艦船人因安全可靠性貝葉斯網絡建模及實驗研究

李東亮，許 偉，程 剛，朱國情，耿江華

?

艦船人因安全可靠性貝葉斯網絡建模及實驗研究

李東亮，許 偉，程 剛，朱國情，耿江華

（海軍工程大學，武漢430033）

人因失誤廣泛存在于動力裝置操作的全過程中，然而現有部隊訓練還未提升到利用人因失誤分析技術查找問題、指導運行的高度。本文分析了三類操作人員的的認知過程，將人的學習能力、環境因素、精神狀態、人機界面操作、等考慮在內，結合組訓方式、培訓間隔、訓練時間，設備狀態等多種人因失誤因素，采用貝葉斯網絡建立人因失誤模型。該模型分析因素具有普遍性，可擴展到其他操作訓練中，具備較高的準確性。

艦船 人因失誤 貝葉斯 培訓 模型

0 引言

人因失誤廣泛存在于我國蒸汽動力裝置操作的全過程中，然而現有部隊訓練還未提升到利用人因失誤分析技術查找問題、指導運行的高度。國外人因失誤分析起步較早，早在20世紀50年代，一些行為科學家和工程師們注意到僅僅辨識出人因失誤的原因尚顯不夠，還必須量化人失誤的可能性大小，以便作為一種有用的工具，用于對復雜系統的風險評價。第一次量化人因失誤概率的工作是由Sandia國家實驗室的數學家H . L . Williams和電子工程師Purdy Mergs于1952年進行，1994年Gertman在歸納最近10年來各國學者對人的失誤及其可靠性分析的研究成果的基礎上，結合自己在該領域的長期研究積累，出版了《人的可靠性與安全性分析數據手冊》，首次大容量地公布了部分人的失誤概率和可靠度數據，這是目前較為全面和內容新穎的專著[1-3]。

國內在人因失誤分析方面, 國防科大的孫志強教授在對比兩代HRA方法后提出了“操作者-系統-任務-環境-組織因素”的差錯成因分析框架。北京交通大學的武淑平針對電力企業生產中人因失誤影響因素及管理對策進行了研究，并運用層次分析法對不同因素的重要程度進行了判定,確定了重點對員工人格特征、能力素質、心理健康等個體性因素和組織溝通、安全生產職能部門、組織文化等作為主要因素。第一代HRA方法在對由于錯誤的情境評斷而引起的操作人員的危險行為的處理上顯得很不足。第二代HRA方法考慮了人進行情景評斷所處的環境條件等因素, 但是其方法在建模上顯得比較復雜, 處理和分析上也不夠簡捷。近十幾年來發展起來的貝葉斯網絡技術, 適用于表達和分析不確定性事物, 從推理機制和狀態描述上來看非常適合于安全性分析, 基于貝葉斯網絡的概率安全評估方法能夠有效地將專家經驗、歷史數據以及各種不完整、不確定性信息綜合起來, 提高建模效率和可信度, 節省安全性信息獲取的成本。

基于此，本文提出基于貝葉斯網絡的人因失誤模型，并將其應用于蒸汽動力裝置操作中，其關鍵在于建立一個有效的貝葉斯網絡的因果模型，并針對人因失誤概率在組訓培訓中的變化進行有效分析。

1 人因可靠性貝葉斯網絡推理模型及推理機制

CREAM（Cognitive Reliability and Error Analysis Method）是第二代HRA方法，相比較第一代SLIM-MAUD（Success Likelihood IndexMethod）方法、HCR（Human Cognitive Reliability）方法和HEART（Human Error Assessment and Reduction Technique）方法，它將人的認知過程分為觀察、解釋、計劃和執行四類，具有貝葉斯網絡的因果關系，用貝葉斯網絡推理方法可以將這四類變量進行網絡結構學習與分類建立相應的貝葉斯網絡人因可靠性模型（HRABN）。

1.1 人因貝葉斯網絡

貝葉斯網絡，又稱為因果關系網和信度網，分為結構固定不隨時間變化的靜態貝葉斯網絡（Bayesian Nets，BNs）和隨時間變化的動態貝葉斯網絡（Dynamic Bayesian Nets，DBN）。

