基于多應(yīng)激源的空管人員人因可靠性分析

劉繼新,焦 杰,劉禹汐

(1.南京航空航天大學(xué) 民航學(xué)院,南京 211106; 2.上海吉祥航空有限公司,上海 201105)

空中交通管制作為航空運(yùn)輸?shù)闹匾h(huán)節(jié),是引發(fā)不安全事件的重要因素之一,空中交通管制員則是完成該工作的主體.數(shù)據(jù)顯示,大約70%～80%空中交通管制不安全事件由人為因素引起,而管制員的應(yīng)激反應(yīng)是誘發(fā)這些不安全事件的重要原因[1].研究空管人員應(yīng)激源產(chǎn)生機(jī)制,進(jìn)而評(píng)估其人因可靠性,已成為近年來(lái)業(yè)內(nèi)的熱點(diǎn),成果主要集中于應(yīng)激激活機(jī)制和人因可靠性分析兩個(gè)領(lǐng)域:一方面,工作應(yīng)激激活機(jī)制研究已經(jīng)從單一因素引起應(yīng)激領(lǐng)域拓展到多因素共同作用產(chǎn)生應(yīng)激[2-3],并發(fā)現(xiàn)針對(duì)多應(yīng)激源的工作應(yīng)激分析能夠更加全面、真實(shí)地反映復(fù)雜環(huán)境對(duì)應(yīng)激激活的作用機(jī)制;另一方面,人因可靠性分析已經(jīng)歷了三代可靠性分析與評(píng)估技術(shù)歷程[4],尤其在航空系統(tǒng)中取得了較多成果.2002年,Shorrock[5]首次將人因可靠性方法應(yīng)用于空中交通管制員的人因可靠性分析,開發(fā)了一種被稱為tracer(Technique for the Retrospective Analysis of Cognitive Errors,tracer)技術(shù)的人為錯(cuò)誤識(shí)別技術(shù),用于對(duì)空中交通管制(Air Traffic Management,ATC)中的認(rèn)知錯(cuò)誤進(jìn)行回顧和預(yù)測(cè)分析;2007年,Barry Kirwan等人[6]旨在為空中交通管理(ATM)在安全案例和人為因素保證工作中的應(yīng)用提供完善的人因可靠性評(píng)估(Human Reliability Analysis,HRA)能力的開發(fā)基礎(chǔ),預(yù)測(cè)管制員可能發(fā)生的錯(cuò)誤、以及出錯(cuò)的頻率;2008年,Li W C等人[7]利用Reason模型的人為因素分析與分類系統(tǒng)框架從歷史數(shù)據(jù)角度分析了人為差錯(cuò)、組織缺陷對(duì)民航安全的影響;2009年,Zahra M等人[8]提出綜合動(dòng)態(tài)系統(tǒng)、貝葉斯網(wǎng)絡(luò)以及故障樹等算法的概率風(fēng)險(xiǎn)評(píng)估方法,隨后又利用該方法評(píng)估組織因素對(duì)航空安全的作用;同年,王世錦和隋東[9]首次將認(rèn)知可靠性與失誤分析方法(Cognitive Reliability and Error Analysis Method,CREAM)方法應(yīng)用在管制員人因可靠性的定量分析中,并基于灰色系統(tǒng)理論,利用改進(jìn)的三角白化權(quán)函數(shù)確定共同績(jī)效條件(Common Performance Condition,CPC)各因子的水平等級(jí),在定量預(yù)測(cè)管制員的行為可靠性的同時(shí)還可以發(fā)現(xiàn)影響CPC因子的薄弱環(huán)節(jié);2012年,Li P C等人[10]利用模糊貝葉斯網(wǎng)絡(luò)定量分析組織因素對(duì)人因可靠性的影響;2014年,劉福鰲等[11]利用人的因素分析和分類系統(tǒng)(Human Factors Analysis and Classification System,HFACS)理論建立了空管人因失誤模型,確定了造成管制員人因失誤的主要原因,并提出了相應(yīng)解決措施;2017年,袁樂平等[12]采用幾何平均法、采樣法對(duì)多源的基本人為差錯(cuò)概率進(jìn)行融合,利用貝葉斯網(wǎng)絡(luò)得到差錯(cuò)誘發(fā)條件的最大影響值,用此方法計(jì)算管制員在調(diào)配飛行沖突時(shí)的差錯(cuò)概率;2020年,楊越等人[13]采用CREAM中的擴(kuò)展預(yù)測(cè)法與貝葉斯網(wǎng)絡(luò)的方法,計(jì)算10項(xiàng)管制通用任務(wù)中的人誤概率,并建立其與情景控制模式的不確定關(guān)系模型,對(duì)管制員在多任務(wù)中的人誤概率進(jìn)行量化分析.

