層壓機作業人員認知功能失效概率分析與預測

協鑫集團江蘇東昇光伏科技有限公司 ■ 王磊蔡宗光 蔣鴻 卞健 王偉

層壓機作業人員認知功能失效概率分析與預測

協鑫集團江蘇東昇光伏科技有限公司 ■ 王磊*蔡宗光 蔣鴻 卞健 王偉

為了研究層壓機作業人員連續作業的認知功能失效概率，提出一種失效概率分析方法——認知可靠性和失誤分析方法（CREAM）。通過對CREAM中環境影響指數β和控制模式區域進行修正，使其符合層壓機作業人員所處情景環境；通過實證得出層壓機作業人員作業失效概率為0.0363，對層壓機錯峰設計和班組成員配合培訓可有效降低層壓機作業人員認知功能失效概率。以CREAM修正方法為基礎建立層壓機作業人員認知功能失效概率模型，具有較好的可操作性。

層壓機作業人員；CPC；CREAM；環境影響指數；控制模式區域

0　引言

人-機系統的可靠性和安全性越來越取決于人的可靠性［1，2］。據中國安全總局2013～2014年事故統計發現，70％以上事故是由于人的失誤行為導致［3］，人的失誤行為已成為事故發生的根源。由于人的作業行為量化復雜，以及作業環境等變化給作業人員人因失效概率分析與預測帶來困難，目前主要采取提高管理能力和提升作業認知水平來降低人因失效概率。

目前行業專家從各領域對人因可靠性進行了理論與實踐研究：陳爐云［4］等以某船艇控制室的操作任務為例建立人因失誤樹，通過對收集數據仿真確定其可靠性程度；席永濤［5］等以MMEM系統模型和SHEL界面模型為基礎建立海事作業人員人因可靠性行為因子；趙振武［6］等對認知可靠性和失誤分析方法（CREAM）中認知功能表進行了部分修正，使其能夠適用于管制員與空中飛行員可靠性控制。從上述研究發現，人因可靠性方法在分析作業人員處于一定情景環境下的認知功能失效概率分析與預測方面具有較好的效果。本文將以協鑫集團江蘇東昇光伏科技有限公司層壓機作業人員為例，通過對CREAM進行修正，確定層壓機作業人員認知功能失效概率，并提出降低其認知功能失效概率的措施。

1　CREAM理論與修正

1.1CREAM理論

認知可靠性和失誤分析方法（CREAM）是由Erik博士［7］提出，其認為人的認知功能失效概率受到所處情景環境的影響，Erik提出特有的認知模型與體系，能夠確定作業人員的認知狀態并預測其未來變化［2］。CREAM將人所處情景環境因素歸結為共同績效條件（CPC），通過大量生產經驗確定CPCs共有9個主要因素，分別為組織完善性、工作條件、人機界面（MMI）與運行支持的完善性、規程/計劃的可行性、同時出現的目標數量、可用時間、值班時間區、培訓和經驗的充分性和班組成員的合作質量。每個CPC因子可根據其水平狀態確定其對于績效可靠性的期望效應：改進、不顯著和降低。同時定義環境影響指數β為：β=∑ω降低-∑ω改進，當β=0時認為其共同績效因子不受情景環境影響，記為CFP0；當β≠0時認為其共同績效因子受到情景環境影響，記為CFP。CFP、CFP0、β和關系系數k（k由認知失效概率及環境影響指數的最大值和最小值確定）的關系可表示為：

最大認知失效概率和最小認知失效概率的表達式分別為：

通過式（2）和式（3）換算得到k和CFP0的表達式為：

認知可靠性和模型誤差分析方法也被稱為現場控制模型（COCOM），如圖1所示，它是基于人的可靠性分析方法的精華，同時也是解決人因可靠性的關鍵問題。該方法還確定了影響情景環境的9個主要因素，通過［∑降低，∑改進］的范圍以及控制模式區域范圍的關系就能準確確定人所處的控制模式區域。同時，CREAM給出了控制模式對應的失效概率區間值，即戰略模式失效概率區間為［0.00005， 0.01］，戰術模式的為［0.001， 0.1］，機會模式的為［0.01， 0.5］，混亂模式的為［0.1， 1］；CERAM還給出了認知功能失效模式及其對應的失效概率基本值，這里仍采用已給出的失效概率基本值［8］。

