海洋工程人因可靠性定量分析方法与应用

柴 松，余建星，杜尊峰，晋文超，周清基

(天津大学建筑工程学院港口与海洋工程教育部、天津市重点实验室，天津 300072)

人因可靠性分析(human reliability analysis，HRA)是人-机工程学的延续和发展，是以分析、预测、减少与预防人的失误为研究核心，以行为科学、认知科学、信息处理和系统分析、概率统计等理论为基础的新兴学科[1]．发展至今，其研究方法大致可归为两类：以THERP为代表的第1代HRA方法，及以CREAM和 ATHEANA为代表的第 2代 HRA方法．第 1代 HRA方法基本上可以归为“任务决定论”和“时间决定论”．而第2代HRA方法的共同特征是认为完成任务时所处的环境条件才是人为失误的决定因素，即所谓的“环境决定论”[2-3]．

认知可靠性与失误分析方法[4-5](cognitive reliability and error analysis method，CREAM)诞生于1998年，其核心思想是通过对工作人员所处任务环境的评价，来实现对失误概率的预测，因此它不依赖于人因数据的统计资料，同样可以得出合理的人误概率．

海上生产装置的设备繁多、布置密集，工作环境艰苦，危险性高，同时由于远离陆地、人员密集，火灾爆炸等事故一旦发生，人员难以及时疏散，其后果往往非常严重[6]．因此，如何利用CREAM方法的优势，建立一个符合海上生产作业特点的人因可靠性定量分析过程，是目前存在的一个问题．在应用于工程实践时，一方面，尽管 CREAM 方法提供了一个科学的人误概率的定量分析模型，并且被成功地应用[7-10]，但是这些应用都没有深入进行可靠度的分析；另一方面，CREAM 方法本身是来源于核工业领域，因此其对环境的定义和描述方式并不能完全适用于海上油气生产设施．为此，笔者根据海上作业的特点对CREAM做出了必要的改进，然后将CREAM方法与Markov方法相结合，建立了更为完整的人因可靠性定量分析模型．

1 人因可靠性定量分析

1.1 CPC与控制模式

CREAM方法将环境影响因素归纳为9种，称为共同绩效条件(common performance condition，CPC)．同时，为了描述人的期望行为，还定义了 4种控制模式，分别为：战略型、战术型、机会型及混乱型，其所对应的人因可靠性程度依次降低．通过对CPC的评价可以确定任务环境对人因可靠性的影响水平，进而可以得到在这种环境下人将处于何种控制模式，最后根据控制模式便可以预测人的失误概率．

结合海上生产设施的特点，并根据工作现场的实际情况以及专家的建议，将CPC修改为7项，见表1.

表1 共同绩效条件Tab.1 Common performance condition

CPC对人因可靠性的期望影响可以分为 3种：①提高可靠性；②对可靠性的影响不显著；③降低可靠性．为了方便地描述任务环境对可靠性的综合影响，将CPC对人因可靠性的影响进行了量化，即

式中 Ccpc,i表示第 i项 CPC对人因可靠性影响的量化值．

为表征任务环境的综合影响，定义可靠性影响指数R即

式中ωi为CPC权重．CREAM方法中对所有的 CPC都同等对待，并未考虑到不同环境因素对人员的影响程度不同．实际上，对 CPC赋予相应的权重，可以使得CPC对于任务环境的描述更加合理．

由式(2)可知，R的最大、最小值分别为7和-7，因此，可靠性影响指数R与控制模式的对应关系见表2(表中概率区间由文献[4]给出)．

表2 R与控制模式的对应关系Tab.2 R and control mode

1.2 可靠性影响指数与人误概率

在 CREAM 方法中，任务环境与人因可靠性的关系见图1[4]．

图1 任务环境与人因可靠性的关系曲线Fig.1 Relationship of task environment and human reliability

从图 1中可以看出，在正常范围内，人因可靠性会随着任务环境的改善而提高．因此，可以假设任务环境与人误概率(human error probability，HEP)之间存在着一个近似的对应关系．基于这样的假设，采用自然对数模型来拟合人误概率 PHEP与可靠性影响指数R之间的关系．

令

式中k是一个常量，可以由下列公式推导，即

因此

根据表2中控制模式对应的失误概率区间，可以取 PHEP,max= 1 .0，PHEP,min= 0 .000 05，Rmax=7，Rmin=−7.因此由式(6)和式(7)可以求得 k ≈−0 .707 4，PHEP,0≈ 0 .007 071．

