Requiere buenos datos que pueden no estar disponibles de inmediato. por lo que podría ser necesaria una
investigación significativa.
• Se requiere un alto nivel de experiencia para
aplicar. • A menudo hay un alto nivel de incertidumbre asociado con las curvas de respuesta a la dosis y la
modelos utilizados para desarrollarlos.
• Cuando el objetivo es ecológico en lugar de humano y el peligro no es químico, es posible que no haya una
buena comprensión de los sistemas involucrados.
B.7.1.6 Documentos de referencia
[63] ORGANIZACIÓN MUNDIAL DE LA SALUD, Caja de herramientas para la evaluación de riesgos para la salud humana:
peligros
[64] EPA de EE. UU., Directrices para la evaluación de riesgos ecológicos
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 91 –
B.7.2 Valor en riesgo (VaR)
B.7.2.1 Descripción general
El valor en riesgo (VaR) se usa ampliamente en el sector financiero para proporcionar un indicador de la cantidad de pérdida
posible en una cartera de activos financieros durante un período de tiempo específico dentro de un nivel de confianza
determinado. Las pérdidas mayores que el VaR se sufren solo con una probabilidad pequeña especificada.
La distribución de ganancias y pérdidas generalmente se deriva de una de tres formas.
• La simulación de Monte Carlo (ver B.5.10) se usa para modelar los impulsores de la variabilidad en la cartera y derivar la
distribución. Este enfoque es particularmente útil ya que proporciona información sobre los riesgos en las colas de
distribución y permite probar los supuestos de correlación.
• Los modelos de simulación histórica hacen proyecciones sobre la base de mirar hacia atrás en los resultados y distribuciones
observados. Este es un enfoque simple, pero puede ser muy engañoso si los desarrollos futuros no se corresponden con
la experiencia pasada, una limitación importante en períodos de tensión en el mercado.
• Los métodos analíticos se basan en suposiciones de que los factores de mercado subyacentes tienen una distribución normal
multivariada. De esta forma, se pueden determinar las pérdidas y ganancias, que también se distribuyen normalmente.
Muchas organizaciones financieras utilizan una combinación de estos enfoques.
Existe un requisito en algunos sectores para que el VaR se calcule sobre la base de mercados estresados y condiciones de
alta volatilidad para proporcionar un conjunto creíble de resultados del "peor caso".
Las medidas comunes de VaR están relacionadas con pérdidas en horizontes de un día y dos semanas, con probabilidades
de pérdida del 1 % y el 5 %. Por convención, el VaR se informa como un número positivo, aunque se refiere a una pérdida.
Por ejemplo, la figura B.9 muestra la distribución del valor de una cartera de activos financieros durante un período, y la
distribución se muestra en forma acumulativa. El gráfico B.10 muestra la región en la que la cartera sufre una pérdida, con
valores de VaR de 1,6 millones al 1 % (probabilidad de pérdida de 0,01) y 0,28 millones al 5 % (probabilidad de pérdida de
0,05).
Figura B.9 – Distribución del valor Figura B.10 – Detalle de los valores
VaR de la región de pérdida
B.7.2.2 Uso
El VaR tiene tres parámetros: una cantidad de pérdida potencial, la probabilidad de esa cantidad de pérdida y el período de
tiempo durante el cual podría ocurrir la pérdida. Se utiliza para los siguientes propósitos:
Machine Translated by Google
ES EN IEC 31010:2019
– 92 – CEI 31010:2019 CEI 2019
• establecer límites para un administrador de cartera sobre la pérdida máxima en la cartera dentro de un acuerdo
tolerancia al riesgo o apetito por el riesgo;
• para monitorear el "riesgoso" de una cartera de activos en un punto en el tiempo y las tendencias en el riesgo;
• para determinar cuánto capital económico, prudencial o regulatorio podría ser necesario reservar
para una cartera específica;
• informar a los reguladores.
B.7.2.3 Entradas
Los insumos son factores de mercado que afectan el valor de la cartera, como los tipos de cambio, las tasas de
interés y los precios de las acciones. Por lo general, estos se identifican descomponiendo los instrumentos de la
cartera en instrumentos más simples directamente relacionados con los factores de riesgo de mercado básicos, y
luego interpretando los instrumentos reales como carteras de los instrumentos más simples. Los financiadores y los
reguladores pueden exigir la adopción de métodos específicos al evaluar las variables de entrada.
B.7.2.4 Salida
Durante un período de tiempo designado, el VaR calcula la pérdida potencial de una cartera de activos financieros
para una probabilidad específica. El análisis también puede proporcionar la probabilidad de una cantidad específica
de pérdida.
B.7.2.5 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• El enfoque es sencillo y aceptado (o exigido) por los reguladores financieros.
• Se puede utilizar para calcular los requisitos de capital económico, sobre una base diaria si es necesario.
• Proporciona un medio para establecer límites en una cartera de negociación de acuerdo con un apetito de
riesgo acordado y monitorear el desempeño contra esos límites, y así respaldar la gobernabilidad.
Las limitaciones incluyen lo siguiente.
• El VaR es un indicador, no una estimación específica de la posible pérdida. La pérdida máxima posible para
cualquier situación dada no es evidente a partir de una cifra única correspondiente al VaR con una probabilidad
de pérdida del 1 % o del 5 % derivada del análisis del VaR.
• VaR tiene una serie de propiedades matemáticas indeseables; por ejemplo, el VaR es una medida de riesgo
coherente cuando se basa en una distribución elíptica como la distribución normal estándar, pero no en otras
circunstancias. Los cálculos en la cola de la distribución a menudo son inestables y pueden depender de
suposiciones específicas sobre las formas y correlaciones de la distribución que pueden ser difíciles de justificar
y pueden no ser válidas en momentos de tensión en el mercado.
• Los modelos de simulación pueden ser complejos y lentos de ejecutar.
• Las organizaciones pueden requerir sistemas de TI sofisticados para capturar información de mercado en un
formulario que se puede utilizar fácilmente y de manera oportuna para los cálculos de VaR.
• Es necesario asumir valores para un conjunto de parámetros que luego se fijan para el modelo.
Si la situación cambia y estos supuestos no son relevantes, el método no dará resultados razonables. En otras
palabras, es un modelo de riesgo que no se puede utilizar en condiciones inestables.
B.7.2.6 Documentos de referencia
[65] OPORTUNIDAD, D., BROOKS, R. (2010). Una introducción a los derivados y la gestión de riesgos [66]
THOMAS J. y PEARSON Neil D. Valor en riesgo. Revista de analistas financieros 2000 56,
4767
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 93 –
B.7.3 Valor en riesgo condicional (CVaR) o déficit esperado (ES)
B.7.3.1 Descripción general
El valor en riesgo condicional (CVaR), también llamado déficit esperado (ES), es una medida de la pérdida esperada de una cartera
financiera en el peor de los casos. Esta es una medida similar al VaR, pero es más sensible a la forma de la cola inferior (pérdida)
de la distribución del valor de la cartera.
CVaR(a) es la pérdida esperada de aquellas pérdidas que solo ocurren un cierto porcentaje del tiempo. Por ejemplo, en la figura
B.10, cuando a es 5, CVaR(5) es el valor esperado de las pérdidas representadas por la curva a la izquierda de la línea vertical al
5 %, es decir, la media de todas las pérdidas superiores a 0,28 millón.
B.7.3.2 Uso
Las técnicas de CVaR se han aplicado a la medición del riesgo crediticio, lo que brinda a los prestamistas una idea de los cambios
en el riesgo extremo en todas las industrias desde el inicio de la crisis financiera.
La Figura B.11 ilustra mejor la diferencia entre CVaR y VaR en una situación de cartera en riesgo.
Figura B.11 – VaR y CVaR para cartera de pérdida posible
B.7.3.3 Entradas y salidas
Véase la descripción del valor en riesgo (VaR) en B.7.2.
B.7.3.4 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• CVaR es más sensible a la forma de la cola de distribución que VaR.
• CVaR evita algunas de las limitaciones matemáticas del VaR.
• CVaR es una medida más conservadora que VaR porque se enfoca en los resultados que
generar las mayores pérdidas.
Las limitaciones incluyen lo siguiente.
• CVaR es un indicador de pérdida potencial, no una estimación de la pérdida máxima posible;
• Al igual que con el VaR, el CVaR es sensible a los supuestos fundamentales sobre la volatilidad del valor de los activos;
• CVaR se basa en matemáticas complejas y requiere una amplia gama de suposiciones.
B.7.3.5 Documentos de referencia
[67] CHOUDHRY, M. Una introducción al valor en riesgo
Machine Translated by Google
ES EN IEC 31010:2019
– 94 – CEI 31010:2019 CEI 2019
[68] Valor en Riesgo. Universidad de Nueva York. [consultado el 14 de septiembre de 2017].
Disponible en: http://people.stern.nyu.edu/adamodar/pdfiles/papers/VAR.pdf
B.8 Técnicas para evaluar la importancia del riesgo
B.8.1 Generalidades
Las técnicas discutidas en la Cláusula B.8 se utilizan dentro de un proceso que implica decidir si tratar el riesgo y
cómo hacerlo. Algunos pueden usarse para decidir si un riesgo en particular es tolerable o aceptable, otros para
indicar la importancia relativa de un riesgo o para clasificar los riesgos en un orden de prioridad.
B.8.2 Tan bajo como sea razonablemente practicable (ALARP) y en la medida en que sea razonablemente
practicable (SFAIRP)
B.8.2.1 Descripción general
ALARP y SFAIRP son siglas que encarnan el principio de "razonablemente practicable". Representan criterios en los
que la prueba de aceptabilidad o tolerabilidad de un riesgo es si es razonablemente factible hacer más para reducir
el riesgo. ALARP generalmente requiere que el nivel de riesgo se reduzca al nivel más bajo que sea razonablemente
posible. SFAIRP generalmente requiere que la seguridad esté garantizada en la medida de lo razonablemente
posible. Razonablemente practicable se ha definido en la legislación o en la jurisprudencia de algunos países.
Los criterios SFAIRP y ALARP están destinados a lograr el mismo resultado, sin embargo, difieren en un punto
semántico. ALARP logra la seguridad haciendo que el riesgo sea lo más bajo posible, mientras que SFAIRP no hace
referencia al nivel de riesgo. SFAIRP generalmente se interpreta como un criterio por el cual se evalúan los controles
para ver si son posibles tratamientos adicionales; luego, si son posibles, si son practicables. Tanto ALARP como
SFAIRP tienen en cuenta el descuento de los tratamientos de riesgo sobre la base de que los costos son sumamente
desproporcionados con respecto a los beneficios obtenidos, aunque la medida en que esto esté disponible depende
de la jurisdicción. Por ejemplo, en algunas jurisdicciones, los estudios de costobeneficio (ver B.9.2) pueden usarse
para respaldar un argumento de que se logró ALAR o SFAIRP.
El concepto de ALARP, tal como lo expresó originalmente el Ejecutivo de Salud y Seguridad del Reino Unido, se
ilustra en la Figura B.12. En algunas jurisdicciones, los niveles cuantificados de riesgo se colocan en los límites entre
regiones intolerables, ALARP y ampliamente aceptables.
B.8.2.2 Uso
ALARP y SFAIRP se utilizan como criterios para decidir si es necesario tratar un riesgo. Se usan más comúnmente
para riesgos relacionados con la seguridad y los legisladores en algunas jurisdicciones los usan.
El modelo ALARP se puede utilizar para clasificar los riesgos en una de las tres categorías siguientes:
• una categoría de riesgo intolerable, donde el riesgo no puede justificarse excepto en casos extraordinarios
circunstancias;
• una categoría de riesgo ampliamente aceptable en la que el riesgo es tan bajo que no es necesario considerar una
mayor reducción del riesgo (pero podría implementarse si fuera factible y razonable);
• una región entre estos límites (la región ALARP) donde se debe implementar una mayor reducción del riesgo si es
razonablemente factible.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 95 –
Figura B.12 – Diagrama ALARP
B.8.2.3 Entradas
Información sobre:
• la fuente de riesgo y el riesgo asociado;
• criterios para los límites de la región ALARP;
• controles establecidos y qué otros controles serían posibles;
• consecuencias potenciales;
• la probabilidad de que ocurran esas consecuencias;
• el costo de los posibles tratamientos.
B.8.2.4 Salida
El resultado es una decisión sobre si se requiere tratamiento y el tratamiento a aplicar.
B.8.2.5 Fortalezas y limitaciones
Los puntos fuertes de usar el criterio ALARP/SFAIRP incluyen que:
• establecer un estándar común de atención, basado en la jurisprudencia y la legislación, que respalde el principio
de equidad en el que todas las personas tienen derecho a un nivel igual de protección contra los riesgos que
se considere por ley y no una variable que se considere tolerable o aceptable por su organización;
• apoyar el principio de utilidad ya que la reducción del riesgo no debería requerir más esfuerzo del que es
razonablemente practicable;
• permitir el establecimiento de metas no prescriptivas;
• apoyar la mejora continua hacia el objetivo de minimizar el riesgo;
• proporcionar una metodología transparente y objetiva para discutir y determinar aceptable
o riesgo tolerable a través de consultas con las partes interesadas.
Las limitaciones incluyen lo siguiente.
• Interpretar ALARP o SFAIRP puede ser un desafío porque requiere que las organizaciones comprendan el
contexto legislativo de forma razonablemente practicable y ejerzan su juicio con respecto a ese contexto.
