地铁盾构施工人因可靠性分析的加权模糊CREAM模型

王 宁，杜修力，张明聚，许成顺，卢鑫月



地铁盾构施工人因可靠性分析的加权模糊CREAM模型

王 宁1, 2，杜修力1，张明聚1，许成顺1，卢鑫月1

(1. 北京工业大学城市与工程安全减灾省部共建教育部重点实验室，北京 100124；2. 石家庄铁道大学道路与铁道工程安全保障省部共建教育部重点实验室，石家庄 050043)

针对地铁盾构施工风险评估中人因可靠性分析(HRA)问题，构建了一种加权模糊CREAM模型．首先，利用复相关性分析和证据理论确定共同绩效条件因子(CPC)的合理权重．其次，基于现行规范编制CPC评价细则，利用统计方法得到了CPC水平隶属函数．在此基础上，提出将离散基本控制模式图连续化的方法，建立了地铁盾构施工人因失误概率(HEP)点估计值预测模型，通过4条公理验证了模型的合理性和可靠性．结果表明：加权模糊CREAM模型将权重引入到CPC效应值计算和HEP推理中，能更好地反映不同CPC因子对人行为绩效的影响，可为地铁盾构施工HRA提供定量评估数据．

盾构施工；人因可靠性分析；施工风险；CREAM

地下工程建设技术难度大、设备环境复杂、隐患潜伏性强，常伴随较大施工风险．近年来，国内外施工现场事故调查显示，82%的工程事故与人为失误密切相关[1-2]．2011年5月6日凌晨，天津地铁二号线建国道至天津站盾构区间施工中螺旋输送机卡住异物，作业班组排除故障时操作不当，造成高压水喷涌，双线区间被淹．2008年11月15日，杭州地铁湘湖站基坑坍塌造成21人死亡，长75m、深15m的路面塌陷，是一起安全制度缺失、管理缺位、作业人员技术培训不足造成的人因事故[3-4]．可见，人的不安全行为是地铁安全事故防控不可忽视的重要因素，研究施工人因失误对于防范地下工程建设风险十分必要且意义重大．但由于相关工作缺乏，实现地铁施工人误定量分析面临极大挑战．

人因可靠性分析(HRA)通过预测人误率及评价人误可能导致的人机系统功能下降来评估操作员对系统可靠性贡献的大小[5]．实践证明，HRA对减少人误是非常有效的，并已被整合到风险评估过程中[6]. CREAM(cognitive reliability and error analysis method)[7]是Hollnagel在认知与行为科学理论基础上提出的HRA方法，可实现追溯分析和人误概率预测．该方法已被越来越多地应用于可靠性要求较高的安全关键系统，如核电厂、海洋运输[8]、近海石油钻探[9]、国际空间站[10]等领域．城市地铁盾构施工是在地下深处进行隧道修建的全机械化方法，作业的每道工序需要班组成员相互配合完成，其行为绩效对任务环境高度依赖，因而施工人误事件发生规律与上述领域具有类似特征．

CREAM包括基本法和扩展法，分别用于人的行为绩效可靠性初步筛选和精确评估．尽管基本法给出的失效概率区间是可接受的，但从实践角度讲仍显得过宽[11]．文献[11-13]致力于在基本法基础上获得人误概率的点估计值，为系统可靠性分析和概率风险评估找到一种简便的HRA数学工具．由于人误机理的复杂性和数据的匮乏，CREAM方法评估人误概率不可避免地受到不确定性影响．于是，基于模糊逻辑理论整合主观数据的CREAM方法被提出. Konstandinidou等[14]和Marseguerra等[15]采用模糊集方法估计CPC(common performance conditions)因子水平，再根据模糊知识推理和控制模式隶属度函数等进行HEP点估计值预测．Ung[16]针对海洋油轮泄露事故提出了基于规则的考虑CPC因子权重的模糊CREAM模型．引入模糊集理论表达不确定性信息能够使模型方便地将人因专家定性观点转化为定量的概率结果[17]．然而，模糊CREAM法仍有一些现实问题需要解决，包括如何考虑CPC因子的依赖性和权重、确定CPC因子水平评价标准及构建人误概率预测的连续化映射模型等．因此，本文将提出能够系统考虑上述问题的改进加权模糊CREAM模型，并结合地铁盾构施工进行人因可靠性分析和评估．

