基于人因可靠性的道岔失表故障處置量化分析*

陳 宇 朱海燕 劉志鋼 劉曉靜

(上海工程技術大學城市軌道交通學院，201620，上?！蔚谝蛔髡?，碩士研究生)

作為人因可靠性研究中最為重要的數據支撐，人因失誤數據因其不會被系統直接記錄，而較難采取有效的方法獲取。國內外諸多學者通過不同的量化分析方法開展軌道交通關鍵崗位人員作業失誤分析研究[1-3]，但其研究大多是基于理論模型的計算分析。由于人因數據的缺乏，無法與實際的失誤數據形成對比并驗證理論模型的有效性。本文針對人因失誤數據難以采集的問題，通過構建THERP(人因失誤率預測技術)+HCR(人員認知可靠性)模型，細化了道岔故障導致ATS(列車自動監控系統)工作站失去表示(以下簡稱“道岔失表”)故障處置作業流程，開展了人因操作失誤的定量化分析，并通過仿真試驗驗證了所提模型的有效性。本文研究可為排查和消除城市軌道交通系統中的人因隱患提供理論基礎。

1 道岔失表分析

道岔失表是城市軌道交通線路中發生頻率較高的故障之一。該故障大多是由于轉轍機內部裝置故障、尖軌與基本軌之間存在異物、道岔滑床板被異物卡住等原因導致的。一旦故障發生，將致使列車晚點、車站客流積壓，甚至引發乘客投訴等問題。目前，城市軌道交通車站應對道岔失表采取的措施為先由行車值班員進行道岔單獨操作(以下簡稱“單操”)測試，若無效，則需要值班站長和設備值班員協同合作，執行手搖道岔接發車作業。道岔失表故障處置流程及其失誤原因類別如圖1所示。

圖1 道岔失表故障處置流程及其失誤原因類別

2 THERP+HCR分析方法

既有研究表明，在常見的12種人因可靠性分析方法中，THERP與HCR方法在綜合評價表現上較為良好，具有廣泛的適用性[4]。

2.1 人因失誤率預測技術

THERP主要利用HRA(人因可靠性分析)事件樹模型將值班員的某項任務劃分成一系列按照操作規程的子任務，并基于THERP手冊給出每個動作的人因失誤概率(以下簡稱“人誤率”)，同時考慮其所處環境，利用行為形成因子加以修正，再依據任務之間的相關性測算獲得最終的人誤率。THERP應用步驟如圖2所示。

圖2 THERP應用步驟Fig.2 Application steps of THERP

2.2 人員認知可靠性

HCR模型在對人因可靠性進行分析時，從人因失誤機理入手，結合認知過程中的心理學，著重研究在突發事件下值班員故障應急處置中的認知過程。人在認知過程中的行為類別分為技能型、規則型和知識型，而HCR模型在此基礎上提出每種行為類型的失誤概率遵循三參數的威布爾分布[5]，即：

(1)

式中：

P(t)——在允許值班員響應的時間內,值班員未做出反應的概率值；

t——道岔故障時，允許設備值班員岔區檢查的時間；

t0.5——正常情況下(如演練、培訓)，值班員響應某項故障的平均時間；

λ、μ、γ——特定行為類別下的威布爾修正參數。

考慮到事發時，每位值班員所處的環境以及每個人的自身反應時間或業務熟練程度有所不同，故需要利用行為影響因子Ki(i=1,2,3)對t0.5進行修正，具體公式為：

t0.5,m=t0.5(1+K1)(1+K2)(1+K3)

(2)

式中：

K1、K2、K3——分別為值班員操作經驗、心理素質、人機界面影響因子；

t0.5,m——修正后的值班員響應某故障平均時間。

2.3 模型計算

基于THERP+HCR模型，將道岔失表作為算例，對值班員故障處置中的認知和操作過程進行人誤率估算。由圖3的道岔失表事件失誤分析示意圖可知，按照時間發展序列，值班員存在4種失誤路徑。

圖3 道岔失表事件失誤分析示意圖Fig.3 Error analysis diagram of turnout loss of indication event

2.3.1 未察覺故障概率

當ATS面板報警時，認為行車值班員未發現故障的概率非常小，P1=1.0×10-4。

2.3.2 道岔單操失誤率

道岔單操屬于序列操作，采用THERP方法，行車值班員在ATS面板進行單操的HRA事件樹如圖4所示。依據THERP數據表[5]，行車值班員單扳定位、反位操作的失誤率為P(A1)=P(B1)=1×10-3，修正系數為1，所以P2=1-P(a1)P(b1)=1.999×10-3。