• La aplicación de ALARP o SFAIRP a nuevas tecnologías puede ser problemática porque los riesgos y posibles
tratamientos pueden no conocerse o comprenderse bien.
Machine Translated by Google
ES EN IEC 31010:2019
– 96 – CEI 31010:2019 CEI 2019
• ALARP y SFAIRP establecen un estándar de atención común que puede no ser económicamente asequible para las
organizaciones más pequeñas, lo que resulta en la asunción de riesgos o la interrupción de una actividad.
B.8.2.6 Documentos de referencia
[69] HSE, 2010a, Enfoque de HID para las decisiones "tan bajas como sea razonablemente posible" (ALARP)
[70] HSE, 2010b, Orientación sobre decisiones (ALARP) en el control de riesgos de accidentes mayores
(COMAH)
[71] HSE, Principios y directrices para ayudar a HSE en sus juicios de que los titulares de deberes tienen
riesgo reducido tan bajo como sea razonablemente practicable
B.8.3 Diagramas de número de frecuencia (FN)
B.8.3.1 Descripción general
Un diagrama FN es un caso especial de una matriz de probabilidad/consecuencia cuantitativa (B.10.3). En esta aplicación
el eje X representa el número acumulado de fatalidades y el eje Y la frecuencia con la que ocurren. Ambas escalas son
logarítmicas para adaptarse a los datos típicos. Los criterios de riesgo generalmente se muestran como líneas rectas en el
gráfico donde cuanto mayor sea la pendiente de la línea, mayor será la aversión a un mayor número de muertes en
comparación con un número menor.
B.8.3.2 Uso
Los diagramas FN se utilizan como registro histórico del resultado de incidentes que involucran la pérdida de vidas humanas
o para mostrar los resultados de un análisis cuantitativo del riesgo de pérdida de vidas en comparación con criterios
predefinidos de aceptabilidad.
La Figura B.13 muestra dos ejemplos de criterios etiquetados A y A1 y B y B1. Distinguen entre una región intolerable (por
encima de A o B), una región ampliamente aceptable (por debajo de A1 y B 1) y una región entre líneas donde los riesgos
son aceptables si son tan bajos como sea razonablemente practicable (ALARP) ( B.8.2). Los criterios B muestran tanto una
pendiente más alta (es decir, menos tolerancia a muertes múltiples) como límites más conservadores en general. También
se muestran seis puntos en la curva C, que representan los resultados de un análisis cuantitativo del nivel de riesgo a
comparar con los criterios.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 97 –
Figura B.13 – Ejemplo de diagrama FN
La aplicación más común es para representar el riesgo social de los sitios de peligros mayores propuestos que
están sujetos a la planificación del uso del suelo o evaluaciones de seguridad similares.
NOTA El riesgo social se refiere a las preocupaciones sociales debido a la ocurrencia de múltiples muertes en un solo evento.
B.8.3.3 Entradas
Datos de incidentes o de análisis de riesgos cuantitativos que predicen la probabilidad de fatalidades.
B.8.3.4 Salida
Una representación gráfica de los datos comparados con criterios predefinidos.
B.8.3.5 Fortalezas y limitaciones
Los puntos fuertes de los diagramas FN incluyen lo siguiente.
• Proporcionan un resultado de fácil comprensión en el que se pueden basar las decisiones.
• El análisis cuantitativo necesario para desarrollar un gráfico FN proporciona una buena comprensión del riesgo
y sus causas y consecuencias.
Las limitaciones incluyen lo siguiente.
• Los cálculos para producir las gráficas a menudo son complejos y tienen muchas incertidumbres.
• Un análisis completo requiere que se analicen todos los posibles escenarios de accidentes importantes. Este es el momento
consume y requiere un alto nivel de experiencia.
• Los diagramas FN no pueden compararse fácilmente entre sí con el fin de clasificarlos (por ejemplo, decidir qué
desarrollo proporciona el mayor riesgo social).
Machine Translated by Google
ES EN IEC 31010:2019
– 98 – CEI 31010:2019 CEI 2019
B.8.3.6 Documentos de referencia
[72] Comprensión y uso de diagramas FN, Anexo en las Directrices para el desarrollo de
Criterios de riesgo de seguridad
[73] EVANS, A. Accidentes fatales de transporte y curvas FN
B.8.4 Gráficos de Pareto
B.8.4.1 Descripción general
Un diagrama de Pareto (consulte la Figura B.14) es una herramienta para seleccionar un número limitado de tareas que
producirán un efecto general significativo. Utiliza el principio de Pareto (también conocido como la regla del 80/20), que es
la idea de que el 80 % de los problemas son producidos por el 20 % de las causas, o que haciendo el 20 % del trabajo se
puede generar el 80 % del beneficio .
La producción de un diagrama de Pareto que seleccione las causas que se abordarán implica los siguientes pasos:
• identificar y enumerar los problemas;
• identificar la causa de cada problema; • agrupar
los problemas por causa;
• sumar las puntuaciones de cada grupo;
• dibujar un gráfico de columnas con las causas mostradas con aquellas con las puntuaciones más altas primero.
El principio de Pareto se aplica al número de problemas y no tiene en cuenta la importancia.
En otras palabras, los problemas de consecuencias altas pueden no estar asociados con las causas más comunes de los
problemas de consecuencias bajas. Esto se puede acomodar calificando los problemas de acuerdo con la consecuencia
para proporcionar una ponderación. Un análisis de Pareto es un enfoque de abajo hacia arriba y puede ofrecer resultados
cuantitativos. Aunque no se necesita una herramienta sofisticada, ni capacitación o competencia particular para aplicar esta
técnica, algo de experiencia es muy útil para evitar limitaciones y errores comunes.
NOTA Las cifras del 80 % y el 20 % son ilustrativas: el principio de Pareto ilustra la falta de simetría que suele aparecer entre el
trabajo realizado y los resultados obtenidos. Por ejemplo, el 13 % del trabajo podría generar el 87 % de los rendimientos. O el
70 % de los problemas podrían resolverse tratando el 30 % de las causas.
Figura B.14 – Ejemplo de diagrama de Pareto
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 99 –
B.8.4.2 Uso
El análisis de Pareto es útil a nivel operativo cuando muchos posibles cursos de acción compiten por la atención.
Se puede aplicar siempre que se necesite algún tipo de priorización. Por ejemplo, se puede utilizar para ayudar a
decidir qué causas son las más importantes para abordar o qué tratamientos de riesgo son los más beneficiosos.
Una representación típica de un análisis de Pareto se muestra en el gráfico de barras en el que el eje horizontal
representa categorías de interés (p. ej., tipos de materiales, tamaños, códigos de desecho, centros de proceso),
en lugar de una escala continua (p. ej., de 0 a 100). Las categorías suelen ser "defectos", fuentes de defectos o
entradas en un proceso. El eje vertical representa algún tipo de conteo o frecuencia (por ejemplo, ocurrencias,
incidentes, partes, tiempo). Luego se dibuja un gráfico de líneas del porcentaje acumulado.
Las categorías a la izquierda de donde el porcentaje acumulado se cruza con la línea del 80 % son las que se
tratan.
B.8.4.3 Entradas
Datos para analizar, como datos relacionados con éxitos y fracasos pasados y sus causas.
B.8.4.4 Salidas
El resultado es un diagrama de Pareto que ayuda a demostrar qué categorías son las más significativas, de modo
que el esfuerzo se pueda concentrar en las áreas donde se pueden realizar las mejoras más importantes. Un
gráfico de Pareto puede ayudar a determinar visualmente cuáles de las categorías comprenden los "pocos vitales"
y cuáles representan los "muchos triviales". Aunque el análisis es cuantitativo, el resultado es una categorización
de problemas, causas, etc. ordenados por importancia.
Si el primer análisis contiene muchos problemas pequeños o poco frecuentes, se pueden consolidar en una
categoría "otra". Esto se muestra en último lugar en el diagrama de Pareto (incluso si no es la barra más pequeña).
También se puede mostrar la línea de contribución porcentual acumulada (la suma móvil de la contribución de
cada categoría como una fracción del total).
B.8.4.5 Fortalezas y limitaciones
Las fortalezas del análisis de Pareto incluyen lo siguiente.
• El análisis de Pareto analiza las causas comunes de los riesgos individuales como base para un tratamiento
plan.
• Proporciona una salida gráfica que indica claramente dónde se pueden obtener las mayores ganancias.
• Es probable que el tiempo y el esfuerzo necesarios para lograr resultados sean de moderados a bajos.
Las limitaciones incluyen lo siguiente.
• No se tiene en cuenta el costo o la dificultad relativa de tratar cada causa subyacente.
• Los datos aplicables a la situación que se analiza deben estar disponibles.
• Los datos deben poder dividirse en categorías y ajustarse a la regla 80/20 para el método.
Ser válido.
• Es difícil construir pesos relativos cuando los datos son inadecuados.
• Por lo general, solo se tienen en cuenta los datos históricos y no se tienen en cuenta
cambio potencial.
B.8.4.6 Documentos de referencia
[74] Diagrama de Pareto, Excel Fácil
[75] Diagrama de Pareto
Machine Translated by Google
ES EN IEC 31010:2019
– 100 – CEI 31010:2019 CEI 2019
B.8.5 Mantenimiento centrado en la confiabilidad (RCM)
B.8.5.1 Descripción general
El mantenimiento centrado en la confiabilidad (RCM) es una técnica de evaluación basada en el riesgo que se utiliza
para identificar las políticas y tareas de mantenimiento apropiadas para un sistema y sus componentes a fin de lograr
de manera eficiente y efectiva la seguridad, disponibilidad y economía de operación requeridas para todo tipo de equipo.
Abarca todos los pasos del proceso para realizar una evaluación de riesgos, incluida la identificación de riesgos, el
análisis de riesgos y la evaluación de riesgos.
Los pasos básicos de un programa RCM son:
• iniciación y planificación;
• análisis de fallas funcionales;
• selección de tareas de mantenimiento;
• implementación;
• mejora continua.
El análisis funcional dentro de RCM se lleva a cabo más comúnmente realizando un análisis de modo de falla, efecto y
criticidad (FMECA, B.2.3), centrándose en situaciones donde las fallas potenciales pueden eliminarse o reducirse en
frecuencia y/o consecuencia al realizar tareas de mantenimiento. Las consecuencias se establecen definiendo los
efectos de las fallas y luego se analiza el riesgo estimando la frecuencia de cada modo de falla sin que se lleve a cabo
el mantenimiento. Una matriz de riesgos (B.10.3) permite establecer categorías por niveles de riesgo.
A continuación, se selecciona la política de gestión de fallas adecuada para cada modo de falla. Por lo general, se aplica
una lógica de selección de tareas estándar para seleccionar las tareas más apropiadas.
Se prepara un plan para implementar las tareas de mantenimiento recomendadas determinando las tareas detalladas,
los intervalos de las tareas, los procedimientos involucrados, las piezas de repuesto requeridas y otros recursos
necesarios para realizar las tareas de mantenimiento. Un ejemplo se muestra en la Tabla B.6.
Todo el proceso de RCM está ampliamente documentado para referencia y revisión futuras. La recopilación de datos
relacionados con fallas y mantenimiento permite monitorear los resultados y la implementación de mejoras.
B.8.5.2 Uso
RCM se utiliza para permitir que se realice un mantenimiento aplicable y efectivo. Generalmente se aplica durante la
fase de diseño y desarrollo de un sistema, luego se implementa durante la operación y el mantenimiento. El mayor
beneficio se logra dirigiendo el análisis a los casos en los que las fallas tendrían efectos graves en la seguridad, el medio
ambiente, la economía o la operación.
RCM se inicia después de que un análisis de criticidad de alto nivel identifica el sistema y el equipo que requiere que se
determinen las tareas de mantenimiento. Esto puede ocurrir ya sea durante la fase de diseño inicial, o más tarde,
durante la utilización, si no se ha hecho antes de manera estructurada o si existe la necesidad de revisar o mejorar el
mantenimiento.
B.8.5.3 Aporte
La aplicación exitosa de RCM necesita una buena comprensión del equipo y la estructura, el entorno operativo y los
sistemas, subsistemas y elementos de equipo asociados, junto con las posibles fallas y las consecuencias de esas fallas.
El proceso requiere un equipo con el conocimiento y la experiencia necesarios, controlado por un facilitador capacitado
y experimentado.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 101 –
B.8.5.4 Salida
El resultado final de trabajar a través del proceso es un juicio sobre la necesidad de realizar una tarea de
mantenimiento u otra acción, como cambios operativos.
El resultado son políticas de gestión de fallas apropiadas para cada modo de falla, como monitoreo de
condición, detección de fallas, restauración de programas, reemplazo basado en un intervalo (como
calendario, horas de funcionamiento o número de ciclos) o ejecución hasta falla. Otras acciones posibles que
pueden resultar del análisis incluyen rediseño, cambios en los procedimientos de operación o mantenimiento
o capacitación adicional. En la Tabla B.6 se da un ejemplo.
Se prepara un plan para implementar las tareas de mantenimiento recomendadas. Esto detalla tareas,
intervalos de tareas, procedimientos involucrados, repuestos requeridos y otros recursos necesarios para
realizar las tareas de mantenimiento.