1 地铁人误模糊CREAM方法改进方案

CREAM法强调情景环境对人的认知控制模式的影响决定了可能发生认知失误的概率，并将控制模式分为混乱型(scrambled)、机会型(opportunistic)、战术型(tactical)和战略型(strategic)．在CREAM法中，CPC描述了情景环境如何对人的行为绩效产生影响．基本法通过CPC因子组合评分决定人的绩效处于哪种控制模式，进而定量预测人误概率区间，如图1所示．

图1 CREAM基本法控制模式图

地铁盾构施工人因失误分析定量评估需结合具体任务环境，并考虑现有模型的不足：①控制模式人误概率区间较宽且重叠，预测精度不高；②CPC因子水平依赖人因专家评判，易受主观影响；③认为CPC因子完全独立，而实际上它们对人的绩效可靠性的影响程度不同[18]；④“不显著”效应CPC因子尚需通过其他因子进行修正[7]，调整过程繁琐；⑤控制模式应表示为连续定量函数，避免离散化模型中人误概率在相邻控制模式分界附近突变．因此，提出的加权模糊CREAM模型计算过程如图2所示．

图2 地铁盾构施工加权模糊CREAM模型计算过程

2 加权模糊CREAM模型的建立

2.1 CPC因子权重确定

1) 任务环境与CPC因子

CREAM利用CPC因子为任务环境定量描述提供了一套综合的、结构化的指标体系．然而，它们并不是独立的，而是存在相互耦合或依赖关系. Hollnagel[7]研究了CPC因子影响人行为绩效的作用机理，并给出了表1所示的调整规则，1～9含义详见附表A1．

表1 CPC因子调整规则

Tab.1 Rules for adjusting the CPCs

当某CPC因子效应值“不显著”时，依据表1中与它相关的其他因子效应值的共同指向(改进/降低)是否达到阈值来修正．以上调整的出发点是CPC因子的依赖性．从信息论角度看，这些因子对判定人行为绩效属于哪种认知控制模式的重要程度是有差别的，并应尽可能彼此独立．如果某个指标与其他指标相关性越弱，它所提供的独立信息量越大，该指标越重要；若相反，则表明该指标可由其他指标解释，也就意味着它所包括的重复信息越多，该指标在评价体系中越不重要．可见，根据CPC因子相关性分配权重是合理的，可减少重复计入信息造成的评价结果失真.

2) 相关性分析数据的生成

将表1的规则用IF-THEN表示，即

   (1)

3) 复相关系数法确定权重

   (2)

   (3)

(3)计算权重．将每个CPC因子的复相关系数求倒数，按式(4)即可求得权重值[19]．

   (4)

4) 权重的合成

以上通过挖掘CPC因子调整规则获取可用信息确定了权重．Yang等[18]在海洋HRA研究中，借助专家主观判断和AHP(analytic hierarchy process)处理CPC因子权重分配问题．实际上，两种方法求得的权重中均隐含了人因风险分析专家的经验知识．为了确保权重更接近客观实际，将上述得到的权重作为基本概率质量分配函数，应用D-S证据理论[20]进行推理，两种方法合成后的权重值为

表2 证据理论权重合成结果

Tab.2 Synthesis weights obtained by evidence theory

2.2 CPC因子评价标准及模糊隶属函数建立

1) CPC因子评价标准

CREAM法采用了较少的CPC因子评价集，虽然改善了指标结构，但相应的绩效考核评价标准描述不够明确，实际评价中还需依赖经验判断．

根据诱发人误的因素对行为绩效的作用，结合地铁盾构施工将CPC因子采用二级指标结构进行细化．参考现行施工标准和风险规范[21-23]编制CPC因子评价细则，改善现有CPC因子描述的局限性，见附录A.

2) CPC因子水平隶属函数

选取北京、上海、西安、石家庄等地铁盾构项目进行CPC水平抽样调查，采用统计方法确定评价标准阈值．根据评价细则(附录A)，采集盾构作业人员完成任务时的CPC评分值和水平数据，共收集有效样本216份．利用经验分析、假设检验及数据拟合法确定各CPC因子水平的模态值．具体过程为：①绘制频数直方图．将样本数据按区间统计分组，观察数据服从的分布类型；②进行假设检验．经卡方检验，抽样所得样本服从高斯分布；③求取模态值．利用高斯函数进行样本频数拟合，将统计均值作为该CPC因子水平的模态值．依次对所有CPC因子水平样本数据进行统计，即可确定CPC因子水平模糊集．图3 给出了1水平为“有效”的评分值样本频数及拟合曲线示例．表3列出了统计得到的CPC因子水平模糊集模态值．