圖4 行車值班員道岔單操HRA事件樹示意圖

2.3.3 岔區檢查失誤率

對于診斷行為，采用HCR模型。根據車站的實際調研情況，車站設備值班員平均工齡為4年，具有較好的業務水平。設t=60 s，依據標準化作業平均時間，岔區檢查作業時間實際約為t0.5=30 s。值班員失誤類別視為規則型，國內學者通過大規模的模擬機試驗得出，當行為類型為較為熟悉的規則型時，采用其修正后的威布爾修正參數λ、μ、γ處理數據模型更為恰當[6]，即K1=-0.22，K2=0.28，K3=-0.22，λ=0.88，μ=1.63，γ=0.3，修正后代入式(1)，可得P3=5.146×10-3。

2.3.4 岔區作業失誤率

圖5 設備值班員手搖道岔作業的HRA事件樹示意圖

3 試驗過程

3.1 試驗目的及方法

在城市軌道交通系統中，值班員實際操作的失誤數據并不會被系統或者人為記錄，因此通過車站作業仿真試驗的方法，依據每次試驗的失誤次數以及執行總次數測算實際人誤率θ。引入貝葉斯估計參數思想，即在試驗測得的人誤率基礎上加入先驗信息進而獲得后驗信息，后驗分布的期望即為所要研究的值班員故障處置失誤率的實際精確值。后驗分布的推導步驟可參考文獻[7]，其期望E(θ)可以表示為：

(3)

式中：

x——值班員失誤次數；

n——值班員作業總次數;

α、β——分別為先驗分布函數中的兩個形狀參數。

(4)

(5)

3.2 試驗對象

將12名應屆學生(均為男性，平均年齡為25歲)作為試驗對象，對其進行專業培訓，使其熟悉常規的ATS操作及故障處置流程，并分組進行道岔失表故障處置試驗。

3.3 試驗儀器與設備

本試驗通過模擬的車站控制室、道岔轉轍機、屏蔽門及調度指揮臺完成，能夠滿足值班員日常行車業務辦理及故障應急處置。

圖6 中山公園站ATS線路軟件截圖Fig.6 Software screenshot of Zhongshan Park Station ATS route

3.4 試驗情景設計

上海軌道交通3號線中山公園站ATS線路軟件截圖如圖6所示。行車值班員完成崗前一系列操作后，下行列車在中山公園站清客并運行至TC63E軌道區段，但此時12E道岔突發故障，控制臺彈出擠岔報警提示框，行調通知車控室行車值班員進行道岔故障處置，在單操測試無響應后，命令值班站長與設備值班員準備手搖工具進入岔區，檢查12E道岔并進行手搖操作。

3.5 數據處理

在試驗過程中，通過人工評判記錄每項操作步驟的失誤次數，同時用計算機輔助記錄作業時間，若超過標準作業時間也將判為失誤。每次試驗分為8個步驟，失誤次數統計情況如表1所示。

表1 失誤次數統計表Tab.1 Statistics of errors

由表1可知，值班員8次模擬故障處置試驗的平均人誤率為0.109，方差為0.021。將上述參數取值代入式(4)和式(5)可得α=0.398、β=3.241，即后驗分布的均值E(θ|x)可以表示為：

(6)

結合某地鐵新線試運行16次演練、共計128項操作步驟的道岔故障處置情況，經評估統計共7次人員失誤。其間道岔故障處置情況如圖7所示。最終計算出道岔失表應急故障處置的實際人誤率為5.62×10-2。實測值與理論值誤差為4.2%，精度良好，故可認為THERP+HCR模型適用于計算值班員道岔失表應急處置人誤率。

圖7 新線試運行演練道岔故障處置情況

4 結語

基于THERP+HCR模型，能夠直觀顯示值班員在不同故障處置中認知階段與操作階段的人誤率，再結合不同故障下的操作標準細則，分解標準操作后，就能夠建立相應的人因失誤模型。通過該模型計算和試驗獲得的各環節人誤率結果均為P4>P3>P2>P1，且手搖道岔作業項中的手搖和加裝鉤鎖器相較于其他步驟失誤率較高。從認知角度看，設備值班員進入岔區后，容易忽略對道岔的檢查，導致列車存在冒進擠岔風險，值班站長應全程做好值班員的盯控與提醒；從操作角度看，各車站的鉤鎖器型號有所不同，建議同一線路使用同一類型的鉤鎖器，同時加強對鉤鎖器使用的培訓。而對于現場標準化作業時間，建議可根據車站的類型，如核心有岔站和有岔通過站進行分級分類設定，最大程度地降低運營列車的延誤水平。