Tabla B.6 – Un ejemplo de selección de tareas RCM
Falla funcional: no proporciona protección y apagado del compresor
Equipo Modo de Intervalo Falla Causas tipo de tarea
fallo de falla detección Intervalo de
Descripción de la tarea
(horas) tareas en horas
Transmisor Salida 80 000 Evidente Fuera tiempo Verificar 16 000
de presión imprecisa de calibración dirigido calibración
compresor
presión del aceite
Transductor No 40 000 Evidente Detector/ Condición Verifique Continuo en el
de vibración – proporciona sensor dirigida la precisión si panel de
vibración del la salida falla el cambio en control
compresor adecuada vibración
ocurre
Interruptor de No puede 80 000 Oculto Detector/ Detección Prueba 8 000
nivel cambiar el estado falla del de fallos funcional del
bajo nivel de a pedido sensor interruptor de nivel
aceite del compresor
Sensor y Salida alta 160 000 Evidente Circuito abierto Dirigido por Compruebe 8 000
cableado: tiempo si hay
temperatura del conexiones sueltas
aceite del compresor
Salida 40 000 Oculto Fuera tiempo Calibrar el 8 000
Transmisor de imprecisa de calibración dirigido transmisor
nivel tanque de glicol precedido por la
confirmación del
nivel de llenado
de glicol
Transmisor Salida 80 000 Evidente Fuera tiempo Verificar 16 000
de presión imprecisa de calibración dirigido calibración
presión de
succión/
descarga del
compresor
Sensor y Salida alta 160 000 Evidente Circuito abierto Dirigido por Compruebe 8 000
cableado: tiempo si hay
temperatura de conexiones sueltas
succión/
descarga del
compresor
Transductor No 40 000 Evidente Detector/ Condición Verifique Control continuo
de vibración: proporciona sensor dirigida la precisión si
vibración la salida falla hay cambios panel
más fría adecuada en la vibración
ocurre
Machine Translated by Google
ES EN IEC 31010:2019
– 102 – CEI 31010:2019 CEI 2019
B.8.5.5 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• El proceso permite utilizar la magnitud del riesgo para tomar decisiones de mantenimiento.
• Las tareas se basan en si son aplicables, es decir, si lograrán lo esperado.
resultado.
• Las tareas se evalúan para garantizar que sean rentables y que valga la pena implementarlas. • Se eliminan las
acciones de mantenimiento innecesarias con la debida justificación.
• El proceso y las decisiones se documentan para su revisión posterior.
Las limitaciones incluyen lo siguiente.
• El proceso suele llevar mucho tiempo para que sea eficaz. • El proceso depende
mucho de un facilitador capacitado y experimentado.
• El equipo debe tener todos los conocimientos y experiencia de mantenimiento necesarios para que las decisiones sean
válidas.
• Puede haber una tendencia a tomar atajos con el proceso, con impacto en la validez de
decisiones que se toman.
• Las tareas potenciales que se están considerando estarán limitadas por el conocimiento de las técnicas disponibles, como
como los de monitoreo de condición.
B.8.5.6 Documento de referencia
[76] IEC 60300311, Gestión de la confiabilidad – Parte 311: Guía de aplicación – Confiabilidad
mantenimiento centrado
B.8.6 Índices de riesgo
B.8.6.1 Descripción general
Los índices de riesgo proporcionan una medida del riesgo que se deriva utilizando un enfoque de puntuación y escalas
ordinales. Los factores que se cree que influyen en la magnitud del riesgo se identifican, califican y combinan mediante una
ecuación que intenta representar la relación entre ellos. En las formulaciones más simples, los factores que aumentan el
nivel de riesgo se multiplican y se dividen por los que disminuyen el nivel de riesgo. Siempre que sea posible, las escalas y
la forma en que se combinan se basan en pruebas y datos.
Es importante que los puntajes de cada parte del sistema sean internamente consistentes y mantengan sus relaciones
correctas.
Las fórmulas matemáticas no se pueden aplicar a escalas ordinales. Por lo tanto, una vez que se ha desarrollado el sistema
de puntuación, el modelo debe validarse aplicándolo a un sistema que se entienda bien.
El desarrollo de un índice es un enfoque iterativo y se deben probar varios sistemas diferentes para combinar las
puntuaciones para validar el método.
B.8.6.2 Uso
Los índices de riesgo son esencialmente un enfoque cualitativo o semicuantitativo para clasificar y comparar riesgos.
Pueden utilizarse para riesgos internos o externos de alcance limitado o extendido. A menudo son específicos para un tipo
particular de riesgo y se utilizan para comparar diferentes situaciones en las que se produce ese riesgo. Si bien se usan
números, esto es simplemente para permitir la manipulación. En los casos en que el modelo o sistema subyacente no se
conoce bien o no se puede representar, por lo general es mejor utilizar un enfoque más abiertamente cualitativo que no
implique un nivel de precisión que sea imposible utilizando escalas ordinales.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 103 –
EJEMPLO 1 Se usa un índice de riesgo de enfermedad para estimar el riesgo de un individuo de contraer una enfermedad particular combinando puntajes
para varios factores de riesgo conocidos identificados en estudios epidemiológicos, teniendo en cuenta la fuerza de la asociación entre el factor de riesgo
y la enfermedad.
EJEMPLO 2 Las clasificaciones de peligro de incendios forestales comparan el riesgo de incendio en diferentes días teniendo en cuenta las condiciones
previstas, como la humedad, la fuerza del viento, la sequedad del paisaje y la carga de combustible.
EJEMPLO 3 Los prestamistas calculan los riesgos crediticios de los clientes utilizando índices que representan componentes de su estabilidad financiera.
B.8.6.3 Entradas
Las entradas se derivan del análisis del sistema. Esto requiere una buena comprensión de todas las fuentes de riesgo y
cómo pueden surgir las consecuencias.
Se pueden utilizar herramientas como FTA (B.5.7), ETA (B.5.6) y MCA (B.9.5), así como datos históricos para respaldar el
desarrollo de índices de riesgo.
Dado que la elección de la escala ordinal utilizada es, hasta cierto punto, arbitraria, se necesitan datos suficientes para
validar el índice.
B.8.6.4 Salida
El resultado es una serie de números (índices compuestos) que se relacionan con un riesgo particular y que pueden
compararse con índices desarrollados para otros riesgos dentro del mismo sistema.
B.8.6.5 Fortalezas y limitaciones
Las fortalezas de los índices de riesgo incluyen lo siguiente.
• Pueden proporcionar una herramienta sencilla y fácil de usar para clasificar diferentes riesgos.
• Permiten incorporar múltiples factores que afectan el nivel de riesgo en un solo
puntuación numérica.
Las limitaciones incluyen lo siguiente.
• Si el proceso (modelo) y su salida no están bien validados, los resultados pueden no tener sentido. • El hecho de que
el resultado sea un valor numérico para el riesgo se puede malinterpretar y utilizar incorrectamente, por ejemplo, en análisis
posteriores de costo/beneficio.
• En muchas situaciones en las que se utilizan índices, no existe un modelo fundamental para definir si las escalas
individuales de los factores de riesgo son lineales, logarítmicas o de alguna otra forma, ni un modelo para definir cómo
deben combinarse los factores. En estas situaciones, la calificación es intrínsecamente poco confiable y la validación
con datos reales es particularmente importante.
• A menudo es difícil obtener evidencia suficiente para validar las escalas.
• El uso de valores numéricos puede implicar un nivel de precisión que no se puede justificar.
B.8.6.6 Documentos de referencia
[77] MACKENZIE Cameron A. Resumen del riesgo utilizando medidas de riesgo e índices de riesgo
B.9 Técnicas para seleccionar entre opciones
B.9.1 Generalidades
Las técnicas de la Cláusula B.9 se utilizan para ayudar a los responsables de la toma de decisiones a decidir entre
opciones que implican múltiples riesgos y dónde se deben realizar compensaciones. Las técnicas ayudan a proporcionar
una base lógica para justificar las razones de una decisión. Dado que los métodos tienen diferentes filosofías, puede ser
valioso explorar opciones utilizando más de un método.
Machine Translated by Google
ES EN IEC 31010:2019
– 104 – CEI 31010:2019 CEI 2019
El análisis del árbol de decisiones y el análisis de costo/beneficio basan las decisiones en la pérdida o ganancia
financiera esperada. El análisis multicriterio permite ponderar diferentes criterios y hacer compensaciones.
El análisis de escenarios (ver B.2.5) también se puede utilizar para explorar las posibles consecuencias si se
siguen diferentes opciones. Este método es particularmente útil cuando existe una gran incertidumbre. Los
problemas de decisión también se pueden modelar usando diagramas de influencia (B.5.3).
B.9.2 Análisis de costo/beneficio (CBA)
B.9.2.1 Descripción general
El análisis de costo/beneficio sopesa los costos totales esperados de las opciones en términos monetarios contra
sus beneficios totales esperados para elegir la opción más efectiva o rentable. Puede ser cualitativo o cuantitativo,
o implicar una combinación de elementos cuantitativos y cualitativos, y puede aplicarse a cualquier nivel de una
organización.
Se identifican los stakeholders que podrían experimentar costos o recibir beneficios (tangibles o intangibles) junto
con los beneficios y costos directos e indirectos para cada uno.
NOTA Los costos directos son aquellos que están directamente asociados con la acción. Los costos indirectos son aquellos
costos de oportunidad adicionales, como la pérdida de utilidad, la distracción del tiempo de gestión o la desviación de capital de
otras inversiones potenciales.
En el CBA cuantitativo, se asigna un valor monetario a todos los costos y beneficios tangibles e intangibles. A
menudo sucede que se incurre en el costo durante un corto período de tiempo (por ejemplo, un año) y los
beneficios fluyen durante un largo período. Entonces es necesario descontar los costos y beneficios para
convertirlos en "dinero de hoy" para que se pueda hacer una comparación válida entre costos y beneficios. El valor
presente de todos los costos (PVC) y el valor presente de los beneficios (PVB) para todas las partes interesadas
se pueden combinar para producir un valor presente neto (VAN): VPN = PVB − PVC.
Un VPN positivo implica que la acción podría ser una opción adecuada. La opción con el VAN más alto no es
necesariamente la opción de mejor valor. La relación más alta entre el VAN y el valor presente de los costos es un
indicador útil de la opción de mejor valor. La selección basada en CBA debe combinarse con la elección estratégica
entre opciones satisfactorias que individualmente podrían ofrecer el tratamiento de menor costo, el mayor beneficio
asequible o el mejor valor (retorno de la inversión más rentable). Tal elección estratégica puede ser necesaria
tanto a nivel político como operativo.
La incertidumbre en los costos y beneficios se puede tener en cuenta calculando el promedio ponderado de
probabilidad de los beneficios netos (el valor actual neto esperado o ENPV). En este cálculo, se supone que el
usuario es indiferente entre un pago pequeño con una alta probabilidad de ocurrencia y un pago grande con una
baja probabilidad de ocurrencia, siempre que ambos tengan el mismo valor esperado. Los cálculos de VPN
también se pueden combinar con árboles de decisión (B.9.3) para modelar la incertidumbre en decisiones futuras
y sus resultados. En algunas situaciones, es posible retrasar algunos de los costos hasta que se disponga de
mejor información sobre costos y beneficios. La posibilidad de hacerlo tiene un valor que se puede estimar
mediante el análisis de opciones reales.
En el CBA cualitativo no se intenta encontrar un valor monetario para los costos y beneficios intangibles y, en lugar
de proporcionar una cifra única que resuma los costos y beneficios, las relaciones y compensaciones entre
diferentes costos y beneficios se consideran cualitativamente.
Una técnica relacionada es un análisis de rentabilidad. Esto supone que se desea un determinado beneficio o
resultado y que existen varias formas alternativas de lograrlo. El análisis analiza únicamente los costos y busca
identificar la forma más económica de lograr el beneficio.
Aunque los valores intangibles generalmente se tratan dándoles un valor monetario, también es posible aplicar un
factor de ponderación a otros costos, por ejemplo, para ponderar más los beneficios de seguridad que los
beneficios financieros.
Una variante de CBA, el análisis de riesgo de costo/beneficio (CBRA), pone mayor énfasis en el riesgo.
Mientras que CBA usa distribuciones puntuales o binarias, con CBRA el valor del riesgo también puede considerar
distribuciones de probabilidad completas para consecuencias negativas y positivas [78].
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 105 –
B.9.2.2 Uso
El CBA se utiliza a nivel operativo y estratégico para ayudar a decidir entre opciones. En la mayoría de las
situaciones, esas opciones implicarán incertidumbre. Tanto la variabilidad en el valor actual esperado de los costos
y beneficios, como la posibilidad de eventos inesperados deben tenerse en cuenta en los cálculos. Para esto se
puede utilizar un análisis de sensibilidad o un análisis de Monte Carlo (B.5.10).
El CBA también se puede utilizar para tomar decisiones sobre riesgos y sus tratamientos, por ejemplo:
• como entrada en una decisión sobre si un riesgo debe ser tratado;
• decidir sobre la mejor forma de tratamiento del riesgo;
• comparar opciones de tratamiento a corto y largo plazo.
B.9.2.3 Entradas
Los insumos incluyen información sobre costos y beneficios para las partes interesadas relevantes y sobre las
incertidumbres en esos costos y beneficios. Se deben considerar los costos y beneficios tangibles e intangibles.
