基于改進的C R E A M在礦井監控人因可靠性應用

楊占國，王 磊，顧進恒，柴雙龍

（1.大同煤礦集團公司 四臺礦，山西 大同 037000；2.中國礦業大學 礦業工程學院，江蘇 徐州 221116）

我國煤炭行業的事故大多跟人因有關。目前我國煤炭產量約占世界總產量的25%，但其煤礦生產死亡人數卻占世界煤礦死亡總數的80%，而造成作業人員死亡等安全事故的主因有88.3%是人的因素引起[1]。人為因素成為現在煤礦安全的第一隱患[2]。作為聯系煤礦井下作業與井上辦公紐帶的煤礦監測中心，其分析預測的準確性對煤礦安全十分重要。國內外專家學者在人因可靠性方面做了大量工作。人因可靠性分析從20世紀80年代進入黃金時期[3]，大量實用方法例如人的認知可靠性模型（HRC）、成功似然指數法（SLIM）、人為失誤評估及技術（HEART）等統稱為第一代人因可靠性分析，由于計算機技術和人認知水平的發展，第一代可靠性分析存在人為差錯機理分析及建模等方面存在不足，興起了人為失誤分析技術（ATHEANA）、認知可靠性與失誤分析方法（CREAM）等第二代人因可靠性分析，考慮到煤礦監測中心主要受到情景環境影響，本文采用CREAM評估預測礦井監控中心監控人員認知失效概率。鑒于國內外已有一批專家對CREAM深入研究：Tim Bedford[4]等分析了CREAM的基本法和擴展法的一些問題，并提出將加權法應用到CREAM的過程；Z.L.Yang[5]等將CREAM用到海洋工程安全上，并建立以模糊if-then規則與相關結構為基礎，使用貝葉斯推理機制，估計海洋工程師的任務及失敗的概率；趙振武等[6]等采用改進的CREAM建立空中管制員與飛行員間交互的人因可靠性模型，提高了管制員和飛行員之間交流、監控的可靠性。上述研究針對CREAM改進應用取得良好效果，但未考慮到共同績效因子重要性的分析，該方法在安全要求較高的煤礦應用較少。筆者將考慮共同績效因子重要度，以修正環境影響指數，并將修正后的CREAM用到煤礦監控中心失誤預測。

1 煤礦監控中心特點

礦井監控中心監控人員的主要職責是密切監視各儀表狀態，并對危險報警信號進行處置。監控人員良好的認知行為對井下安全生產尤為重要，某一個疏忽、遺漏、判斷失效都會留下嚴重的安全隱患甚至造成事故的發生。已知的多起煤礦重特大事故的發生都有監控人員知情不報、知警未報等因素在里面，所以對礦井監控中心人員的認知失效概率進行分析與預測是必要的。因此監控人員的監控行為有以下特征：監控人員需要不斷重復的對各儀表狀態進行觀察，發現問題并判斷問題的嚴重性，進而采取措施進行處置，然后繼續進行下一操作，即該過程是個循環過程；監控過程受到特定情境的影響顯著，監控人員的績效輸出不是孤立的隨機行為，而是依賴于其完成任務時所處的情景環境。

2 考慮共同績效因子重要性修正CREAM

為對人誤事件情景環境進行分析，CREAM方法將人的績效期望值分為不同等級，一般分為降低、不顯著和改進3個等級，對代表所處情境的9個CPC因子的三個等級的個數分別求和，得到該情境下的量化值 Σjd、Σbxz、Σgj[7]。定義環境影響指數 β 為：β＝Σjd-Σgj，當環境影響指數β為0時，表示績效影響為降低和改進的CPC因子數相等，或所有CPC因子的績效影響均不顯著，即無情景環境影響，此時的認知失效概率為基本失效概率，記作CFP0；當環境影響指數β大于或小于0時，績效影響為降低的CPC因子數大于或小于績效影響為改進的CPC因子數，表示有情景環境影響，此時的認知失效概率記作CFP[8-9]。認知失效概率CFP、基本認知失效概率CFP0和環境影響指數β的關系如下：

其中：系數k可由認知失效概率及環境影響指數的最大值和最小值確定。最大認知失效概率和最小認知失效概率的表達式分別為：

以上兩式相減，得到和的表達式：

上列5式沒有考慮不同情景環境下各CPC因子的重要度（不同情景環境下哪一個影響因素更重要），因此環境影響指數β的定義并不準確。例如，某特定環境中，“工作條件”和“人機界面與運行支持的完善性”兩個CPC因子對績效環境的影響分別是“改進”和“下降”，在不考慮其他CPC因子時，按照β值的定義計算β值恰好等于0，無情景環境影響。然而實際情況是，在該特定環境下“工作條件”這一共同績效條件要比“人機界面與運行支持的完善性”重要的多，考慮其重要度后的β值并不等于0。這就忽略了CPC因子影響重要度的存在，使結果出現了很大偏差。因此，將CREAM預測方法用于其他行業領域時必須充分考慮共同績效條件的重要度，才能準確地預知認知功能失效概率。