上述成果雖然將模糊理論引入人因可靠性評(píng)估方法中,但是傳統(tǒng)模糊故障樹中邏輯門并不能準(zhǔn)確表示應(yīng)激源狀態(tài)且不能進(jìn)行反向推理,貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)故障概率難以精確獲得,因此本文提出由T-S模糊故障樹映射模糊貝葉斯網(wǎng)絡(luò)的人因可靠性分析方法來(lái)評(píng)估空管人員在多應(yīng)激源綜合影響下的可靠性.

1 空管人員的多應(yīng)激源分析

利用直接影響模型(Direct Effect Model)[14],分別從管制員組織、外部以及個(gè)人因素等方面全面分析管制員應(yīng)激源.

1.1 組織因素

組織因素是與管制員工作相關(guān)的組織環(huán)境中各種因素的總稱.組織因素應(yīng)激源主要表現(xiàn)在:

1)組織工作.管制員在日常工作中需要根據(jù)專業(yè)知識(shí)和規(guī)章應(yīng)對(duì)各類突發(fā)事件和緊急情況;管制任務(wù)沖突、工作超負(fù)荷會(huì)使管制員產(chǎn)生疲勞、倦怠等生理反應(yīng);晉升通道、工資報(bào)酬可影響管制員工作積極性;工作職責(zé)不明確可造成管制員工作效能低下.

2)組織環(huán)境.管制員工作組織環(huán)境會(huì)對(duì)管制員工作專注度造成重要影響,主要包括物理環(huán)境和人際環(huán)境.其中,工作物理環(huán)境如溫度、濕度、空氣質(zhì)量、背景噪聲、反光和閃光、工作臺(tái)及設(shè)備燈光照明亮度等影響其生理直觀感受,人際關(guān)系環(huán)境包括管制員與上級(jí)領(lǐng)導(dǎo)、同事和下級(jí)員工關(guān)系以及班組人員人際氛圍.

3)組織文化.組織文化能夠影響管制員的組織認(rèn)同感和管制凝聚力,進(jìn)而影響其工作積極性.

1.2 外部因素

外部因素指與管制員工作無(wú)關(guān)的空管組織外部的因素.家庭矛盾是外部因素的代表,家庭生活的潛在矛盾易導(dǎo)致管制員精神渙散、疲勞和倦怠.管制員頻繁處理個(gè)人事務(wù)將影響正常休息,造成工作疲勞和注意力渙散等.

1.3 個(gè)人因素

個(gè)人因素是管制員因個(gè)體差異而導(dǎo)致應(yīng)激水平不同的因素總稱.性別、年齡、工齡差異會(huì)導(dǎo)致工作積極性差異;性格、人格和神經(jīng)質(zhì)類型差異與管制工作專注度相關(guān);與血糖水平直接相關(guān)的飲食習(xí)慣等個(gè)人因素也會(huì)對(duì)日常管制工作產(chǎn)生影響.管制員受多應(yīng)激源綜合影響,可能產(chǎn)生疲勞、倦怠、工作缺少動(dòng)力與積極性、缺乏足夠?qū)Ｗ⒍群凸ぷ餍懿荒軡M足需求等不良反應(yīng),進(jìn)而導(dǎo)致應(yīng)激完全被激活.

