張愛琳, 劉曉佳

(集美大學(xué) 航海學(xué)院， 福建 廈門 361021)

隨著“一帶一路”倡議的推進，中國與各參與國之間的貿(mào)易量大幅增加，大量的商品運輸將通過海運完成，進一步促進海運市場的發(fā)展和繁榮。快速發(fā)展的海運市場對船舶引航員的操作技能和綜合素質(zhì)的要求越來越高，而涉及引航員的船舶安全事故的數(shù)量呈現(xiàn)不斷增加的趨勢，在港內(nèi)航道發(fā)生的船舶海損事故更是如此。[1-2]例如,巴拿馬籍“BERANI”輪和“金沙機6688”輪在長江航道發(fā)生的碰撞事故都是引航員不規(guī)范的操作行為引起的。引航員人因可靠性是船舶進出港安全的決定性因素之一。因此，對引航員人因可靠性進行有效預(yù)測有助于保障船舶進出港安全，提升港口的競爭力。

人因可靠性分析(Human Reliability Analysis,HRA)一直是安全領(lǐng)域中的重要課題，認知可靠性和失誤分析方法(Cognitive Reliability and Error Analysis Method,CREAM)作為第2代HRA方法廣泛應(yīng)用于海運領(lǐng)域。AKYUZ等[3]通過CREAM基本版和擴展版分別系統(tǒng)地預(yù)測指定任務(wù)的人因差錯率(Human Error Probability,HEP)，以評估液化石油氣(Liquefied Petroleum Gas,LPG)船貨物過程裝載中的人因可靠性。AKYUZ等[4]利用HTA法將主任務(wù)分成若干子任務(wù)，分別進行HEP計算，增加其敏感性，從而建立基于風(fēng)險的量化CREAM法。其他專家分別通過模糊[5-6]、簡化[7]和結(jié)合[8-9]的方法對CREAM進行改進，從而更加合理簡便地量化HEP。XI等[10]在上述改進基礎(chǔ)上提出一種基于證據(jù)推理(Evidential Reasoning,ER)與CREAM的HEP定量分析法，并結(jié)合不同來源的DOBS，解決海事評估中的不確定性問題。姜菲菲等[11]利用模糊降低主觀因素的影響，同時構(gòu)建情景環(huán)境指數(shù)與HEP的函數(shù)關(guān)系，精確預(yù)測引航員人因可靠性。張錦朋等[12]通過將控制模式概率化獲取HEP。席永濤等[13]采用模糊集合、貝葉斯網(wǎng)絡(luò)(Bayesion Net Work,BN)和ER，對不確定信息條件下的船舶值班駕駛員操作的可靠性進行量化分析。針對引航員人因可靠性的研究大多是從單方面影響因素出發(fā),定性地研究其人因可靠性。例如:張欣欣等[14]從人-組織因素的角度分析引航風(fēng)險致因；張錦朋等[1]建立動態(tài)、靜態(tài)評價指標來定量預(yù)測引航員人因可靠性。引航員的工作受個人、環(huán)境和社會等多方面因素的影響，考慮到情景環(huán)境對人因可靠性的影響，本文以引航員為研究對象，綜合考慮引航員個體因素和情景環(huán)境，構(gòu)建以CREAM為基礎(chǔ)的定量預(yù)測模型,并根據(jù)CREAM的基本原理，對比YANG等[5]在CREAM中的改進，提出將先驗條件概率由確定值轉(zhuǎn)變?yōu)楦怕手担源私档推湓贖EP計算中的主觀性，簡化海運領(lǐng)域中HEP的計算。

1 CREAM方法

CREAM[15]由Hollnagel于1998年建立，其提供一個包含個體、組織和環(huán)境因素的失誤分類系統(tǒng)，通過一系列通用行為條件(Common Performance Condition,CPC)和表格描述原因與結(jié)果之間的關(guān)系。CREAM的核心是情景環(huán)境對人的認知控制模式的影響決定可能發(fā)生認知失誤的概率。CREAM建立混亂型、機會型、戰(zhàn)術(shù)型和戰(zhàn)略型等4種認知控制模式。情景環(huán)境由組織有效性(CPC1)、工作條件(CPC2)、人機界面與運營支持的充分性(CPC3)、規(guī)程/計劃可用性(CPC4)、同時出現(xiàn)的目標數(shù)量(CPC5)、可用時間(CPC6)、值班區(qū)間(CPC7)、培訓(xùn)與經(jīng)驗的充分性(CPC8)和成員合作質(zhì)量(CPC9)等9個因數(shù)構(gòu)成。將每個CPC分為若干個水平，并確定每個水平對人類行為績效的影響(改進、不顯著、降低)，見表1。

