基于组合赋权的压裂作业人因失误概率研究

摘要：压裂作业强度大，环境恶劣，长时间枯燥的作业容易诱发人因失误，造成事故，分析压裂现场人因可靠性对于提升压裂作业的安全和效率具有重要意义。在考虑压裂现场情境因素影响基础上，提出了一种组合赋权模糊人因可靠性分析方法，用以评估压裂现场人因失误概率。首先，通过对压裂现场的调研分析，结合压裂作业情境环境特点，基于认知可靠性与失误分析方法（CREAM）建立了适用于评估压裂作业的一级共同绩效条件CPC 8 个，二级CPC 因子评估指标36 个。其次，根据实际工况中各CPC 对人的绩效可靠性的影响程度不同，提出以差异系数法确定线性组合系数，基于序关系法与熵权法对各项评估指标进行主客观线性组合赋权。最后，利用本文方法分析四川某页岩气压裂作业现场人因失误概率，结果表明，较一般模糊CREAM 方法，在不同情境环境下，随着情境环境水平的下降，组合赋权模糊CREAM 方法对CPC 评价数据敏感度更高，人因失误概率增加，并且变化速率加快，这与现场实际工况一致，为压裂现场的人因可靠性分析和人因失误概率量化结果优化提供了参考。

关键词：压裂作业；人因失误；CREAM；模糊理论；组合赋权

引言

为保障国家能源安全，页岩气开发逐步加大，然而，超过90% 的页岩油气井，需要进行压裂、酸化等储层改造，才能获得较为理想的产能[1]。压裂作业是多工种、多设备及多工序的大型联合施工作业，参与施工作业人员复杂、设备繁多，压裂作业任务时间长、强度大，作业环境复杂恶劣，作业设备高压危险等特点严重影响着压裂班组成员的安全行为水平[2]。压裂班组成员安全行为水平的降低易引发压裂作业人因失误事故的发生，因此研究压裂作业人因失误影响因素，对压裂作业人因失误进行控制和预防，保障压裂作业安全进行具有重要的现实意义。

人因可靠性分析方法根据方法建立的时间可分为3 代，但大多数方法均是基于核工业领域人因可靠性研究发展起来的，石油工业与核工业在作业活动上存在较大不同，所以这些方法并不能直接应用于压裂作业人因可靠性分析。例如，认知可靠性与失误分析方法（Cognitive Reliability and ErrorAnalysis Method，CREAM）的行为形成因子不能完全概括压裂场景，并且缺乏针对压裂作业的具体评价指标，分析结果主观性偏差较大。同时，由于中国压裂作业尚处于起步阶段，压裂人因数据少，在进行相关人因可靠性分析时，存在数据匮乏、结果适用性差等问题。针对这些问题，不同学者也对此进行了相应研究，探索如何量化压裂作业人因失误概率，有针对性地制定相应改进措施。

在压裂人因事故影响因素指标体系的构建上，田彬等以事故致因理论为基础[2]，从人员、环境、设备和管理4 个方面系统地分析了压裂作业过程中人因事故的影响因素，建立了包含4 个一级指标、18 个二级指标和77 个三级指标的影响因素指标体系，为压裂人因事故原因分析以及预防措施的制定提供了依据。贺文章则采用事故链对页岩气水平井压裂过程进行风险辨识，将影响压裂的主要因素分为4 个一级指标、14 个二级指标，利用模糊综合评判确定各因素的权重，以专家评判为基础建立了水平井压裂卡钻风险预测量化系统[3]。