Los costos incluyen cualquier recurso que pueda gastarse, incluidos los costos directos e indirectos, los gastos
generales atribuibles y los impactos negativos. Los beneficios incluyen impactos positivos y evitación de costos (que
pueden resultar de los tratamientos de riesgo). Los costos irrecuperables ya gastados no son parte del análisis. Un
simple análisis de hoja de cálculo o una discusión cualitativa no requiere un esfuerzo sustancial, pero la aplicación
a problemas más complejos requiere mucho tiempo para recopilar los datos necesarios y estimar un valor monetario
adecuado para los intangibles.
B.9.2.4 Salida
El resultado de un análisis de costo/beneficio es información sobre costos y beneficios relativos de diferentes
opciones o acciones. Esto se puede expresar cuantitativamente como un valor actual neto (VAN), una mejor relación
(VAN/PVC) o como la relación entre el valor actual de los beneficios y el valor actual de los costos.
Un resultado cualitativo suele ser una tabla que compara los costos y beneficios de diferentes tipos de costos y
beneficios, con atención a las compensaciones.
B.9.2.5 Fortalezas y limitaciones
Las fortalezas de CBA incluyen lo siguiente.
• CBA permite comparar costos y beneficios utilizando una sola métrica (generalmente dinero).
• Brinda transparencia a la información utilizada para fundamentar las decisiones.
• Fomenta la recopilación de información detallada sobre todos los aspectos posibles de la decisión (esto puede
ser valioso para revelar la ignorancia y comunicar el conocimiento).
Las limitaciones incluyen lo siguiente.
• CBA requiere una buena comprensión de los beneficios probables, por lo que no se adapta a una situación nueva
con alta incertidumbre.
• El ACB cuantitativo puede arrojar números dramáticamente diferentes, dependiendo de los supuestos y métodos
utilizados para asignar valores económicos a los beneficios no económicos e intangibles.
• En algunas aplicaciones es difícil definir una tasa de descuento válida para costos y beneficios futuros.
• Los beneficios que se acumulan para una gran población son difíciles de estimar, particularmente aquellos
relacionados con el bien público que no se intercambia en los mercados. Sin embargo, cuando se combina con
la "disposición a pagar o aceptar", es posible dar cuenta de dichos beneficios externos o sociales.
• Según la tasa de descuento elegida, la práctica de descontar a valores presentes significa que los beneficios
obtenidos en el futuro a largo plazo pueden tener una influencia insignificante en la decisión, lo que desalienta
la inversión a largo plazo.
Machine Translated by Google
ES EN IEC 31010:2019
– 106 – CEI 31010:2019 CEI 2019
• CBA no trata bien con la incertidumbre en el momento en que ocurrirán los costos y beneficios o con la flexibilidad en
la toma de decisiones futuras.
B.9.2.6 Documentos de referencia
[79] The Green book, Appraisal and Evaluation in Central Government [80] ANDOSEH, S.,
et al. El caso de un enfoque de opciones reales para los análisis de costobeneficio ex ante de los proyectos de
investigación agrícola
B.9.3 Análisis del árbol de decisión
B.9.3.1 Descripción general
Un árbol de decisiones modela los posibles caminos que se derivan de una decisión inicial que se debe tomar (por
ejemplo, si se procede con el Proyecto A o el Proyecto B). A medida que avanzan los dos proyectos hipotéticos, pueden
ocurrir una variedad de eventos y será necesario tomar diferentes decisiones predecibles. Estos se representan en
formato de árbol, similar a un árbol de eventos. La probabilidad de los eventos se puede estimar junto con el valor
esperado o la utilidad del resultado final de cada vía.
La información relativa a la vía de mejor decisión es lógicamente aquella que produce el mejor valor esperado calculado
como el producto de todas las probabilidades condicionales a lo largo de la vía y el valor del resultado.
B.9.3.2 Uso
Un árbol de decisión se puede utilizar para estructurar y resolver problemas de decisión secuencial, y es especialmente
beneficioso cuando crece la complejidad del problema. Permite a una organización cuantificar los posibles resultados de
las decisiones y, por lo tanto, ayuda a los responsables de la toma de decisiones a seleccionar el mejor curso de acción
cuando los resultados son inciertos. La pantalla gráfica también puede ayudar a comunicar los motivos de las decisiones.
Se utiliza para evaluar una decisión propuesta, a menudo utilizando estimaciones subjetivas de probabilidades de
eventos, y ayuda a los responsables de la toma de decisiones a superar los sesgos de percepción inherentes hacia el
éxito o el fracaso. Se puede utilizar en temas de corto, mediano y largo plazo a nivel operativo o estratégico.
B.9.3.3 Entradas
El desarrollo de un árbol de decisiones requiere un plan de proyecto con puntos de decisión, información sobre los
posibles resultados de las decisiones y sobre eventos fortuitos que podrían afectar las decisiones. Se necesita experiencia
para configurar el árbol correctamente, particularmente en situaciones complejas.
Dependiendo de la construcción del árbol, se necesitan datos cuantitativos o información suficiente para justificar la
opinión de expertos para las probabilidades.
B.9.3.4 Salidas
Las salidas incluyen:
• una representación gráfica del problema de decisión;
• un cálculo del valor esperado para cada camino posible;
• una lista priorizada de posibles resultados basada en el valor esperado, o el recomendado
camino a seguir.
B.9.3.5 Fortalezas y limitaciones
Las fortalezas del análisis del árbol de decisión incluyen lo siguiente.
• Proporciona una representación gráfica clara de los detalles de un problema de decisión.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 107 –
• El ejercicio de desarrollar el árbol puede conducir a una mejor comprensión del problema.
• Fomenta el pensamiento claro y la planificación.
• Permite un cálculo del mejor camino a través de una situación y el resultado esperado.
Las limitaciones incluyen lo siguiente.
• Los árboles de decisión grandes pueden volverse demasiado complejos para facilitar la comunicación.
• Puede haber una tendencia a simplificar demasiado la situación para poder representarla como un
diagrama de árbol.
• Se basa en datos históricos que podrían no aplicarse a la decisión que se está modelando.
• Simplifica los resultados del problema de decisión discretizándolo, lo que elimina los valores extremos.
B.9.3.6 Documento de referencia
[81] KIRKWOOD Craig, Introducción al árbol de decisiones
B.9.4 Teoría de juegos
B.9.4.1 Descripción general
B.9.4.1.1 General
La teoría de juegos es un medio para modelar las consecuencias de diferentes decisiones posibles dado un número
de posibles situaciones futuras. Las situaciones futuras pueden ser determinadas por un tomador de decisiones
diferente (por ejemplo, un competidor) o por un evento externo, como el éxito o el fracaso de una tecnología o una
prueba. Por ejemplo, suponga que la tarea es determinar el precio de un producto teniendo en cuenta las diferentes
decisiones que podrían tomar diferentes tomadores de decisiones (llamados jugadores) en diferentes momentos.
Puede calcularse el pago para cada jugador involucrado en el juego, relevante para el período de tiempo en cuestión,
y puede seleccionarse la estrategia con el pago óptimo para cada jugador. La teoría de juegos también se puede
utilizar para determinar el valor de la información sobre el otro jugador o los diferentes resultados posibles (por
ejemplo, el éxito de una tecnología).
Hay diferentes tipos de juegos, por ejemplo, cooperativo/no cooperativo, simétrico/asimétrico, suma cero/suma distinta
de cero, simultáneo/secuencial, información perfecta e información imperfecta, juegos combinatorios, resultados
estocásticos.
B.9.4.1.2 Comunicación y juegos cooperativos/no cooperativos
Un factor importante es si la comunicación entre los jugadores es posible o está permitida. Un juego es cooperativo si
los jugadores pueden formar compromisos vinculantes. En juegos no cooperativos, esto no es posible. Los juegos
híbridos contienen elementos cooperativos y no cooperativos. Por ejemplo, en un juego cooperativo se forman
coaliciones de jugadores, pero estos juegan de forma no cooperativa.
El ejemplo clásico de juegos sin comunicación entre los jugadores es el llamado "dilema del prisionero". Muestra que
en algunos casos el acto de cada jugador de mejorar su propio resultado sin tener en cuenta al otro puede causar la
peor situación para ambos. Este tipo de juego se ha utilizado para analizar el conflicto y la cooperación entre dos
jugadores, donde la falta de comunicación puede causar una situación inestable que podría resultar en el peor
resultado posible para ambos jugadores. En el juego del dilema del prisionero, se supone que dos personas cometieron
un crimen juntas. Se mantienen separados y no pueden comunicarse. La policía sugiere un trato. Si cada prisionero
admite su culpabilidad y testifica contra el otro, recibirá una sentencia baja, pero el otro prisionero recibirá una
sentencia mayor. Un preso recibe pena máxima si no confiesa y declara y el otro sí. Por lo tanto, para mejorar su
situación, ambos tienen la tentación de confesar y declarar, pero en ese caso ambos recibirán la pena máxima.
Su mejor estrategia habría sido rechazar el trato y no admitir nada. En ese caso, ambos recibirían la pena mínima.
Machine Translated by Google
ES EN IEC 31010:2019
– 108 – CEI 31010:2019 CEI 2019
B.9.4.1.3 Juegos de suma cero/suma distinta de cero y juegos simétricos/asimétricos
En un juego de suma cero, lo que gana un jugador, lo pierde el otro. En un juego de suma distinta de cero, la
suma de los resultados puede variar con las decisiones. Por ejemplo, bajar los precios puede costarle más a un
jugador que a otro, pero puede aumentar el volumen de mercado para ambos.
B.9.4.1.4 Juegos simultáneos/secuenciales
En algunos juegos, el cálculo se realiza para una sola interacción entre los jugadores. Pero en los juegos
secuenciales, los jugadores interactúan muchas veces y pueden cambiar su estrategia de un juego a otro.
Por ejemplo, se han realizado juegos simulados para investigar el efecto de hacer trampa en un mercado.
Hay dos posibilidades para cada jugador. El proveedor puede entregar o no entregar, y el cliente puede pagar o
no pagar. De los cuatro resultados posibles, el resultado normal beneficia a ambos jugadores (el proveedor
entrega y el cliente paga). El resultado donde el proveedor no entrega y el cliente no paga es una oportunidad
perdida. Las dos últimas posibilidades son una pérdida para el proveedor (el cliente no paga) o para el cliente (el
proveedor no entrega). La simulación probó diferentes estrategias como siempre jugar honestamente, siempre
hacer trampa o hacer trampa al azar. Se determinó que la estrategia óptima era jugar honesto en la primera
interacción y la próxima vez hacer lo mismo que hizo el otro jugador la última vez (jugar honesto o hacer trampa).
NOTA En la vida real, es probable que el proveedor reconozca a los clientes que hacen trampa y deje de jugar con ellos.
B.9.4.2 Uso
La teoría de juegos permite evaluar el riesgo en los casos en que el resultado de una serie de decisiones depende
de la acción de otro jugador (p. ej., un competidor) o de una serie de resultados posibles (p. ej., si funcionará una
nueva tecnología). El siguiente ejemplo ilustra la información que se puede obtener mediante un análisis de juego.
La Tabla B.7 ilustra una situación en la que una empresa puede elegir entre tres tecnologías diferentes. Pero el
beneficio dependerá de la acción de un competidor (acción 1, 2 o 3). No se sabe qué acción elegirá el competidor,
pero las probabilidades se estiman como se muestra.
Las utilidades, en millones de unidades monetarias (UM), se calculan en la tabla.
Tabla B.7 – Ejemplo de matriz de juego
Competidor Ganancia Beneficio Máximo
esperada garantizado arrepentirse
Acción 1 Acción 2 Acción 3
Probabilidad 0,4 0,5 0,1
Tecnología 1 0,10 0,50 0,90 0,38 0,10 0,50
Tecnología 2 0,50 0,50 0,50 0,50 0,50 0,40
Tecnología 3 0,60 0,60 0,30 0,57 0,30 0,60
La siguiente información se puede extraer de la tabla para respaldar la decisión.
Claramente la tecnología 3 es la mejor, con un beneficio esperado de 0,57 millones de UM. Pero se debe
considerar la sensibilidad a la acción del competidor. La columna de ganancias garantizadas establece cuál será
la ganancia para una tecnología dada, independientemente de lo que haga el competidor. Aquí la tecnología 2 es
la mejor con un beneficio garantizado de 0,50 millones de MU. Se debe considerar si vale la pena elegir la
tecnología 3 para ganar solo 0,07 millones de UM, arriesgándose a perder 0,20 millones de UM.
Además, es posible calcular el arrepentimiento máximo, que es la diferencia entre el beneficio de elegir una
tecnología determinada y el beneficio posible si se hubiera conocido la acción del competidor. Esto da el beneficio
monetario de un mayor conocimiento de la decisión del competidor.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 109 –
Esto puede lograrse mediante negociación o por otros medios legales. En este ejemplo, el valor del aumento de la
información es mayor para la tecnología 3.
B.9.4.3 Entradas
Para estar completamente definido, un juego debe especificar al menos los siguientes elementos como entradas:
• los jugadores o alternativas del juego;
• la información y acciones disponibles para cada jugador en cada punto de decisión.
B.9.4.4 Salida
El resultado es el pago de cada opción en el juego, generalmente tomado para representar la utilidad de los
jugadores individuales. A menudo, en situaciones de modelado, los pagos representan dinero, pero son posibles
otros resultados (por ejemplo, participación de mercado o retraso de un proyecto).
