基于多应激源的空管人员人因可靠性分析

刘继新,焦 杰,刘禹汐

(1.南京航空航天大学 民航学院,南京 211106; 2.上海吉祥航空有限公司,上海 201105)

空中交通管制作为航空运输的重要环节,是引发不安全事件的重要因素之一,空中交通管制员则是完成该工作的主体.数据显示,大约70%～80%空中交通管制不安全事件由人为因素引起,而管制员的应激反应是诱发这些不安全事件的重要原因[1].研究空管人员应激源产生机制,进而评估其人因可靠性,已成为近年来业内的热点,成果主要集中于应激激活机制和人因可靠性分析两个领域:一方面,工作应激激活机制研究已经从单一因素引起应激领域拓展到多因素共同作用产生应激[2-3],并发现针对多应激源的工作应激分析能够更加全面、真实地反映复杂环境对应激激活的作用机制;另一方面,人因可靠性分析已经历了三代可靠性分析与评估技术历程[4],尤其在航空系统中取得了较多成果.2002年,Shorrock[5]首次将人因可靠性方法应用于空中交通管制员的人因可靠性分析,开发了一种被称为tracer(Technique for the Retrospective Analysis of Cognitive Errors,tracer)技术的人为错误识别技术,用于对空中交通管制(Air Traffic Management,ATC)中的认知错误进行回顾和预测分析;2007年,Barry Kirwan等人[6]旨在为空中交通管理(ATM)在安全案例和人为因素保证工作中的应用提供完善的人因可靠性评估(Human Reliability Analysis,HRA)能力的开发基础,预测管制员可能发生的错误、以及出错的频率;2008年,Li W C等人[7]利用Reason模型的人为因素分析与分类系统框架从历史数据角度分析了人为差错、组织缺陷对民航安全的影响;2009年,Zahra M等人[8]提出综合动态系统、贝叶斯网络以及故障树等算法的概率风险评估方法,随后又利用该方法评估组织因素对航空安全的作用;同年,王世锦和隋东[9]首次将认知可靠性与失误分析方法(Cognitive Reliability and Error Analysis Method,CREAM)方法应用在管制员人因可靠性的定量分析中,并基于灰色系统理论,利用改进的三角白化权函数确定共同绩效条件(Common Performance Condition,CPC)各因子的水平等级,在定量预测管制员的行为可靠性的同时还可以发现影响CPC因子的薄弱环节;2012年,Li P C等人[10]利用模糊贝叶斯网络定量分析组织因素对人因可靠性的影响;2014年,刘福鳌等[11]利用人的因素分析和分类系统(Human Factors Analysis and Classification System,HFACS)理论建立了空管人因失误模型,确定了造成管制员人因失误的主要原因,并提出了相应解决措施;2017年,袁乐平等[12]采用几何平均法、采样法对多源的基本人为差错概率进行融合,利用贝叶斯网络得到差错诱发条件的最大影响值,用此方法计算管制员在调配飞行冲突时的差错概率;2020年,杨越等人[13]采用CREAM中的扩展预测法与贝叶斯网络的方法,计算10项管制通用任务中的人误概率,并建立其与情景控制模式的不确定关系模型,对管制员在多任务中的人误概率进行量化分析.

上述成果虽然将模糊理论引入人因可靠性评估方法中,但是传统模糊故障树中逻辑门并不能准确表示应激源状态且不能进行反向推理,贝叶斯网络根节点故障概率难以精确获得,因此本文提出由T-S模糊故障树映射模糊贝叶斯网络的人因可靠性分析方法来评估空管人员在多应激源综合影响下的可靠性.

1 空管人员的多应激源分析

利用直接影响模型(Direct Effect Model)[14],分别从管制员组织、外部以及个人因素等方面全面分析管制员应激源.

1.1 组织因素

组织因素是与管制员工作相关的组织环境中各种因素的总称.组织因素应激源主要表现在:

1)组织工作.管制员在日常工作中需要根据专业知识和规章应对各类突发事件和紧急情况;管制任务冲突、工作超负荷会使管制员产生疲劳、倦怠等生理反应;晋升通道、工资报酬可影响管制员工作积极性;工作职责不明确可造成管制员工作效能低下.