DBNs是一個四元組

1.2 人因貝葉斯網絡推理方法

石英脈及其蝕變巖帶是礦區內鉬礦形成的直接載體。在石英脈及其蝕變巖帶與圍巖的接觸部位，存在有大量的呈細脈狀和網脈狀的微裂隙，這些均形成了良好的容礦空間和礦液通道，是本區重要的含礦構造地質體。

目前貝葉斯網絡中的精確推理算法主要有聯接樹算法和“桶消除算法”，聯接樹算法對貝葉斯網絡進行道義化（moralized）、三角化（triangulated），轉化為有弦圖（chordal graph），之后形成聯接樹進行推理，圖2（a）是貝葉斯網絡圖。

1）道義圖（moral graph）。是與貝葉斯網絡對應的無向圖，若中存在邊，則在中添加，中任一節點，如屬于，則在中添加邊。

2）有弦圖。是一個無向圖，圖中任一長度大于3的回路都是有弦的。回路有弦是指存在該回路上不相鄰的兩個結點和，它們在圖中是相鄰的。無向圖轉換為有向圖的過程稱為三角化。

圖（c）是相應的有弦圖，不再被其他完全子圖包含的完全子圖稱為極大完全子圖。對應的結點集稱為一個結點簇，圖（c）中的結點集和都構成極大完全子圖。

3）聯接樹。是由有弦圖構造的超級樹結構，具有以下屬性：

2 人因可靠性模型構建

人因失誤認知在受訓人員進行操作過程中，首先通過人機界面得到操作信息的反饋獲知操作內容，然后對受操對象進行解析和計劃，最后執行計劃進行相應的處理。系統通過預先植入的人因可靠性推理機對操作人員的操作流程進行記錄和自動感知分析，組訓人員可以根據模型感知結果調整相應的訓練策略。

2.1 人因可靠性過程

人失誤的致因分析可按如下步驟進行：第一步．即識別人為失誤的起因．包括對個人因素、機器和環境因素的分析．在這一步可以對人的失誤進行必要的預防；第二步．即人為失誤的發生，這時根據糾正人的失誤所帶來的后果危險性行為予以避免事故的發生；第三步，即人的失誤后果一事故，通過這一步的分析可返回去考慮如何控制類似事故的再次發生。人為失誤的因果關系如圖3所示。

2.2 貝葉斯網絡人因可靠性分析

在貝葉斯網絡人因可靠性模型中，受訓人員的操作行為是導致事故或其他結果的重要因素，包括內部因子和外部因子。操作人員的內部影響因子包括自身的精神狀態和具備的能力素質，外部因子包括環境因素和受訓科目。受訓人員的精神狀態好的時候會對操作有幫助，個人能力素質突出能夠減少操作失誤，環境因素及受訓科目有利也能對減少操作失誤起到積極作用，但是綜合這些因素對最終的操作結果卻無法評判，采用貝葉斯網絡方法可以量化最終結果，組訓人員可以根據不同的操作結果采取相應的培訓策略，還可在容易出現誤操作的時間節點給予受訓人員一定的提示，這樣不僅可以提高訓練質量還可以減少訓練時間以及人因失誤操作。

2.3貝葉斯網絡人因可靠性模型

以滑油系統的為例建立貝葉斯網絡人因可靠性模型。滑油系統的任務是將充足的滑油供給到動力裝置各設備的摩擦面上，使摩擦面上產生油膜，避免機械摩擦損傷。在實際裝備運行過程中如果滑油總管壓力達不到使用要求，則整個裝備的速關閥必須立刻關閉，系統停止運行，因此針對滑油系統建立貝葉斯網絡人因可靠性模型對裝備的安全運行至關重要。根據日常使用管理經驗得出相關的因果關系圖，圖4是部分結果，（a）是導致滑油總管壓力低的因果圖，（b）是汽輪滑油泵正確操作的因果關系圖。