2 基于多應(yīng)激源的空管人員人因可靠性建模

`2.1空管職業(yè)應(yīng)激T-S模糊故障樹

圖1 T-S模糊門

根據(jù)空管人員多應(yīng)激源分析,生成空管職業(yè)應(yīng)激T-S模糊故障樹,如圖2. 頂事件代表管制員應(yīng)激激活系統(tǒng),中間事件y1～y4代表由應(yīng)激源引起的不良反應(yīng),基本事件x1～x14代表應(yīng)激源.

圖2 空管職業(yè)應(yīng)激T-S模糊故障樹

2.2 空管人員可靠性分析的貝葉斯網(wǎng)絡(luò)

為避免故障無(wú)法逆向追蹤評(píng)估,將T-S模糊故障樹轉(zhuǎn)化為模糊貝葉斯網(wǎng)絡(luò).轉(zhuǎn)化算法與傳統(tǒng)故障樹轉(zhuǎn)換為貝葉斯網(wǎng)絡(luò)[16]類似.首先假設(shè):基本事件有三個(gè)模糊狀態(tài)(低/中/高分別用0/0.5/1表示);各基本事件之間相互獨(dú)立;基本事件和上層事件之間的關(guān)系用T-S門來(lái)表示.然后,由T-S模糊故障樹構(gòu)造模糊貝葉斯網(wǎng)絡(luò)步驟如下:1) 將T-S模糊故障樹每個(gè)基本事件都對(duì)應(yīng)轉(zhuǎn)化為模糊貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn),各根節(jié)點(diǎn)亦有三種模糊狀態(tài),分別用0/0.5/1表示;2)貝葉斯網(wǎng)絡(luò)根節(jié)點(diǎn)的先驗(yàn)概率與對(duì)應(yīng)T-S模糊故障樹的先驗(yàn)概率相同;3)T-S模糊故障樹的每一個(gè)T-S門,都對(duì)應(yīng)轉(zhuǎn)化成貝葉斯網(wǎng)絡(luò)的葉子節(jié)點(diǎn);4)貝葉斯網(wǎng)絡(luò)中葉子節(jié)點(diǎn)的條件概率與對(duì)應(yīng)的T-S門條件概率相等,葉子節(jié)點(diǎn)按照T-S模糊故障樹中相應(yīng)T-S門連接方式連接.按此方法,將圖2中T-S模糊故障樹生成貝葉斯網(wǎng)絡(luò)模型結(jié)構(gòu),如圖3.其中,根節(jié)點(diǎn)x1～x14、中間節(jié)點(diǎn)y1～y4與葉節(jié)點(diǎn)T與圖2中T-S模糊故障樹的事件一一對(duì)應(yīng).

圖3 空管職業(yè)應(yīng)激貝葉斯網(wǎng)絡(luò)

3 基于多應(yīng)激源的空管人員人因可靠性分析算法

已知應(yīng)激源嚴(yán)重程度和各嚴(yán)重程度的可能性,計(jì)算應(yīng)激激活模糊可能性以及各應(yīng)激源的模糊重要度和狀態(tài)重要度,再利用空管應(yīng)激貝葉斯網(wǎng)絡(luò),計(jì)算應(yīng)激激活情況下的各應(yīng)激源后驗(yàn)概率.具體算法如圖4所示.