2)组织环境.管制员工作组织环境会对管制员工作专注度造成重要影响,主要包括物理环境和人际环境.其中,工作物理环境如温度、湿度、空气质量、背景噪声、反光和闪光、工作台及设备灯光照明亮度等影响其生理直观感受,人际关系环境包括管制员与上级领导、同事和下级员工关系以及班组人员人际氛围.

3)组织文化.组织文化能够影响管制员的组织认同感和管制凝聚力,进而影响其工作积极性.

1.2 外部因素

外部因素指与管制员工作无关的空管组织外部的因素.家庭矛盾是外部因素的代表,家庭生活的潜在矛盾易导致管制员精神涣散、疲劳和倦怠.管制员频繁处理个人事务将影响正常休息,造成工作疲劳和注意力涣散等.

1.3 个人因素

个人因素是管制员因个体差异而导致应激水平不同的因素总称.性别、年龄、工龄差异会导致工作积极性差异;性格、人格和神经质类型差异与管制工作专注度相关;与血糖水平直接相关的饮食习惯等个人因素也会对日常管制工作产生影响.管制员受多应激源综合影响,可能产生疲劳、倦怠、工作缺少动力与积极性、缺乏足够专注度和工作效能不能满足需求等不良反应,进而导致应激完全被激活.

2 基于多应激源的空管人员人因可靠性建模

`2.1空管职业应激T-S模糊故障树

图1 T-S模糊门

根据空管人员多应激源分析,生成空管职业应激T-S模糊故障树,如图2. 顶事件代表管制员应激激活系统,中间事件y1～y4代表由应激源引起的不良反应,基本事件x1～x14代表应激源.

图2 空管职业应激T-S模糊故障树

2.2 空管人员可靠性分析的贝叶斯网络

为避免故障无法逆向追踪评估,将T-S模糊故障树转化为模糊贝叶斯网络.转化算法与传统故障树转换为贝叶斯网络[16]类似.首先假设:基本事件有三个模糊状态(低/中/高分别用0/0.5/1表示);各基本事件之间相互独立;基本事件和上层事件之间的关系用T-S门来表示.然后,由T-S模糊故障树构造模糊贝叶斯网络步骤如下:1) 将T-S模糊故障树每个基本事件都对应转化为模糊贝叶斯网络根节点,各根节点亦有三种模糊状态,分别用0/0.5/1表示;2)贝叶斯网络根节点的先验概率与对应T-S模糊故障树的先验概率相同;3)T-S模糊故障树的每一个T-S门,都对应转化成贝叶斯网络的叶子节点;4)贝叶斯网络中叶子节点的条件概率与对应的T-S门条件概率相等,叶子节点按照T-S模糊故障树中相应T-S门连接方式连接.按此方法,将图2中T-S模糊故障树生成贝叶斯网络模型结构,如图3.其中,根节点x1～x14、中间节点y1～y4与叶节点T与图2中T-S模糊故障树的事件一一对应.

图3 空管职业应激贝叶斯网络

3 基于多应激源的空管人员人因可靠性分析算法

已知应激源严重程度和各严重程度的可能性,计算应激激活模糊可能性以及各应激源的模糊重要度和状态重要度,再利用空管应激贝叶斯网络,计算应激激活情况下的各应激源后验概率.具体算法如图4所示.

图4 空管人员人因可靠性分析算法步骤

3.1 已知应激源各严重程度的模糊可能性,计算应激处于不同激活状态的模糊可能性

(1)

由此计算上级事件的模糊可能性为:

(2)

3.2 已知应激源严重程度,计算应激处于不同应激状态的模糊可能性

图5 严重程度隶属函数

(3)

(4)

(5)

(6)

(7)

3.3 T-S模糊重要度

p[T=Tq,p(xj=0)=1]}

(8)

3.4 T-S状态重要度

p(T=Tq,xj=0)],0}

(9)

3.5 根节点后验概率

(10)

4 算例分析

4.1 数据采集

由于应激源发生的概率具有模糊性和不确定性,此类数据不易直接获得,为保证数据的客观性和准确性,本文以某地区空管局空管人员为对象,采用问卷调查方法获得初始数据,并利用数据分析软件SPSS19.0进行信度和效度检验,结果满足信度和效度要求,可作为算例数据,具体见表1.