圖1　情景控制模型流程

1.2CREAM修正

不同情景環境下CPC因子重要程度存在顯著差異，情景環境差異性表現屬于定性因素，無法采用定量方法進行計算，同時考慮情景環境狀態的兩兩相互關系，故采用關系矩陣的方法來確定CPC因子重要程度［9］。

設有｛a1，a2，…，an｝共n個CPC因子，可建立關系矩陣M=｛bij｝，bij表示ai與aj的兩兩關系（ai和aj關系可用強烈重要、非常重要、明顯重要、稍顯重要和同等重要表示，并分別賦值為5、4、3、2、1），通過式（6）～式（8）計算出第i個CPC因子重要度ωi為：

式中，SC（i）和SR（j）表示人因可靠性CPC因子在關系矩陣中行列元素和。根據CPC因子重要度可得到修正后的β′， β′=∑ω′降低-∑ω′改進，同時計算基本認知失效概率CFP0、認知失效概率CFP、系數k和β′的關系［10］如式（9）所示：

通過匯總CPC因子中改進和降低作用的CPC因子∑降低和∑改進，即可確定情景環境下作業人員所處的控制模式（圖2），發現作業人員所處控制模式區域較粗略，且某個失效概率可能屬于兩個失效模式或者不屬于任何一個失效模式，同時失效模式是離散型的。

圖2　人員所處控制模式區域

為建立連續控制模式區域模型，須作以下假設：1）控制模型區域是連續的，不是4個獨立區域［11］；2）失效分布函數存在控制模式區域每個點；3）失效分布函數服從對數分布函數（通過改變外部條件可使人的行為通過對數函數體現）；4）失效分布函數均值等于控制模式區域對數（說明同3）；5）改進情景環境，即∑降低=∑改進；6）如果∑改進=0或∑降低處于最大值，則平均失效率（MFR）處于最大值；7）如果∑降低=0或∑改進處于最大值，則MFR處于最小值。

基于以上假設，可設：MFR=MFR·10A（A是調節非均衡CPC因子的MFR0，即當∑降低≠∑改進），建立基本連續控制模式區域圖（圖3），其中N改進表示所有CPC因子均為改進，N降低表示CPC因子均為降低。

圖3　連續控制模式區域

根據假設及連續控制模式區域模型圖，經過推導得到以下公式：

其中，R=√∑改進+∑降低；Rmax=√N改進+N降低；

繪制在連續控制模式區域下MFR值的示意圖，如圖4所示。

圖4　連續控制模式區域下MFR值

2　層壓機作業人員特點與失效概率預測

2.1背景介紹

協鑫集團兩期共計年產1 GW光伏組件項目，已于2014年先后投產。

2.2層壓機作業人員作業特點

太陽能層壓機是每個光伏組件生產企業必備的設備［12］，主要作用是把EVA、太陽電池片、鋼化玻璃、背膜（TPT、PET等材料）在高溫真空的條件下壓成具有一定剛性的整體。層壓機作業人員的主要職責是在組件進入層壓機前取下組件上的流程卡并在系統中錄入流程卡信息，在層壓機完成層壓后將流程卡粘貼到組件上，同時觀察層壓機儀表上參數變化并及時處理。層壓機作業人員良好的認知行為對光伏組件生產企業尤為重要，其疏忽、漏判都有可能造成層壓機中的組件報廢、層壓機停機，甚至留下嚴重的安全隱患，有可能造成事故的發生。已知的多起層壓機組件報廢、層壓機作業人員受傷均與層壓機作業人員忽視操作規程、異常報警信息處理不及時等有關，所以對層壓機作業人員行為過程進行預測并確定其認知狀態具有較大意義。

層壓機作業人員的作業過程有以下特點：層壓機人員必須反復對組件流程卡信息進行查驗并錄入系統，同時對層壓機設備中的儀器儀表數據進行觀察，根據層壓機儀表中的數據變化判斷層壓機運行的正常與否，進而采取調整參數、停機進箱維護或上報等待維修等措施，然后重復該過程；層壓機作業人員的作業行為會被其所處的作業環境和作業狀態影響，作業人員的績效不是某個隨機發生的事件，是由其完成的整個作業內容和作業環境決定的。