在压裂作业风险控制方面，田彬等提出的针对页岩气压裂作业的结构化人因失误辨识方法[4]，改善了传统方法在压裂场景应用中，人因失误辨识结果存在一致性、针对性、全面性不足等局限。王文红等还在此基础上结合HTA 方法建立人因失误辨识表[5]，通过模糊风险评价评估出人因失误的风险等级，构建人因失误树，用以对有人员参与的工作进行系统性安全分析、事故后果预判等。文献[6]基于系统研究的思想提出了一种页岩气压裂作业人因失误辨识混合框架，基于HAZOP 方法进行人为错误识别，使用模糊VIKOR 方法对人为失误概率进行模糊排序，利用4M 理论进行人因失误分析并控制其演变发展，该方法有效地提高了识别结果的一致性。宋毅研究了压裂作业施工过程中可能遇到的各类风险[7]，并研究了控制压裂风险的方法，从降低压裂风险的角度实现提高压裂的成功率和有效率。赵大卫等运用HAZOP 分析技术对重庆某水平井分段压裂施工现场进行了风险评价，分析得到该井场作业风险因素5 项，有针对性地提出了安全对策[8]。李继超从管理入手，结合某公司井下作业HSE 风险管理现状，基于PDAC 提出HSE 管理体系改进方案，为石油井下修井、压裂等作业的风险识别提供了更为理想的管理系统[9]。

在压裂人因定量化分析方面，杨远超等针对页岩气压裂班组作业模式[10]，在传统人因可靠性分析方法中引入班组绩效因子，该方法以个人风险评价值为基础，通过加权得出班组风险评价总值，融入量化的班组绩效形成因子（Quolity Team PerformanceFormation Factor，QTPSF），划分出班组所处风险等级，为领导层的决策提供有效依据。文献[11]提出一种应用UAHP-SPA 模型的综合方法来评估压裂过程中的人因失误概率，在基于4M 理论构建的压裂作业人因失误评价指标基础上，使用SPA 技术降低来自评估对象、评估程序、评估主体和不完整数据的认知不确定性，使用基于SPA 的不确定性层次分析法减少指数权重优化中的不确定性，经验证，该方法比传统方法更加准确和实用。

上述方法为压裂作业人因可靠性分析提供了参考，但仍存在不足。一方面，在指标体系构建上，未将压裂班组因素与其他指标进行综合考虑，忽略了班组因素在压裂作业中的重要性，导致其评价结果存在一定的局限性。另一方面，上述方法未将完整的指标体系与定量分析有效地联合起来，仅将评价指标用于存在较大主观性的定性分析中，或量化过程复杂，不能方便快捷地进行实际应用，发挥其评价指导作用。本文在CREAM 方法提出的共同绩效条件（Common Performance Conditions， CPC）基础上[12]，根据压裂作业的特点，归纳划分压裂作业CPC 因子，构建更加贴合压裂情境、能有效指导专家评价的一级CPC 因子8 个，二级CPC 评估指标36 个。基于专家打分法对各CPC 因子组合权重进行计算，为CPC 因子赋权并代入模糊CREAM 方法进行人因可靠性量化计算。在实现更高精度人因可靠性定量分析的同时，还使量化结果更加贴近实际工况，组合权重还为相应改进措施的制定提供了方向和依据。

1 研究方法

CREAM 方法是第二代人因可靠性分析方法（Human Reliability Analysis， HRA）中的经典方法[12]，第二代HRA 方法更加强调情境环境对人认知可靠性的影响作用[13]，CREAM 方法就认为环境特征将会影响人的认知过程进而使人的行为受到影响[14]，人因失误概率便取决于个体在情境环境中对自身行为的控制水平[15]。所以，CREAM 方法提出共同绩效条件来表征个体所处情境环境，以此对人的行为绩效可靠性进行量化评价[16]。CREAM 方法提供4 种控制模式与其对应的失误概率（表1），量化过程由专家评判完成。依据专家对9 项CPC的评价判断其对认知行为可靠性的影响，根据不同影响状态下的CPC 数目与控制模式间的关系，确定当前任务情境中人的行为控制模式及对应的失误概率。

模糊CREAM 方法是基于CREAM 基本法的改进，该方法将模糊理论与CREAM 方法相结合，利用模糊集将离散控制模式转化为连续模型，解决了CREAM 基本法离散化模型中人误概率在相邻控制模式分界附近突变以及无法实现精确定量计算的问题[17]。

