基于改进的C R E A M在矿井监控人因可靠性应用

杨占国，王 磊，顾进恒，柴双龙

（1.大同煤矿集团公司 四台矿，山西 大同 037000；2.中国矿业大学 矿业工程学院，江苏 徐州 221116）

我国煤炭行业的事故大多跟人因有关。目前我国煤炭产量约占世界总产量的25%，但其煤矿生产死亡人数却占世界煤矿死亡总数的80%，而造成作业人员死亡等安全事故的主因有88.3%是人的因素引起[1]。人为因素成为现在煤矿安全的第一隐患[2]。作为联系煤矿井下作业与井上办公纽带的煤矿监测中心，其分析预测的准确性对煤矿安全十分重要。国内外专家学者在人因可靠性方面做了大量工作。人因可靠性分析从20世纪80年代进入黄金时期[3]，大量实用方法例如人的认知可靠性模型（HRC）、成功似然指数法（SLIM）、人为失误评估及技术（HEART）等统称为第一代人因可靠性分析，由于计算机技术和人认知水平的发展，第一代可靠性分析存在人为差错机理分析及建模等方面存在不足，兴起了人为失误分析技术（ATHEANA）、认知可靠性与失误分析方法（CREAM）等第二代人因可靠性分析，考虑到煤矿监测中心主要受到情景环境影响，本文采用CREAM评估预测矿井监控中心监控人员认知失效概率。鉴于国内外已有一批专家对CREAM深入研究：Tim Bedford[4]等分析了CREAM的基本法和扩展法的一些问题，并提出将加权法应用到CREAM的过程；Z.L.Yang[5]等将CREAM用到海洋工程安全上，并建立以模糊if-then规则与相关结构为基础，使用贝叶斯推理机制，估计海洋工程师的任务及失败的概率；赵振武等[6]等采用改进的CREAM建立空中管制员与飞行员间交互的人因可靠性模型，提高了管制员和飞行员之间交流、监控的可靠性。上述研究针对CREAM改进应用取得良好效果，但未考虑到共同绩效因子重要性的分析，该方法在安全要求较高的煤矿应用较少。笔者将考虑共同绩效因子重要度，以修正环境影响指数，并将修正后的CREAM用到煤矿监控中心失误预测。

1 煤矿监控中心特点

矿井监控中心监控人员的主要职责是密切监视各仪表状态，并对危险报警信号进行处置。监控人员良好的认知行为对井下安全生产尤为重要，某一个疏忽、遗漏、判断失效都会留下严重的安全隐患甚至造成事故的发生。已知的多起煤矿重特大事故的发生都有监控人员知情不报、知警未报等因素在里面，所以对矿井监控中心人员的认知失效概率进行分析与预测是必要的。因此监控人员的监控行为有以下特征：监控人员需要不断重复的对各仪表状态进行观察，发现问题并判断问题的严重性，进而采取措施进行处置，然后继续进行下一操作，即该过程是个循环过程；监控过程受到特定情境的影响显著，监控人员的绩效输出不是孤立的随机行为，而是依赖于其完成任务时所处的情景环境。

2 考虑共同绩效因子重要性修正CREAM

为对人误事件情景环境进行分析，CREAM方法将人的绩效期望值分为不同等级，一般分为降低、不显著和改进3个等级，对代表所处情境的9个CPC因子的三个等级的个数分别求和，得到该情境下的量化值 Σjd、Σbxz、Σgj[7]。定义环境影响指数 β 为：β＝Σjd-Σgj，当环境影响指数β为0时，表示绩效影响为降低和改进的CPC因子数相等，或所有CPC因子的绩效影响均不显著，即无情景环境影响，此时的认知失效概率为基本失效概率，记作CFP0；当环境影响指数β大于或小于0时，绩效影响为降低的CPC因子数大于或小于绩效影响为改进的CPC因子数，表示有情景环境影响，此时的认知失效概率记作CFP[8-9]。认知失效概率CFP、基本认知失效概率CFP0和环境影响指数β的关系如下：

其中：系数k可由认知失效概率及环境影响指数的最大值和最小值确定。最大认知失效概率和最小认知失效概率的表达式分别为：

以上两式相减，得到和的表达式：

上列5式没有考虑不同情景环境下各CPC因子的重要度（不同情景环境下哪一个影响因素更重要），因此环境影响指数β的定义并不准确。例如，某特定环境中，“工作条件”和“人机界面与运行支持的完善性”两个CPC因子对绩效环境的影响分别是“改进”和“下降”，在不考虑其他CPC因子时，按照β值的定义计算β值恰好等于0，无情景环境影响。然而实际情况是，在该特定环境下“工作条件”这一共同绩效条件要比“人机界面与运行支持的完善性”重要的多，考虑其重要度后的β值并不等于0。这就忽略了CPC因子影响重要度的存在，使结果出现了很大偏差。因此，将CREAM预测方法用于其他行业领域时必须充分考虑共同绩效条件的重要度，才能准确地预知认知功能失效概率。