CREAM法有基本法和擴展法2種,其中:基本法提供對任務(wù)可能期望的性能可靠性的總體評估;擴展法利用基本法的結(jié)果,可更深入地檢查或調(diào)查任務(wù)的操作?；痉ㄓ嬎憔哂懈倪M影響和降低影響的CPC數(shù)量確定控制模式和相應(yīng)的人因差錯概率區(qū)間(見圖1)，從而判斷其人因可靠性。擴展法利用基本方法的結(jié)果，以便對人類的相互作用進行更詳細的分析。

表1 CPC語義變量/描述

圖1 CREAM基本法控制模式圖

2 改進CREAM模型的建立

2.1 構(gòu)建多輸入多輸出規(guī)則庫

為分析一些難以獲得或不完整的因認識功能失誤導(dǎo)致的人因差錯數(shù)據(jù)，可采用基于模糊集理論中的If-Then規(guī)則的主觀評價法。[5]在傳統(tǒng)的模糊規(guī)則庫系統(tǒng)中，輸入和輸出一般用確定的單一變量表示。當用傳統(tǒng)的規(guī)則庫表示模糊性時，由于輸出的結(jié)果有時不能反映微小的變化，因此傳統(tǒng)的規(guī)則庫具有一定的缺陷。考慮到船舶引航員復(fù)雜多變的任務(wù)環(huán)境，且專家不能100%肯定其對假設(shè)的支持，而僅擁有一定程度的置信度，建立一個不確定性、簡易的If-Then規(guī)則庫,需涉及到所有與置信度相關(guān)的可能結(jié)果。因此,本文建立一個多輸入多輸出的置信規(guī)則庫Rk,用其表示CPC與控制模式之間的關(guān)系為

Rk: IFL1,kANDL2,kAND … ANDL9,k， THEN

{(β1,k，D1)，(β2,k，D2)，(β3,k，D3)，(β4,k，D4)}

(1)

式(1)為在置信規(guī)則庫Rk中，若輸入的語義變量集合為Li,k，則輸出的控制模式結(jié)果為不同置信度的4種控制模式的組合。式(1)中:Dj為4種控制模式;βj,k為控制模式對應(yīng)的置信度;Li,k為CPCi對人類績效產(chǎn)生的改進、不顯著和降低的影響。[7]

例如，若L1表示“組織有效性”這個通用行為條件對人類績效產(chǎn)生的影響，則L1,k可用4種語義變量描述，分別為效果差(L1,1)、無效(L1,2)、有效(L1,3)和非常有效(L1,4)。舉例解釋上述的Rk,有

R3: IFL1,3ANDL2,1ANDL3,1ANDL4,1ANDL5,1ANDL6,1ANDL7,1AND

L8,1ANDL9,1.THEN(0,D1),(0,D2),(0.5,D3),(0.5,D4)

(2)

由式(2)可知:若“組織有效性”是有效(L1,3),“工作條件”是不匹配(L2,1),“人機界面與運營支持的充分性”是不適當(L3,1),“規(guī)程/計劃可用性”是不適當(L4,1),“同時出現(xiàn)的目標數(shù)量”是高于實際能力(L5,1),“可用時間”是連續(xù)不充分(L6,1)，“值班時間”是夜晚(L7,1),“培訓(xùn)和經(jīng)驗的充分性”是不充分(L8,1),“船員合作質(zhì)量”是效果差(L9,1)，則該引航員將在置信度為50%的機會型和50%的混亂型控制模式下完成引航任務(wù)。

該置信規(guī)則庫可映射出9個CPC與4種控制模式之間的不確定性關(guān)系，提供比傳統(tǒng)規(guī)則庫對于不確定認知更豐富、適用的方案。

2.2 CPC績效效應(yīng)評價

每個CPC中包含有限個語義變量，這些語義變量均對其行為的可靠性產(chǎn)生不同的影響，從而影響船舶引航員的績效可靠性。積極的影響可使人類績效的可靠性提高，消極的影響則相反。[16]每個CPC的主要影響都是用來預(yù)測HEP的有用工具。但是，在基本CREAM中，每個CPC的影響都是離散的和確定的(0%或100%)，最終獲得的失誤概率預(yù)測區(qū)間太寬，且相鄰的概率區(qū)間存在交叉。因此，本文先利用模糊數(shù)將離散的確定值轉(zhuǎn)換成連續(xù)值[17](見表2)，再通過去模糊化將連續(xù)值轉(zhuǎn)換成概率值。[6]通過這種方式，可將CPC的不同重要績效水平納入HEP的估算中，結(jié)合CPC績效評估的不確定性,從而降低主觀性。