本文考虑压裂实际工况，基于CREAM 基本法构建压裂作业CPC 指标体系，充分考虑CPC 因子对人的绩效可靠性影响程度不同及单一赋权的局限性，采用G1 法与熵权法结合对CPC 因子进行组合赋权。充分利用模糊CREAM 方法，减小专家评判的不确定性，实现压裂作业人因失误概率精确量化，见图1。

2 压裂人因失误影响因素构建

CREAM 方法提出的9 种情境环境因素分别为：组织管理、工作环境、人机界面与运行支持的完善性、规程（计划）的可用性、同时出现的目标数量、可用时间、操作时间段、操作人员培训和经验的充分性、班组成员合作质量[11]。由于CREAM 方法来源于核工业，而压裂作业在情境环境与任务活动上与核工业存在明显差异。压裂作业以压裂班组指挥为主导，由指挥与压裂操作工相互配合共同完成目标任务。压裂班组需要在一定的组织管理和物理环境中，依靠人机界面获取系统信息并将其与操作规程和压裂施工设计进行反复比对判断，通过班组沟通协作完成压裂操作。走访压裂一线井场进行专家访谈调研，针对专家提出的CREAM 中“可用时间”和“操作时间段”两种情境环境因素，其本质均是对作业任务中作业时间的评价，且大多压裂井场在作业时间段的设置上响应了国家及地区相应环保要求尽量为昼间作业，“操作时间段”因素对于压裂作业人员的影响不显著。最终参考专家建议将两种因素进行合并处理，将操作时间段纳入二级评价指标中，CPC 因子调整为8 项，见表2。

考虑CREAM 方法CPC 因子无明确的评价标准描述，在实际应用中容易存在主观理解偏差，本文采用二级指标结构对CPC 进行细化分解，确定了CPC 评价指标，增强了评价体系的可用性。

3 压裂人因失误影响因素量化

3.1 压裂作业CPC 评价

综合考虑压裂现场情况及压裂人因数据匮乏问题，选用专家评判方式，量化压裂作业情境环境下各CPC 状态对人认知行为产生的影响程度。为了简化CPC 评价过程，将CPC 评价状态划分为5 个等级：严重降低、降低、不明显、提高和显著提高，见表3。CPC 的专家综合评分值取多位专家对单个CPC 评估指标评分结果的算术平均值。

3.2 压裂作业CPC 组合赋权

实际压裂作业工况下，各CPC 因子对作业人员行为的影响程度不同，可通过CPC 因子的权重来体现各指标项对压裂系统安全和班组绩效影响的程度和贡献地位。目前使用比较广泛的权重赋分方法主要有主观赋权法、客观赋权法和组合赋权法，本文综合考虑专家评价和信息因素提出主客观结合的方式为CPC 因子赋权。组合赋权基于系统分析的思想，既兼备决策者经验性的优势，又能够尽量降低专家评判的主观性，赋权结果更为客观准确[18]。本文利用线性加权的方式进行组合，利用差异系数法确定线性加权系数，最终得到压裂作业CPC 因子的权重集，既避免了序关系分析法（G1 法） [19] 的主观性，又克服了熵权法的客观性。

主观赋权方法选用G1 法，根据专家经验确定CPC 因子重要程度排序，通过对评价指标相对重要程度的比较，最终得出各评价指标的主观权重系数。

3.2.1 G1 法

以一级CPC 因子{C1，C2，"· · · ，Cn} 为例，专家对CPC 因子从最重要到不重要进行排序，得到新的CPC 因子序列{o1，"o2，"· · · ，"on}。专家还需对新序列中相邻CPC 因子间的相对重要性进行评价，得到{r2，"r3，"· · ·，"rn}。由式（1）可得到最不重要的CPC 因子on 的主观权重系数wan，其他CPC 因子的主观权重系数wak由式（2）计算

将G1 法得到的新序列CPC 主观权重系数wak，按CPC 因子C1 到Cn 的顺序整理记为压裂作业CPC 因子的主观权重向量wa

3.2.2 熵权法

以信息熵理论为基础，运用熵权法计算各CPC评估指标所提供的信息量大小，以此判断其在综合评价中所起作用大小，即各CPC 评估指标的客观权重[20]。同样以一级CPC 因子{C1，C2，"· · · ，Cn} 为例，对各项因子的分值依据式（3）进行归一化处理，得到第i 个CPC 因子下第j 个评价值的比重gi j

