ETD

• AIS
• ALARP
• ARBAT
• EMSA
• MASS
• RBAT

EMSA’s RBAT method defines a rigorous 5 part workflow (Use of Automation, Hazard Analysis,
Mitigation Analysis, Risk Evaluation, Risk Control) grounded in ConOps, mission model/function tree, unsafe and
enabling conditions, and ALARP based decisions. In current practice, this workflow is often executed as stepwise,
analyst-driven sessions, so risk outputs are not continuously synchronized with live traffic and operational-envelope
changes during port operations.
This thesis develops an experimental real time ARBAT platform that operationalizes RBAT on live data by integrating
AIS stream ingestion, continuous unsafe condition monitoring, baseline and residual risk recalculation, mitigation
crediting (including FDIR and independence checks), and dynamic mode arbitration across Operator Exclusive,
Operator Assisted, and Manual states. The platform is validated in Livorno inspired docking scenarios using AIS
replay and anomaly injection. The implementation is deployed as 5 interoperable microservices, exposes risk outputs
through web, mobile, and API channels, and supports 9 runtime configurable RBAT policy parameters without
service redeployment.
Compared with offline RBAT workflows, the proposed system enables continuous, operational envelope aware risk
assessment and control, delivers a practical realtime implementation of all 5 RBAT parts, and provides dynamic rule
governance with cross platform dissemination of risk decisions for MASS operations.

Il metodo RBAT di EMSA definisce un flusso di lavoro rigoroso in 5 fasi (Uso dell'Automazione, Analisi dei Pericoli, Analisi delle Mitigazioni, Valutazione del Rischio, Controllo del Rischio), fondato su ConOps, modello di missione/albero delle funzioni, condizioni non sicure e abilitanti, e decisioni basate sul principio ALARP. Nella pratica attuale, questo flusso di lavoro viene spesso eseguito come sessioni sequenziali condotte da analisti, pertanto gli output di rischio non sono continuamente sincronizzati con il traffico in tempo reale e le variazioni dell'inviluppo operativo durante le operazioni portuali.
Questa tesi sviluppa una piattaforma sperimentale ARBAT in tempo reale che operazionalizza RBAT su dati live, integrando l'acquisizione di flussi AIS, il monitoraggio continuo delle condizioni non sicure, il ricalcolo del rischio di riferimento e residuo, la valorizzazione delle mitigazioni (inclusi controlli FDIR e di indipendenza) e l'arbitraggio dinamico delle modalità operative tra gli stati Operatore Esclusivo, Operatore Assistito e Manuale. La piattaforma è validata in scenari di attracco ispirati al porto di Livorno, mediante replay AIS e iniezione di anomalie. L'implementazione è distribuita come 5 microservizi interoperabili, espone gli output di rischio attraverso canali web, mobile e API, e supporta 9 parametri di policy RBAT configurabili a runtime senza necessità di ridistribuzione del servizio.
Rispetto ai flussi di lavoro RBAT offline, il sistema proposto consente una valutazione e un controllo del rischio continui e consapevoli dell'inviluppo operativo, fornisce un'implementazione pratica in tempo reale di tutte e 5 le parti RBAT e offre una governance dinamica delle regole con diffusione multipiattaforma delle decisioni di rischio per le operazioni MASS.