图3 C1水平为“有效”的评分值样本频数及高斯拟合曲线

表3 CPC因子各水平模糊集模态值

Tab.3 Modal value of the fuzzy set for each level of each CPC

CPC因子CPC水平模糊集模态值 C1效果差/－10无效/－154.00/40*有效/083.79/70*非常有效/＋1100 C2不匹配/－10匹配/072.50/55*优越/＋1100 C3不适当/－10可容忍/059.34/38*充分/078.69/65*支持/＋1100 C4不适当/－10可接受/074.82/55*适当/＋1100 C5高于/－10匹配/078.44/50*低于/0100 C6连续不充分/－10暂不充分/055.93/50*充分/＋1100 C7较低/－10中等/050较高/0100 C8不充分/－10有限经验/078.06/50*丰富经验/＋1100 C9效果差/－10无效/057.98/38*有效/078.18/65*非常有效/＋1100

注：①CPC水平及期望效应见各因子第1行，“-1”表示“降低”或“负效应”，“+1”表示“改进”或“正效应”，“0”表示“不显著”；②列出Ung(2015)的数据以“*”标记．

隶属函数建立后，即可根据CPC观测值(评分)计算CPC水平的信度分布，即

   (6)

2.3 控制模式信度分布的计算

1) 控制模式图的连续化

根据CPC效应值确定控制模式分布需要利用基本控制模式图．Liu等[24]和Yang等[25]建立了多输入、多输出模糊规则方法，以反映专家观点不确定性及语义变量的微小变化，但未考虑CPC效应值权 重[18].为此，将任务环境对作业人员行为作用按照“负”、“正”和“不显著”效应分别考虑，定义指数WR、WI和WN为

   (7)

图5 基本控制模式隶属函数

2)控制模式条件信度分布

   ，(8)

比较可知，当＝1、2、4、8、9及＝7时结果与控制模式图法[18]完全一致，其他均较接近．对于CPC效应值为0，即“不显著”情况时，控制模式条件信度分布由下式确定：

   ，(9)

表4 两种方法求得的条件信度分布比较

Tab.4 Comparison of conditional belief degree obtained by two approaches

效应影响指数条件信度分布 本文方法控制模式图法 负x＝1{0.375，0.625，0，0}{0.375，0.625，0，0} x＝2{0.25，0.75，0，0}{0.25，0.75，0，0} x＝3{0，0.75，0.25，0}{0，0.714，0.286，0} x＝4{0，0.5，0.5，0}{0，0.5，0.5，0} x＝5{0，0.25，0.75，0}{0，0.2，0.8，0} x＝6{0，0，0.828，0.172}{0，0，0.75，025} x＝7{0，0，0.75，0.25}{0，0，0.667，0.333} x＝8{0，0，0.5，0.5}{0，0，0.5，0.5} x＝9{0，0，0，1}{0，0，0，1} 正y＝-1{0，0.353，0.647}{0，0.333，0.667} y＝-2{0，0.522，0.478}{0，0.5，0.5} y＝-3{0，0.732，0.268}{0，0.714，0.286} y＝-4{0.143，0.857，0}{0.167，0.833，0} y＝-5{0.429，0.571，0}{0.4，0.6，0} y＝-6{0.714，0.286，0}{0.75，0.25，0} y＝-7{1，0，0}{1，0，0}

2.4 计算加权人误概率HEP

将正、负和不显著效应人因可靠性计算结果加权，得到组合的人误概率HEP为

  (10)

2.5 地铁盾构施工人误概率评价

CREAM基本法提供了人误概率区间与基本控制模式的对应关系，但其对于地铁人误概率评价略显粗糙．考虑到不同作业失误后果的严重程度不同，相应人误概率大小的可接受程度也存在差异，参考规范的接受准则[22]建立表5所示的地铁盾构施工人误概率评价标准．

表5中，操作失误风险等级划分Ⅰ~Ⅳ级．其中，Ⅰ级为不可接受，应立即停止施工，对作业班组及管理进行全面检查整顿；Ⅱ级为不愿接受，进行安全预警，实施班组行为绩效监督，排查问题要素并强化改进；Ⅲ级为可接受，按计划作业，宜加强班组作业任务环境管理；Ⅳ级为可忽略，无需进行改进．根据任务执行失误的后果严重性，即可对计算出的HEP进行评价，便于施工管理或技术人员判断和决策．