将CPC 主观权重与客观权重代入式（8）可得到压裂作业CPC 因子的组合权重

将通过组合赋权方法得到的压裂作业CPC 因子权重向量记为w

4 压裂作业人因可靠性概率量化

CREAM 方法将人的认知行为过程通过控制模式来表示，将情境环境通过CPC 来进行表征。因此，模糊CREAM 方法要实现人因失误概率定量计算，一方面，需要建立压裂作业CPC 因子与控制模式之间的映射关系；另一方面，需要建立控制模式与人因失误概率之间的映射关系。

4.1 模糊处理

依据压裂现场实际工况，选用正态分布函数来描述情境环境，使用高斯隶属度函数f 进行模糊化处理[21 22]

根据表2，分析相关数据资料，拟合确定参数的取值[23]，构造高斯隶属度函数。以CPC 中的“沟通交流质量”因子为例，依据式（11）构造4 种CPC 评价水平的高斯隶属度函数f1、f2、f3 和f4 作为“沟通交流质量”的隶属度函数

为增强集合置信度，“沟通交流质量”隶属度函数在隶属度为0.25 处进行了截断，其曲线如图2所示。

CREAM 方法将人的控制模式划分为“混乱型”“机会型”“战术型”和“战略型”等4 种类型，每种控制模式都对应相应的失误概率区间（表1）。由于相邻的控制模式间的失误概率区间存在重叠，导致重叠区间所属控制模式存在不确定性，为此，引入模糊数学方法解决这种固有的不确定性。由于失误概率区间小，为了便于计算，对失误概率区间端点取以10 为底的对数，将其代入式（10）拟合构建控制模式隶属度函数，见式（12）和式（13）。

控制模式的隶属度函数曲线如图3 所示，为了增强集合置信度，对控制模式的隶属度函数在隶属度为0.25 处进行截断。

4.2 模糊计算

将各CPC 专家综合评分值代入式（11）进行模糊计算，得到CPC 评价指标的隶属度矩阵

采用式（15）对各项CPC 评价指标隶属于第l 类CPC 评价水平的程度进行加权求和，计算可得到“混乱型”“机会型”“战术型”和“战略型”等4 种控制模式对应隶属度Z1，Z2，Z3 和Z4

4.3 去模糊化

在不同的控制模式中，人的行为特点是不同的，所可能发生的人因失误概率也具有差异性。从表1可知，人的控制模式与人因失误概率区间是一一对应的。

为了准确计算压裂班组的人因失误概率值，需要对控制模式隶属度进行去模糊化处理，找到最具代表性的模糊集合的单值。考虑最大隶属函数法使用最大点的平均值，会存在较大的结果误差，本文选择重心法[21 22]，基于式（13）进行去模糊化处理并计算人因失误概率的精确值，压裂班组人因失误概率的计算公式为

5 合理性分析和比较

根据Markatos[24] 总结的方法有效性条件，以及王宁[25] 的模型验证的基本公理，本文将从评分数据敏感性和权重敏感性两个方面对方法进行敏感性分析，以此验证方法的合理性。

5.1 情境环境设定

在对压裂作业相关人因失误事故进行广泛搜集，对相关人因失误事故资料进行充分分析的基础上，设计了36 组分别与36 项CPC 评估指标相对应的问卷题目作为现场调研评价工具。实地调研四川省某压裂作业现场，由该压裂现场5 名具有压裂作业安全管理及相关工作经验的压裂作业人员、施工管理人员以及高校相关领域研究人员组成压裂作业CPC 因子评分专家小组，对该压裂作业现场操作人员在正常作业下的任务行为进行指标评价，评价结果如表4 所示。