B.9.4.5 Fortalezas y limitaciones
Las fortalezas de la teoría de juegos incluyen lo siguiente.
• Desarrolla un marco para analizar la toma de decisiones donde varias decisiones son posibles, pero donde el
resultado depende de la decisión de otro jugador o del resultado de un evento futuro.
• Desarrolla un marco para analizar la toma de decisiones en situaciones en las que se tiene en cuenta la
interdependencia de las decisiones tomadas por diferentes organizaciones.
• Brinda información sobre varios conceptos menos conocidos, que surgen en situaciones de conflicto de
intereses; por ejemplo, describe y explica los fenómenos de negociación y formación de coaliciones.
• Al menos en los juegos de suma cero en dos organizaciones, la teoría de juegos describe una técnica cuantitativa
científica que los jugadores pueden utilizar para llegar a una estrategia óptima.
Las limitaciones incluyen lo siguiente.
• Se supone que los jugadores conocen sus propios pagos y que las acciones y pagos de los demás pueden no
ser prácticos.
• Las técnicas de resolución de juegos que involucran estrategias mixtas (particularmente en el caso de una gran
matriz de pagos) son muy complicadas.
• No todos los problemas competitivos pueden analizarse con la ayuda de la teoría de juegos.
B.9.4.6 Documentos de referencia
[82] MYERSON, ROGER B., Game Theory: Analysis of Conflict [83]
MARYNARD, SMITH JOHN, Evolution and Theory of Games [84] ROSENHEAD,
J. and MINGER, J. (Eds), Rational Analysis for a Problematic World
revisado
B.9.5 Análisis multicriterio (ACM)
B.9.5.1 Descripción general
MCA utiliza una variedad de criterios para evaluar y comparar de manera transparente el rendimiento general de un
conjunto de opciones. En general, el objetivo es producir un orden de preferencia para un conjunto de opciones.
El análisis implica el desarrollo de una matriz de opciones y criterios que se clasifican y agregan para proporcionar
una puntuación general para cada opción. Estas técnicas también se conocen como toma de decisiones multiatributo
(o atributo múltiple) o multiobjetivo. Existen muchas variantes de esta técnica, con muchas aplicaciones de software
que las respaldan.
En general, un individuo o un grupo de interesados bien informados emprende el siguiente proceso.
Machine Translated by Google
ES EN IEC 31010:2019
– 110 – CEI 31010:2019 CEI 2019
• Definir el(los) objetivo(s); determinar los atributos (criterios o medidas de desempeño funcional) que se relacionan con
cada objetivo.
• Estructurar los atributos en una jerarquía de requisitos necesarios y deseables. • Determinar la importancia
de cada criterio y asignar pesos a cada uno. • Obtener el consenso de las partes interesadas
sobre la jerarquía ponderada.
• Evaluar las alternativas con respecto a los criterios (esto se puede representar como una matriz de
puntuaciones).
• Combinar varias puntuaciones de un solo atributo en una puntuación global ponderada de varios atributos. •
Evaluar los resultados de cada opción.
• Evaluar la solidez de la clasificación de opciones realizando una revisión de sensibilidad para explorar el impacto de
cambiar las ponderaciones de la jerarquía de atributos.
Existen diferentes métodos mediante los cuales se puede obtener la ponderación de cada criterio y diferentes formas de
agregar las puntuaciones de los criterios para cada opción en una sola puntuación de atributos múltiples. Por ejemplo, las
puntuaciones se pueden agregar como una suma ponderada o un producto ponderado o mediante el proceso de jerarquía
analítica (una técnica de obtención de pesos y puntuaciones basada en comparaciones por pares). Todos estos métodos
asumen que la preferencia por cualquier criterio no depende de los valores de los otros criterios. Cuando esta suposición
no es válida, se utilizan diferentes modelos.
Dado que los puntajes son subjetivos, el análisis de sensibilidad es útil para examinar la medida en que los pesos y
puntajes influyen en las preferencias generales entre las opciones.
B.9.5.2 Uso
MCA se puede utilizar para:
• comparar múltiples opciones para un análisis de primer paso para determinar las preferidas y las inapropiadas
opciones;
• comparar opciones cuando existen criterios múltiples ya veces contradictorios;
• llegar a un consenso sobre una decisión en la que diferentes partes interesadas tienen objetivos en conflicto
o valores.
B.9.5.3 Entradas
Las entradas son un conjunto de opciones para análisis y criterios, basados en objetivos, que se pueden utilizar para
evaluar el desempeño de las opciones.
B.9.5.4 Salidas
Los resultados se pueden presentar como:
• presentación por orden de clasificación de las opciones de la mejor a la menos preferida;
• una matriz donde los ejes de la matriz son el peso de los criterios y la puntuación de los criterios para cada
opción.
La presentación de los resultados en una matriz permite eliminar las opciones que no cumplen con los criterios altamente
ponderados o que no cumplen con un criterio necesario.
B.9.5.5 Fortalezas y limitaciones
Las fortalezas de MCA incluyen que puede:
• proporcionar una estructura simple para la toma de decisiones eficiente y la presentación de suposiciones
y conclusiones;
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 111 –
• hacer más manejables los problemas de decisión complejos, que no son susceptibles de costo/beneficio
análisis;
• ayudar a considerar los problemas de forma racional en los que es necesario hacer
concesiones; • ayudar a lograr un acuerdo cuando las partes interesadas tienen diferentes objetivos y, por lo tanto, diferentes
valores y criterios.
Las limitaciones incluyen lo siguiente.
• El MCA puede verse afectado por sesgos y mala selección de los criterios de decisión.
• Los algoritmos de agregación que calculan los pesos de los criterios a partir de las preferencias declaradas o agregan
puntos de vista diferentes pueden oscurecer la verdadera base de la decisión.
• El sistema de puntuación puede simplificar demasiado el problema de decisión.
B.9.5.6 Documentos de referencia
[85] EN 16271:2012, Gestión del valor. Expresión funcional de la necesidad y especificación del desempeño funcional.
Requisitos para expresar y validar la necesidad a satisfacer dentro del proceso de compra u obtención de un
producto.
NOTA EN 16271:2012 establece enfoques para reconciliar las necesidades conflictivas de las partes interesadas, métodos que
se pueden utilizar para derivar requisitos de desempeño funcional y orientación para establecer la granularidad para el análisis
multicriterio antes de comparar opciones.
[86] DEPARTAMENTO DE COMUNIDADES Y GOBIERNO LOCAL, Análisis multicriterio: un manual 2009
[87] RABIHAH MHD.SUM (2001), Toma de decisiones de gestión de riesgos [88]
VELASQUEZ, M., HESTER, P. An Analysis of Multicriteria Decision Making Methods
B.10 Técnicas para registrar y reportar
B.10.1 Generalidades
La cláusula B.10 cubre las técnicas utilizadas para informar y registrar información general sobre riesgos. Los requisitos
para los informes detallados se tratan en 6.6.
Un enfoque común para reportar y registrar información sobre riesgos es ingresar información básica para cada riesgo en
un registro de riesgos, como una hoja de cálculo o una base de datos (ver B.10.2).
Algunos riesgos pueden requerir una descripción más compleja que la que se puede acomodar en un registro tradicional
de riesgos. Por ejemplo, es posible que una descripción deba incluir múltiples fuentes de riesgo que conduzcan a un solo
evento, múltiples resultados posibles de un solo evento o fuente, efectos colaterales y posibles fallas de control. El
diagrama de pajarita es un ejemplo de una herramienta que se puede utilizar para organizar y comunicar este tipo de
información (ver B.4.2.)
La información sobre la magnitud de un riesgo también se puede informar de varias maneras diferentes.
El método más común utiliza la matriz de consecuencia/probabilidad (ver B.10.3). Además de la probabilidad, la
consecuencia y el nivel de riesgo, indicado por la posición en la matriz, se puede proporcionar información adicional como
la naturaleza de los controles, la medida en que se han implementado los tratamientos, etc. a través del tamaño de los
puntos marcados. el riesgo o su color.
La matriz de consecuencia/probabilidad requiere que un riesgo pueda ser representado por un único par de consecuencia/
probabilidad. Los riesgos, cuando este no es el caso, a veces pueden representarse mediante una función de distribución
de probabilidad o una función de distribución acumulativa (ver B.10.4).
Machine Translated by Google
ES EN IEC 31010:2019
– 112 – CEI 31010:2019 CEI 2019
B.10.2 Registros de riesgos
B.10.2.1 Resumen
Un registro de riesgos reúne información sobre los riesgos para informar a quienes están expuestos a los riesgos y a
quienes tienen la responsabilidad de su gestión. Puede ser en formato papel o base de datos y generalmente incluye:
• una breve descripción del riesgo (por ejemplo, un nombre, las consecuencias y la secuencia de eventos
llevando a consecuencias, etc.);
• una declaración sobre la probabilidad de que ocurran las consecuencias;
• fuentes o causas del riesgo;
• qué se está haciendo actualmente para controlar el riesgo.
Los riesgos se pueden clasificar en diferentes categorías para ayudar a informar (B.2.2).
Los riesgos generalmente se enumeran individualmente como eventos separados, pero las interdependencias deben
señalarse.
Al registrar información sobre riesgos, debe ser explícita la distinción entre riesgos (los efectos potenciales de lo que
podría suceder) y fuentes de riesgo (cómo o por qué podría suceder) y controles que podrían fallar. También puede
ser útil para indicar las primeras señales de advertencia de que un evento podría estar a punto de ocurrir.
Muchos registros de riesgos también incluyen alguna calificación de la importancia de un riesgo, una indicación de si
un riesgo se considera aceptable o tolerable, o si se necesita un tratamiento adicional y las razones de esta decisión.
Cuando se aplica una calificación de importancia a un riesgo basada en las consecuencias y su probabilidad, esto
debe tener en cuenta la posibilidad de que los controles fallen. No se debe asignar un nivel de riesgo por la falla de
un control como si fuera un riesgo independiente.
Los riesgos cuyas consecuencias son positivas pueden registrarse en el mismo documento que aquellos cuyas
consecuencias son negativas o por separado. Las oportunidades (que son circunstancias o ideas que podrían
explotarse en lugar de eventos fortuitos) generalmente se registran por separado y se analizan de manera que se
tengan en cuenta los costos, los beneficios y cualquier posible consecuencia negativa. Esto a veces se puede
denominar registro de valor y oportunidades.
B.10.2.2 Uso
Un registro de riesgos se utiliza para registrar y rastrear información sobre riesgos individuales y cómo se controlan.
Puede usarse para comunicar información sobre riesgos a las partes interesadas y resaltar riesgos particularmente
importantes. Se puede utilizar a nivel corporativo, departamental, operativo y de proyecto, donde hay una gran
cantidad de riesgos, controles y tratamientos que deben rastrearse. La información de un registro de riesgos se puede
consolidar para proporcionar información a la alta dirección.
Un registro de riesgos se puede utilizar como base para el seguimiento de la implementación de los tratamientos
propuestos, por lo que puede contener información sobre los tratamientos y cómo se implementarán, o hacer referencia
a otros documentos o bases de datos con esta información. (Dicha información puede incluir propietarios de riesgos,
acciones, propietarios de acciones, resúmenes de casos comerciales de acciones, presupuestos y cronogramas, etc.).
En algunas situaciones, se puede exigir una forma de registro de riesgos.
B.10.2.3 Entradas
Las entradas a un registro de riesgos son generalmente las salidas de las técnicas de evaluación de riesgos como las
descritas en las Cláusulas B.1 a B.4, complementadas con registros de fallas.
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 113 –
B.10.2.4 Salidas
Las salidas son registros de información e informes sobre riesgos.
B.10.2.5 Fortalezas y limitaciones
Las fortalezas de los registros de riesgo incluyen lo siguiente.
• La información sobre los riesgos se reúne en un formato en el que se pueden identificar las acciones requeridas
y rastreado.
• La información sobre diferentes riesgos se presenta en un formato comparable, que se puede utilizar para
indican prioridades y es relativamente fácil de interrogar.
• La construcción de un registro de riesgos suele involucrar a muchas personas y genera una conciencia general sobre la
necesidad de gestionar el riesgo.
Las limitaciones incluyen lo siguiente.
• Los riesgos capturados en los registros de riesgos generalmente se basan en eventos, lo que puede dificultar la
caracterizar con precisión algunas formas de riesgo (ver 4.2).
• La aparente facilidad de uso puede generar una confianza inapropiada en la información porque puede ser difícil
describir los riesgos de manera consistente y las fuentes de riesgo, los riesgos y las debilidades en los controles de
riesgo a menudo se confunden.
• Hay muchas maneras diferentes de describir un riesgo y cualquier prioridad asignada dependerá de
la forma en que se describe el riesgo y el nivel de desagregación del problema.
• Se requiere un esfuerzo considerable para mantener un registro de riesgos actualizado (por ejemplo, todos los
tratamientos propuestos deben enumerarse como controles actuales una vez que se implementan, deben agregarse
continuamente nuevos riesgos y eliminarse los que ya no existen).
• Los riesgos suelen capturarse en los registros de riesgos de forma individual. Esto puede dificultar la consolidación de
la información para desarrollar un programa de tratamiento general.
B.10.2.6 Documentos de referencia
No existen documentos de referencia para esta técnica.