表5 地铁盾构施工人误概率评价标准

Tab.5 HEP evaluation criteria for shield tunneling

3 模型合理性分析和比较

3.1 模型验证的基本公理

为便于比较，在第3.1～3.3节采用与Ung[16]相同的权重值和模糊隶属函数(表3中标注“*”的数据)，引入以下基本公理：

公理1：CPC因子正/负效应的小幅变化将引起人误概率的下降/上升，但不会造成估测结果突变；

公理2：给定相同的CPC观测值，重要性程度较大的CPC因子对人误概率影响较为显著；

公理3：能够充分利用收集的数据，减少预测和推理过程中的信息损失；

公理4：模型的输出能覆盖分析问题的整个求解域，得到的结果与实际相符．

3.2 敏感性分析

假定1组初始评分和4组对比评分以验证公理1的评分数据敏感性，如表6所示．

计算可知，Case1和Case2中当6评分小幅正负效应变化时，文献[16]和本文方法计算的HEP均发生变化，但前者变化幅度很小(数量级仅为1×10-6)，这意味着HEP几乎不发生变化．而本文方法HEP变幅的数量级为1×10-3，从主观经验来看是合理的．在Case3中两种方法计算结果分别为1.8105×10-3和1.384×10-2，差别相对较大；在Case4情况下，采用文献[16]方法计算结果不发生变化，原因是Case4与初始评分有相同的控制模式和加权隶属度值(详见文献[16])．以上分析表明，本文方法不但能反映CPC分值的小幅变化，而且所得HEP变化范围适当，具有良好的评分数据敏感性．

表6 4种假定的评分值及HEP结果

Tab.6 Observations of four scenarios and HEPs

用公理2验证权重敏感性．在CPC评分值不变的情况下改变权重，计算结果见表7．根据公理2，如果评分值较小(较大)的CPC因子权重变大，则人误概率将上升(下降)．两种情形下HEP估计结果为2.262×10-2和1.477×10-2，分别产生了小幅的上升和下降，变化幅度比较合理．显然，由于Case1中2和7评分值分别为0和100，2权重增加必然导致人误概率提高；Case2则与此相反．分析表明，CPC因子权重影响人误概率输出结果，模型对CPC因子重要性程度是敏感的．

表7 两种假定的权重值及HEP结果

Tab.7 Weights of two scenarios and HEPs

3.3 数据利用的充分性

缺乏足够的数据仍是HRA面临的主要难题．CPC评分信息损失发生在效应值转化及控制模式判别过程中，充分利用现有数据(公理3)是保证人误概率预测准确性的可行途径．

3.4 模型求解域分析

引入第2.1和2.2节的权重值和模糊隶属度函数进行求解阈分析．理论上，从CPC因子量化认知控制模式到预测人因失效概率为定义在连续空间上的映射函数，并应覆盖问题的全部求解域．

将每个CPC因子按25分等间距取5个点(0，25，50，75，100)，共组成59＝1953125个CPC评分组合．以加权分值为横坐标，分别绘制HEP和lg(HEP)云图，见图6．HEP与加权分值之间总体上呈对数变化规律，这与可用对数函数描述人因可靠性的基本假定[11-12]相符．对于相同加权平均分的组合，计算的HEP在一定范围内波动．如[50，100，100，100，100，0，0，25，0]和[0，0，50，50，75，50，50，0，50]的HEP结果分别为2.1932×10-1和3.8934× 10-2，前者在较大权重(见表2)的CPC因子上评分较小，而后者相反．可见，CPC因子评分值、模态值、效应值和权重对HEP结果将产生综合影响．

表8 典型代表性评分值及HEP结果

Tab.8 Extreme and representative observations and HEPs

图6 HEP和lg(HEP)分布云图

从人误机理来看，行为可靠性与执行任务的环境条件密不可分．CPC因子在整合个人、技术、环境和组织因素进行控制模式分类时是模糊的．本模型改变了CPC因子效应值与HEP之间的确定性关系假定，能客观反应CPC评分与HEP的复杂影响关系，实现HEP的合理预测．

4 案例研究

4.1 盾构施工场景描述

福州地铁某车站出入段线区间穿越凝灰岩风化带，地层基岩裂隙水发育，承压性强．该类地层常因施工操作不当及技术措施不足等出现螺旋输送机喷涌事故，严重威胁工程自身及周边安全．

该工程选用铁建重工ZTE6410型盾构机，可利用碴土改良、双闸门排碴口泄压、掘进参数调整等措施应对可能出现的喷涌风险．2013年9月，当掘进至第80环时，碴土失去流塑性而呈水土分离状，皮带运输机打滑，出现螺旋输送机排碴口涌泥险情．盾构机操控室内有2名司机(熟练司机和学徒)，碴土工1人，注浆工1人，管片拼装工(兼班组长)、起重工、螺栓工、牵引车司机和测量员各1名．为防范操作不当导致喷涌事故发生，利用加权模糊CREAM模型对施工中发生人误的概率进行估测．