调研所得评分记为初始评分即对照组，以初始评分为基础，设置了4 组对比评分。对比组在保证组合权重不变的基础上对各CPC 因子进行负向调节，除C54 中专家评分存在0 分的CPC 因子保持不变外，其余CPC 因子进行每次5 分的降分处理。最终所得实地调研评价分数以及所设置的4 组对比评价分数情况如表4 所示。

5.2 组合权重确定

组合权重确定方式如下：现场邀请专家组对CPC 因子进行序关系排列及相邻CPC 因子相对重要程度打分。将所得CPC 专家评分结果、CPC 序关系结果和CPC 相对重要性比值按照式（1）∼ 式（9）计算，得到压裂作业CPC 因子的组合权重结果，并以该权重结果为初始权重，设置2 组对比权重以验证方法的权重敏感性。进行权重变化的CPC 因子为C22、C35、C43、C44、C54、C72 和C74，具体设置情况如表5 所示。

5.3 CPC 评分敏感性分析

结合表4 的5 种情境评分值，分别采用CREAM基本法、一般模糊CREAM 方法与初始权重下的组合赋权模糊CREAM 方法进行人因失误概率定量计算，具体结果见表6。模糊CREAM 方法较传统CREAM 方法实现了由区间到定量的人因失误概率量化转变，提高了计算精度。同时，模糊CREAM人因失误概率计算结果能更灵敏地反映输入数据的变化。如图4 所示，随着压裂系统情境环境评分降低，对应压裂系统情境环境逐渐恶化，压裂人因失误概率也逐渐增大，这与实际情况相符。同时，可以看出，采用组合赋权模糊CREAM 方法得到的人因失误概率hep3 较采用模糊CREAM 方法得到的人因失误概率hep2 总是处于更高水平；在等量评分变化情况下，hep3 涨幅也始终高于hep2，且涨幅均逐步增大，针对两种方法计算的人因失误概率变化情况，依据专家评判hep3 变化情况更加贴合压裂实际工况。以上分析表明，组合赋权模糊CREAM 方法具有良好的评分数据敏感性。

5.4 CPC 权重敏感性分析

以初始评分为基础，分别在表5 所设定的3 种权重下进行人因失误概率定量计算，3 种权重下的人因失误概率分别为0.42%、0.32% 和0.62%。由表5 可知，进行权重变化的CPC 除C54 评分值为0外，剩余CPC 因子评分值均大于等于85 处于较高水平。在表5 权重1 中，C54 权重相对初始权重减小6%，剩余变化的CPC 因子权重均增加1%，权重1 下的人因失误概率较初始权重下的人因失误概率产生小幅下降，且变化幅度较为合理。在表5 的权重2 中，C54 权重相对初始权重增大6%，剩余变化的CPC 因子权重均减小1%，权重2 下的人因失误概率较初始权重下的人因失误概率产生小幅上升，且变化幅度较为合理。以上对比表明，CPC 因子组合权重影响人因失误概率结果，本方法具有良好的权重敏感性。

6 结论

1）使用CPC 因子对压裂班组人因失误影响因素进行综合表征，采用二级指标结构构建CPC，明确压裂作业CPC 因子评价标准，增强了评价指标的可用性。构建了8 个一级CPC 因子、36 个二级CPC评估指标，为压裂作业人因可靠性量化分析提供了全面、规范的压裂作业人因失误影响因素。

2）充分考虑不同CPC 因子对压裂班组行为的影响程度，结合主观赋权法和客观赋权法的优点，采用G1-熵权法组合的形式确定CPC 因子指标的权重系数。组合赋权法得到的评价结果更加客观合理、准确可靠，同时为压裂作业人因可靠性改进措施的制定提供了方向和依据。

