多机组核电厂机组间协作行为对组织可靠性的影响分析

2023-12-30夏冬琴王飞鹏戈道川

核安全 2023年6期

雍诺，夏冬琴，王飞鹏，戈道川

（中国科学院合肥物质科学研究院核能安全技术研究所，合肥 230031）

2011 年日本福岛核事故引起了国内外学者对“一址多堆”核电厂安全问题的集中关注。美国学者Schroer 在审查了美国核电厂在2000 年到2011 年间的运行事故调查报告后发现：导致多机组事故的最常见的致因因素来源于组织人因失误，占多机组事故调查报告的44%［1］。

预测和减少组织人因失误，需要基于科学合理的分析和评价方法。起源于20 世纪60 年代的人因可靠性分析［2-3］（Human Reliability Analysis，HRA）就是一种系统化评估人因可靠性水平的技术。随着研究的深入，学者发现引起人因失误的根本原因来源于工作环境和组织因素。只有辨识组织失误的形成机理，才能从源头上控制人因失误的发生［4］。当前，组织行为失误通常是作为影响人因失误的一种因素开展研究，针对组织行为可靠性评价方面的研究较少［5］。

组织行为是否可靠是一个值得深入讨论的问题。通常情况下，人们普遍认为组织行为相较于个体行为可以提供冗余性与机动性，然而在某些场景下，组织行为的可靠性反而不如个体行为。针对这一问题，社会心理学与管理学领域开展了丰富的研究工作［6-8］，但是相关成果在工业系统的安全评价中应用较少。日本学者Furuta 提出了一种评估组织行为可靠性的数学网络模型。该模型采用隐式构模的方式，以马尔科夫模型为基础构建组织可靠性模型。这一工作为核电厂这一类大型人机系统操纵员组织决策场景中的组织行为可靠性的评估提供了一种思路［9-11］。

虽然相关学者已经意识到，组织人因是影响多台机组独立性的重要因素，但是相关研究仍然处于起步阶段［12］。目前学界针对多机组运行模式下的组织人因失误机理尚未形成统一的理论，相关分析方法也是在单机组背景下开发的，在应用于多机组核电厂人因可靠性分析的过程中存在诸多问题。在多机组运行模式下，各机组通过人员、设备的共享或共用，实现了机组间信息的沟通和资源的协作。多机组核电厂中这一特殊的机组间协作行为，一方面，可为单台机组的安全运行提供冗余设备和技术支持；另一方面，可能会破坏机组间的独立性假设，在某些场景下可能对多机组核电厂的组织可靠性造成负面影响。

为了探究机组间协作对组织可靠性的影响机制，本文以Furuta 提出的组织可靠性模型［9］为基础，结合多机组场景下组织行为特征［13-14］，建立多机组核电厂组织可靠性数学网络模型。本文以双机组核电厂为例，模拟分析机组间协作行为对多机组核电厂组织可靠性的影响作用，可为多机组核电厂的组织失误预防和风险评价提供理论支持。

1 组织行为可靠性数学网络模型

在文献［9］提出的组织可靠性数学网络模型中，网络中的节点表示组织中的成员，节点间的连线反映成员间的相互影响。在组织行为决策过程中，每个成员i被假定具有两种行为决策状态：+1（成功）和-1（失误），其行为决策的质量取决于成员的个人知识储备、技能水平以及从环境中获取信息的价值。一个具有N个成员的组织共有2N种配置状态，随着组织中的每一个成员异步地做出决策（平均速率为λi，描述单位时间内成员行为决策状态发生转移的平均频率，单位：每单位时间步），组织的配置状态随之发生改变。在第k个配置下，假定成员i可以从环境中获取到的外部信息价值表示为：

如果将成员i在无群体互动情况下做出正确决策的概率的对数定义为成员i的个人能力（记为βi），那么在第k个配置下，成员i做出正确判断或决策的概率服从sigmoid 函数：

式中，βi是成员i的个人能力参数，是成员i在第k个配置下可以从环境中获取到的外部信息价值，是成员i在第k个配置下做出正确判断或决策的概率。

如式（2）所示，成员i做出正确行为决策的概率取决于三方面因素：个人能力（βi），组织内其他成员的影响，以及环境信息价值（ωiσi）。其中，ωiσi+βi在一定程度上反映了组织作为整体能够调动的资源。与组织管理有关，如果组织内成员间的影响强度ωij越大，群体就越有可能寻求一致，因此影响强度ωij反映了群体凝聚力。

