舰船人因安全可靠性贝叶斯网络建模及实验研究

李东亮，许 伟，程 刚，朱国情，耿江华



舰船人因安全可靠性贝叶斯网络建模及实验研究

李东亮，许 伟，程 刚，朱国情，耿江华

（海军工程大学，武汉430033）

人因失误广泛存在于动力装置操作的全过程中，然而现有部队训练还未提升到利用人因失误分析技术查找问题、指导运行的高度。本文分析了三类操作人员的的认知过程，将人的学习能力、环境因素、精神状态、人机界面操作、等考虑在内，结合组训方式、培训间隔、训练时间，设备状态等多种人因失误因素，采用贝叶斯网络建立人因失误模型。该模型分析因素具有普遍性，可扩展到其他操作训练中，具备较高的准确性。

舰船 人因失误 贝叶斯 培训 模型

0 引言

人因失误广泛存在于我国蒸汽动力装置操作的全过程中，然而现有部队训练还未提升到利用人因失误分析技术查找问题、指导运行的高度。国外人因失误分析起步较早，早在20世纪50年代，一些行为科学家和工程师们注意到仅仅辨识出人因失误的原因尚显不够，还必须量化人失误的可能性大小，以便作为一种有用的工具，用于对复杂系统的风险评价。第一次量化人因失误概率的工作是由Sandia国家实验室的数学家H . L . Williams和电子工程师Purdy Mergs于1952年进行，1994年Gertman在归纳最近10年来各国学者对人的失误及其可靠性分析的研究成果的基础上，结合自己在该领域的长期研究积累，出版了《人的可靠性与安全性分析数据手册》，首次大容量地公布了部分人的失误概率和可靠度数据，这是目前较为全面和内容新颖的专著[1-3]。

国内在人因失误分析方面, 国防科大的孙志强教授在对比两代HRA方法后提出了“操作者-系统-任务-环境-组织因素”的差错成因分析框架。北京交通大学的武淑平针对电力企业生产中人因失误影响因素及管理对策进行了研究，并运用层次分析法对不同因素的重要程度进行了判定,确定了重点对员工人格特征、能力素质、心理健康等个体性因素和组织沟通、安全生产职能部门、组织文化等作为主要因素。第一代HRA方法在对由于错误的情境评断而引起的操作人员的危险行为的处理上显得很不足。第二代HRA方法考虑了人进行情景评断所处的环境条件等因素, 但是其方法在建模上显得比较复杂, 处理和分析上也不够简捷。近十几年来发展起来的贝叶斯网络技术, 适用于表达和分析不确定性事物, 从推理机制和状态描述上来看非常适合于安全性分析, 基于贝叶斯网络的概率安全评估方法能够有效地将专家经验、历史数据以及各种不完整、不确定性信息综合起来, 提高建模效率和可信度, 节省安全性信息获取的成本。

基于此，本文提出基于贝叶斯网络的人因失误模型，并将其应用于蒸汽动力装置操作中，其关键在于建立一个有效的贝叶斯网络的因果模型，并针对人因失误概率在组训培训中的变化进行有效分析。

1 人因可靠性贝叶斯网络推理模型及推理机制

CREAM（Cognitive Reliability and Error Analysis Method）是第二代HRA方法，相比较第一代SLIM-MAUD（Success Likelihood IndexMethod）方法、HCR（Human Cognitive Reliability）方法和HEART（Human Error Assessment and Reduction Technique）方法，它将人的认知过程分为观察、解释、计划和执行四类，具有贝叶斯网络的因果关系，用贝叶斯网络推理方法可以将这四类变量进行网络结构学习与分类建立相应的贝叶斯网络人因可靠性模型（HRABN）。

1.1 人因贝叶斯网络

贝叶斯网络，又称为因果关系网和信度网，分为结构固定不随时间变化的静态贝叶斯网络（Bayesian Nets，BNs）和随时间变化的动态贝叶斯网络（Dynamic Bayesian Nets，DBN）。