圖4 空管人員人因可靠性分析算法步驟

3.1 已知應(yīng)激源各嚴(yán)重程度的模糊可能性,計(jì)算應(yīng)激處于不同激活狀態(tài)的模糊可能性

(1)

由此計(jì)算上級(jí)事件的模糊可能性為:

(2)

3.2 已知應(yīng)激源嚴(yán)重程度,計(jì)算應(yīng)激處于不同應(yīng)激狀態(tài)的模糊可能性

圖5 嚴(yán)重程度隸屬函數(shù)

(3)

(4)

(5)

(6)

(7)

3.3 T-S模糊重要度

p[T=Tq,p(xj=0)=1]}

(8)

3.4 T-S狀態(tài)重要度

p(T=Tq,xj=0)],0}

(9)

3.5 根節(jié)點(diǎn)后驗(yàn)概率

(10)

4 算例分析

4.1 數(shù)據(jù)采集

由于應(yīng)激源發(fā)生的概率具有模糊性和不確定性,此類數(shù)據(jù)不易直接獲得,為保證數(shù)據(jù)的客觀性和準(zhǔn)確性,本文以某地區(qū)空管局空管人員為對(duì)象,采用問卷調(diào)查方法獲得初始數(shù)據(jù),并利用數(shù)據(jù)分析軟件SPSS19.0進(jìn)行信度和效度檢驗(yàn),結(jié)果滿足信度和效度要求,可作為算例數(shù)據(jù),具體見表1.

表1 基本事件及其模糊可能性

在調(diào)查問卷中,將主觀認(rèn)為應(yīng)激源會(huì)在自己工作生活中發(fā)生的管制員數(shù)量占該空管局所有管制員數(shù)量的比例作為該應(yīng)激源的發(fā)生率.表1中各應(yīng)激源發(fā)生率數(shù)據(jù)為應(yīng)激源嚴(yán)重程度為1時(shí)的發(fā)生可能性.考慮各應(yīng)激源邏輯關(guān)系的不確定性,綜合該空管局歷史數(shù)據(jù)和專家知識(shí)得到節(jié)點(diǎn)y1～y4和T對(duì)應(yīng)的T-S模糊門,見表2～6.

表2 T-S模糊門1

表3 T-S模糊門2

表4 T-S模糊門3

表5 T-S模糊門4

表6 T-S模糊門5

4.2 數(shù)據(jù)處理

4.2.1 已知應(yīng)激源發(fā)生的模糊可能性,計(jì)算管制員應(yīng)激激活模糊可能性

各應(yīng)激源嚴(yán)重程度為1的發(fā)生率如表1所示,假設(shè)應(yīng)激源嚴(yán)重程度為0.5時(shí)的模糊可能性與嚴(yán)重程度為1相同,則可根據(jù)表2～6、式(1) (2)得到各個(gè)T-S門的模糊可能性,結(jié)果如表7所示.

表7 模糊可能性(已知可能性)

4.2.2 已知應(yīng)激源的嚴(yán)重程度,計(jì)算管制員應(yīng)激激活模糊可能性

假設(shè)已知各應(yīng)激源的嚴(yán)重程度為:x1=0,x2=0.2,x3=0.6,x4=0.7,x5=0.1,x6=0,x7=0.3,x8=0.4,x9=0.1,x10=0,x11=0,x12=0.2,x13=0.8,x14=0.6.通過(guò)模糊隸屬函數(shù)計(jì)算各個(gè)應(yīng)激源當(dāng)前嚴(yán)重程度屬于T-S門規(guī)則中相應(yīng)模糊集的隸屬度,再根據(jù)表2～6、式(6)、(7)計(jì)算得到各T-S門的模糊可能性.計(jì)算y3時(shí)用y1的模糊可能性代替其隸屬度,結(jié)果如表8所示.

表8 模糊可能性(已知嚴(yán)重程度)

4.2.3 模糊重要度

利用式(8)可得各應(yīng)激源對(duì)頂層事件T嚴(yán)重程度為0.5和1的模糊重要度,結(jié)果如表9所示.

表9 各應(yīng)激源模糊重要度

4.2.4 狀態(tài)重要度

利用式(9) 可得各應(yīng)激源對(duì)頂層事件嚴(yán)重T程度為0.5和1的狀態(tài)重要度,結(jié)果如表10所示.

