數據驅動的操縱員情景意識因果模型研究

數據驅動的操縱員情景意識因果模型研究

李鵬程1，張力1,2，戴立操1，鄒衍華2，蔣建軍1，羅迪凡1，姜瑜1

(1.南華大學 人因研究所，湖南 衡陽421001；2.湖南工學院，湖南 衡陽421002)

摘要：為克服傳統情景意識(SA)可靠性評價方法的不足，建立了更具魯棒性的SA因果模型。首先，采用組織定向的SA失誤分析框架或方法對核電廠人因事件進行分析，獲得了132組樣本數據。然后，采用相關性分析方法識別SA影響因素的相關關系，并采用因子分析方法識別SA失誤發生的場景，包括操縱員的心智水平、工作態度、壓力水平及系統狀態呈現水平等。最后，基于上述研究結果，建立數據驅動的SA因果模型。結果表明，基于數據驅動的SA因果模型識別了SA失誤發生的場景，且考慮了行為形成因子的因果關系有利于提升SA可靠性定量評價的精度。

關鍵詞：情景意識；因果模型；人因失誤；行為形成因子

中圖分類號：X916 文獻標志碼：A

收稿日期：2014-07-21;修回日期：2015-01-28

基金項目：國家自然科學基金資助項目(71071051，71371070，71301069)；嶺東核電公司科研項目資助(KR70543)；湖南省戰略性新興產業產學研創新平臺創新能力建設項目資助(2012GK4101)；南華大學管理科學與工程重點學科資助項目

作者簡介：李鵬程(1978—)，男，湖南邵陽人，副教授，博士，從事人因工程、系統安全評價和核電廠HRA研究

doi：10.7538/yzk.2015.49.11.2062

Study on Data-driven Operator’s Situational Awareness Causality Model

LI Peng-cheng1, ZHANG Li1，2, DAI Li-cao1, ZOU Yan-hua2,

JIANG Jian-jun1, LUO Di-fan1, JIANG Yu1

(1.HumanFactorInstitute,UniversityofSouthChina,Hengyang421001,China;

2.HunanInstituteofTechnology,Hengyang421002,China)

Abstract:In order to overcome the shortcomings of traditional assessment method of situational awareness (SA) reliability, a more robust SA causality model was built in this paper. Firstly, the organization-oriented SA error analysis framework or method was adopted to analyze nuclear power plant incidents and 132 samples were obtained. Then, the correlation analysis method was used to identify the correlation relationships between factors of influencing SA and factor analysis method was used to identify the scenes triggering SA errors, including operator’s mental level, operator’s work attitude, stress level and system situation display level. Finally, based on the above analysis results, a data-driven SA causality model was established. The results show that the data-based SA causality model can identify the scenes triggering SA errors. It is useful to improve the accuracy of quantitative assessment of SA reliability because of considering the causality relationships of performance shaping factors.

Key words：situational awareness; causality model; human error; performance shaping factor

人因研究中的情景意識(SA)是用來解釋復雜人-機系統中操縱員理解系統和環境正在發生什么及如何發生的，正確的SA是保持有效決策和高績效的先決條件[1]。核電廠也不例外，SA是影響核電廠操縱員決策和績效的關鍵要素，SA可靠性是人因可靠性分析(HRA)的重要組成部分。傳統的HRA方法(如CREAM[2]，SPAR-H[3]等)中考慮了行為形成因子(PSF)或情景環境(Context)對SA的影響，但未考慮PSF間的因果關系。由于PSF之間不是完全相互獨立，因此，在計算它們對SA的影響時存在雙重計算的可能，給人因失誤概率(HEP)帶來錯誤的估計[4]。迄今為止，存在一些與SA相關的認知行為可靠性研究的文獻報道[5-7]，但都是基于專家判斷建立影響SA的因果關系模型，缺乏有效的數據支持。隨著信息技術和自動化水平的提高，核電廠人-機界面(MMI)由傳統的模擬系統界面轉變為數字化系統界面，數字化的人-系統界面(HSI)改變了信息的呈現方式(巨量信息有限顯示)[8]、規程(計算機化的規程)[9]、控制(軟控制)[10]、任務(界面管理任務)[11]、班組的結構、交流與合作[12]等情景環境，使得影響SA的PSF及其因果關系發生變化，因而傳統的SA可靠性評定方法不能滿足新形勢分析的要求。