3）通过对比一般模糊CREAM 和组合赋权下模糊CREAM 方法的人因失误概率计算结果，发现组合赋权下的模糊CREAM 方法敏感性增强，表明组合赋权的可行有效。

4）研究过程还有待改进，如为简化模糊量化，将隶属函数统一设定为高斯函数，与实际工况存在偏差。因此，建立与每个CPC 相匹配的隶属函数是后续研究可优化的问题。

符号说明

C1，C2，· · · ，Cn—第1 个，第2 个，· · · ，第n 个CPC 因子；

Ci j—第i 个CPC 因子的第j 个评估指标；

o1，o2，· · · ，on—第1 个，第2 个，· · · ，第n 个按重要程度排序后的CPC 因子；

n—CPC 因子个数；

r2，"r3，"· · · ，"rn—o2 与o1 之比，o3 与o2 之比，· · · ，on 与on−1 之比；

k—CPC 因子在新序列中的序号；

d—相邻CPC 因子相对重要性的序号；

wa—主观权重向量；

wa1，"wa2，"· · ·，"wan—主观权重向量的第1 个，第2 个，· · · ，第n 个元素；

gi j—第i 因子下第j 个评价值的比重；

uit—第t 号专家对第i 个CPC 因子的评价值；

m—评分专家个数；

ei—第i 个CPC 因子熵值；

wbi—第i 个CPC 因子的客观权重；

wb1，"wb2，"· · ·，"wbn—客观权重向量的第1 个，第2 个，· · · ，第n 个元素；

wb—CPC 因子的客观权重向量；

α—G1 法确定的主观权重的占比；

β—熵权法确定的客观权重的占比；

w—CPC 因子权重向量；

f—高斯隶属度函数；

x—CPC 专家综合评分值；

μ—期望值；

σ—标准差；

f1—属于不满意评价水平的隶属度函数；

f2—属于可接受评价水平的隶属度函数；

f3—属于较满意评价水平的隶属度函数；

f4—属于满意评价水平的隶属度函数；

p—以10 为底的人因失误概率对数值；

hep—人因失误概率，%；

Z1—属于混乱型控制模式的隶属度；

Z2—属于机会型控制模式的隶属度；

Z3—属于战术型控制模式的隶属度；

Z4—属于战略型控制模式的隶属度；

λil—第i 项CPC 评价指标隶属于第l 类CPC 评价水平的程度，l = 1; 2; 3; 4；

hep1—传统CREAM 方法所得到的失误概率，%；

hep2—模糊CREAM 方法得到的人因失误概率，%；

hep3—组合赋权模糊CREAM 方法得到的人因失误概率，%。

参考文献

[1] 卢伟，李强，万方来. 国内外页岩气井水力压裂技术的发展及探讨[J]. 能源与节能，2012（12）：115，122. doi：10.3969/j.issn.2095-0802.2012.12.049

LU Wei， LI Qiang， WAN Fanglai. On the domestic andforeign development of shale gas well hydraulic fracturingtechnology[J]. Energy and Energy Conservation，2012（12）： 115， 122. doi： 10.3969/j.issn.2095-0802.2012.-12.049

[2] 田彬，胡瑾秋，王海涛，等. 压裂作业人因事故影响因素指标体系研究与案例分析[C]. 上海：第三届行为安全与安全管理国际学术会议，2015.

TIAN Bin， HU Jinqiu， WANG Haitao， et al. Study on indexsystem of the influence factors to human accident of fracturingoperation and case analysis[C]. Shanghai： The 3rdInternational Conference on Behavioral Safety and SafetyManagement， 2015.

[3] 贺文章. 页岩气水平井压裂作业的风险分析与评价[D].青岛：中国石油大学（华东），2016.

HE Wenzhang. Risk analysis and evaluation of fracturingoperation in horizontal shale-gas well[D]. Qingdao： ChinaUniversity of Petroleum （East China）， 2016.

[4] 田彬，胡瑾秋，王海涛，等. 页岩气压裂作业人因失误结构化辨识方法研究[J]. 中国安全科学学报，2015，25（2）：128-134. doi：10.16265/j.cnki.issn1003-3033.2015.02.022

TIAN Bin， HU Jinqiu， WANG Haitao， et al. A structuredmethod for identifying human error in shale gas fracturing[J]. China Safety Science Journal， 2015， 25（2）： 128–134. doi： 10.16265/j.cnki.issn1003-3033.2015.02.022

[5] 王文红，张来斌，胡瑾秋，等. 页岩气压裂作业人因失误树构建[C]. 西安：油气田勘探与开发国际会议，2015.