上述过程可以转换为一个在配置空间内的连续马尔科夫过程。对于任何一个配置k，如果仅仅改变其中一个成员i的状态就会使之转换为配置l，则称配置l是配置k的邻居，且由配置k到达配置l的转移速率Gkl（描述单位时间内发生状态转移的频率，单位：每单位时间步）可以表示为：

式中，λi是成员i做出决策的平均速率；是成员i在配置k中的原始状态；（+βi）是成员i在配置k中获取的外部信息价值和个人能力的总和，也是成员i在配置k下做出行为决策的所有影响因素。假设成员i在配置k中的原始状态为，当该成员在影响因素（+βi）的作用下以速率λi做出行为决策，使得系统状态从配置k到转变为配置l时，称配置l是配置k的邻居，且Gkl是系统由配置k到达配置l的转移速率。

当配置l不是配置k的邻居时，转移速率可以表示为：

对于上述马尔科夫过程，在t时刻取到配置l的概率分布πl（t）可以表示为：

式中，πm（t）是在t时刻取到配置m的概率分布，Gml是从配置m到达配置l的转移速率，π（lt）是在t时刻取到配置l的概率分布，是所有成员做出决策的平均速率之和。

假设Tl是该组织在配置l下成功的条件概率，那么组织可靠性可以定义为：

在核电厂主控室场景下，认为组织的行动由某位核心成员（如班组长）做出决策，核心成员行为的成功与否决定了组织行为的成功概率。假设成员1 为核心成员，那么条件概率Tl可以定义为：

以上是Furuta 提出的组织可靠性数学网络模型的基本框架。该模型假设组织行为的处理过程受到个体因素、群体因素和环境因素三方面的影响，其中成员的知识、能力和技术决定了个人行为决策正确性的上限，而组织架构、管理模式和环境信息等因素最终决定了群体采用何种决策方案。该模型假定成员的行为决策是完全理性的，且组织内部个体间存在方便快捷的信息沟通与共享渠道。在核电厂数字化主控室中，操纵班组成员是经过严格培训、在规范指导下开展工作的。文献［3，15-16］对数字化主控室操纵班组沟通模式的实验研究指出，操纵班组成员间的信息发送与接收是明确且具有岗位背景的，可以通过“问询”和“声明”实现规程、系统功能和设备的信息共享。因此，本文认为该模型的简化假设可以适用于核电厂主控室这一类操纵大型人机系统的主控室班组人员组织行为分析。该模型已被证明可以模拟组织中成员能力、组织规模、领导风格等对组织可靠性的影响规律，复现社会学中发现的现象（如盲目从众导致的群体思维效应）。然而，该模型在工业系统中的工作人员管理和组织设计的优化方面的实际应用研究较少。

2 多机组核电厂组织行为特征

在福岛核事故发生之后，多机组核电厂运行风险受到了世界各国学者的强烈关注。各国学者以福岛核事故为典型案例，或围绕事故教训，或围绕本国厂址堆型的具体情况，开展了内部、外部事件综合影响下的多堆厂址安全评价案例研究。其中，韩国学者Kim 通过回顾韩国核工业界的运行经验，围绕多机组核电厂事故中的组织人因要素，从人员、设备、任务、环境四个方面总结出多机组场景相较于单机组场景下组织行为的关键差异［13-14］。研究表明，多机组场景下组织行为的关键特征在于组织形式和成功准则，如表1 所示。

表1 单机组场景与多机组场景的组织行为特征关键差异Table 1 Key differences in organizational behavior characteristics between single-unit and multi-unit scenario

在组织形式方面，由于多机组场景涉及各台机组间人员、设备、资源等的共用和协调，因此多机组场景包含了固定设备、共享设备、移动设备及其操纵人员，还包括了负责协调设备、人力资源等的工作人员。在成功准则方面，多机组场景下不仅需要保证各台机组安全运行，还需考虑到机组间设备共用、任务重叠等带来的影响。因此，下文对第1 节介绍的组织行为可靠性数学网络模型进行修正，以描述多机组场景下的组织行为。

3 多机组核电厂组织可靠性模型

基于单机组场景和多机组场景在组织形式和成功准则方面的特征差异，本文对组织行为可靠性数学网络模型进行修正，建立了多机组核电厂组织行为可靠性数学网络模型。

3.1 节点属性的修正

在节点属性方面，多机组场景下存在两类特殊的成员角色，一是各台机组负责执行关键安全操作的工作人员，二是在多台机组之间负责沟通协调的工作人员。在多机组核电厂组织可靠性网络模型中设置三类节点属性，如表2 所示。