DBNs是一个四元组

1.2 人因贝叶斯网络推理方法

石英脉及其蚀变岩带是矿区内钼矿形成的直接载体。在石英脉及其蚀变岩带与围岩的接触部位，存在有大量的呈细脉状和网脉状的微裂隙，这些均形成了良好的容矿空间和矿液通道，是本区重要的含矿构造地质体。

目前贝叶斯网络中的精确推理算法主要有联接树算法和“桶消除算法”，联接树算法对贝叶斯网络进行道义化（moralized）、三角化（triangulated），转化为有弦图（chordal graph），之后形成联接树进行推理，图2（a）是贝叶斯网络图。

1）道义图（moral graph）。是与贝叶斯网络对应的无向图，若中存在边，则在中添加，中任一节点，如属于，则在中添加边。

2）有弦图。是一个无向图，图中任一长度大于3的回路都是有弦的。回路有弦是指存在该回路上不相邻的两个结点和，它们在图中是相邻的。无向图转换为有向图的过程称为三角化。

图（c）是相应的有弦图，不再被其他完全子图包含的完全子图称为极大完全子图。对应的结点集称为一个结点簇，图（c）中的结点集和都构成极大完全子图。

3）联接树。是由有弦图构造的超级树结构，具有以下属性：

2 人因可靠性模型构建

人因失误认知在受训人员进行操作过程中，首先通过人机界面得到操作信息的反馈获知操作内容，然后对受操对象进行解析和计划，最后执行计划进行相应的处理。系统通过预先植入的人因可靠性推理机对操作人员的操作流程进行记录和自动感知分析，组训人员可以根据模型感知结果调整相应的训练策略。

2.1 人因可靠性过程

人失误的致因分析可按如下步骤进行：第一步．即识别人为失误的起因．包括对个人因素、机器和环境因素的分析．在这一步可以对人的失误进行必要的预防；第二步．即人为失误的发生，这时根据纠正人的失误所带来的后果危险性行为予以避免事故的发生；第三步，即人的失误后果一事故，通过这一步的分析可返回去考虑如何控制类似事故的再次发生。人为失误的因果关系如图3所示。

2.2 贝叶斯网络人因可靠性分析

在贝叶斯网络人因可靠性模型中，受训人员的操作行为是导致事故或其他结果的重要因素，包括内部因子和外部因子。操作人员的内部影响因子包括自身的精神状态和具备的能力素质，外部因子包括环境因素和受训科目。受训人员的精神状态好的时候会对操作有帮助，个人能力素质突出能够减少操作失误，环境因素及受训科目有利也能对减少操作失误起到积极作用，但是综合这些因素对最终的操作结果却无法评判，采用贝叶斯网络方法可以量化最终结果，组训人员可以根据不同的操作结果采取相应的培训策略，还可在容易出现误操作的时间节点给予受训人员一定的提示，这样不仅可以提高训练质量还可以减少训练时间以及人因失误操作。

2.3贝叶斯网络人因可靠性模型

以滑油系统的为例建立贝叶斯网络人因可靠性模型。滑油系统的任务是将充足的滑油供给到动力装置各设备的摩擦面上，使摩擦面上产生油膜，避免机械摩擦损伤。在实际装备运行过程中如果滑油总管压力达不到使用要求，则整个装备的速关阀必须立刻关闭，系统停止运行，因此针对滑油系统建立贝叶斯网络人因可靠性模型对装备的安全运行至关重要。根据日常使用管理经验得出相关的因果关系图，图4是部分结果，（a）是导致滑油总管压力低的因果图，（b）是汽轮滑油泵正确操作的因果关系图。