表1 基本事件及其模糊可能性

在调查问卷中,将主观认为应激源会在自己工作生活中发生的管制员数量占该空管局所有管制员数量的比例作为该应激源的发生率.表1中各应激源发生率数据为应激源严重程度为1时的发生可能性.考虑各应激源逻辑关系的不确定性,综合该空管局历史数据和专家知识得到节点y1～y4和T对应的T-S模糊门,见表2～6.

表2 T-S模糊门1

表3 T-S模糊门2

表4 T-S模糊门3

表5 T-S模糊门4

表6 T-S模糊门5

4.2 数据处理

4.2.1 已知应激源发生的模糊可能性,计算管制员应激激活模糊可能性

各应激源严重程度为1的发生率如表1所示,假设应激源严重程度为0.5时的模糊可能性与严重程度为1相同,则可根据表2～6、式(1) (2)得到各个T-S门的模糊可能性,结果如表7所示.

表7 模糊可能性(已知可能性)

4.2.2 已知应激源的严重程度,计算管制员应激激活模糊可能性

假设已知各应激源的严重程度为:x1=0,x2=0.2,x3=0.6,x4=0.7,x5=0.1,x6=0,x7=0.3,x8=0.4,x9=0.1,x10=0,x11=0,x12=0.2,x13=0.8,x14=0.6.通过模糊隶属函数计算各个应激源当前严重程度属于T-S门规则中相应模糊集的隶属度,再根据表2～6、式(6)、(7)计算得到各T-S门的模糊可能性.计算y3时用y1的模糊可能性代替其隶属度,结果如表8所示.

表8 模糊可能性(已知严重程度)

4.2.3 模糊重要度

利用式(8)可得各应激源对顶层事件T严重程度为0.5和1的模糊重要度,结果如表9所示.

表9 各应激源模糊重要度

4.2.4 状态重要度

利用式(9) 可得各应激源对顶层事件严重T程度为0.5和1的状态重要度,结果如表10所示.

表10 各应激源状态重要度

4.2.5 根节点后验概率

贝叶斯网络中的后验概率,可以帮助空管人员应激在被激活时,反向追踪各种应激源引起应激的可能性大小.利用2.2节中得到的空管人员应激激活贝叶斯网络,运用式(10)求得在已知叶节点T出现不同程度激活时,根节点xi的后验概率,结果如表11所示.

表11 各节点后验概率

4.3 结果分析

根据上述数据处理结果,分析可知:

1)管制员应激激活可能性计算结果可信.在已知应激源各严重程度的模糊可能性的条件下,根据表7可知,管制员应激T被完全激活的模糊可能性为0.035 57,与应激源的发生率处于同一数量级,且略高于单个应激源的发生率,符合实际情况.在已知管制员应激源严重程度的条件下,根据表8可以看出,当多个应激源的严重程度都较高时,管制员应激激活的可能性也将大大提高.

2)通过应激源重要度计算得到管制员应激激活薄弱环节.在已知应激源各严重程度的模糊可能性的条件下,由表9可知,对于管制员出现中度应激,x6(工作超负荷)为其最薄弱的环节;对于管制员出现严重应激,x2(性别年龄工龄)为其最薄弱的环节.在已知管制员应激源严重程度的条件下,由表10可知,对于管制员出现严重应激,x3(晋升渠道)为其最薄弱的环节.

3)计算应激源后验概率,逆向追踪关键应激源.从表11的结果可以看出,当叶节点应激被激活时,根节点应激源x5(突发紧急事件)、x6(工作超负荷)、x10(工作职责)等后验概率较大,是造成管制员应激被激活的关键环节.在进行管制员应激预判时,应优先考虑这几个应激源是否出现及其严重程度.

5 结 语

本文分析了管制员生活、工作环境中的众多应激源以及各个应激源对不良反应和应激的作用关系,利用模糊故障树映射模糊贝叶斯网络的空管人员人因可靠性评估方法,评估了空管人员应激激活模糊可能性,逆向追踪各应激源的模糊重要度、状态重要度和后验概率,并通过算例验证了本文提出的模型方法的有效性,更加精确地确定了T-S模糊门条件概率将是下一步的研究重点.