2.3層壓機作業人員作業失效概率預測

根據文獻［8］對江蘇東昇光伏科技有限公司層壓機人員的作業行為進行區分，確定其認知功能和基本失效概率，如表1所示。

表1　層壓機作業人員認知行為與認知功能

從第1個認知活動開始分析，確定CPC所處期望狀態，并根據層壓機作業人員所處情景環境和式（6）～式（8）確定CPC權重，如表2所示。

表2　CPC因子、狀態及重要度

通過觀測和校準，層壓機作業人員作業可靠性在10-2（通過對部分層壓機作業人員跟蹤記錄發現，層壓機作業人員操作100次出現不可靠行為均低于10次，但不可靠行為數據不穩定，即認定其可靠性為10-2），并假設誤差因子EF=1（即認為存在層壓機作業人員操作100次出現超過10次不可靠行為現象的可能性），即有：R=3，Rmax=4，θ=23.47，MFRmin=10-3，MFRmax=10-1；通過式（10）～式（12）可計算出MFR=3.92×10-2，可判斷出層壓機作業人員的認知活動處于戰術失效區域，這與未修正CREAM中控制模式區域確定結果一致。

同時計算修正后的環境影響指數β′=-1.79，根據認知活動所處失效模式，計算出系數k=0.148，將β′和k代入式（9）計算出失效概率CFP=0.0038。同理可計算其他認知活動失效概率，結果見表3。

表3　層壓機作業人員作業行為認知活動失效概率

由此，可計算出層壓機作業人員作業行為失效概率P=1-∏5i=1（1-CFP）=0.0363，可認為在情景模式下層壓機作業人員作業失效概率為0.0363；認知行為中，取下組件流程卡處于機會控制失效模式區域。

為了降低層壓機作業人員作業行為失效概率，可從以下角度降低取下組件流程卡的失效概率：1）可對層壓機進行錯峰設計，減少層壓機同時出現的概率；2）加強層壓機作業人員班組配合能力；3）控制層壓機周圍溫度，減少由于工作環境對層壓機作業人員作業行為失效概率的影響。

3　結論

層壓機作業崗位是光伏組件生產企業的關鍵崗位，其作業人員的作業行為直接決定組件生產企業的產能。采用CREAM修正能較好體現層壓機作業人員的作業特點與作業環境，控制模式區域修正體現了光伏組件企業連續生產方式。實證分析結果體現了CREAM修正在光伏組件企業應用的可靠性，并且能夠有效提高人員作業可靠性及在光伏組件生產應用的準確性，具有較好的可操作性。

［1］ 廖斌， 高慧， 劉敏， 等. 基于CREAM的校車駕駛員人因可靠性分析方法［J］. 中國安全生產科學技術， 2012， 8（11）: 145-150.

［2］ 王遙， 沈祖培， 高佳. CREAM追溯法及其在根原因分析中的應用［J］. 核科學與工程， 2005， 25（1）: 30-34.

［3］ 中華人民共和國安全生產監督總局安全產生簡況［EB/OL］. http://www.chinasafety.gov.cn/newpage.htm， 2015.

［4］ 陳爐云， 張裕芳. 基于故障樹法的船舶艙室人因可靠性研究［J］. 艦船科學技術， 2012， 34（1）: 110-113.

［5］ 席永濤， 胡甚平. 海運人因可靠性分析中行為形成因子模型［J］. 中國航海， 2012， 35（1）: 66-70.

［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］ Hollnagel Erik. Cognitive reliability and error analysis method［M］. America: Elsevier Science Ltd，1998.

［8］ 孫瑞山， 王鑫. 基于CREAM預測法的駕駛艙機組判斷與決策過程的初步研究［A］. Proceedings of 2010 International Conference on Management Science and Engineering［C］， 湖北， 2010， 10-17.

［9］ 王丹， 劉琳， 賀宏博. 人因可靠性分析在煤礦生產中的改進與應用［J］. 內蒙古大學學報（哲學社會科學版）， 2013， 45（4）: 60-65.

［10］ Misztal I， Legarra A， Aguilar I. Using recursion to compute the inverse of the genomic relationship matrix［J］. Journal of Dairy Science， 2014， 97（6）: 3943-3952.

［11］ Sarter N B， Amalberti R. Cognitive engineering in the aviation domain ［M］. America: Lawrence Erlbaum Associates Inc， 2000.

［12］ 陳俊超. 太陽能層壓機使用成本分析及發展方向［J］. 太陽能， 2011， （20）: 55-57.

2015-09-20

王磊（1988—），男，碩士，主要從事工業工程與工業安全等工作。15951463654@163.com