层压机作业人员认知功能失效概率分析与预测

协鑫集团江苏东昇光伏科技有限公司 ■ 王磊蔡宗光 蒋鸿 卞健 王伟

层压机作业人员认知功能失效概率分析与预测

协鑫集团江苏东昇光伏科技有限公司 ■ 王磊*蔡宗光 蒋鸿 卞健 王伟

为了研究层压机作业人员连续作业的认知功能失效概率，提出一种失效概率分析方法——认知可靠性和失误分析方法（CREAM）。通过对CREAM中环境影响指数β和控制模式区域进行修正，使其符合层压机作业人员所处情景环境；通过实证得出层压机作业人员作业失效概率为0.0363，对层压机错峰设计和班组成员配合培训可有效降低层压机作业人员认知功能失效概率。以CREAM修正方法为基础建立层压机作业人员认知功能失效概率模型，具有较好的可操作性。

层压机作业人员；CPC；CREAM；环境影响指数；控制模式区域

0　引言

人-机系统的可靠性和安全性越来越取决于人的可靠性［1，2］。据中国安全总局2013～2014年事故统计发现，70％以上事故是由于人的失误行为导致［3］，人的失误行为已成为事故发生的根源。由于人的作业行为量化复杂，以及作业环境等变化给作业人员人因失效概率分析与预测带来困难，目前主要采取提高管理能力和提升作业认知水平来降低人因失效概率。

目前行业专家从各领域对人因可靠性进行了理论与实践研究：陈炉云［4］等以某船艇控制室的操作任务为例建立人因失误树，通过对收集数据仿真确定其可靠性程度；席永涛［5］等以MMEM系统模型和SHEL界面模型为基础建立海事作业人员人因可靠性行为因子；赵振武［6］等对认知可靠性和失误分析方法（CREAM）中认知功能表进行了部分修正，使其能够适用于管制员与空中飞行员可靠性控制。从上述研究发现，人因可靠性方法在分析作业人员处于一定情景环境下的认知功能失效概率分析与预测方面具有较好的效果。本文将以协鑫集团江苏东昇光伏科技有限公司层压机作业人员为例，通过对CREAM进行修正，确定层压机作业人员认知功能失效概率，并提出降低其认知功能失效概率的措施。

1　CREAM理论与修正

1.1CREAM理论

认知可靠性和失误分析方法（CREAM）是由Erik博士［7］提出，其认为人的认知功能失效概率受到所处情景环境的影响，Erik提出特有的认知模型与体系，能够确定作业人员的认知状态并预测其未来变化［2］。CREAM将人所处情景环境因素归结为共同绩效条件（CPC），通过大量生产经验确定CPCs共有9个主要因素，分别为组织完善性、工作条件、人机界面（MMI）与运行支持的完善性、规程/计划的可行性、同时出现的目标数量、可用时间、值班时间区、培训和经验的充分性和班组成员的合作质量。每个CPC因子可根据其水平状态确定其对于绩效可靠性的期望效应：改进、不显著和降低。同时定义环境影响指数β为：β=∑ω降低-∑ω改进，当β=0时认为其共同绩效因子不受情景环境影响，记为CFP0；当β≠0时认为其共同绩效因子受到情景环境影响，记为CFP。CFP、CFP0、β和关系系数k（k由认知失效概率及环境影响指数的最大值和最小值确定）的关系可表示为：

最大认知失效概率和最小认知失效概率的表达式分别为：

通过式（2）和式（3）换算得到k和CFP0的表达式为：

认知可靠性和模型误差分析方法也被称为现场控制模型（COCOM），如图1所示，它是基于人的可靠性分析方法的精华，同时也是解决人因可靠性的关键问题。该方法还确定了影响情景环境的9个主要因素，通过［∑降低，∑改进］的范围以及控制模式区域范围的关系就能准确确定人所处的控制模式区域。同时，CREAM给出了控制模式对应的失效概率区间值，即战略模式失效概率区间为［0.00005， 0.01］，战术模式的为［0.001， 0.1］，机会模式的为［0.01， 0.5］，混乱模式的为［0.1， 1］；CERAM还给出了认知功能失效模式及其对应的失效概率基本值，这里仍采用已给出的失效概率基本值［8］。