为了方便的建立认知模型，还需进行一些假设和简化条件处理。

1）模型的每个状态对应系统的相应操作结果或者变化过程，并且是相互独立和相互排斥的。

2）每个操作人员都有自己的认知模型，由于操作人员会进行相关的培训，因此假定非突发情况下操作人员的认知模型是相同的。

根据上述分析结果及简化条件建立如图（5）所示的贝叶斯网络，图示模型是在汽轮滑油泵的微过热蒸汽不足的情况下进行的操作。

3 实验分析

实验一：验证模型的准确性。实验选取经验不同的3类受训人员在环境因素和人机界面操作对象影响相同的情况下对滑油泵转速下降进行操作，概率设定如表2所示。在Bayesialab软件中进行建模并输入每个节点的条件概率，所得发生滑油总管压力低报警的概率为0.00261，0.00465，0.0088。实验结果说明经验不同的受训人员进行操作的出错概率不一样，经验丰富出错的概率小，而经验欠缺出错的概率大，从而验证的模型的准确性。实验二：经验丰富的受训人员应对突发时间的处置能力。选择经验丰富的受训人员第一次在模拟器上进行操作，即人机界面对象不熟悉，将其概率设置如下。实验发现不发生报警的概率从0.995下降到0.993，结果表明经验丰富的操作人员在面临不利的环境也能很强适应。实验三：预测受训人员在一段时间内发生操作错误的动态变化。将操作人员节点设置为具有惰性的动态节点，加入到时刻的时间序列，结果见图（7）。

图中可以看出在=100～200个时间步长时，概率变化最剧烈，此时投入模拟训练或进行正确指导对受训人员的操作应该最有效。

4 结论

本文针对人因安全可靠性的特点及一般分析步骤和方法结合贝叶斯网络的强大推理能力，以滑油系统操作中的滑油压力低报警为研究对象进行了人因安全可靠性分析，得出了下面的结论：

1）贝叶斯网络建模可以运用于人因安全可靠性分析，能够使得人因可靠性分析更加完善，尤其对于操作人员参与训练的安全性分析更加合理和科学。2）在建模过程中综合考虑了受训人员的学习能力、环境因素、精神状态、人机界面操作等多项综合因素，模型在实际运行过程中能够反映客观事实，对指导训练具有重要意义。3）实验进行了动态预测，模拟了1000个时间步长内受训人员最有可能发生操作失误的概率，在概率值下降最大的时间段内进行强化训练应最有效。

[1] 肖国清, 陈宝智. 因失误的机理及其可靠性研究[J].中国安全科学学报, 2001, 11(2):22-26.

[2] 周前祥. 人航天中人的可靠性模型及其分析[J]. 系统工程与电子技术，1997, 9（8）:34-39.

[3] Mmleh A, Chang Y H. Model-based Human Reliability Analysis: Prospects and R equipments [J]. Reliability Engineering and System Safety, 2004, 83: 241-253.

[4] 侯政良, 杨自春，杨国宾. 基于贝叶斯网络的燃油控制系统人因安全性定量分析[J]. 燃气轮机技术, 2010,23（4）：38-40.

[5] 刘莉，徐浩军，井凤玲. 基于贝叶斯网络的飞行安全人因可靠性评估模型[J]. 空军工程大学学报（自然科学版）. 2010，10（3）：5-9.

[6] San Mahadevan, Ramesh Rebba. Validation of reliability computational models using Bayes networks[J]. Reliability Engineering and System Safety, 2005, 87:223-232.

[7] 孙璇，牛秦洲，徐和飞. 基于贝叶斯网络的人因可靠性评价[J]. 中国安全科学学报，2001, 11（2）：22-26.

[8] 龙涛，张执国. 人的可靠性与航空维修差错[J]. 江苏航空，2007，（1）：34-35.

Modeling and Simulation by Bayesian Network of Human Safety and Reliability

Li Dongliang, Xu Wei, Cheng Gang, Zhu Guoqing, Geng Jianghua

( Naval University of Engineering, Wuhan 430033, China)

Human error widely exists in the whole process of steam power plant operation. However, the existing force training is not promoted to use human error analysis technology to find out problems and guide the operation. This paper analyzes cognitive progress of three kinds of operator. Some factors are taken into account, such as human learning ability, environmental factors, mental state, man-machine interface. With considering some human errors like organization way, interval training time, training time and equipment status, a model of human error is established by the Bayesian method. With universal factors, this model can be extended to other operating trainings. What’s more, this model has high accuracy.

ship; human error; Bayesian; training; model

TP18

A

1003-4862（2015）03-0001-05

2014-12-18

海军工程大学科学研究基金资助项目(20140172)

李东亮（1981-），男，讲师。研究方向：热力系统建模仿真研究与模拟训练。