2.3 調(diào)整CPC依賴性

CREAM基本法利用CPC為任務(wù)環(huán)境定量描述提供一套綜合的、結(jié)構(gòu)化的指標體系。然而，其并不是相互獨立的，而是任意存在相互耦合或依賴關(guān)系。HOLLNAGEL[15]研究CPC影響人行為績效的作用機理，并給出調(diào)整規(guī)則見表3。

當某個CPC效應(yīng)值“不顯著”時，根據(jù)與其相關(guān)的其他因數(shù)效應(yīng)值的共同指向(改進/降低)是否達到閾值進行修正,如表3所示。

2.4 貝葉斯網(wǎng)絡(luò)技術(shù)建模

當模糊輸入可由專家使用具有置信度的語義變量表示時，可采用BN技術(shù)對規(guī)則庫進行建模，以確定控制模式。即將規(guī)則庫中的置信度適當轉(zhuǎn)換為貝葉斯機制中的條件概率。[6]例如第2.1節(jié)的R3可表示為

P(Dj|L1,3，L2,1，L3,1，L4,1，L5,1，L6,1，L7,1，L8,1，L9,1)=

(0,0,0.5,0.5)

(3)

表2 模糊集

表3 CPC因數(shù)調(diào)整規(guī)則

在CREAM基本法中，組織有效性、人機界面與運行支持的充分性和船員合作質(zhì)量有4個水平等級，工作條件、規(guī)程/計劃可用性、同時出現(xiàn)的目標數(shù)量、可用時間和培訓(xùn)與經(jīng)驗的充分性均有3個水平等級，值班區(qū)間有2個水平等級。這就會產(chǎn)生31 104個條件概率用以構(gòu)建網(wǎng)絡(luò)。為方便計算，可使用分離方法減少父節(jié)點的數(shù)量[18]，將9個CPC分成3組,即

G1:CPC1,CPC2,CPC3

G2:CPC4,CPC5,CPC6

G3:CPC7,CPC8,CPC9

(4)

為以條件概率的形式表示規(guī)則庫中的置信度，首先要定義離散函數(shù)fEi、fA、fG1、fG和fCOCOM。

fEi:CPCi→Ei(i=1，2,…，9)

(5)

式(5)中:Ei為CPCi對人行為可靠性產(chǎn)生的期望效應(yīng)(改進、不顯著和降低)，見表4。本文可根據(jù)表4確定CPCi績效效應(yīng)的條件概率。

表4 離散函數(shù)fEi的條件概率

表3中給出的規(guī)則用來確定調(diào)整后的CPCh的條件概率函數(shù)fAh,有

fAh:(Eh+Eh，D)→Ah,h=2,5,6,9

(6)

式(6)中:Eh為CPCh自身的期望效應(yīng)值;Eh,D為CPCh的依賴CPCi的期望效應(yīng)值(改進/降低);Ah為調(diào)整后的CPCh的期望效應(yīng)值(改進/降低)。例如調(diào)整后的CPC9因數(shù)的條件概率見表5。

表5 調(diào)整后的CPC9的條件概率

根據(jù)表1中列出CPC的期望效應(yīng)值，計算改進/降低效應(yīng)值的數(shù)量,由此定義離散函數(shù)fG1和fG分別為

(7)

由表1可知:CPC5和CPC7的期望效應(yīng)值不包括改進，因此fG2和fG應(yīng)該被修改，可改為

(8)

式(7)和式(8)中:+為改進效應(yīng)值；-為降低效應(yīng)值。

fG1和fG的條件概率見表6和表7。

表6 fG1的條件概率

表7 fG的條件概率

根據(jù)圖1定義函數(shù)fCOCOM。與COCOMj相對應(yīng)的條件概率見表8。

表8 fCOCOM的條件概率

根據(jù)式(4),采用BN技術(shù)建立十節(jié)點會聚連接模型,有

i=1,…,9;j=1,…,4

(9)

式(9)中:P(COCOMj)為控制模式j(luò)的概率；Ji為第i個CPC的語義變量數(shù)，Ji=1,2,3,4(i=1,3,9)或Ji=1,2,3(i=2,4,5,6,7,8)；P(NiJi)為第i個CPC的先驗概率。