图1　情景控制模型流程

1.2CREAM修正

不同情景环境下CPC因子重要程度存在显著差异，情景环境差异性表现属于定性因素，无法采用定量方法进行计算，同时考虑情景环境状态的两两相互关系，故采用关系矩阵的方法来确定CPC因子重要程度［9］。

设有｛a1，a2，…，an｝共n个CPC因子，可建立关系矩阵M=｛bij｝，bij表示ai与aj的两两关系（ai和aj关系可用强烈重要、非常重要、明显重要、稍显重要和同等重要表示，并分别赋值为5、4、3、2、1），通过式（6）～式（8）计算出第i个CPC因子重要度ωi为：

式中，SC（i）和SR（j）表示人因可靠性CPC因子在关系矩阵中行列元素和。根据CPC因子重要度可得到修正后的β′， β′=∑ω′降低-∑ω′改进，同时计算基本认知失效概率CFP0、认知失效概率CFP、系数k和β′的关系［10］如式（9）所示：

通过汇总CPC因子中改进和降低作用的CPC因子∑降低和∑改进，即可确定情景环境下作业人员所处的控制模式（图2），发现作业人员所处控制模式区域较粗略，且某个失效概率可能属于两个失效模式或者不属于任何一个失效模式，同时失效模式是离散型的。

图2　人员所处控制模式区域

为建立连续控制模式区域模型，须作以下假设：1）控制模型区域是连续的，不是4个独立区域［11］；2）失效分布函数存在控制模式区域每个点；3）失效分布函数服从对数分布函数（通过改变外部条件可使人的行为通过对数函数体现）；4）失效分布函数均值等于控制模式区域对数（说明同3）；5）改进情景环境，即∑降低=∑改进；6）如果∑改进=0或∑降低处于最大值，则平均失效率（MFR）处于最大值；7）如果∑降低=0或∑改进处于最大值，则MFR处于最小值。

基于以上假设，可设：MFR=MFR·10A（A是调节非均衡CPC因子的MFR0，即当∑降低≠∑改进），建立基本连续控制模式区域图（图3），其中N改进表示所有CPC因子均为改进，N降低表示CPC因子均为降低。

图3　连续控制模式区域

根据假设及连续控制模式区域模型图，经过推导得到以下公式：

其中，R=√∑改进+∑降低；Rmax=√N改进+N降低；

绘制在连续控制模式区域下MFR值的示意图，如图4所示。

图4　连续控制模式区域下MFR值

2　层压机作业人员特点与失效概率预测

2.1背景介绍

协鑫集团两期共计年产1 GW光伏组件项目，已于2014年先后投产。

2.2层压机作业人员作业特点

太阳能层压机是每个光伏组件生产企业必备的设备［12］，主要作用是把EVA、太阳电池片、钢化玻璃、背膜（TPT、PET等材料）在高温真空的条件下压成具有一定刚性的整体。层压机作业人员的主要职责是在组件进入层压机前取下组件上的流程卡并在系统中录入流程卡信息，在层压机完成层压后将流程卡粘贴到组件上，同时观察层压机仪表上参数变化并及时处理。层压机作业人员良好的认知行为对光伏组件生产企业尤为重要，其疏忽、漏判都有可能造成层压机中的组件报废、层压机停机，甚至留下严重的安全隐患，有可能造成事故的发生。已知的多起层压机组件报废、层压机作业人员受伤均与层压机作业人员忽视操作规程、异常报警信息处理不及时等有关，所以对层压机作业人员行为过程进行预测并确定其认知状态具有较大意义。

层压机作业人员的作业过程有以下特点：层压机人员必须反复对组件流程卡信息进行查验并录入系统，同时对层压机设备中的仪器仪表数据进行观察，根据层压机仪表中的数据变化判断层压机运行的正常与否，进而采取调整参数、停机进箱维护或上报等待维修等措施，然后重复该过程；层压机作业人员的作业行为会被其所处的作业环境和作业状态影响，作业人员的绩效不是某个随机发生的事件，是由其完成的整个作业内容和作业环境决定的。