以双机组核电厂为例，每台机组设置4 名工作人员，如图1 所示。红色节点对应执行人员（节点1 和节点5），蓝色节点对应通信人员（节点4 和节点6），白色节点对应辅助人员（节点2、3、7、8）。节点之间的连线表示工作人员之间存在信息的沟通。在每台机组内部，4 名工作人员两两互通。各台机组间通过通信人员间的沟通实现信息的交流和资源的协调。

图1 双机组核电厂的组织行为可靠性模型示意Fig.1 Example of organizational reliability model in a dual unit NPP

3.2 成功条件概率的修正

本文将双机组核电厂的组织行为成功定义为：当且仅当两台机组中的核心成员（执行人员）都能做出正确行为决策。以图1 所示场景为例，条件概率定义为：

为了分析机组间设备共用、任务重叠等协作行为对多机组核电厂组织可靠性的影响，本文在研究中设计两种工作场景进行对比。如图1 所示，在单机组场景下（Single-Unit，记为SU），两台机组独立运行，通信人员间不存在信息的互通；在多机组场景下（Multi-Unit，记为MU），两台机组通过通信人员的沟通实现信息互通和资源协作。

单机组场景下的组织行为可靠性模型与多机组协作模式下的组织行为可靠性模型的对比如表3 所示。

表3 单机组模型与多机组模型的对比Table 3 Comparison between single-unit model and multi-unit model

3.3 模型参数的设计

在组织可靠性数学网络模型［9］的定义中，组织行为成功的概率取决于成员能力（βi）、成员间的相互影响（ωij）和环境信息（ωiσi）。其中，成员能力和环境信息反映了组织作为整体能够调动的资源总和（ωiσi+βi），成员间的相互影响（ωij）反映了群体凝聚力。Furuta 通过数值模拟分析，找到了能够保证模型收敛的参数组合，并证明在资源一定的情况下，群体凝聚力可以提升组织的成功概率，而成功概率的上限取决于组织的资源总和［10］。

本研究在提出的多机组核电厂组织可靠性数学网络模型中沿用了该参数组合，重点关注机组间协作行为的特殊影响作用。参数设计如表4 所示。

表4 多机组核电厂组织可靠性模型中的参数设计Table 4 Parameter design in the organizational reliability model of multi-unit NPP

4 模拟分析

4.1 机组间协作行为对组织可靠性的影响

为了探索机组间协作行为对于组织可靠性的影响，基于上述模型，本文模拟对比了单机组场景（SU）和多机组场景（MU）下组织可靠性因资源禀赋、群体凝聚力不同而呈现出的差异。

图2 展示了在资源不足和资源丰富两种情况下，机组间协作对组织可靠性的影响。随着群体凝聚力的提高，组织的成功概率得到了显著提升，而机组间协作带来的影响主要体现在资源不足的情况下。如图2（a）所示，在群体凝聚力等于0 的情况下，成员间不存在沟通与交流，机组间的通信人员亦然。此时，双机组协作模式（MU）与单机组模式（SU）的组织可靠性一致。随着群体凝聚力的提升，MU 模式下组织的成功概率显著优于SU 模式，机组间协作模式的优势逐渐体现。在资源总和一致的情况下，MU 模式能够达到的组织成功概率上限显著优于SU 模式。这说明机组间的协作可以有效提升资源不足情况下的组织可靠性。

图2 机组间协作行为对组织可靠性的影响模拟结果Fig.2 Simulation results on the impact of inter unit collaboration on organizational reliability

在成员自身知识储备丰富，且获取外界信息价值较高的情况下，如图2（b）所示，机组间协作对组织可靠性几乎没有影响。而在实际情况下，成员的知识、技术、能力、经验等参差不齐，因此采用多机组协作的模式更能保证电厂的运营安全。

4.2 成员能力差异对组织可靠性的影响

为了进一步研究成员的能力差异，特别是在多机组情境下不同属性成员能力差异对组织可靠性的影响，本文进一步对比了SU 和MU 两种模式下，执行人员、通信人员、辅助人员的能力差异对组织可靠性的影响差异。

首先分析执行人员能力差异对组织可靠性的影响。为保证模拟结果收敛，在资源丰富的条件下，设置执行人员的能力参数βi=2，-2，-3，-4，-5（i=1，5）；在资源不足的条件下，设置执行人员的能力参数βi=0.5，-2，-3，-4，-5（i=1，5）。图3 分别展示了在不同的资源禀赋、不同的机组间协作模式下，执行人员能力差异对组织可靠性的影响。