于是，有

1.3 可靠性定量分析

Markov方法是可靠性研究中广泛使用的方法之一；在人因可靠性研究中，Markov方法可以用于分析任务时间连续时间的人因可靠性[11-12]．

利用 Markov方法计算人因可靠性首先应当建立状态空间模型．假设分析对象属于最简单的情况，即只有两个状态，其状态空间如图2所示．

图2 状态空间模型Fig.2 State space model

由图2，可得状态方程

式中：P0( t + Δt )表示在(t + Δt )时间内正确执行任务的概率；P0( t)表示在时间t内正确执行任务的概率；P1( t + Δt )表示在(t + Δt )时间内发生人为错误的概率；P1( t)表示在时间t内发生人为错误的概率；λ表示平均错误率；λΔt表示在Δt内发生人为错误的概率．

对式(9)和式(10)变形，并求极限可得

由式(8)计算得到的 PHEP，表示在一段时间内发生人误的概率的平均值．因此，可以认为它近似等于平均错误率，即HEPPλ≈．同时，考虑到海上工作一般为每天12 h，所以对应的可靠度计算为

可靠时间为

由式(17)绘制曲线图，如图3所示．

图3 人因可靠度与R的关系曲线Fig.3 Relationship of human reliability and R

将图 3与图 1比较，可以看出随着 R由小到大(即任务环境由不利到有利)人因可靠性随之提高，而且其变化趋势与图1所示一致，这就证明采用自然对数模型来拟合人因失误概率与CPC之间的关系是合理的．

在结构可靠性中，可靠性指标β可以代替失效概率fP来度量结构的可靠性，并且得到了广泛的应用．β与fP之间具有一一对应的关系，如

根据可靠性指标的概念及式(19)所示的关系，引入了人因可靠性指标hβ，令

式中1( )Φ−表示标准正态分布的反函数．

根据 CREAM方法中关于认知行为控制模式的阐述，人的4种行为控制模式实际上描述了人在不同情景下的可靠程度，因此结合表2并对失误概率区间的端点值进行调整，可以得到人因可靠度与控制模式及失误概率的对应关系如表3所示．

表3 控制模式与人因可靠度的对应关系Tab.3 Control mode and human reliability

依据表 3中的概率区间，利用式(20)将失误概率转化为可靠性指标，于是得到以人因可靠性指标表示的可靠性评价标准，如表4所示．

表4 人因可靠性评价标准Tab.4 Human reliability evaluation criteria

2 实例计算

根据定量分析模型，图4为确定的分析流程．

图4 分析流程Fig.4 Analysis process

根据此分析流程，对渤西海域某固定式平台工作人员的人因可靠性进行了分析研究．

1) 环境分析

在环境分析阶段，根据工作现场的实际情况，编制了面向现场工作人员的调查表，以收集来自现场人员的直观感受和信息，从而实现对任务环境更加客观准确的评价．该调查表以表 1为基础进行设计(共计7组53道题目)，并面向一线工人进行了发放．

2) CPC权重分析

根据对海上生产装置工作现场的研究，可以将CPC对人因可靠性的影响方式分为直接影响和间接影响(如表 5所示)．①直接影响：直接、快速地作用于人的认知功能，从而对认知可靠性产生影响；②间接影响：通过间接的方式影响人的认知功能，逐渐地影响其认知可靠性．

表5 不同的影响方式Tab.5 Different modes of effects

两种影响方式相比，前者通常是即时的、突然的，而后者则是逐渐积累的过程；因此，对于现场人员的可靠性评估而言，直接影响的效果更为显著．

据此，邀请专家(所邀请专家均来自于海洋工程领域，其中大学教授 4人、企业工程师 6人)进行评价，然后利用模糊层次分析法计算出权重值(见表 6和表7)．

表6 专家调查样表Tab.6 Examples of experts questionnaire

表7 权重计算结果Tab.7 Results of weight

3) CPC对人因可靠性影响的评价

由于采用了问卷调查的方式进行信息收集，因此实现了由调查表结果—→CPC水平—→对人因可靠性影响的评价过程．

根据每道题目的设计意图和实际得到的回答，确定不同选项对 CPC水平的期望影响，进而确定对应的量化值，即对有利于提高人因可靠性的答案计 1分，对其他的答案计零分．

问卷回收之后的统计结果如表8所示(表中分组编号与问卷中的问题相对应，括号中的数字表示该组题目的个数，T1～T9表示样本编号)．

实际调查中发现一线工人与管理人员由于思考问题的角度不同，对于问题的认识存在较大差异．因此，有必要根据调查对象的岗位性质，对得分统计值进行修正．

表8 问卷得分结果Tab.8 Score statistics

一线工人：认为其对现场因素的判断比对管理因素的判断更加准确．

管理人员：认为其对管理因素的判断比对现场因素的判断更加准确．

根据上述原则，采用与计算 CPC权重相同的方法计算得到修正系数，如表9所示．

利用修正系数对表8中的得分进行修正，即

问卷在设计之初便考虑了与 CPCs之间的对应关系，因此，可以根据式(21)的计算结果，得到对应的 CPC对人因可靠性的影响，具体的转化关系如表10所示(分数统计值的区间是由该组题目的数量乘以经验系数得到)．