B.10.3 Matriz de consecuencias/probabilidades (matriz de riesgos o mapa de calor)
B.10.3.1 Resumen
La matriz de consecuencia/probabilidad (también conocida como matriz de riesgo o mapa de calor) es una forma de
mostrar los riesgos de acuerdo con su consecuencia y probabilidad y de combinar estas características para mostrar una
calificación de la importancia del riesgo.
Se definen escalas personalizadas para consecuencia y probabilidad para los ejes de la matriz. Las escalas pueden tener
cualquier número de puntos (las escalas de tres, cuatro o cinco puntos son las más comunes) y pueden ser cualitativas,
semicuantitativas o cuantitativas. Si se usan descripciones numéricas para definir los pasos de las escalas, deben ser
consistentes con los datos disponibles y se deben dar las unidades. Generalmente, para ser consistente con los datos,
cada punto de escala en las dos escalas deberá ser un orden de magnitud mayor que el anterior.
La escala de consecuencias (o escalas) puede representar consecuencias positivas o negativas. Las escalas deben estar
directamente conectadas con los objetivos de la organización y deben extenderse desde la máxima consecuencia creíble
hasta la menor consecuencia de interés. En la Figura B.15 se muestra un ejemplo parcial de consecuencias adversas.
Machine Translated by Google
ES EN IEC 31010:2019
– 114 – CEI 31010:2019 CEI 2019
Clasificación Financiero Salud y seguridad Medio ambiente y Etc.
comunidad
a Pérdida máxima creíble ($) Múltiples muertes Daño significativo irreversible;
indignación de la
comunidad
mi Mínimo de interés ($) Solo se requieren primeros auxilios Daños temporales menores
CEI
Figura B.15 – Ejemplo parcial de tabla que define escalas de consecuencias
NOTA Los ejemplos de partes se usan para que los ejemplos no se puedan usar directamente para enfatizar que las escalas siempre deben
ser personalizado
Se pueden usar categorías de consecuencias adicionales o menos y las escalas pueden tener menos o más de
cinco puntos, según el contexto. La columna de clasificación de consecuencias puede ser palabras, números o
letras.
La escala de probabilidad debe abarcar el rango relevante para los datos de los riesgos a calificar. En la Figura
B.16 se muestra un ejemplo parcial de una escala de probabilidad.
Clasificación descriptor Significado del descriptor
5 Probable Se espera que ocurra dentro de semanas
1 remotamente posible Teóricamente posible pero extremadamente improbable
CEI
Figura B.16 – Ejemplo parcial de una escala de verosimilitud
La escala de calificación de probabilidad puede tener más o menos de cinco puntos y las calificaciones se pueden
dar como palabras, números o letras.
La escala de probabilidad debe adaptarse a la situación y es posible que deba cubrir un rango diferente de
consecuencias positivas o negativas. Si se considera que la consecuencia más alta es tolerable con una probabilidad
baja, entonces el paso más bajo en la escala de probabilidad debería representar una probabilidad aceptable para
la consecuencia definida más alta (de lo contrario, todas las actividades con la consecuencia más alta se definen
como intolerables y no pueden hacerse tolerables). . Al decidir la probabilidad tolerable de un único riesgo de
consecuencias altas, debe tenerse en cuenta el hecho de que múltiples riesgos pueden conducir a la misma
consecuencia.
Se dibuja una matriz con consecuencia en un eje y verosimilitud en el otro correspondiente a las escalas definidas.
Se puede vincular una calificación de prioridad a cada celda. En el ejemplo proporcionado allí
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 115 –
son cinco clasificaciones de prioridad, indicadas aquí con números romanos. Por lo general, las casillas están coloreadas
para indicar la magnitud del riesgo. Las reglas de decisión (como el nivel de atención de la gerencia o la urgencia de la
respuesta) se pueden vincular a las celdas de la matriz. Estos dependerán de las definiciones utilizadas para las escalas y
la actitud de la organización ante el riesgo. El diseño debe permitir que la prioridad de un riesgo se base en la medida en que
el riesgo conduce a resultados que están fuera de los umbrales de desempeño definidos por la organización para sus
objetivos.
La matriz se puede configurar para dar mayor peso a las consecuencias (como se muestra en la Figura B.17) oa la
probabilidad, o puede ser simétrica, según la aplicación.
Figura B.17 – Ejemplo de matriz de consecuencia/probabilidad
B.10.3.2 Uso
Se utiliza una matriz de consecuencia/probabilidad para evaluar y comunicar la magnitud relativa de los riesgos sobre la
base de un par de consecuencia/probabilidad que normalmente se asocia con un evento focal.
Para calificar un riesgo, el usuario primero encuentra el descriptor de la consecuencia que mejor se ajusta a la situación y
luego define la probabilidad con la que se cree que ocurrirá la consecuencia. Se coloca un punto en el cuadro que combina
estos valores, y el nivel de riesgo y la regla de decisión asociada se leen de la matriz.
Los riesgos con consecuencias potencialmente altas suelen ser de gran preocupación para los responsables de la toma de
decisiones, incluso cuando la probabilidad es muy baja, pero un riesgo frecuente pero de bajo impacto puede tener grandes
consecuencias acumulativas oa largo plazo. Puede ser necesario analizar ambos tipos de riesgos ya que los tratamientos de
riesgo relevantes pueden ser muy diferentes.
Cuando es posible un rango de diferentes valores de consecuencia de un evento, la probabilidad de cualquier consecuencia
en particular diferirá de la probabilidad del evento que produce esa consecuencia. Generalmente se utiliza la probabilidad de
la consecuencia especificada. La forma en que se interpreta y utiliza la probabilidad debe ser coherente en todos los riesgos
que se comparan.
La matriz se puede utilizar para comparar riesgos con diferentes tipos de consecuencias potenciales y tiene aplicación en
cualquier nivel de una organización. Se utiliza comúnmente como una herramienta de detección cuando se han identificado
muchos riesgos, por ejemplo, para definir qué riesgos deben remitirse a un nivel superior de gestión. También se puede
utilizar para ayudar a determinar si un riesgo dado es ampliamente aceptable o no aceptable según la zona en la que se
encuentra en la matriz. Se puede utilizar en situaciones en las que no hay datos suficientes para un análisis detallado o la
situación no justifica el tiempo y el esfuerzo para un análisis más detallado o cuantitativo. Se puede usar una forma de matriz
de consecuencia/probabilidad para el análisis de criticidad en FMECA (B.2.3) o para establecer prioridades siguiendo HAZOP
(B.2.4) o SWIFT (B.2.6).
Machine Translated by Google
ES EN IEC 31010:2019
– 116 – CEI 31010:2019 CEI 2019
B.10.3.3 Entradas
Es necesario desarrollar una matriz de consecuencias/probabilidades que se adapte al contexto. Esto requiere que
algunos datos estén disponibles para establecer escalas realistas. Los borradores de matrices deben probarse
para garantizar que las acciones sugeridas por la matriz coincidan con la actitud de la organización hacia el riesgo
y que los usuarios comprendan correctamente la aplicación de las escalas.
El uso de la matriz necesita personas (idealmente un equipo) con una comprensión de los riesgos que se califican
y los datos disponibles para ayudar en los juicios de las consecuencias y su probabilidad.
B.10.3.4 Salida
El resultado es una pantalla que ilustra la probabilidad de consecuencia relativa y el nivel de riesgo para diferentes
riesgos y una clasificación de importancia para cada riesgo.
B.10.3.5 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• Es relativamente fácil de usar.
• Proporciona una clasificación rápida de los riesgos en diferentes niveles de importancia.
• Proporciona una visualización visual clara de la importancia relevante del riesgo por consecuencia, probabilidad
o nivel de riesgo.
• Se puede utilizar para comparar riesgos con diferentes tipos de consecuencias.
Las limitaciones incluyen lo siguiente.
• Se requiere una buena experiencia para diseñar una matriz válida.
• Puede ser difícil definir escalas comunes que se apliquen a una variedad de circunstancias relevantes para
una organización.
• Es difícil definir las escalas sin ambigüedades para que los usuarios puedan sopesar las consecuencias y las
probabilidades de manera consistente.
• La validez de las calificaciones de riesgo depende de qué tan bien se desarrollaron y calibraron las escalas.
• Requiere un solo valor indicativo para definir la consecuencia, mientras que en muchas situaciones es posible
un rango de valores de consecuencia y la clasificación del riesgo depende de cuál se elija.
• Una matriz correctamente calibrada implicará niveles de probabilidad muy bajos para muchos riesgos individuales
que son difíciles de conceptualizar.
• Su uso es muy subjetivo y diferentes personas suelen asignar calificaciones muy diferentes a un mismo riesgo.
Esto lo deja abierto a la manipulación.
• Los riesgos no se pueden agregar directamente (por ejemplo, no se puede definir si un número particular de
riesgos bajos, o un riesgo bajo identificado un número particular de veces, es equivalente a un riesgo medio).
• Es difícil combinar o comparar el nivel de riesgo para diferentes categorías de consecuencias.
• Una clasificación válida requiere una formulación consistente de riesgos (lo cual es difícil de lograr).
• Cada calificación dependerá de la forma en que se describa un riesgo y el nivel de detalle dado (es decir, cuanto
más detallada sea la identificación, mayor será el número de escenarios registrados, cada uno con una
probabilidad menor). La forma en que se agrupan los escenarios para describir el riesgo debe ser coherente y
estar definida antes de la clasificación.
B.10.3.6 Documentos de referencia
[89] ELMONSTRI, Mustafa, Revisión de las fortalezas y debilidades de las matrices de riesgo
[90] BAYBUTT, Paul, Calibración de matrices de riesgo para seguridad de procesos
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 117 –
B.10.4 Curvas S
B.10.4.1 Resumen
Cuando un riesgo puede tener un rango de valores de consecuencia, se pueden mostrar como una
distribución de probabilidad de consecuencias (PDF). Véase, por ejemplo, la curva sólida de la figura
B.18. Los datos también se pueden trazar como una distribución acumulativa (CDF), a veces denominada
curva S (línea discontinua en la Figura F.18). El PDF puede ser paramétrico o no paramétrico.
La probabilidad de que una consecuencia exceda un valor particular se puede leer directamente en la
curva S. Por ejemplo, la figura B.18 indica que hay un 90 % de probabilidad de que las consecuencias no
excedan el valor de consecuencia C.
Figura B.18 – Función de distribución de probabilidad y función de distribución acumulativa
En algunos casos, la forma de la distribución se conoce sobre bases teóricas. En otros, la forma de la
distribución se puede obtener a partir de datos o es el resultado de un modelo.
También es posible utilizar el juicio de expertos para estimar el punto bajo del rango de consecuencias,
el punto medio probable y el punto superior del rango. Luego se pueden usar varias fórmulas para
determinar el valor medio de la consecuencia y la varianza, y se puede trazar una curva a partir de esta
información.
B.10.4.2 Uso
Un pdf indica la probabilidad de diferentes valores de consecuencia en una forma visual que muestra el
valor más probable, el grado de variabilidad y el grado en que existe la probabilidad de un evento extremo.
En algunas circunstancias, puede ser útil obtener un único valor representativo de la distribución de
probabilidad, por ejemplo, para compararlo con los criterios de evaluación. A menudo, el valor esperado
(equivalente a la media) se utiliza para representar la mejor estimación de la magnitud de las
consecuencias. (Esto es equivalente a la suma de los productos de las probabilidades y la consecuencia
representada por la curva). Otras medidas incluyen la varianza de la distribución o algún rango de
percentiles, como la dispersión intercuartil (el ancho de la escala encerrado entre los percentiles 25 y 75)
o percentil 5 y 95 (ver por ejemplo VaR B.7.2). Sin embargo, es posible que tales medidas aún no den
suficiente énfasis a la posibilidad de consecuencias extremas, que pueden ser importantes para las
decisiones que se tomen. Por ejemplo, al seleccionar una inversión, se tienen en cuenta tanto el
rendimiento esperado como las fluctuaciones de los rendimientos; Al planificar cómo responder a un
incendio, se deben considerar los eventos extremos, así como las consecuencias esperadas.
Machine Translated by Google
ES EN IEC 31010:2019
– 118 – CEI 31010:2019 CEI 2019
La curva S es una herramienta útil cuando se analizan valores de consecuencia que representan un riesgo
aceptable. Es un medio de presentar datos que facilita ver la probabilidad de que las consecuencias excedan
un valor particular.
B.10.4.3 Entradas
Producir una curva en S requiere datos o juicios a partir de los cuales se pueda producir una distribución
válida. Aunque las distribuciones se pueden producir por juicio con pocos datos, la validez de la distribución
y las estadísticas obtenidas de ella serán mayores cuanto más datos estén disponibles.
B.10.4.4 Salidas
Los resultados son un diagrama que pueden usar los tomadores de decisiones al considerar la aceptabilidad
de un riesgo, y varias estadísticas de la distribución que se pueden comparar con los criterios.
B.10.4.5 Fortalezas y limitaciones
Las fortalezas incluyen lo siguiente.
• La técnica representa la magnitud de un riesgo donde hay una distribución de
consecuencias.
• Los expertos normalmente pueden emitir juicios sobre los valores máximos, mínimos y más probables de
las consecuencias y producir una estimación razonable de la forma probable de una distribución.
