劉艷琪，張 力,,*，劉雪陽，劉建橋，李林峰

(1.南華大學(xué) 核科學(xué)與技術(shù)學(xué)院，湖南 衡陽 421001；2.湖南工學(xué)院 人因與安全工程研究院，湖南 衡陽 421002；3.蘇州熱工研究院有限公司，江蘇 蘇州 215000)

人因可靠性分析(HRA)對概率安全評價(PSA)的質(zhì)量有很大影響，是國際原子能機構(gòu)(IAEA)高度關(guān)注的問題。HRA的主要目標(biāo)為分析正常工況和事故工況下的人因失誤，并量化其發(fā)生概率。HRA方法一般可分為時間關(guān)聯(lián)的可靠性分析[1-3]和行為形成因子(PSF)關(guān)聯(lián)的可靠性分析[4-6]兩大類，其中基于PSF的HRA方法中有一部分是利用PSF集調(diào)整人因失誤概率(HEP)，如人誤率預(yù)測技術(shù)(THERP)[7]、人誤評價與減少技術(shù)(HEART)[8]、認(rèn)知可靠性和失誤分析方法(CREAM)[9]，有一部分根據(jù)評級和整合的PSF得到HEP，如成功似然指數(shù)法(SLIM)[4]和人因可靠性社會技術(shù)評估法(STAHR)[5]，還有一些HRA方法如CREAM、復(fù)雜系統(tǒng)中認(rèn)知可靠性分析法(INCORECT)[10]和人誤分析技術(shù)(ATHEANA)[11]利用PSF集進(jìn)行定性和定量分析整個工作環(huán)境和促使犯錯的背景。上述文獻(xiàn)提出的影響人因可靠性的PSF很多，但分析PSF對人因可靠性影響程度的方式是通過專家評判，從而帶有主觀性、模糊性和不確定性，且用于量化HEP的每套PSF都不是相互正交和獨立的，它們之間存在相互影響，從而給HEP的量化帶來錯誤的估計。實際上不同類型的人因事件，主要影響人的行為可靠性的PSF各有異同，上述文獻(xiàn)未給出一種有效方法以識別不同類型的人因事件中影響人行為可靠性的主要的PSF，為人因失誤的預(yù)防提供決策支持。

本文對典型HRA方法中提出的PSF進(jìn)行總結(jié)研究，考慮標(biāo)準(zhǔn)化核電廠風(fēng)險分析人因可靠性分析方法(SPAR-H)[12]、核設(shè)施安全委員會(CSNI)[9]及HRA在實踐操作中PSF的分類[13]，通過對主控室操縱員和主控室全尺寸模擬機培訓(xùn)教員進(jìn)行問卷調(diào)查，運用德爾菲法，再結(jié)合數(shù)字化控制系統(tǒng)中的情境環(huán)境特征的分析[14]，識別核電廠數(shù)字化主控室中典型的PSF，構(gòu)建數(shù)字化主控室影響操縱員績效的15個基本評價指標(biāo)。利用人因事件的相關(guān)系數(shù)矩陣、圖的距離分類和主成分分析法(PCA)相結(jié)合的思想構(gòu)建核電廠數(shù)字化主控室操縱員PSF的評價模型。

1 PSF評價指標(biāo)的建立

在定性的HRA中PSF被認(rèn)為是失誤的原因和貢獻(xiàn)因子，在定量的HRA中PSF被用來量化人因失誤概率，故PSF在HRA方法中起著重要的作用。通過對典型HRA方法中PSF分類的研究，如CREAM選擇9個共同績效條件(CPC)、NUREG-1792選擇14個PSF、SPAR-H選擇8個PSF及Groth等[15]的9個因子模型，IDAC模型[16]研究了人因失誤與情境環(huán)境的關(guān)系，把影響關(guān)系分成3類：單因素主導(dǎo)影響(用I表示)，即PSF本身對具體的行為有著顯著影響；集體因素共同主導(dǎo)影響(用C表示)，即1組PSF像I類PSF一樣有同樣影響；可調(diào)整影響(用A表示)，即對行為響應(yīng)有某種程度影響，看作是對影響程度的修正因素，但沒有I和C類影響重要。在文獻(xiàn)調(diào)研的基礎(chǔ)上，以常見的8種HRA方法中的PSF為基礎(chǔ)，運用問卷調(diào)查和德爾菲法篩選出與數(shù)字化核電廠主控室操縱員行為失誤相關(guān)的PSF集，列于表1。