WANG Wenhong， ZHANG Laibin， HU Jinqiu， et al. Theconstruction of human error tree during shale gas fracturingoperation[C]. Xi′an： International Conference onExploration and Development of Oil and Gas Fields， 2015.

[6] HU Jinqiu ， ZHANG Laibin， WANG Qianlin， et al. A structuredhazard identification method of human error forshale gas fracturing operation[J]. Human and EcologicalRisk Assessment： An International Journal， 2019， 25（5）：1189–1206. doi： 10.1080/10807039.2018.1461008

[7] 宋毅. 压裂风险分析与风险控制研究及实践[D]. 成都：成都理工大学，2009.

SONG Yi， Fracturing risk analysis and risk control researchand practice[D]. Chengdu： Chengdu University ofTechnology， 2009.

[8] 赵大卫，朱哲君. 浅析HAZOP 分析在水平井分段压裂施工中的风险评价应用[J]. 石油化工安全环保技术，2022，38（1）：20-23. doi：10.3969/j.issn.1673-8659.2022.01.007

ZHAO Dawei， ZHU Zhejun. Application of HAZOP analysistechnology in risk assessment of staged fracturing inhorizontal well[J]. Petrochemical Safety and EnvironmentalProtection Technology， 2022， 38（1）： 20–23. doi： 10.-3969/j.issn.1673-8659.2022.01.007

[9] 李继超. 石油井下作业HSE 风险管理研究[D]. 北京：中国石油大学（北京），2018. doi：10.27643/d.cnki.gsybu.-2018.000247

LI Jichao. Research on HSE risk management in undergroundoil operation[D]. Beijing： China University of Petroleum，2018. doi： 10.27643/d.cnki.gsybu.2018.000247

[10] 杨远超，胡瑾秋. 页岩气压裂班组人因定量化风险评价方法研究[C]. 西安：油气田勘探与开发国际会议，2016.

YANG Yuanchao， HU Jinqiu. Research on crew team humanfactors quantitative risk evaluation method of shalegas fracturing[C]. Xi′an： International Conference on Explorationand Development of Oil and Gas Fields， 2016.

[11] WANG Qianlin， ZHANG Laibin， HU Jinqiu. An integratedmethod of human error likelihood assessmentfor shale-gas fracturing operations based on SPA andUAHP[J]. Process Safety and Environmental Protection，2019， 123. doi： 10.1016/j.psep.2019.01.003

[12] ERIK H. Cognitive reliability and error analysis method：Cream[M]. Amsterdam： Elsevier， 1998.

[13] 蒋英杰. 认知模型支持下的人因可靠性分析方法研究[D]. 长沙：国防科学技术大学，2012.

JIANG Yingjie. Human reliability analysis techniquesbased on cognitive mode[D]. Changsha： National Universityof Defense Technology， 2012.

[14] 罗欣彤. 基于贝叶斯网络的设计失当影响不安全行为机理研究[D]. 北京：清华大学，2016.

LUO Xintong. Research on the mechanism of how designfailures cause unsafe behavior-based on bayesian network[D]. Beijing： Tsinghua University， 2016.

[15] 王金贺. CREAM 在煤矿安全检查人员可靠性评价中的应用[D]. 太原：太原科技大学，2016.

WANG Jinhe. Application of CREAM for evaluation reliability of safety inspector in coal mine[D]. Taiyuan：Taiyuan University of Science and Technology， 2016.

[16] 柴松，余建星，马维林，等. 基于CREAM 和不确定推理的人因可靠性分析方法[J]. 天津大学学报，2012，45（11）：958-962.

CHAI Song， YU Jianxing， MA Weilin， et al. A human reliabilityanalysis method based on CREAM and uncertainreasoning[J]. Journal of Tianjin University， 2012， 45（11）：958–962.