Transferir esto a la forma de una distribución acumulativa hace que sea más fácil para un laico usar esta
información. A medida que se dispone de datos de entrada más fiables, la precisión de la curva S
mejora.
Las limitaciones incluyen lo siguiente.
• El método puede dar una impresión de precisión que no está justificada por el nivel de certeza
de los datos a partir de los cuales se produjo la distribución.
• Para cualquier método de obtener un valor o valores de puntos para representar una distribución de
consecuencias, existen suposiciones e incertidumbres subyacentes acerca de: – la
forma de la distribución (por ejemplo, normal, discreta o muy sesgada); – la forma
más apropiada de representar esa distribución como un valor de puntos; – el valor de la
estimación puntual debido a las incertidumbres inherentes a los datos a partir de los cuales
es derivado.
• Las distribuciones y sus estadísticas basadas en la experiencia o datos pasados aún brindan poca
información sobre la probabilidad de eventos futuros con consecuencias extremas pero baja probabilidad.
B.10.4.6 Documento de referencia
[91] GARVEY, P., BOOK SA, COVERT RP Métodos de probabilidad para la incertidumbre de costos
Análisis: una perspectiva de ingeniería de sistemas
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 119 –
Bibliografía
General
[1] Principio "JUEGO" (Globalement au moins équivalent) Metodología de demostración, Guías de
aplicación. Systèmes de transport public guidés urbains de personnes. 2011
[2] FEKETE ISTVAN, Evaluación Integrada de Riesgos para apoyar las decisiones de Gestión
Scholars Press, Saarbrücken, Alemania 2015
[3] PEACE, C. La prueba razonablemente practicable y las evaluaciones de riesgos relacionados con la
seguridad y la salud en el trabajo New Zealand Journal of Employment Relations. 2017, 42(2), 6178".
Técnicas para obtener puntos de vista de partes interesadas y expertos
[4] EN 12973, Gestión del valor
[5] PROCTOR, A. Resolución creativa de problemas para directivos. Abingdon: Routledge
[6] GOLDENBERG, Olga, WILEY, Jennifer. Calidad, conformidad y conflicto: cuestionando los supuestos de
la técnica de lluvia de ideas de Osborn, The Journal of Problem Solving. 2011, 3(2),96108 [consultado
el 13 de febrero de 2019] disponible en: http://
docs.lib.purdue.edu/cgi/viewcontent.cgi?article=1093&context=jps
[7] ROWE, G. WRIGHT, G. La técnica Delphi: perspectivas pasadas, presentes y futuras.
Previsión tecnológica y cambio social. 2011, 78, edición especial de Delphi
[8] MCDONALD, D. BAMMER, G. y DEANE, P. Research Integration Using Dialogue Methods, ANU press
Canberra. 2009 Capítulo 3 Métodos de diálogo para la comprensión de un problema: integración de
juicios. Sección 7 Técnica de grupo nominal [consultado el 13022019]. Disponible en http://
press.anu.edu.au/node/393/download
[9] HARRELL, MC BRADLEY, MA 2009 Métodos de recopilación de datos : un manual de capacitación:
entrevistas semiestructuradas y grupos focales, RAND National Defense Research Institute USA
[consultado el 13 de febrero de 2019].
Disponible en: http://www.rand.org/content/dam/rand/pubs/technical_reports/2009/RAND_TR718.pdf
[10] GILL, J. JOHNSON, P. Métodos de investigación para gerentes 4ª ed. 2010 Londres: Sage Publications
Ltd
[11] SAUNDERS, M. LEWIS, P. THORNHILL, A. Métodos de investigación para estudiantes de negocios
7ª ed. 2016 Harlow: Pearson Education Ltd.
[12] CAJA DE HERRAMIENTAS COMUNITARIAS DE LA UNIVERSIDAD DE KANSAS Sección 13 Realización
de encuestas; [consultado el
13022019]. Disponible en: https://ctb.ku.edu/en/tableofcontents/assessment/assessing
communityneedsand resources/conductsurveys/main
Técnicas de identificación del riesgo
[13] MATHERLY, Carter The Red Teaming Essential: Premier de psicología social para el análisis alternativo
basado en adversarios. 2013 [consultado el 13022019]. Disponible en: https://works.bepress.com/
matherly/6/download/
Machine Translated by Google
ES EN IEC 31010:2019
– 120 – CEI 31010:2019 CEI 2019
[14] Libros electrónicos gratuitos de gestión de Pestle analysis [consultado el 13 de febrero de 2019]. Disponible en: http://
www.freemanagementebooks.com/dldebk/dlstpestle.htm
[15] POPOV, G., LYON, B., HOLLCROFT, B., Evaluación de riesgos: una guía práctica para
Evaluación de Riesgos Operacionales. Hoboken, Nueva Jersey: Wiley, 2016
[16] IEC 62740, Análisis de causa raíz (RCA)
[17] BRUGHTON, Vanda. Clasificación esencial. Publicación de facetas 2015
[18] BAILEY, Kenneth. Tipologías y taxonomías: Una introducción a la técnica de clasificación. Aplicaciones cuantitativas
en las ciencias sociales Serie 7.102 1994 Publicaciones de Sage
[19] VDI 2225 Blatt 1, Konstruktionsmethodik Technischwirtschaftliches Konstruieren
Vereinfachte Kostenermittlung, 1997 Beuth Verlag
[20] IEC 60812, Modos de falla y análisis de efectos (FMEA y FMECA)
[21] IEC 61882, Estudios de riesgos y operabilidad (estudios HAZOP) – Guía de aplicación
[22] RINGLAND, Gill. Escenarios en los negocios, Chichester: John Wiley, 2002
[23] Van der HEIJDEN, Kees. Escenarios: El arte de la conversación estratégica, Chichester; John
Wiley, 2005
[24] CHERMACK, Thomas J. Planificación de escenarios en las organizaciones, San Francisco: Berrett
Koehler Publishers Inc. 2011
[25] MUKUL PAREEK, Uso del análisis de escenarios para gestionar el riesgo tecnológico: [consultado el 13 de febrero
de 2019]. Disponible en http://www.isaca.org/Journal/archives/2012/Volume
en: 6/Pages/UsingScenario
AnalysisforManagingTechnologyRisk.aspx
[26] CARD, Alan J. WARD, James R. y CLARKSON, P. John. Más allá de FMEA: la técnica estructurada de hipótesis
(SWIFT) Journal of Healthcare Risk Management, 2012, 31,(4) 23–29
Técnicas para determinar las fuentes, las causas y los impulsores del riesgo
[27] KERVERN, GY. Elements fondamentaux des cindyniques, Ediciones Económicas 1995
[28] KERVERN, GY. Últimos avances en cindínicos, Ediciones Económicas, 1994
[29] KERVERN, GY. & BOULENGER, P. Cindyniques – Concepts et mode d'emploi, Edición Económica 2007
[30] ISHIKAWA, K. Guía para el Control de Calidad, Organización de Productividad de Asia, 1986
Técnicas para analizar los controles existentes
[31] LEWIS, S. SMITH, K., Lecciones aprendidas de la aplicación en el mundo real del método de corbatín. 6° AICHE.
Congreso Global de Seguridad de Procesos, 2010, San Antonio, Texas [consultado el 13 de febrero de 2019].
Disponible en: http://risktecsolutions.co.uk/media/43525/bow tie%20lessons%20learned%20%20aiche.pdf
Machine Translated by Google
ES EN IEC 31010:2019
CEI 31010:2019 CEI 2019 – 121 –
[32] HALE, AR, GOOSSENS LHJ, ALE, BJM, BELLAMY LA POST J. Gestión de barreras y controles de seguridad en el
lugar de trabajo. En Evaluación y gestión probabilística de la seguridad. Editores SPITZER C, SCHMOCKER, U,
DANG VN,. Berlín: Springer; 2004. págs. 608–13
[33] MCCONNELL, P. y DAVIES, M. Scenario Analysis under Basilea II. [consultado el 13022019]. Disponible en http://
www.continuitycentral.com/feature0338.htm
[34] ISO 22000, Sistemas de gestión de seguridad alimentaria: requisitos para cualquier organización en
La cadena de comida
[35] Sistemas de calidad e inocuidad de los alimentos: un manual de capacitación sobre higiene de los alimentos y el
sistema de análisis de peligros y puntos críticos de control (HACCP) [consultado el 13 de febrero de 2019].
Disponible en http://www.fao.org/docrep/W8088E/w8088e05.htm
[36] IEC 61508 (todas las partes), Seguridad funcional de los sistemas relacionados con la seguridad eléctricos/electrónicos/
electrónicos programables
[37] IEC 61511 (todas las partes), Seguridad funcional – Sistemas instrumentados de seguridad para el proceso
sector industrial
[38] CENTRO PARA LA SEGURIDAD DE LOS PROCESOS QUÍMICOS DEL INSTITUTO AMERICANO DE INGENIEROS
QUÍMICOS Nueva York 2001. Análisis de la capa de protección: evaluación simplificada del riesgo del proceso
Técnicas para comprender la consecuencia y la probabilidad
[39] GHOSH, J., DELAMPADY, M. y SAMANTA, T. Una introducción al análisis bayesiano, Nueva York SpringerVerlag,
2006
[40] QUIGLEY, JL, BEDFORD, TJ y WALLS, LA Obtención de distribución previa. En: Enciclopedia de Estadísticas en
Calidad y Confiabilidad. Wiley. 2008 ISBN 9780470018613
[41] NEIL, Martín y FENTON, Norman. Evaluación de riesgos y análisis de decisiones con
Redes bayesianas. Prensa CRC, 2012
[42] JENSEN, FV, NIELSEN TD Redes bayesianas y gráficos de decisión, 2ª ed.