2 基于主成分分析的PSF篩選模型

常用HRA方法有50多種PSF，它們之間存在相互影響，給HEP的量化帶來錯誤的估計。然而不同類型的人因事件，主要影響人行為可靠性的PSF各有異同，為能用較少的因子反映較多因素的信息，采用PCA來進(jìn)行降維，定量篩選因素，盡可能多地減少冗余因素，從而簡化影響人因可靠性的PSF指標(biāo)體系，更有利于管理決策，提高人因可靠性。

主成分分析[17-18]的優(yōu)點是在保證原始數(shù)據(jù)信息損失最小的情況下，用少數(shù)綜合變量取代原有的多維變量，使數(shù)據(jù)結(jié)構(gòu)大為簡化，避免主觀隨意性。在實際情況中，并不是所有人因事件的主成分都是一樣的，因此本文在進(jìn)行主成分分析前先對人因事件進(jìn)行聚類，再從各類事件集中對PSF進(jìn)行主成分分析。PSF篩選模型的建立分為兩個過程：首先利用人因事件報告建立事件與PSF的關(guān)聯(lián)矩陣，根據(jù)關(guān)聯(lián)陣得到事件間的相關(guān)系數(shù)矩陣，根據(jù)相關(guān)系數(shù)矩陣構(gòu)造的完全賦權(quán)圖對人因事件進(jìn)行分類[19-20]；然后從聚類后的人因事件集對PSF進(jìn)行主成分分析。

表1 核電廠數(shù)字化主控室操縱員PSF集

2.1 基于相關(guān)系數(shù)矩陣的人因事件分類模型

用人因事件的相關(guān)性對事件進(jìn)行分類，以事件為頂點，事件間的相關(guān)系數(shù)作為完全賦權(quán)圖中邊的權(quán)值；得到事件間的完全賦權(quán)圖，根據(jù)相關(guān)系數(shù)大小將原始事件進(jìn)行分類，并根據(jù)實際需求給定的相關(guān)系數(shù)臨界值作為分類標(biāo)準(zhǔn)。

事件分類的具體步驟如下。

i=1,2,…,n;j=1,2,…,m

(1)

步驟2，根據(jù)事件間的相關(guān)系數(shù)得到距離完全賦權(quán)圖G，令每一個事件與圖G中1個頂點v一一對應(yīng)，圖G的頂點集V={v1,v2,…,vk}，從而邊集E={(u,v)|?u∈V,?v∈V,u≠v}，則圖G為1個完全簡單圖。

設(shè)每條邊(vi,vj)(i≠j)上賦權(quán)為wij=ρij，將圖G中的每一條邊賦權(quán)wij，則圖G為1個完全賦權(quán)圖。

步驟3，給定相關(guān)系數(shù)的臨界值，對指標(biāo)進(jìn)行分類。對事件進(jìn)行分類，實質(zhì)上是對圖G的頂點集進(jìn)行一個劃分，即V=V1∪V2∪…∪Vt。其中，Vi∩Vj=Φ(i,j=1,2,…,t)且Vi={u|?u∈V,?v∈V有d(u,v)≤ρ}∪{v}，ρ為事先給定的閾值。