2.5 HEP計算

根據(jù)上述步驟獲得的控制模式概率結(jié)果，可計算HEP。[13]HEP值越大，人類績效可靠性水平就越低。

(10)

式(10)中:UCOCOMj為一組值{2.24×10-4,0.01,0.070 8,0.316},用以進行基準測試;j=1,2,3,4(戰(zhàn)略型、戰(zhàn)術(shù)型、機會型、混亂型)。

3 實例驗證

3.1 實例描述

按照我國沿海某引航站的引航計劃，2020年 2月 4日06:10，某引航員將要執(zhí)行大型船舶管理公司的CAPE SIZE船舶自蝦蛭門南錨地至武港碼頭的引航任務(wù)。執(zhí)行任務(wù)期間,風(fēng)力為5～6級，中云，陰，船舶交通量少，通航密度??；與引航相關(guān)的人機界面(Man Machine Interface,MMI)具有充分適當性，已確定船舶靠離泊時間；引航員引航資歷為11 a。為保證水域通航安全，可對執(zhí)行此次引航作業(yè)任務(wù)的引航員的人因可靠性進行預(yù)測，為其提供理論依據(jù)。

3.2 船舶引航員HEP計算

通過問卷調(diào)查對與CPC有關(guān)的數(shù)據(jù)進行收集，調(diào)查問卷設(shè)計30個問題，根據(jù)從“強烈不同意”到“非常同意”的5級李克特量表進行評分。例如:“人機界面與運營支持的充分性CPC3”,此CPC因數(shù)通過5個問題進行評估，如“引航員可隨時查看引航調(diào)度系統(tǒng)”“各類助航引航信息易于獲取，如船舶、港口和航道基礎(chǔ)信息,與引航作業(yè)相關(guān)的水文、氣象和船舶姿態(tài)等數(shù)據(jù)”“引航員能夠及時接收動態(tài)感知數(shù)據(jù),如船舶全球定位系統(tǒng)/船舶自動識別系統(tǒng)/北斗位置數(shù)據(jù)、船舶交通服務(wù)等雷達數(shù)據(jù)、其高頻通信數(shù)據(jù)和語音數(shù)據(jù)等”“引航員便攜終端智能化”等問題。對于只存在特定狀態(tài)的CPC直接采用描述統(tǒng)計方法，例如，“值班區(qū)間CPC7”是白天或夜晚。利用5級李克特量表處理問卷,獲得每個CPC的效應(yīng)評價值見表9。為克服CREAM存在的不足，根據(jù)第2.2節(jié)內(nèi)容，先利用模糊數(shù)將評價值轉(zhuǎn)換成模糊值，再采用重心法進行解模糊操作，得到概率值。

采用MSBNx軟件處理CPC的績效效應(yīng)值，構(gòu)建改進CREAM模型以確定控制模式，結(jié)果見圖2。

該一級引航員執(zhí)行此次引航任務(wù)時可能發(fā)生HEP為0.009 4。

表9 CPC績效效應(yīng)值

圖2 控制模式結(jié)果

3.3 結(jié)果分析

根據(jù)傳統(tǒng)的CREAM基本法進行分析，只能獲得該引航員在此情景環(huán)境下執(zhí)行引航任務(wù)時的控制模式為“戰(zhàn)術(shù)型”，失誤概率區(qū)間為(0.000 1,1.000 0)。與基本法相比，采用本文所述方法得到的結(jié)果更準確,精度更高。

為檢驗?zāi)Ｐ偷姆€(wěn)定性和有效性，采用靈敏度分析方法進行分析，結(jié)果見表9。對CPC1的評價值以10為增量進行分析，由表9可知:HEP逐步降低。組織的有效性增強，進一步對人因可靠性產(chǎn)生正面影響，HEP也會隨之下降，從側(cè)面證明了模型的穩(wěn)定性和有效性。

表9 靈敏度分析

4 結(jié)束語

1)模型能夠獲得特定情景環(huán)境下引航員人因可靠性的精確值，與CREAM基本法獲得的預(yù)測結(jié)果相比精度更高，可為引航員人因可靠性分析提供輔助決策。

2)提供一種簡單的HRA思路，采用李克特5級評價量表收集數(shù)據(jù)，將數(shù)據(jù)轉(zhuǎn)換成概率值，并基于BN,采用MSBNx軟件進行分析。

3)模型只對總?cè)蝿?wù)HEP進行量化，沒有將復(fù)雜任務(wù)分解為簡單認知行為，從而獲得認知行為的HEP。