[17] 孙志强，谢红卫，李欣欣，等. CREAM 方法中控制模式分类的模糊方法[J]. 中国安全科学学报，2007（5）：21-26. doi：10.3969/j.issn.1003-3033.2007.05.004

SUN Zhiqiang， XIE Hongwei， LI Xinxin， et al. Determinationof control modes in CREAM method based on fuzzylogic[J]. China Safety Science Journal， 2007（5）：21 26.doi： 10.3969/j.issn.1003-3033.2007.05.004

[18] 李珂. 基于组合赋权和灰云模型的水体沉积物重金属的综合污染评价研究[D]. 大连：大连理工大学，2019.

LI Ke. A study on comprehensive assessment of heavymetal pollution in water body sediments based on combinationweighting and grey cloud model[D]. Dalian： DalianUniversity of Technology， 2019.

[19] 郭亚军. 综合评价理论、方法及应用[M]. 北京：科学出版社，2007.

GUO Yajun. Comprehensive evaluation theory， methodand application[M]. Beijing： Science Press， 2007.

[20] 程启月. 评测指标权重确定的结构熵权法[J]. 系统工程理论与实践，2010，30（7）：1225-1228.

CHENG Qiyue. Structure entropy weight method to confirmthe weight of evaluating index[J]. System EngineeringTheory and Practice， 2010， 30（7）： 1225–1228.

[21] 郑霞忠，郭雅薇，石法起，等. 塔机作业模糊认知可靠性与失误分析方法研究[J]. 中国安全科学学报，2016，26（6）：98-103. doi：10.16265/j.cnki.issn1003-3033.2016.06.018

ZHENG Xiazhong， GUO Yawei， SHI Faqi， et al. Researchon fuzzy CREAM of crane operation[J]. China Safety ScienceJournal， 2016， 26（6）： 98–103. doi： 10.16265/j.cnki.-issn1003-3033.2016.06.018

[22] 郭雅薇. 基于模糊CREAM 的塔式起重机作业人因可靠性分析[D]. 宜昌：三峡大学，2017. doi：10.7666/d.-D01233851

GUO Yawei. Human reliability analysis of the towercrane operation based on fuzzy theory and CREAM[D].Yichang： China Three Gorges University， 2017. doi： 10.-7666/d.D01233851

[23] MARZIO M， ENRICO Z， MASSIMO L. Human reliabilityanalysis by fuzzy “CREAM”[J]. Risk analysis： An officialpublication of the Society for Risk Analysis， 2007，27（1）： 137–154. doi： 10.1111/j.1539-6924.2006.00865.

[24] MARKATOS N. The mathematical-modeling of turbulentflows[J]. Applied Mathematical Modelling， 1986， 10：190–220.

[25] 王宁，杜修力，张明聚，等. 地铁盾构施工人因可靠性分析的加权模糊CREAM 模型[J]. 天津大学学报（自然科学与工程技术版），2019，52（2）：200 210. doi：10.-11784/tdxbz201803014

WANG Ning， DU Xiuli， ZHANG Mingju， et al. A weightedfuzzy CREAM model for human reliability analysis inshield tunneling[J]. Journal of Tianjin University （Scienceand Technology）， 2019， 52（2）： 200–210. doi： 10.11784/-tdxbz201803014

作者简介

陈波，1965 年生，男，汉族，黑龙江齐齐哈尔人，教授，主要从事石油钻采设备人性化方面的研究工作。E-mail：swpu1965@163.com

庞茜月，1997 年生，女，汉族，四川达州人，硕士，主要从事石油装备人性化、人因可靠性方面的研究工作。E-mail：957641369@qq.com

樊春明，1975 年生，男，汉族，四川南充人，高级工程师，硕士，主要从事石油钻采设备开发方面的研究工作。E-mail：bsfcm@cnpc.com.cn

邓丽，1986 年生，女，汉族，四川简阳人，副教授，博士，主要从事工业设计方面的研究工作。E-mail：dengli@swpu.edu.cn

戴启平，1983 年生，男，汉族，湖北黄冈人，高级工程师，硕士，主要从事石油钻采设备开发等相关方面的研究工作。E-mail：bsdaiqp@cnpc.com.cn

编辑：王旭东

基金项目：国家自然科学基金（51905458）