為此，本文基于建立的數字化控制系統中的情景意識失誤(SAE)分析方法，對與SAE相關的人因事件報告進行分析，通過對獲得的樣本數據進行相關性分析和因子分析，建立數據驅動的SA因果模型，為定量評價SA的可靠性奠定基礎。

1情景意識失誤分析框架

由于技術的發展和自動化程度的提高，在核電廠這種復雜的社會-技術系統中，操縱員的主要任務表現為認知任務，主要包括：1) 監視和發覺；2) 狀態評價；3) 響應計劃；4) 響應執行[13-14]。Endsley[15]將SA定義為：SA就是在一定的時間和空間范圍內對環境中的元素的感知、對元素的含義理解以及對元素不久后的狀態的預計。由Endsley的定義可知，SA過程包括一系列認知行為(至少包括監視、發覺及狀態評估過程)，這些認知行為的失誤是SAE的組成部分。據此，認為SA就是在操縱員通過監視行為收集到系統狀態參數信息的基礎上，通過各種信息處理手段和策略對系統狀態進行合理解釋，明確系統發生了什么以及為何發生，以確定系統當前所處狀態并對未來狀態進行預計，這一系列認知過程和評估結果稱為SA。

通過核電廠數字化主控室模擬機試驗的現場觀察和操縱員訪談，識別數字化控制系統中操縱員的SA行為特征。事故工況下，系統會產生一個或多個報警，操縱員會查看報警及其發生的原因以采取相應的處理措施來緩解事故，此過程涉及監視和狀態評估。監視就是從系統獲取信息的行為，在數字化主控室，操縱員監視的信息來源于計算機顯示的畫面，有些信息在畫面上較分散，需借助“界面管理任務”進行搜索定位。如針對規程中的基本任務“確認RCP016KG處于自動”，在此任務的完成過程中，操縱員首先需執行監視行為(看、聽)，然后需對此任務進行認讀，最后需在畫面中定位或搜索到RCP016KG，以完成對單個信息的監視。因此，在信息搜集過程中操縱員產生的認知行為有“看、聽”、信息的“認讀”、“搜索、定位”。

完成信息搜索之后，操縱員需對信息進行處理。由于數字化主控室采用的是狀態導向的規程(SOP)，操縱員的任務可分解為幾個簡單的任務，主要表現在信息比較(如壓力大小的比較)、簡單的判斷(如至少1個蒸汽發生器被隔離？)、簡單的計算(如2個蒸汽發生器的壓差大于1×106Pa(g)？)等。因此，對于上述簡單任務的評估稱之為“信息比對”。再者，若干簡單任務的組合可識別出系統組件的狀態(如是否關閉反應堆冷卻劑系統泵需判斷一系列標準)，即將這些一系列比對結果進行信息整合(涉及理解和推理)，識別更大的組件或子系統的狀態，這一系列認知過程可能涉及的認知功能包括“信息比對”、“信息整合”和“狀態理解”等。

另外，需對不同的故障或事件的原因進行識別，才有利于響應計劃的選擇和制定。組件和系統狀態未來發展的情況和趨勢需做出預測，以明確事件的嚴重性。對于新出現的情況，操縱員也需根據收集到的信息、自己的知識和經驗進行系統狀態估計，以便采取對策進行干預。因此，在此認知過程中，操縱員的SA還涉及的認知行為有“原因識別”、“狀態預計”，因此，本文基于信息處理理論和認知任務分析，構建的組織定向的SA模型和分析框架如圖1所示。組織定向是指影響操縱員的SA的因素只考慮組織內部因素，而不考慮組織外部因素，如國家政策、法律、社會環境等。具體的影響因素定義與分類參見文獻[4，16]。

圖1　核電廠操縱員的SA模型和分析框架 Fig.1　Operator’s SA model and analysis framework in nuclear power plant