由于共同績效條件CPC均為定性因素，對其重要度進行確定，只能根據實際情況通過專家打分或兩兩比較的方法ω進行確定。對只有一個層次的指標重要度進行確定尚沒有很好的方法，采用專家評價法簡單實用，且能一定程度上保證定性因素評定的準確性和客觀性。設CPC因子的重要度分三個等級，[低，平均，高]，相應的重要度分值為[0.5，1，1.5]，選取n名專家按重要度對每個CPC因子進行評定。假設對其中某個CPC因子，有X名專家評定為“低”，有Y名專家評定為“一般”，Z名專家評定為“高”，則該因子平均重要度值為：

其中n=X+Y+Z。

在確定了共同績效條件CPC的重要度大小之后，根據共同績效因子與環境影響指數的關系，可對值的算法進行修正。

修正后的環境影響指數

修正后的最大認知失效概率和最小認知失效概率的表達式分別為：

上述兩式相減，得到修正后的k和CFP0表達式：

CREAM方法給出了表示情景環境的9個CPC因子，最大降低數為 9，最大改進數為 7，根據[Σjd，Σgj]與控制模式之間的關系就能夠確定人的認知控制模式，同時CREAM給出了控制模式對應的失效概率區間值。根據共同績效條件重要度計算方法有βmaxxz＝9×1.5＝13.5 和 βmaxxz＝-7×1.5＝-10.5。根據表格資料，取混亂型時的最大失效概率為1，CFPmax=1.0；取戰略型時最小失效概率為0.000 1，CFPmin＝0.000 1。計算得到k=0.167，CFP0=0.005 6。得到由于情景環境影響的認知失效概率算式為：

3 案例分析

1)根據CREAM預測分析方法的步驟，對監控人員的認知活動進行劃定，并確定其對應的認知功能和最可能失效模式及失效概率基本值，如表1所示。

2）根據礦井監控中心的工作性質和任務所處的工作環境，分析每個認知活動。選取相應的CPC因子，并據式（6）確定每個CPC因子的重要度，并確定CPC因子對績效可靠性的期望效應。以認知活動1為例[10]，如表2所示：

表1 監控人員認知行為和認知功能

表2 共同績效因子重要度和期望效應量化值

計算修正后的環境影響指數βxz=3.5。將βxz值帶入式（7），則該子任務人的認知失效概率CFP＝CFP0×100.167×3.5＝0.038。同理算出其余三個子任務人的認知失效概率，如表3所示：

表3 認知活動失效概率修正值

4 結束語

通過對CREAM預測方法的分析，提出需在不同行業的不同情景環境下對共同績效因子的重要度進行評定，并給出了修正后的認知功能失效概率計算方法。運用修正的CREAM預測方法對礦井監控中心監控人員的認知失效概率進行了分析和預測，并與修正前的方法進行了對比，證實了結果的準確性。

[1] 尉遲曉麗.煤礦失誤預防與控制的動態安全體系研究[D].太原：太原理工大學，2010.

[2] 陳劉平.煤礦人因管控績效測度與改進模式研究[D].徐州：中國礦業大學，2012.

[3] 謝紅衛，孫志強，李欣欣，等.典型人因可靠性分析方法評述[J].國防科技大學學報，2007，29(2):101-107.

[4] Tim Bedford，Clare Bayleyb，Matthew Reviea.Screening，sensitivity，and uncertainty for the CREAM method of Human Reliability Analysis[J].Reliability Engineering&System Safety，2013(115):100-110.

[5] Z.L.Yang，S.Bonsall，A.Wall，J.Wang，M.Usman.A modified CREAM to human reliability quantification in marine engineering[J].Ocean Engineering，2013(58):293-303.

[6] 趙振武，張微.基于改進CREAM的管制員與飛行員間人因可靠性分析[J].安全與環境學報，2013，13(1):185-188.

[7] 廖可兵，劉愛群，童節娟，等.人的認知失誤事件定量分析法的進展及應用[J].原子能科學技術，2009，43(4):322-327.

[8] 廖斌，楊琴，魯茂，等.基于CREAM方法的人因失效概率預測模型研究[J].中國安全生產科學技術，2012，8(7):46-50.

[9] 米楚明.基于人因可靠性分析的煤礦人誤行為矯正研究[D].西安：西安科技大學，2010.

[10] 陸海波，王媚，郭創新，等.基于CREAM的電網人為可靠性定量分析方法[J].電力系挽保護與控制，2013，41(5):37-42.