Springer, Nueva York, 2007
[43] NICHOLSON, A., WOODBERRY O y TWARDY C, Las redes bayesianas de "peces nativos". Informe técnico de
inteligencia bayesiana 2010/3, 2010
[44] TUTORIAL NETICA Introducción a las Redes Bayesianas: ¿Qué es una Red Bayesiana? [visto el 201902
13]. Disponible en https://www.norsys.com/tutorials/netica/secA/tut_A1.htm
[45] ISO/TS 22317, Seguridad social – Sistemas de gestión de la continuidad del negocio –
Directrices para el análisis de impacto empresarial (BIA)
[46] ISO 22301, Seguridad social – Sistemas de gestión de la continuidad del negocio –
Requisitos
[47] ANDREWS JD, RIDLEY LM 2002. Aplicación del método de diagrama de causaconsecuencia a sistemas estáticos,
ingeniería de confiabilidad y seguridad del sistema 75(1) 4758: también en https://dspace.lboro.ac.uk/dspace
jspui/bitstream/2134/695/1/0122.pdf [consultado el 13 de febrero de 2019]
Machine Translated by Google
ES EN IEC 31010:2019
– 122 – CEI 31010:2019 CEI 2019
[48] NIELSEN DS El método del diagrama de causa/consecuencia como base para el análisis cuantitativo de accidentes,
Comisión danesa de energía atómica, RISOM1374, mayo de 1971
[49] IEC 62502, Técnicas de análisis para confiabilidad – Análisis de árbol de eventos (ETA)
[50] IEC TR 63039:2016, Análisis probabilístico de riesgos de sistemas tecnológicos – Estimación de
tasa de evento final en un estado inicial dado
[51] IEC 62508, Orientación sobre los aspectos humanos de la confiabilidad
[52] BELL Julie, HOLROYD Justin, Revisión de los métodos de evaluación de la confiabilidad humana. Ejecutivo de salud
y seguridad del Reino Unido, HMSO 2009, [consultado el 13 de febrero de 2019]. Disponible en http://
www.hse.gov.uk/research/rrpdf/rr679.pdf
[53] OCDE que establece los atributos apropiados en la evaluación actual de la confiabilidad humana
Técnicas para la Seguridad Nuclear, NEA/CSNI/R 2015 [consultado el 13022019] Disponible en:
http://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?cote=NEA/CSNI/R(2 015)1&docLanguage=En
[54] IEC 61165, Aplicación de técnicas de Markov
[55] OXLEY, Alan. Markov Processes in Management Science, publicado por Applied
Probability Trust, 2011 [consultado el 13 de febrero de 2019]. Disponible
en https://studylib.net/doc/8176892/markovprocessesinmanagementscience
[56] Guía ISO/IEC 983:2008/Suppl.1:2008, Incertidumbre de medición – Parte 3: Guía para la expresión de la incertidumbre
en la medición (GUM:1995) – Suplemento 1: Propagación de distribuciones utilizando un Monte Carlo método
[57] UE: Reglamento General de Protección de Datos (Diario Oficial de la Unión Europea, 04.05.2016)
[58] ICO (Reino Unido): Realización de un código de prácticas de evaluación del impacto en la privacidad [consultado el
13 de febrero de 2019] Disponible en: https://ico.org.uk/media/abouttheico/consultations/2052/draft privacy
impactassessmentscodeofpractice.pdf
[59] CNIL (FR), Evaluación del impacto en la privacidad (PIA) [consultado el 13 de febrero de 2019]. Disponible en: https://
www.cnil.fr/en/privacyimpactassessmentpia
Técnicas para analizar dependencias e interacciones
[60] BRYSON, JM, ACKERMANN, F., EDEN, C. y FINN, C. (2004). El pensamiento visible desbloquea el mapeo causal
para obtener resultados comerciales prácticos. Chichester: John Wiley & Sons
[61] ACKERMANN, F, HOWICK, S, QUIGLEY, J, WALLS, L, HOUGHTON, T. Obtención de riesgos sistémicos: uso de
mapas causales para involucrar a las partes interesadas y crear una visión integral de los riesgos, European
Journal of Operational Research 2014, 238 ( 1), 290299
[62] CENTRO CONJUNTO DE INVESTIGACIÓN, COMISIÓN EUROPEA, Análisis de impacto cruzado [consultado el 13
de febrero de 2019] Disponible en: http://
forlearn.jrc.ec.europa.eu/guide/2_design/meth_crossimpactanalysis.htm
Machine Translated by Google
CEI 31010:2019 CEI 2019 – 123 –
Técnicas para proporcionar una medida de riesgo
[63] ORGANIZACIÓN MUNDIAL DE LA SALUD Conjunto de herramientas para la evaluación de riesgos para la salud humana: productos químicos
peligros. 2010 [consultado el 13022019]. Disponible en http://
www.inchem.org/documents/harmproj/harmproj/harmproj8.pdf
[64] Directrices de la EPA de EE. UU. para la evaluación de riesgos ecológicos de 1998 [consultado el 13 de febrero de 2019]. Disponible
en https://www.epa.gov/sites/production/files/201411/
documents/eco_risk_assessment1998.pdf
[65] CHANCE, D., BROOKS, R. Una introducción a los derivados y la gestión de riesgos, (9ª ed.). Publicado Mason, Ohio:
SouthWestern Cengage Learning 2013
[66] THOMAS J. y PEARSON Neil D. Valor en riesgo. Revista de analistas financieros 2000 56,
4767
[67] MUJER , M. Una introducción al Valor en Riesgo, Ed. 5, John Wiley and Sons, Chichester Reino
Unido, 2013
[68] Valor en Riesgo Universidad de Nueva York. [consultado el 13022019]. Disponible en: http://
people.stern.nyu.edu/adamodar/pdfiles/papers/VAR.pdf
Técnicas para evaluar la importancia del riesgo
[69] EJECUTIVO DE SALUD Y SEGURIDAD DEL REINO UNIDO, 2010a: HID'S Approach To 'As Low As Reasonably
Practicable' (ALARP) Decisions [consultado el 20190213] disponible en: http://www.hse.gov.uk/risk/ teoría/
alarpglance.htm
[70] EJECUTIVO DE SALUD Y SEGURIDAD DEL REINO UNIDO, 2010b: Orientación sobre decisiones (ALARP) en el
control de riesgos de accidentes mayores (COMAH), [consultado el 13022019] disponible en: http://
www.hse.gov.uk/ foi/internalops/hid_circs/permisos/spc_perm_37/
[71] EJECUTIVO DE SALUD Y SEGURIDAD DEL REINO UNIDO, 2014: Principios y pautas para ayudar a HSE en sus
juicios de que los titulares de deberes han reducido el riesgo tan bajo como sea razonablemente posible
[consultado el 13 de febrero de 2019] disponible en: http://www.hse .gov.uk/risk/theory/alarp1.htm
[72] INSTITUTO AMERICANO PARA INGENIEROS QUÍMICOS: Comprensión y uso de diagramas FN: Anexo A en
Pautas para desarrollar criterios cuantitativos de riesgo de seguridad. Nueva York. Juan Wiley 2009
[73] EVANS, A. Accidentes fatales de transporte y curvas FN: 19672001. Informe ejecutivo de investigación sobre salud
y seguridad RR 073 [consultado el 13 de febrero de 2019]. Disponible en: http://webarchive.nationalarchives.gov.uk/
20101111125221/http://www.rail reg.gov.uk/upload/pdf/rr073.pdf
[74] Diagrama de Pareto, Excel Easy [consultado el 13022019]. Disponible en: http://www.excel
easy.com/examples/paretochart.html
[75] Diagrama de Pareto [consultado el 13 de febrero de 2019]. Disponible en:
http://www.uphs.upenn.edu/gme/pdfs/Pareto%20Chart.pdf
[76] IEC 60300311, Gestión de la confiabilidad – Parte 311: Guía de aplicación – Mantenimiento centrado en la
confiabilidad
[77] MACKENZIE Cameron A. Resumen del riesgo utilizando medidas de riesgo e índices de riesgo. Análisis de Riesgo,
34,12 21432163 2014
Machine Translated by Google
ES EN IEC 31010:2019
– 124 – CEI 31010:2019 CEI 2019
Técnicas para seleccionar entre opciones
[78] KHOJASTEH, P, (2016). Aplicación de la fórmula beneficiocostoriesgo e indicadores clave de cambio para cumplir
con los objetivos del proyecto [consultado el 13022019]. Disponible en https://www1.bournemouth.ac.uk/sites/
default/files/asset/document/Mon%205.1%20Khojasteh%20Pejman%20Risk.pdf
[79] El Libro Verde, Valoración y Evaluación en el Gobierno Central; Tesorería 2011
Orientación LONDRES: TSO Londres
[80] ANDOSEH, S., et al. El caso de un enfoque de opciones reales para los análisis de costobeneficio ex ante de los
proyectos de investigación agrícola. Política alimentaria 44, 2014, 218226 [consultado el 13022019]. Disponible
en: http://pdf.usaid.gov/pdf_docs/pnaec758.pdf
[81] KIRKWOOD, CRAIG. Decision Tree Primer Universidad de Arizona en análisis de decisiones
y recursos de System Dynamics 2002 [consultado el 13 de febrero de 2019]. Disponible en:
http://www.public.asu.edu/~kirkwood/DAStuff/decisiontrees/
[82] MYERSON, ROGER B., Teoría de juegos: Análisis de conflicto, Harvard University Press,
1991
[83] MARYNARD, SMITH JOHN Evolución y Teoría de Juegos, Universidad de Cambridge
Prensa 1982
[84] ROSENHEAD, J. y MINGER, J. (Eds), Análisis racional para un mundo problemático
Revisado, 2ª ed. Wiley, Chichester Reino Unido, 2001
[85] EN 16271:2012, Gestión del valor. Expresión funcional de la necesidad y especificación del desempeño funcional.
Requisitos para expresar y validar la necesidad a satisfacer dentro del proceso de compra u obtención de un
producto.
[86] CONSEJERÍA DE COMUNIDADES Y ADMINISTRACIÓN LOCAL, Multicriterio
análisis: un manual 2009 [consultado el 13022019]. Disponible en: https://
www.gov.uk/government/publications/multicriteriaanalysismanualformakinggovernmentpolicy
[87] RABIHAH MHD.SUM, Toma de decisiones de gestión de riesgos, 2001 [consultado el 13 de febrero de 2019].
Disponible en: http://www.isahp.org/uploads/47.pdf
[88] VELASQUEZ, M., HESTER, P. An Analysis of Multicriteria Decision Making Methods, International Journal of
Operations Research, 10 (2), 5566, 2013 [consultado el 13022019].
Disponible en: http://www.orstw.org.tw/ijor/vol10no2/ijor_vol10_no2_p56_p66.pdf
Técnicas para registrar y reportar
[89] ELMONSTRI, Mustafa, Revisión de las fortalezas y debilidades de las matrices de riesgo, Journal of Risk Analysis
and Crisis Response, 4 (1), 4957, 2014 [consultado el 13022019].
Disponible en http://www.atlantispress.com/php/download_paper.php?id=11718
[90] BAYBUTT, Paul, Calibración de matrices de riesgo para la seguridad de procesos. diario de pérdida
Prevención en las Industrias de Proceso, 38, 163168, 2015
[91] GARVEY, P., BOOK SA, COVERT RP Métodos de probabilidad para el análisis de incertidumbre de costos: una
perspectiva de ingeniería de sistemas, Ed 2 Anexo E Desentrañando la curva S.
CDN 2016
___________
Machine Translated by Google
INTERNACIONAL
ELECTROTÉCNICA
COMISIÓN
3, rue de Varembé
apartado de correos 131
CH1211 Ginebra 20
Suiza
Teléfono: + 41 22 919 02 11
Fax: + 41 22 919 03 00
[email protected]
www.iec.ch
También podría gustarte
- Guía ISO 31010 para Risk ManagersAún no hay calificacionesGuía ISO 31010 para Risk Managers3 páginas
- ISO 45005.20 - Gestión de SSO Directrices para Trabajo Seguro Durante Pandemia Covid-1933% (3)ISO 45005.20 - Gestión de SSO Directrices para Trabajo Seguro Durante Pandemia Covid-1950 páginas
- ISO 3100-2018 Gestión Del Riesgo - DirectricesAún no hay calificacionesISO 3100-2018 Gestión Del Riesgo - Directrices26 páginas
- Criterios para Evaluación de Normas IAFAún no hay calificacionesCriterios para Evaluación de Normas IAF35 páginas
- IAF MD5 Issue 4 Version 2 11112019Aún no hay calificacionesIAF MD5 Issue 4 Version 2 1111201933 páginas
- 014031NEIS101 - ES Gestión Ambiental. Evaluación Del Desempeño Ambiental. Directrices. (ISO 14031 2013) .100% (1)014031NEIS101 - ES Gestión Ambiental. Evaluación Del Desempeño Ambiental. Directrices. (ISO 14031 2013) .52 páginas
- ISO 45001 Norma Internacional Oficial EspañolAún no hay calificacionesISO 45001 Norma Internacional Oficial Español60 páginas
- Incorporación Del Aspecto Cambio Climático en Normas de Gestión ISO67% (3)Incorporación Del Aspecto Cambio Climático en Normas de Gestión ISO4 páginas
- Conozca La NTC-IEC/ ISO 31010:2020: de Gestión Del RiesgoAún no hay calificacionesConozca La NTC-IEC/ ISO 31010:2020: de Gestión Del Riesgo6 páginas
- Iso 31010 Tecnicas para La Gestión Del Riesgo 2025Aún no hay calificacionesIso 31010 Tecnicas para La Gestión Del Riesgo 202541 páginas
- ISO 31010: Técnicas de Gestión de RiesgosAún no hay calificacionesISO 31010: Técnicas de Gestión de Riesgos3 páginas
- Traducción Iso 31010 Técnicas de Evaluación de Riesgos100% (4)Traducción Iso 31010 Técnicas de Evaluación de Riesgos107 páginas
- ISO 31010 Teórias y Herramientas Modifi. 2009 Al 2019 Artículo100% (1)ISO 31010 Teórias y Herramientas Modifi. 2009 Al 2019 Artículo7 páginas
- Análisis y Gestión Del Riesgo Iso 31000 31010Aún no hay calificacionesAnálisis y Gestión Del Riesgo Iso 31000 3101032 páginas
- ISO 31010GestiondelRiesgo-TecnicasdeEvaluaciondelRiesgo100% (1)ISO 31010GestiondelRiesgo-TecnicasdeEvaluaciondelRiesgo160 páginas
- NTCnnIECnISOn31010 99612d5bc828923Aún no hay calificacionesNTCnnIECnISOn31010 99612d5bc8289239 páginas
- (PDF) NORMA CHILENA ISO 31010 - 2013 Gestión Del Riesgo - Técnicas de Evaluación Del Riesgo20% (10)(PDF) NORMA CHILENA ISO 31010 - 2013 Gestión Del Riesgo - Técnicas de Evaluación Del Riesgo125 páginas
- Funciones y Simplificaciones en Diseño DigitalAún no hay calificacionesFunciones y Simplificaciones en Diseño Digital8 páginas
- Guía Proyecto Integrador INGINDUSTRIALAún no hay calificacionesGuía Proyecto Integrador INGINDUSTRIAL6 páginas
- El Potencial Tecnológico en La Empresa - Grupo BimboAún no hay calificacionesEl Potencial Tecnológico en La Empresa - Grupo Bimbo8 páginas
- HUBBELL BURNDY CAT0 Guía Rápida Industrial 2020 04 1100% (1)HUBBELL BURNDY CAT0 Guía Rápida Industrial 2020 04 188 páginas
- Dinamización de Las Comunidades Virtuales Como Innovación en El Ámbito EducativoAún no hay calificacionesDinamización de Las Comunidades Virtuales Como Innovación en El Ámbito Educativo31 páginas
- Ejemplos de Algoritmos MatemáticosAún no hay calificacionesEjemplos de Algoritmos Matemáticos23 páginas
- Vasquez Rojas, Gustavo - C.I. 7927459 Cbba.-Boleta Eh1Aún no hay calificacionesVasquez Rojas, Gustavo - C.I. 7927459 Cbba.-Boleta Eh11 página
- Capacitación Digital para MayoresAún no hay calificacionesCapacitación Digital para Mayores3 páginas
- G Suite - Enrolamiento MDM Android (ESP CO)Aún no hay calificacionesG Suite - Enrolamiento MDM Android (ESP CO)34 páginas
- Metodología Tránsito, Capacidad y Niveles de ServicioAún no hay calificacionesMetodología Tránsito, Capacidad y Niveles de Servicio23 páginas
- 01 - Módulo 1. Curso de Acreditación Docente para Teleformación (Tutora - Formadora Online)Aún no hay calificaciones01 - Módulo 1. Curso de Acreditación Docente para Teleformación (Tutora - Formadora Online)32 páginas
- Informe Avances Tecnológicos en Los Procesadores de Texto100% (2)Informe Avances Tecnológicos en Los Procesadores de Texto9 páginas