根據(jù)相關(guān)系數(shù)矩陣構(gòu)造的完全賦權(quán)圖聚類算法步驟如下：1) 輸入圖G；2) 計算每個頂點的度，按度排序記為d(v1)≥d(v2)≥…≥d(vn)；3) 找v1的鄰集，記為N(v1)；4) 找聚類團Ks，使得v1∈V(Ks)，求G[v1∪N(v1)]/{v1}的最大完全圖；5)G=G/Ks，返回步驟2，直到G為空，輸出所有的Ks，即得到聚類的結(jié)果。

這個聚類算法的優(yōu)點是直觀地把相關(guān)性較高的因素聚成一團，圖頂點度越大，聚類效果越好，但對度越小的頂點容易分成很多類，在精確度上有一定的缺陷，且聚類結(jié)果不是唯一的。本文在此基礎(chǔ)上進(jìn)行了優(yōu)化，在團與團之間再進(jìn)行聚類，其基本思想是定義團與團之間的相關(guān)系數(shù)，再以團作為頂點，團與團之間的相關(guān)系數(shù)為圖中邊的權(quán)值，得到完全賦權(quán)圖，給定相關(guān)系數(shù)的臨界值再對團進(jìn)行聚類。團G1與G2間的相關(guān)系數(shù)η定義為：

(2)

其中：ρvivj為邊vivj上的相關(guān)系數(shù)；‖E[V1,V2]‖為邊集E[V1,V2]中邊的數(shù)目，E[V1,V2]={vivj|vi∈V1,vj∈V2，vivj∈G}，V1=V(G1)；V2=V(G2)。

2.2 基于主成分分析的因素篩選模型

PCA的基本思想是對數(shù)據(jù)進(jìn)行降維，把原來眾多且相關(guān)性較高的指標(biāo)x1，x2，…，xp重新進(jìn)行組合，用1組有較少且互不相關(guān)(正交)的綜合指標(biāo)Zm(m

(3)

其中：xi為第i個指標(biāo)，i=1,2,…,p；zj為第j個主成分，j=1,2,…,m；lji為第j個主成分中第i個因子對應(yīng)主成分的因子載荷；p為指標(biāo)個數(shù)；m為主成分個數(shù)。

主成分分析指標(biāo)篩選的具體步驟如下。

步驟1，從聚類的事件集中計算PSF的相關(guān)系數(shù)矩陣R。

(4)

步驟2，求出相關(guān)系數(shù)矩陣R的特征值λi和它對應(yīng)的特征向量ei(i=1,2,…,p)、方差的貢獻(xiàn)率ωi和累積的貢獻(xiàn)率G(m)。

其中λi的意義是第i個主成分能解釋原指標(biāo)的數(shù)據(jù)的總方差，則第i個主成分對原指標(biāo)數(shù)據(jù)方差的貢獻(xiàn)率ωi為：

(5)

累計的貢獻(xiàn)率G(m)為：

(6)

步驟3，據(jù)累計貢獻(xiàn)率(或特征值)選擇主成分，最后確定主成分的個數(shù)m。選取主成分的準(zhǔn)則為：取G(k)≥85%所對應(yīng)的主成分或取λi>1對應(yīng)的主成分。

步驟4，通過計算λi對應(yīng)的特征向量ei從而得到主成分的因子載荷lij。

設(shè)aij為λi對應(yīng)的特征向量ei中第j個分量，lij為：

(7)

步驟5，以主成分的因子載荷lij的絕對值來篩選指標(biāo)。lij的絕對值越大表明PSF對評價結(jié)果的影響越顯著，則越應(yīng)保留；lij的絕對值越小則表明PSF對評價結(jié)果的影響越弱，則越應(yīng)刪除。