4.2 CPC评分值的计算

该盾构项目组织管理和制度较完善，技术部土建工程师每日进行技术指导和状态跟踪，作业班组有完善的交接、设备巡视制度．盾构施工现场空间狭小，伴有高温、潮湿、噪声，隧道内通风不良导致粉尘浓度高、新鲜空气不足．由于碴土中含有大量泥水，造成作业区工作环境整洁度和有序性不足，现场安全设施及警示齐全．

针对该工程特点，施工前采用带排水管的改进型双闸门设计方案对盾构机螺旋输送机进行了改造，以控制碴土泥水压力．该机操控及监测系统先进，界面交互性好，提供常规智能化报警及远程数据分析功能，MMI及运行支持充分．规程和计划可用性方面编制了详细的操作规程、施工方案与交底、应急处置计划，并且施工中能根据监测数据分析及时对方案进行调整和专家论证．同时出现的目标数受盾构机设计、施工工艺和周边环境影响，绩效条件与施工人员相匹配．由于盾构机长时间停顿可能增加地表沉降风险，碴土改良、螺旋输送机排碴(控制水压和出碴量)需在限定时间内完成．评估人误事件发生的盾构作业时间为凌晨05:00，参考人体昼夜节律特征(认知、体力、情绪)[26]，给出操作人员肌体功能活力状况评分．盾构掘进班组成员上岗前经过充分的技能考核、专业培训并持证上岗，处理紧急情况的经验较丰富．盾构施工班组经过多个盾构项目锻炼，分工协作默契，已经形成长期稳定的工作团队．依据CPC因子评价细则对任务环境进行逐项分析，得到CPC因子评分值，见表9．

4.3 盾构喷涌人误概率评估

将表9中的9个CPC因子评分值输入加权模糊CREAM模型．经计算，盾构喷涌潜在事故场景下发生施工人员操作失误的概率HEP＝1.2314%．由于盾构喷涌将产生严重后果，根据表5可知，应进行作业人因失误安全预警，实施班组行为绩效监督，排查问题并采取改进措施．该任务环境下班组成员认知控制模式为机会型，可能会受到施工中地质条件不良、工作环境差、作业技术复杂以及施工组织不合理等不利因素影响，在处置盾构喷涌应急情景下将产生较大的人因失误风险．

表9 盾构喷涌人误事故CPC因子评分及HEP预测

Tab.9 CPC scores for HEP calculation regarding spewing accidents in shield tunneling

5 结 论

地铁施工人因失误导致了大量工程事故发生．为定量评估地铁盾构施工人因可靠性，本文提出了一种改进的加权模糊CREAM模型．

(1) 编制了CPC因子评价细则，统计确定了CPC水平隶属函数，对地铁施工任务环境及人误影响效应进行量化．复相关分析和证据推理可充分挖掘人因专家知识，为合理计算权重提供了新途径．

(2) 提出了将离散CREAM控制模式图连续化的方法．该方法可在非整数加权效应值下方便地获得认知控制模式分布，解决了利用降低、改进和不显著加权效应值进行HEP模糊推理的问题．

(3) 构建了一种从CPC评分到人因失误概率的连续映射，该过程充分考虑权重对CPC效应值计算和HEP合成的影响，引入4条基本公理对模型进行比较验证，“不显著”效应值的利用进一步减小了CPC因子评价信息损失，提高了预测精度．