為了方便的建立認知模型，還需進行一些假設和簡化條件處理。

1）模型的每個狀態對應系統的相應操作結果或者變化過程，并且是相互獨立和相互排斥的。

2）每個操作人員都有自己的認知模型，由于操作人員會進行相關的培訓，因此假定非突發情況下操作人員的認知模型是相同的。

根據上述分析結果及簡化條件建立如圖（5）所示的貝葉斯網絡，圖示模型是在汽輪滑油泵的微過熱蒸汽不足的情況下進行的操作。

3 實驗分析

實驗一：驗證模型的準確性。實驗選取經驗不同的3類受訓人員在環境因素和人機界面操作對象影響相同的情況下對滑油泵轉速下降進行操作，概率設定如表2所示。在Bayesialab軟件中進行建模并輸入每個節點的條件概率，所得發生滑油總管壓力低報警的概率為0.00261，0.00465，0.0088。實驗結果說明經驗不同的受訓人員進行操作的出錯概率不一樣，經驗豐富出錯的概率小，而經驗欠缺出錯的概率大，從而驗證的模型的準確性。實驗二：經驗豐富的受訓人員應對突發時間的處置能力。選擇經驗豐富的受訓人員第一次在模擬器上進行操作，即人機界面對象不熟悉，將其概率設置如下。實驗發現不發生報警的概率從0.995下降到0.993，結果表明經驗豐富的操作人員在面臨不利的環境也能很強適應。實驗三：預測受訓人員在一段時間內發生操作錯誤的動態變化。將操作人員節點設置為具有惰性的動態節點，加入到時刻的時間序列，結果見圖（7）。

圖中可以看出在=100～200個時間步長時，概率變化最劇烈，此時投入模擬訓練或進行正確指導對受訓人員的操作應該最有效。

4 結論

本文針對人因安全可靠性的特點及一般分析步驟和方法結合貝葉斯網絡的強大推理能力，以滑油系統操作中的滑油壓力低報警為研究對象進行了人因安全可靠性分析，得出了下面的結論：

1）貝葉斯網絡建模可以運用于人因安全可靠性分析，能夠使得人因可靠性分析更加完善，尤其對于操作人員參與訓練的安全性分析更加合理和科學。2）在建模過程中綜合考慮了受訓人員的學習能力、環境因素、精神狀態、人機界面操作等多項綜合因素，模型在實際運行過程中能夠反映客觀事實，對指導訓練具有重要意義。3）實驗進行了動態預測，模擬了1000個時間步長內受訓人員最有可能發生操作失誤的概率，在概率值下降最大的時間段內進行強化訓練應最有效。

[1] 肖國清, 陳寶智. 因失誤的機理及其可靠性研究[J].中國安全科學學報, 2001, 11(2):22-26.

[2] 周前祥. 人航天中人的可靠性模型及其分析[J]. 系統工程與電子技術，1997, 9（8）:34-39.

[3] Mmleh A, Chang Y H. Model-based Human Reliability Analysis: Prospects and R equipments [J]. Reliability Engineering and System Safety, 2004, 83: 241-253.

[4] 侯政良, 楊自春，楊國賓. 基于貝葉斯網絡的燃油控制系統人因安全性定量分析[J]. 燃氣輪機技術, 2010,23（4）：38-40.

[5] 劉莉，徐浩軍，井鳳玲. 基于貝葉斯網絡的飛行安全人因可靠性評估模型[J]. 空軍工程大學學報（自然科學版）. 2010，10（3）：5-9.

[6] San Mahadevan, Ramesh Rebba. Validation of reliability computational models using Bayes networks[J]. Reliability Engineering and System Safety, 2005, 87:223-232.

[7] 孫璇，牛秦洲，徐和飛. 基于貝葉斯網絡的人因可靠性評價[J]. 中國安全科學學報，2001, 11（2）：22-26.

[8] 龍濤，張執國. 人的可靠性與航空維修差錯[J]. 江蘇航空，2007，（1）：34-35.

Modeling and Simulation by Bayesian Network of Human Safety and Reliability

Li Dongliang, Xu Wei, Cheng Gang, Zhu Guoqing, Geng Jianghua

( Naval University of Engineering, Wuhan 430033, China)

Human error widely exists in the whole process of steam power plant operation. However, the existing force training is not promoted to use human error analysis technology to find out problems and guide the operation. This paper analyzes cognitive progress of three kinds of operator. Some factors are taken into account, such as human learning ability, environmental factors, mental state, man-machine interface. With considering some human errors like organization way, interval training time, training time and equipment status, a model of human error is established by the Bayesian method. With universal factors, this model can be extended to other operating trainings. What’s more, this model has high accuracy.

ship; human error; Bayesian; training; model

TP18

A

1003-4862（2015）03-0001-05

2014-12-18

海軍工程大學科學研究基金資助項目(20140172)

李東亮（1981-），男，講師。研究方向：熱力系統建模仿真研究與模擬訓練。