3 實例分析

3.1 人因事件分類

以某數(shù)字化運行核電廠179起人因事件報告為例，令每個事件為圖G中的1個頂點v，則G的頂點集為V={v1,v2,…,v179}。根據(jù)人因事件與表1的15個具體PSF的關(guān)聯(lián)矩陣，將數(shù)據(jù)代入式(1)，計算得到各事件間的相關(guān)系數(shù)rij，得到相關(guān)系數(shù)矩陣；以rij作為圖G上每條邊(vi,vj)所對應(yīng)的權(quán)wij，得到權(quán)矩陣W=[wij]179×179。給定閾值|ρ|=0.6(即在完全賦權(quán)圖中相關(guān)系數(shù)的絕對值大于等于0.6的邊保留，相關(guān)系數(shù)的絕對值小于0.6的邊刪除)，根據(jù)完全賦權(quán)圖構(gòu)造的團聚類方法聚類結(jié)果如圖1a所示，再進(jìn)行團之間的聚類，結(jié)果如圖1b所示。從最終聚類結(jié)果可知，179起人因事件聚成7類，與經(jīng)HRA專家事先定義的技能型、規(guī)則型、知識型人因事件的分類結(jié)果幾乎一致。

3.2 PSF篩選

將聚類后的團(事件集)以聚類得到的規(guī)則型事件集為例對15個PSF進(jìn)行主成分分析，將PSF相應(yīng)的數(shù)據(jù)代入式(3)～(7)，應(yīng)用SPSS軟件進(jìn)行主成分分析，選擇主成分的特征值大于1或累計方差貢獻(xiàn)率大于85%的各主成分中因子載荷的絕對值較大的PSF，本文選取第1主成分中因子載荷絕對值大于0.8的PSF和第2、3主成分中因子載荷絕對值最大的PSF，分析結(jié)果列于表2、3。由表2可知，提取前3個主成分，即m=3。由表3可知，人機界面交互性、顯示系統(tǒng)的合理性、信息質(zhì)量、任務(wù)復(fù)雜度、規(guī)程設(shè)計的合理性、時間負(fù)荷、班組間溝通的質(zhì)量在第1主成分上有較高荷載，班組成員構(gòu)建的合理性在第2主成分上有較高荷載，安全文化氛圍在第3主成分上有較高荷載。

a——第1次聚類結(jié)果；b——第2次聚類結(jié)果

表2 主成分的特征值和方差貢獻(xiàn)率

表3 主成分因子載荷矩陣表

3.3 實驗結(jié)果

以某核電廠的179起人因事件對本模型進(jìn)行驗證，通過聚類對其分為技能型人因事件、規(guī)則型人因事件、知識型人因事件、技能和規(guī)則混合型人因事件、技能和知識混合型人因事件、規(guī)則和知識混合型人因事件7大類，對其中的規(guī)則型人因事件通過主成分分析法從15個影響人因可靠性的基本評價指標(biāo)中篩選出9個指標(biāo)，即人機界面交互性、顯示系統(tǒng)的合理性，信息質(zhì)量、任務(wù)復(fù)雜度、規(guī)程設(shè)計的合理性，時間負(fù)荷、班組成員構(gòu)建的合理性、安全文化氛圍。

4 小結(jié)

人因可靠性受諸多PSF的影響，但PSF對人因可靠性影響程度的估計是通過專家評判，從而帶有主觀性、模糊性和不確定性，且用于量化HEP的每套PSF均不是相互正交和獨立的，它們之間存在著相互影響。在實際中不同類型的人因事件，主要影響人可靠性的PSF各有異同，本文利用相關(guān)系數(shù)矩陣、圖的距離分類和主成分分析法相結(jié)合的思想建立了核電廠數(shù)字化主控室操縱員PSF的評價模型，針對不同類型的人因事件選出影響人可靠性的主要PSF，為人因失誤的預(yù)防提供決策支持。以某核電廠的179起人因事件對本模型進(jìn)行驗證，聚類結(jié)果比較理想，在同類型人因事件中提出的主要影響人因可靠性的PSF與當(dāng)今主流的HRA方法提出的PSF幾乎一致。