附录A

表A1 CPC因子评价细则及专家评分问卷调查表

Tab.A1 Specification evaluation rules for CPCs and expert questionnaire

CPC因子子指标评价标准描述权重评分水平 组织管理的完善性(C1)组织机构、职责与管理制度(C11)盾构项目部是否按规定设置职能机构，配备技术、质量和安全管理人员(40)；班组各工种是否明确分工，责任明确落实，列清详单并公示(40)；项目各部门是否建立全员岗位责任制(20)0.3o非常有效o有效o无效o效果差 沟通与协调(C12)技术部工程师是否根据每天进度、地质和盾构参数等与掘进班组进行技术交底和沟通(60)；班组成员是否执行班前交接、现场巡视和设备检查，沟通是否顺畅，不擅离岗位(40)0.3 安全绩效考核与奖惩(C13)是否建立安全检查、监督、例会和考核制度，并实施严格的奖惩措施(100)0.2 班组安全文化(C14)班组是否开展安全教育活动，工人是否有主动排查隐患、自觉按标准作业的安全意识(60)；是否有足额安全专项经费用于完善安全技术措施、营造安全文化氛围(40)0.2 工作条件(C2)物理环境(C21)盾构现场照明是否充足，温度、湿度、振动、噪声、粉尘、氧气供应是否达到标准，空间布置是否合理舒适(100)0.4o优越o匹配o不匹配 环境秩序(C22)作业区/工作台是否保持环境整齐有序，工具、文件及时归位，材料是否随意堆放(40)；是否及时清理掉落碴土等污物，每周进行整机擦拭，电气和专用设备清扫，确保洁净生产(40)；危险作业区域是否按标准设置警示标志及安全防护设施，个人防护用品是否齐全有效(20)0.6

续表

CPC因子子指标评价标准描述权重评分水平 MMI完善性与操作支持(C3)设备功能及质量(C31)盾构机选型与地质条件的适应性(30)；盾构刀盘驱动、排碴、泡沫与注浆、管片拼装、监控系统等功能的先进性，是否具备该工程特殊地层中施工的安全技术措施(40)；盾构各系统功能状态、可靠性和可维护性(30)0.3o支持o充分o可容忍o不适当 人机接口友好性(C32)是否能提供完整、充足、高质量的实时监测数据(40)；地面监控室、司机主控室、本地控制器等人机界面交互性好，显示器清晰，仪表/标志简洁易读、含义明确，按钮位置符合使用频率和操作习惯，触控灵敏可靠(60)0.5 智能警报与决策支持(C33)是否提供智能化报警信息和装置，报警信号是否明确清晰，具有良好的反馈回路(30)；特殊情况是否可在线数据分析、远程诊断与决策支持(70)0.2 规程/计划的可用性(C4)设备操作规程(C41)制定的操作规程是否全面系统，包括各种作业项目、工序、环节，符合施工技术标准或规范(50)；每条操作规程完整详细，流程简洁明确、标准化程度高，指导性强等(50)0.3o适当o可接受o不适当 施工方案与技术交底(C42)是否针对工程特点、特殊环境和危险因素制定专项施工方案并审批(40)；开工前是否对作业班组进行书面技术交底，保证技术文件可用性(60)0.4 应急处置计划(C43)是否针对特殊周边环境制定完善的安全监控方案，并对可能的突发灾害提出预警措施和应急处置预案(100)0.3 同时出现的目标数量(C5)完成目标任务难度(C51)目标任务完成技术复杂程度是否符合客观规律，操作人员精神和体力消耗程度，是否容易造成疲劳等(100）0.3o低于o匹配o高于 目标数量(C52)操作人员(盾构司机、碴土工、拼装工、注浆工等)同时进行多项任务时是否过负荷(100)0.7 可用时间(C6）任务紧急程度(C61)完成任务的时间和速度要求，突发事件后果严重性及是否有补救措施(100)0.8o充分o暂不 充分o连续不 充分 任务均衡性(C62)多项任务间干扰程度，时间安排是否均衡合理(100)0.2 值班区间(生理节律) (C7)肌体功能活力(C71)根据工作时间段评分. 23:00—次日07:00；07:00—15:00；13:00—21:00(100)0.4o较低o中等o较高 工人适应性(C72)生物节律调节情况，精神及工作状态对作业质量的影响(100)0.6 培训和经验的充分性(C8)知识和技能培训(C81)是否进行盾构技术技能培训，包括设备功能、操作方法、维修保养、组装调试、安全知识等(30)；是否有较强的安全意识和责任心，具备必要的文化水平、专业知识和业务能力，经培训考核持证上岗及岗前跟班实习(70)0.5o丰富 经验o有限 经验o不充分 作业经验(C82)对操作界面、设备参数调整及各种情况下操作方法的熟练程度，是否具备特殊环境下盾构机作业的丰富经验(100)0.5 班组成员合作质量(C9)个性特征(C91)成员年龄、身体条件、精神状态是否符合施工管理规范(40)；工作情绪、风险偏好及注意力集中的程度(60)0.3o非常 有效o有效o无效o效果差 分工与协作(C92)各工种任务是否明确，分配是否合理(30)；是否沟通反馈顺畅，工序衔接严密，协调配合一致(40)；现场秩序是否有条不紊，保持连续不混乱(30)0.5 团队氛围(C93)个人成就、动机和偏好，是否受社会环境、家庭状况影响(20)；班组成员是否相互信任、合作默契，有团队精神(60)；政府、社会、企业施工安全氛围(20)0.2