表10 各應(yīng)激源狀態(tài)重要度

4.2.5 根節(jié)點(diǎn)后驗(yàn)概率

貝葉斯網(wǎng)絡(luò)中的后驗(yàn)概率,可以幫助空管人員應(yīng)激在被激活時(shí),反向追蹤各種應(yīng)激源引起應(yīng)激的可能性大小.利用2.2節(jié)中得到的空管人員應(yīng)激激活貝葉斯網(wǎng)絡(luò),運(yùn)用式(10)求得在已知葉節(jié)點(diǎn)T出現(xiàn)不同程度激活時(shí),根節(jié)點(diǎn)xi的后驗(yàn)概率,結(jié)果如表11所示.

表11 各節(jié)點(diǎn)后驗(yàn)概率

4.3 結(jié)果分析

根據(jù)上述數(shù)據(jù)處理結(jié)果,分析可知:

1)管制員應(yīng)激激活可能性計(jì)算結(jié)果可信.在已知應(yīng)激源各嚴(yán)重程度的模糊可能性的條件下,根據(jù)表7可知,管制員應(yīng)激T被完全激活的模糊可能性為0.035 57,與應(yīng)激源的發(fā)生率處于同一數(shù)量級(jí),且略高于單個(gè)應(yīng)激源的發(fā)生率,符合實(shí)際情況.在已知管制員應(yīng)激源嚴(yán)重程度的條件下,根據(jù)表8可以看出,當(dāng)多個(gè)應(yīng)激源的嚴(yán)重程度都較高時(shí),管制員應(yīng)激激活的可能性也將大大提高.

2)通過(guò)應(yīng)激源重要度計(jì)算得到管制員應(yīng)激激活薄弱環(huán)節(jié).在已知應(yīng)激源各嚴(yán)重程度的模糊可能性的條件下,由表9可知,對(duì)于管制員出現(xiàn)中度應(yīng)激,x6(工作超負(fù)荷)為其最薄弱的環(huán)節(jié);對(duì)于管制員出現(xiàn)嚴(yán)重應(yīng)激,x2(性別年齡工齡)為其最薄弱的環(huán)節(jié).在已知管制員應(yīng)激源嚴(yán)重程度的條件下,由表10可知,對(duì)于管制員出現(xiàn)嚴(yán)重應(yīng)激,x3(晉升渠道)為其最薄弱的環(huán)節(jié).

3)計(jì)算應(yīng)激源后驗(yàn)概率,逆向追蹤關(guān)鍵應(yīng)激源.從表11的結(jié)果可以看出,當(dāng)葉節(jié)點(diǎn)應(yīng)激被激活時(shí),根節(jié)點(diǎn)應(yīng)激源x5(突發(fā)緊急事件)、x6(工作超負(fù)荷)、x10(工作職責(zé))等后驗(yàn)概率較大,是造成管制員應(yīng)激被激活的關(guān)鍵環(huán)節(jié).在進(jìn)行管制員應(yīng)激預(yù)判時(shí),應(yīng)優(yōu)先考慮這幾個(gè)應(yīng)激源是否出現(xiàn)及其嚴(yán)重程度.

5 結(jié) 語(yǔ)

本文分析了管制員生活、工作環(huán)境中的眾多應(yīng)激源以及各個(gè)應(yīng)激源對(duì)不良反應(yīng)和應(yīng)激的作用關(guān)系,利用模糊故障樹映射模糊貝葉斯網(wǎng)絡(luò)的空管人員人因可靠性評(píng)估方法,評(píng)估了空管人員應(yīng)激激活模糊可能性,逆向追蹤各應(yīng)激源的模糊重要度、狀態(tài)重要度和后驗(yàn)概率,并通過(guò)算例驗(yàn)證了本文提出的模型方法的有效性,更加精確地確定了T-S模糊門條件概率將是下一步的研究重點(diǎn).