2數據驅動的情景意識因果模型

由于組織定向的情景意識失誤原因分析框架中的PSF分類不是完全獨立和正交的，因此，它們之間存在相關關系或因果關系，傳統SA可靠性分析方法沒有考慮PSF的因果關系，從而對PSF的影響可能存在雙重計算，難以得到更加精確的估計或結果。為了考慮PSF的因果關系，提高SA可靠性的分析精度，識別影響核電廠數字化主控室操縱員的SA的影響因素的因果關系，本文收集了2011—2013年共132件小偏差報告和人因事件。毋庸置疑，可觀察到人因失誤(如操作失誤)是由于操縱員認知失誤(情景意識)的結果，因此，基于上述建立的SAE分析框架進行原因分析，得到用于分析的132組樣本數據。每個樣本數據(情景意識失誤事件)包含1個或多個SAE的影響因素，同一類影響因素歸于同一大類(如規程的復雜性、規程不可用則同樣歸于規程因素)，如果同一事件中含有重復的影響因素，則合并為1個，則受某個影響因素的影響對應為1，不涉及某個影響因素則為0。然后對樣本數據進行統計分析，通過相關性分析識別影響因素間的相關關系或因果關系，通過因子分析識別公共因子或PSF的結合模式，最終建立SAE的因果模型，為SA可靠性研究奠定基礎。

2.1SAE影響因素的相關性分析

相關性可對兩個變量間的關聯強度給出定量的測量，相關性水平(相關系數)一般用-1～1間的數值來表示，0表示變量之間完全獨立，不存在相關關系，1表示完全的線性關系。對于不同類型的變量應采用不同的相關系數來度量，常用的相關系數有Pearson、Spearman、Kendall及Polychoric相關系數(與Pearson相關性分析相似)。由于人因失誤的行為影響因素屬于定距型變量[17]，故本文選用Pearson相關性分析來度量行為影響因素間的相關水平。

將132個樣本數據用統計分析軟件SPSS17.0進行相關性分析，獲得行為影響因素間的相關系數列于表1(具體的影響子因素都歸于大類中，如時間壓力歸于心理狀態這大類等)。影響操縱員的SA的因素主要包括心理狀態、素質和能力、技術系統、人-機界面、任務、規程、班組、組織管理、培訓、組織文化及組織設計。本文依據相關系數絕對值大于0.3來確定影響因素的相關性。由表1可知：心理狀態主要與技術系統、人-機界面、任務、組織設計相關；操縱員的素質和能力與班組、培訓及組織文化相關；技術系統與心理狀態、任務及組織設計相關；人-機界面與心理狀態、任務、組織設計相關；任務與心理狀態、技術系統、規程相關；規程與任務、組織設計相關；班組與素質和能力、培訓相關；培訓與素質和能力、班組相關；組織文化與素質和能力、培訓相關；組織設計與心理狀態、技術系統、人-機界面、任務、規程等相關。因此，由相關性分析結果可識別PSF的相關關系。

表1　影響SA的PSF間的相關性

注：1) 在0.01 水平(雙側)上顯著相關

2) 在0.05 水平(雙側)上顯著相關

2.2SAE影響因素的因子分析

相關性分析只能說明影響因素不是獨立的和非正交的，高相關說明PSF間存在因果關系及對SA有共同的影響，而不能確定SAE發生的場景(PSF的結合模式)。一般來講，SAE可能由多種原因因素組合引起，并且可能有多種結合模式。因此，本文借助因子分析方法來識別公共因子(對應PSF的結合模式)，從而可識別影響因素的結合模式。根據SPSS17.0的統計結果可知，SAE影響因素之間具有相關性：經KMO檢驗，其值為0.822(>0.5)；經Bartlett球度檢驗，其值為795.127，概率p值Sig=0.000 1(<0.01)，差異非常顯著。上述檢驗表明，對SAE影響因素進行因子分析是可行的。根據因子分析，得到總方差解釋表(表2)。由表2可知，由3個公共因子(表2中的前3項)來描述總解釋變異量達到69.233%，保留了原始變量的大部分信息[18]，因此，影響SAE的11個影響因素可綜合提煉為3個公共因子。采用方差最大法對因子載荷矩陣實施正交旋轉以使因子具有命名解釋性，得到旋轉后的因子載荷矩陣列于表3。由表3可知：培訓、素質和能力、心理狀態、組織設計、班組、人-機界面、技術系統等在第1個因子上有較高的載荷；規程、任務、技術系統等在第2個因子上具有較高的載荷；組織文化和組織管理在第3個因子上具有較高的載荷。