注：①评分时应结合具体工序、工程地质及周边环境，评价标准描述中括号内数值代表该项满分分值，累加得到子指标得分；利用子指标权重加权计算出每个CPC因子评分值；②1、4、8、9依据《地铁工程施工安全评价标准》(GB50715—2011)、《城市轨道交通地下工程建设风险管理规范》(GB50652—2011)编制；2、3依据《盾构法隧道施工与验收规范》(GB50446—2017)编制；其余因子评价标准按照人体作业能力与疲劳的特点和规律建立；③表中分值及子指标权重部分参考现行规范并经专家咨询给出建议值.

［1］ 钱七虎，戎晓力. 中国地下工程安全风险管理的现状、问题及相关建议[J]. 岩石力学与工程学报，2008，27(4)：649-655.

Qian Qihu，Rong Xiaoli. State，issues and relevant recommendations for security risk management of China underground engineering[J]. Chinese Journal of Rock Mechanics and Engineering，2008，27(4)：649-655(in Chinese).

［2］ 郑新定，王红卫，周 健. 考虑人为因素的盾构隧道风险分析和控制模型研究[J]. 隧道建设，2013，33(9)：720-725.

Zheng Xinding，Wang Hongwei，Zhou Jian. Risk analysis and control model for shield tunnel based on human factors[J]. Tunnel Construction，2013，33(9)：720-725(in Chinese).

［3］ 邵根大. 杭州地铁工地坍塌事故的警示[J]. 现代城市轨道交通，2009(1)：1-3.

Shao Genda. Warning of collapse accident of construction site in Hangzhou metro[J]. Modern Urban Transit，2009(1)：1-3(in Chinese).

［4］ 周志鹏，李启明，邓小鹏，等. 基于事故机理和管理因素的地铁坍塌事故分析——以杭州地铁坍塌事故为实证[J]. 中国安全科学学报，2009，19(9)：139-145.

Zhou Zhipeng，Li Qiming，Deng Xiaopeng，et al. Analysis of metro collapse accidents based on accident mechanism and management factors：With the collapse of Hangzhou metro as an example[J]. China Safety Science Journal，2009，19(9)：139-145(in Chinese).

［5］ Swain A D，Guttman H E. Handbook of Human Reliability Analysis with Emphasis on Nuclear Power Plant Applications[R]. Washington DC：US Nuclear Regulatory Commission，1982.

［6］ Haney L N，Blackman H S，Bell B J，et al. Comparison and Application of Quantitative Human Reliability Analysis Methods for the Risk Methods Integration and Evaluation Program(RMIEP)：Final Report[R]. Specific Nuclear Reactors & Associated Plants，1989.

［7］ Hollnagel E. Cognitive Reliability and Error Analysis Method[M]. Oxford：Elsevier，1998.

［8］ Akyuz E，Celik M. Application of cream human reliability model to cargo loading process of LPG tankers[J]. Journal of Loss Prevention in the Process Industries，2015，34：39-48.

［9］ 柴 松，余建星，杜尊峰，等. 海洋工程人因可靠性定量分析方法与应用[J]. 天津大学学报，2011，44(10)：914-919.

Chai Song，Yu Jianxing，Du Zunfeng，et al. Quantitative human reliability analysis methods and application of offshore engineering[J]. Journal of Tianjin University，2011，44(10)：914-919(in Chinese).

［10］ Calhoun J，Savoie C，Randolph-Gips M，et al. Human reliability analysis in spaceflight applications，part 2：Modified CREAM for spaceflight[J]. Quality & Reliability Engineering International，2014，30(1)：3-12.

［11］ Fujita Y，Hollnagel E. Failures without errors：Quantification of context in HRA[J]. Reliability Engineering & System Safety，2004，83(2)：145-151.

［12］ He X，Wang Y，Shen Z，et al. A simplified CREAM prospective quantification process and its application [J]. Reliability Engineering & System Safety，2008，93(2)：298-306.

［13］ Sun Z，Li Z，Gong E，et al. Estimating human error probability using a modified CREAM[J]. Reliability Engineering & System Safety，2012，100：28-32.

［14］ Konstandinidou M，Nivolianitou Z，Kiranoudis C， et al. A fuzzy modeling application of CREAM methodo-logy for human reliability analysis[J]. Reliability Engi neering & System Safety，2006，91(6)：706-716.