2.3层压机作业人员作业失效概率预测

根据文献［8］对江苏东昇光伏科技有限公司层压机人员的作业行为进行区分，确定其认知功能和基本失效概率，如表1所示。

表1　层压机作业人员认知行为与认知功能

从第1个认知活动开始分析，确定CPC所处期望状态，并根据层压机作业人员所处情景环境和式（6）～式（8）确定CPC权重，如表2所示。

表2　CPC因子、状态及重要度

通过观测和校准，层压机作业人员作业可靠性在10-2（通过对部分层压机作业人员跟踪记录发现，层压机作业人员操作100次出现不可靠行为均低于10次，但不可靠行为数据不稳定，即认定其可靠性为10-2），并假设误差因子EF=1（即认为存在层压机作业人员操作100次出现超过10次不可靠行为现象的可能性），即有：R=3，Rmax=4，θ=23.47，MFRmin=10-3，MFRmax=10-1；通过式（10）～式（12）可计算出MFR=3.92×10-2，可判断出层压机作业人员的认知活动处于战术失效区域，这与未修正CREAM中控制模式区域确定结果一致。

同时计算修正后的环境影响指数β′=-1.79，根据认知活动所处失效模式，计算出系数k=0.148，将β′和k代入式（9）计算出失效概率CFP=0.0038。同理可计算其他认知活动失效概率，结果见表3。

表3　层压机作业人员作业行为认知活动失效概率

由此，可计算出层压机作业人员作业行为失效概率P=1-∏5i=1（1-CFP）=0.0363，可认为在情景模式下层压机作业人员作业失效概率为0.0363；认知行为中，取下组件流程卡处于机会控制失效模式区域。

为了降低层压机作业人员作业行为失效概率，可从以下角度降低取下组件流程卡的失效概率：1）可对层压机进行错峰设计，减少层压机同时出现的概率；2）加强层压机作业人员班组配合能力；3）控制层压机周围温度，减少由于工作环境对层压机作业人员作业行为失效概率的影响。

3　结论

层压机作业岗位是光伏组件生产企业的关键岗位，其作业人员的作业行为直接决定组件生产企业的产能。采用CREAM修正能较好体现层压机作业人员的作业特点与作业环境，控制模式区域修正体现了光伏组件企业连续生产方式。实证分析结果体现了CREAM修正在光伏组件企业应用的可靠性，并且能够有效提高人员作业可靠性及在光伏组件生产应用的准确性，具有较好的可操作性。

［1］ 廖斌， 高慧， 刘敏， 等. 基于CREAM的校车驾驶员人因可靠性分析方法［J］. 中国安全生产科学技术， 2012， 8（11）: 145-150.

［2］ 王遥， 沈祖培， 高佳. CREAM追溯法及其在根原因分析中的应用［J］. 核科学与工程， 2005， 25（1）: 30-34.

［3］ 中华人民共和国安全生产监督总局安全产生简况［EB/OL］. http://www.chinasafety.gov.cn/newpage.htm， 2015.

［4］ 陈炉云， 张裕芳. 基于故障树法的船舶舱室人因可靠性研究［J］. 舰船科学技术， 2012， 34（1）: 110-113.

［5］ 席永涛， 胡甚平. 海运人因可靠性分析中行为形成因子模型［J］. 中国航海， 2012， 35（1）: 66-70.

［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］ Hollnagel Erik. Cognitive reliability and error analysis method［M］. America: Elsevier Science Ltd，1998.

［8］ 孙瑞山， 王鑫. 基于CREAM预测法的驾驶舱机组判断与决策过程的初步研究［A］. Proceedings of 2010 International Conference on Management Science and Engineering［C］， 湖北， 2010， 10-17.

［9］ 王丹， 刘琳， 贺宏博. 人因可靠性分析在煤矿生产中的改进与应用［J］. 内蒙古大学学报（哲学社会科学版）， 2013， 45（4）: 60-65.

［10］ Misztal I， Legarra A， Aguilar I. Using recursion to compute the inverse of the genomic relationship matrix［J］. Journal of Dairy Science， 2014， 97（6）: 3943-3952.

［11］ Sarter N B， Amalberti R. Cognitive engineering in the aviation domain ［M］. America: Lawrence Erlbaum Associates Inc， 2000.

［12］ 陈俊超. 太阳能层压机使用成本分析及发展方向［J］. 太阳能， 2011， （20）: 55-57.

2015-09-20

王磊（1988—），男，硕士，主要从事工业工程与工业安全等工作。15951463654@163.com