表2　影響SA的PSF評價的總方差解釋表

注：提取方法采用主成分分析，1～11為11種影響因素

表3　旋轉后的因子載荷矩陣

注：提取方法采用主成分分析法和Varimax正交旋轉法

2.3基于數據的SA因果模型

由上述因子分析結果可知，對于公共因子命名存在困難，故需結合相關性分析結果和專家意見，對第1個公共因子進行分解，且不再考慮組織管理因素，才能更好地進行PSF結合模式的解釋，最終建立的SA因果模型如圖2所示。由圖2可知，引發SAE的場景或PSF結合模式有4個(可看成分解后的公共因子)，分別命名為：操縱員的心智水平、工作態度、壓力水平和系統狀態呈現水平。

1) 在PSF結合模式1中，涉及的因素包括操縱員的素質和能力、培訓水平、班組交流與合作水平。顯然，培訓不好和班組的交流與合作不充分會影響操縱員的心智水平，如操縱員的心智水平可通過班組合作來彌補。

圖2　基于數據驅動的SA因果模型 Fig.2　Data-driven-based SA causality model

2) 在PSF結合模式2中，只有安全文化1個PSF，如果安全文化不良，會影響操縱員的工作態度，如缺乏風險意識和質疑的態度等，從而容易產生情景意識失誤。

3) 在PSF結合模式3中，涉及的PSF包括組織設計、規程、技術系統(如復雜性、可用時間)、人-機界面、任務復雜性等。如果組織設計方面(如系統設計、規程設計)存在缺陷，則會導致規程設計、技術系統設計及人-機界面設計不良。規程是用來指導操縱員處置事故的程序書，規程的好壞影響任務的復雜性水平，同樣，人-機界面設計也影響任務的復雜性，如信息的醒目性差、過多的界面管理任務等。再者，技術系統的設計(系統設計確定的處置事故的可用時間有限)也會給操縱員帶來壓力，同樣任務的復雜性也影響操縱員的壓力水平。

4) 在PSF結合模式4中，涉及的因素包括組織設計、技術系統、人-機界面等因素。人-機界面設計的好壞影響系統信息呈現的醒目性和易理解性，好的人-機界面有利于操縱員對電廠系統狀態的理解。同樣，技術系統的自動化水平也影響操縱員能否更好地參與系統的控制中，系統自動化水平越高，越容易使操縱員處于控制環之外，喪失對系統運行機理和狀態的理解。綜上所述，最有可能發生SAE的風險場景可能由上述4個方面構成及它們共同結合的結果。基于建立的SA因果模型，就可采用相關的理論(如貝葉斯理論)和收集模擬機實驗數據(SA測量數據)進行更為客觀的SA可靠性定量評價。

3結論

為了克服傳統SA可靠性分析方法的不足，本文基于建立的SAE分析框架或方法，對人因事件報告進行分析，對樣本數據采用相關性分析和因子分析方法，建立了數據驅動的SA因果模型，得到如下結論。

1) 操縱員的SA是影響操縱員的決策和績效，并最終可能導致事故的關鍵認知行為。核電廠主控室數字化，改變了操縱員所處的情境環境和認知特征，使SA問題更為凸顯。

2) 從組織的視角建立的SAE分析框架或方法有利于識別引發SAE的組織根原因，為從源頭上預防SAE提供理論支持。

3) 由于PSF分類的非獨立性和正交性，對樣本數據通過相關性分析，識別PSF的因果關系，克服傳統方法在計算PSF對SA可靠性的影響時存在雙重計算的不足，以期提高分析的精度。

4) 對樣本數據通過因子分析識別SAE發生的場景或PSF的結合模式，命名為4個公共因子來直接影響操縱員的SA可靠性以進行收斂，包括操縱員的心智水平、工作態度、壓力水平及系統狀態呈現的水平，并最終建立收斂的SA因果模型。

參考文獻：

[1]LEE S W, PARK J, KIM A R, et al. Measuring situation awareness of operation teams in NPPs using a verbal protocol analysis[J]. Annals of Nuclear Energy, 2012, 43: 167-175.