表9 修正系数Tab.9 Correction factor

表10 CPC评价Tab.10 CPC evaluation

对修正后的样本得分求平均值，再根据表 9的转化关系求出CPC对人因可靠性的影响，并由式(1)得到CPC对人因可靠性影响的量化值见表11．

4) 可靠性影响指数

将表 11中的 Ccpc,i及表 7中的权重值带入式(2)，可以得到 R = 1 .869．

5) 分析结果

将可靠性影响指数分别代入式(17)、式(18)及式(20)，可以得到人因可靠性分析结果，如表12所示．

由计算结果可知，该平台人的可靠性水平为较高，即在保证执行日常的安全监管及正常的作业要求的情况下，人的绩效输出能够得到保证．同时，由现场调查发现，该平台上实施了完整的健康、安全、环境(health, safety, envionment，HSE)管理体系，日常生产及安全管理亦落实到位，人员无错误工作时间与分析结果基本吻合，因此可以认为，该分析结果是合理的．

表11 评价结果Tab.11 Evaluation results

表12 人因可靠性分析结果Tab.12 Human reliability analysis results

3 结 论

(1) 改进后的共同绩效条件能够更好地反映海洋工程的作业特点和任务环境，实例分析结果表明，改进后的 CPC适用于海上生产设施的人因可靠性分析，并且有助于提高分析的准确性．

(2) 以CREAM和Markov方法为基础建立的人因可靠性定量分析模型，在实例分析中证明了其合理性和应用价值；同时，由于该模型不依赖人因专家的参与，因此具有较强的可操作性．

［1］ 谢红卫，孙志强，李欣欣，等. 典型人因可靠性分析方法评述[J]. 国防科技大学学报，2007，29(2)：101-107.Xie Hongwei，Sun Zhiqiang，Li Xinxin，et al. An overview of typical methods for human reliability analysis [J]. Journal of National University of Defense Technology，2007，29(2)：101-107(in Chinese).

［2］ 余建星，李 成，王广东. 基于过程分析的工程系统风险分析方法[J]. 船舶工程，2003，25(5)：53-55.Yu Jianxing，Li Cheng，Wang Guangdong. A new method of engineering system risk analysis based on process analysis[J]. Ship Engineering，2003，25(5)：53-55(in Chinese).

［3］ Fujita Y，Hollnagel E. Failure without errors：Quantification of context in HRA[J]. Reliability Engineering and System Safety，2004，83(2)：145-151.

［4］ Hollnagel E. Cognitive Reliability and Error Analysis Method：CREAM[M]. UK：Elsevier Science Ltd，1998.

［5］ 高文宇，张 力. 人因可靠性分析方法 CREAM 及其应用研究[J]. 人类工效学，2002，8(4)：8-12.Gao Wenyu，Zhang Li. Second generation HRA method CREAM and its applied research[J]. Chinese Ergonomics，2002，8(4)：8-12(in Chinese).

［6］ 蒋济同，李华军，焦桂英. 火灾时人员安全疏散可靠性评估[J]. 火灾科学，1997，6(1)：7-11.Jiang Jitong，Li Huajun，Jiao Guiying. Reliability analysis of escaping in case of boilding fire[J]. Fire Safety Science，1997，6(1)：7-11(in Chinese).

［7］ Kim M C，Seong P H，Hollnagel E. A probabilistic approach for determining the control mode in CREAM[J]. Reliability Engineering and System Safety，2006，91(2)：191-199.

［8］ He Xuhong，Wang Yao，Shen Zupei，et al. A simplified CREAM prospective quantification process and its application[J]. Reliability Engineering and System Safety，2008，93(2)：298-306.

［9］ Marzio Marseguerra，Enrico Zio，Massimo Librizzi.Human reliability analysis by fuzzy “CREAM” [J]. Risk Analysis，2007，27(1)：137-154.

［10］ Myrto Konstandinidou，Zoe Nivolianitou，Chris Kiranoudis，et al. A fuzzy modeling application of CREAM methodology for human reliability analysis[J].Reliability Engineering and System Safety，2006，91(6)：706-716.

［11］ Dhillon B S. Human Reliability and Error in Transportation Systems[M]. London：Springer，2007.

［12］ Dhillon B S. Human Reliability，Error，and Human Factors in Engineering Maintenance：With Reference to Aviation and Power Generation[M]. Boca Raton：CRC Press，2009.