由于共同绩效条件CPC均为定性因素，对其重要度进行确定，只能根据实际情况通过专家打分或两两比较的方法ω进行确定。对只有一个层次的指标重要度进行确定尚没有很好的方法，采用专家评价法简单实用，且能一定程度上保证定性因素评定的准确性和客观性。设CPC因子的重要度分三个等级，[低，平均，高]，相应的重要度分值为[0.5，1，1.5]，选取n名专家按重要度对每个CPC因子进行评定。假设对其中某个CPC因子，有X名专家评定为“低”，有Y名专家评定为“一般”，Z名专家评定为“高”，则该因子平均重要度值为：

其中n=X+Y+Z。

在确定了共同绩效条件CPC的重要度大小之后，根据共同绩效因子与环境影响指数的关系，可对值的算法进行修正。

修正后的环境影响指数

修正后的最大认知失效概率和最小认知失效概率的表达式分别为：

上述两式相减，得到修正后的k和CFP0表达式：

CREAM方法给出了表示情景环境的9个CPC因子，最大降低数为 9，最大改进数为 7，根据[Σjd，Σgj]与控制模式之间的关系就能够确定人的认知控制模式，同时CREAM给出了控制模式对应的失效概率区间值。根据共同绩效条件重要度计算方法有βmaxxz＝9×1.5＝13.5 和 βmaxxz＝-7×1.5＝-10.5。根据表格资料，取混乱型时的最大失效概率为1，CFPmax=1.0；取战略型时最小失效概率为0.000 1，CFPmin＝0.000 1。计算得到k=0.167，CFP0=0.005 6。得到由于情景环境影响的认知失效概率算式为：

3 案例分析

1)根据CREAM预测分析方法的步骤，对监控人员的认知活动进行划定，并确定其对应的认知功能和最可能失效模式及失效概率基本值，如表1所示。

2）根据矿井监控中心的工作性质和任务所处的工作环境，分析每个认知活动。选取相应的CPC因子，并据式（6）确定每个CPC因子的重要度，并确定CPC因子对绩效可靠性的期望效应。以认知活动1为例[10]，如表2所示：

表1 监控人员认知行为和认知功能

表2 共同绩效因子重要度和期望效应量化值

计算修正后的环境影响指数βxz=3.5。将βxz值带入式（7），则该子任务人的认知失效概率CFP＝CFP0×100.167×3.5＝0.038。同理算出其余三个子任务人的认知失效概率，如表3所示：

表3 认知活动失效概率修正值

4 结束语

通过对CREAM预测方法的分析，提出需在不同行业的不同情景环境下对共同绩效因子的重要度进行评定，并给出了修正后的认知功能失效概率计算方法。运用修正的CREAM预测方法对矿井监控中心监控人员的认知失效概率进行了分析和预测，并与修正前的方法进行了对比，证实了结果的准确性。

[1] 尉迟晓丽.煤矿失误预防与控制的动态安全体系研究[D].太原：太原理工大学，2010.

[2] 陈刘平.煤矿人因管控绩效测度与改进模式研究[D].徐州：中国矿业大学，2012.

[3] 谢红卫，孙志强，李欣欣，等.典型人因可靠性分析方法评述[J].国防科技大学学报，2007，29(2):101-107.

[4] Tim Bedford，Clare Bayleyb，Matthew Reviea.Screening，sensitivity，and uncertainty for the CREAM method of Human Reliability Analysis[J].Reliability Engineering&System Safety，2013(115):100-110.

[5] Z.L.Yang，S.Bonsall，A.Wall，J.Wang，M.Usman.A modified CREAM to human reliability quantification in marine engineering[J].Ocean Engineering，2013(58):293-303.

[6] 赵振武，张微.基于改进CREAM的管制员与飞行员间人因可靠性分析[J].安全与环境学报，2013，13(1):185-188.

[7] 廖可兵，刘爱群，童节娟，等.人的认知失误事件定量分析法的进展及应用[J].原子能科学技术，2009，43(4):322-327.

[8] 廖斌，杨琴，鲁茂，等.基于CREAM方法的人因失效概率预测模型研究[J].中国安全生产科学技术，2012，8(7):46-50.

[9] 米楚明.基于人因可靠性分析的煤矿人误行为矫正研究[D].西安：西安科技大学，2010.

[10] 陆海波，王媚，郭创新，等.基于CREAM的电网人为可靠性定量分析方法[J].电力系挽保护与控制，2013，41(5):37-42.