［15］ Marseguerra M，Zio E，Librizzi M. Human reliability analysis by fuzzy“CREAM”[J]. Risk Analysis，2010，27(1)：137-154.

［16］ Ung S T. A weighted CREAM model for maritime human reliability analysis[J]. Safety Science，2015，72：144-152.

［17］ Baziuk P A，Rivera S S. Fuzzy human reliability analysis：Applications and contributions review[J]. Advances in Fuzzy Systems，2016(3)：1-9.

［18］ Yang Z L，Bonsall S，Wall A，et al. A modified CREAM to human reliability quantification in marine engineering[J]. Ocean Engineering，2013，58(1)：293-303.

［19］ 杨 宇. 多指标综合评价中赋权方法评析[J]. 统计与决策，2006(13)：17-19.

Yang Yu. Analysis on determining weight method in multi-index comprehensive evaluation[J]. Statistics and Decision，2006(13)：17-19(in Chinese).

［20］ Yang J B，Singh M G. An evidential reasoning approach for multiple-attribute decision making with uncertainty [J]. IEEE Transactions on Systems Man & Cybernetics，1994，24(1)：1-18.

［21］ GB 50715—2011 地铁工程施工安全评价标准[S]. 北京：中国计划出版社，2011.

GB 50715—2011 Standard for Construction Safety Assessment of Metro Engineering[S]. Beijing：China Planning Press，2011(in Chinese).

［22］ GB 50652—2011 城市轨道交通地下工程风险管理规范[S]. 北京：中国计划出版社，2011.

GB 50652—2011 Code for Risk Management of Underground Works in Urban Rail Transit[S]. Beijing：China Planning Press，2011(in Chinese).

［23］ GB 50446—2017 盾构法隧道施工与验收规范[S]. 北京：中国建筑工业出版社，2017.

GB 50446—2017 Code for Construction and Acceptance of Shield Tunneling Method[S]. Beijing：China Architecture & Building Press，2017(in Chinese).

［24］ Liu J，Yang J，Jin W，et al. Engineering system safety analysis and synthesis using fuzzy rule-based evidential reasoning approach[J]. Quality & Reliability Engineering International，2010，21(4)：387-411.

［25］ Yang Z L，Wang J，Bonsall S，et al. Use of fuzzy evidential reasoning in maritime security assessment[J]. Risk Analysis，2010，29(1)：95-120.

［26］ Wickens C D，Lee J，Liu Y D，et al. Introduction to Human Factors Engineering[M]. 2nd ed. New Jersey：Prentice-Hall Inc，2003.

(责任编辑：樊素英)

A Weighted Fuzzy CREAM Model for Human Reliability Analysis in Shield Tunneling

Wang Ning1, 2，Du Xiuli1，Zhang Mingju1，Xu Chengshun1，Lu Xinyue1

(1. Key Laboratory of Urban Security and Disaster Engineering of Ministry of Education， Beijing University of Technology，Beijing 100124，China； 2. Key Laboratory of Road and Railway Engineering Safety Control of Ministry of Education，Shijiazhuang Tiedao University，Shijiazhuang 050043，China)

To overcome the difficulties of human reliability analysis in risk assessment for shield tunneling，this paper proposes a weighted fuzzy cognitive reliability and error analysis method(CREAM)model. First，the reasonable weight of common performance conditions(CPCs)is obtained by multiple correlation analysis and evidence theory. Second，the specification evaluation rules for CPCs are established based on the current standard，and the membership function for each level of CPCs is obtained by statistical method. On this basis，a continuum technique for the discrete basic diagram for control mode is proposed，and an estimate model，which can be used to determine the human error probability(HEP)in the construction of shield-driven tunnel，is established. Then，the rationality and reliability of the model are verified by four axioms. Results show that the method of introducing the weight into the calculation of the expected CPC effect and the HEP reasoning in the weighted fuzzy CREAM model can better reflect the effect of CPCs on human performance. This model can also provide a reference for quantitative HRA in shield tunneling of subways.

shield tunneling；human reliability analysis(HRA)；construction risk；CREAM

10.11784/tdxbz201803014

TU94

A

0493-2137(2019)02-0200-11

2018-03-06；

2018-06-12.

王宁（1978— ），男，博士研究生，讲师，wangningsjzri@126.com.

许成顺，xuchengshun@bjut.edu.cn.

国家自然科学基金重点资助项目(51538001)；北京市自然科学基金重点资助项目(8161001).

the Key Program of the National Natural Science Foundation of China(No. 51538001)，the Key Program of the National Natural Science Foundation of Beijing，China(No. 8161001).