图3 执行人员的能力差异对组织可靠性的影响模拟结果Fig.3 Simulation results on the impact of differences in executive abilities on organizational reliability

由于在模型假设中，执行人员行为的成功与否直接决定了组织成功的条件概率，因此执行人员的能力差异对组织可靠性存在很大的影响。特别是在资源不足的情况下，执行人员的能力不足对组织可靠性的负面影响尤为强烈。对比图3（a）和图3（c）可知，群体凝聚力可以提升组织的成功概率，而机组间的协作可以进一步放大群体凝聚力的提升作用，MU 模式下组织可靠性的上限值显著优于SU 模式。在资源丰富的情况下，如图3（d）所示，随着群体凝聚力的抬升，机组间协作行为可以引导组织可靠性达到该组织在该资源条件下组织可靠性的极限值，此时执行人员能力不足带来的负面效应可以被完全补偿。

随后分析通信人员能力差异对组织可靠性的影响。由于在SU 模式下通信人员未发挥作用，因此仅模拟了MU 模式下通信人员的能力差异对组织可靠性的影响。同上，在资源丰富的条件下，设置通信人员的能力参数βi=2，-2，-3，-4，-5（i=4，6）；在资源不足的条件下，设置通信人员的能力参数βi=0.5，-2，-3，-4，-5（i=4，6）。

图4 展示了在不同的资源条件下，通信人员能力差异对组织可靠性的影响。由于通信人员行为的成功与否不直接影响组织成功的条件概率，因此通信人员的能力差异对组织可靠性的影响与执行人员存在显著差异。如图4 所示，在群体凝聚力等于0 的情况下，各成员间不存在沟通交流，此时通信人员的能力不足不会影响到执行人员的成功概率，因此不会影响到组织可靠性。

图4 通信人员的能力差异对组织可靠性的影响模拟结果Fig.4 Simulation results on the impact of differences in communication personnel abilities on organizational reliability

随着群体凝聚力的提升，能力不足的通信人员参与到组织决策中，在整体资源不足的情况下，反而可能会对组织的行为决策产生误导，造成组织可靠性的异常下降，如图4（a）所示。这是因为在资源不足的情况下，群体凝聚力对组织可靠性的抬升效应存在极限。若群体凝聚力对组织可靠性的抬升效应无法抵消通信人员能力不足对组织可靠性带来的负面影响，则伴随着群体凝聚力的抬升，组织可靠性反而会下降；只有当群体凝聚力的抬升效应可以补偿通信人员能力不足的负面影响时，组织可靠性才能够缓慢提升。如图4（b）所示，在资源丰富的情况下，机组协作模式下群体凝聚力的抬升效应可以引导组织可靠性达到极限值，此时通信人员能力不足带来的负面效应可以被完全补偿。

最后讨论执行人员和通信人员以外的其他辅助人员能力差异对组织可靠性的影响。同上，设置资源不足条件下人员的能力参数βi=0.5，-2，-3，-4，-5（i=2，8），资源丰富条件下人员的能力参数βi=2，-2，-3，-4，-5（i=2，8）。图5 展示了在不同的资源条件下，辅助人员的能力差异对组织可靠性的影响。和通信人员类似，辅助人员行为的成功与否通过影响执行成员的决策，间接影响组织的成功概率。

图5 辅助人员的能力差异对组织可靠性的影响模拟结果Fig.5 Simulation results on the impact of differences in auxiliary personnel abilities on organizational reliability

如图5 所示，在群体凝聚力等于0 的情况下，各成员间不存在沟通交流，此时该成员的能力不足不会影响到组织可靠性。随着群体凝聚力的提升，组织可靠性的变化趋势各异。在SU模式下，如图5（a）和图5（b）所示，无论资源是否丰富，提升群体凝聚力都不一定能够补偿该人员能力不足带来的负面影响。即使是在组织整体资源丰富的情况下，一旦存在个别能力极差的成员，如图5（b）中β=-5 的案例，群体凝聚力的提升反而会加剧对执行人员行为的误导，造成组织可靠性的异常下降。而在同样的资源条件下，如图5（d）所示，机组间协作可以引导组织可靠性达到其极限值，完全补偿个别成员能力不足带来的负面效应。无论是在何种资源条件下，MU 模式的组织可靠性都优于SU 模式，在一定程度上补偿个别成员能力不足带来的负面影响。因此，相较于SU 模式，机组间协作对个别成员能力不足的容忍度更高。