[2]HOLLNAGEL E. Cognitive reliability and error analysis method[M]. Oxford(UK): Elsevier Science Ltd., 1998.

[3]GERTMAN D, BLACKMAN H, MARBLE J, et al. The SPAR-H human reliability analysis method, NUREG/CR-6883[R]. Washington D. C.: NRC, 2005.

[4]李鵬程. 核電廠數字化控制系統中人因失誤與可靠性研究[D]. 廣州：華南理工大學，2011.

[5]DAI Licao, LI Pengcheng, ZHANG Li. Operator situation awareness assessment model in a nuclear power plant[C]∥Proceedings of the 2010 IEEE IEEM. China: [s. n.], 2010.

[6]KIM M C, SEONG P H. An analytic model for situation assessment of nuclear power plant operators based on Bayesian inference[J]. Reliability Engineering and System Safety, 2006, 91(3): 270-282.

[7]LEE H C, SEONG P H. A computational model for evaluating the effects of attention, memory, and mental models on situation assessment of nuclear power plant operators[J]. Reliability Engineering and System Safety, 2009, 94(11): 1 796-1 805.

[8]張力，楊大新，王以群. 數字化控制室信息顯示對人因可靠性的影響[J]. 中國安全科學學報，2010，20(9)：81-85.

ZHANG Li, YANG Daxin, WANG Yiqun. The effect of information display on human reliability in a digital control room[J]. China Safety Science Journal, 2010, 20(9): 81-85(in Chinese).

[9]HUANG F H, HWANG S L. Experimental studies of computerized procedures and team size in nuclear power plant operations[J]. Nuclear Engineering and Design, 2009, 239(2): 373-380.

[10]LEE S J, KIM J, JANG S C. Human error mode identification for NPP main control room operations using soft controls[J]. Journal of Nuclear Science and Technology, 2011, 48(6): 902-910.

[11]O’HARA J M, BROWN W S, LEWIS P M, et al. The effects of interface management tasks on crew performance and safety in complex, computer-based systems: Detailed analysis, Vol 2, NUREG/CR-6690[R]. Washington D. C.: NRC, 2002.

[12]O’HARA J M, HIGGINS J C, BROWN W. Identification and evaluation of human factors issues associated with emerging nuclear plant technology[J]. Nuclear Engineering and Technology, 2009, 41(3): 225-236.

[13]THOMPSON C M, COOPER S E, BLEY D C, et al. The application of ATHEANA: A technique for human error analysis[C]∥IEEE Sixth Annual Human Factors Meeting. Florida: [s. n.], 1997.

[14]LEE S J, KIM M C, SEONG P H. An analytical approach to quantitative effect estimation of operation advisory system based on human cognitive process using the Bayesian belief network[J]. Reliability Engineering and System Safety, 2008, 93(4): 567-577.

[15]ENDSLEY M R. Toward a theory of situation awareness in dynamic systems[J]. Human Factors, 1995, 37(1): 32-64.

[16]LI Pengcheng, ZHANG Li, DAI Licao, et al. Study on analysis method of operator’s errors of situation awareness in digitized main control rooms of nuclear power plants[C]∥The 12th Probabilistic Safety Assessment & Management Conference. USA: [s. n.], 2014.

[17]張力，鄒衍華，黃衛剛. 核電站運行事件人誤因素交互作用分析[J]. 核動力工程，2010，31(6)：41-46.

ZHANG Li, ZOU Yanhua, HUANG Weigang. Interactive analysis of human error factors in NPP operation events[J]. Nuclear Power Engineering, 2010, 31(6): 41-46(in Chinese).

[18]楊學軍，曾國軍. 影響服務外包承接地競爭力的因子分析——基于示范城市軟件外包企業的問卷調查[J]. 科技管理研究，2011(20)：112-115.

YANG Xuejun, ZENG Guojun. Factor analysis on competence of provider city of outsourcing of services: A study of ITO vendors in demonstration city[J]. Science and Technology Management Research, 2011(20): 112-115(in Chinese).