田力 胡甚平 席永涛 张欣欣
摘要:
为减少引航员的不安全行为,采用鱼骨图分析引航员不安全行为的影响因素,提出引航员不安全行为的干预策略,进而建立引航员不安全行为干预的系统动力学模型。结合港口引航员调研数据,对引航员不安全行为的动态演变过程进行仿真。案例计算结果表明:在干预策略实施期间,引航员驾引过程中不安全行为、不安全心理、不安全生理水平呈现先增后减的抛物线趋势。安全价值观和安全能力提升速度最快,干预效果最显著。提升引航员的安全价值观和安全能力是减少引航员不安全行为的重要策略。
关键词:
引航员; 不安全行为干预; 系统动力学; 仿真
中图分类号: U675.98; U698
文献标志码: A
System dynamics simulation on unsafe behavior intervention of pilots
TIAN Li, HU Shenping, XI Yongtao, ZHANG Xinxin
(Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China)
Abstract:
In order to reduce the unsafe behaviors of pilots, the fishbone diagram is used to analyze the influencing factors of pilot unsafe behaviors, the intervention strategies of pilot unsafe behaviors are proposed, and the system dynamics model of pilot unsafe behavior intervention is established. Based on the port pilot survey data, the dynamic evolution of the pilot unsafe behaviors is simulated. The case calculation result shows that, during the implementation of intervention strategies, the unsafe level of behavior, psychology and physiology of pilots in the course of operation keeps a parabolic trend of increasing first and then decreasing. The safety values and the safety ability are promoted fastest and the intervention effects are the most significant. Improving the pilot safety values and the pilot safety ability is an important strategy for reducing the pilot unsafe behaviors.
Key words:
pilot; unsafe behavior intervention; system dynamics; simulation
收稿日期: 2020-02-10
修回日期: 2020-06-24
基金项目:
国家重点研发计划(2019YFB1600600);上海市重点学科建设项目(T0603);上海市2020年度“科技创新行动计划”软科学重点项目(20692108700)
作者简介:
田力(1994—),男,甘肃天水人,硕士研究生,研究方向为水上交通运输安全,(E-mail)871255853@qq.com;
胡甚平(1974—),男,湖北通城人,教授,博士,研究方向为载运工具运用工程与安全工程,(E-mail)sphu@shmtu.edu.cn
0 引 言
引航员是船舶引航作业的执行者,是保障船舶引航过程安全的关键人物[1]。据统计,90%以上的船舶引航事故是引航员或船员的不安全行为造成的[2],引航员不安全行为是导致船舶引航重大
事故發生的关键因素之一。因此,研究引航员不安全行为的动态演变规律,针对不安全行为影响因素进行干预,对减少引航员的不安全行为,保障引航安全具有关键意义。
目前,国内外专家学者主要从影响因素和形成机理角度、预控干预角度研究人的不安全行为。影响因素和形成机理方面:CHOUDHRY等[3]指出不安全行为影响因素主要包括安全意识、工作压力、安全态度、心理和生理因素、设施、环境、安全培训和教育、安全管理等。预控干预方面:ZAIRA等[4]开发了针对建筑工人不安全行为的综合安全干预措施的结构方程模型。BERGHEIM等[5]指出,提高员工的职业素质和安全行为能力是减少不安全行为的重要措施。
现有研究多关注引航员人因可靠性影响因素分析和定量预测[6-7]。不安全行为方面:张欣欣等[8]
分析了船舶港口引航风险中的人和组织因素(human and organizational factors, HOF),得出绝大多数引航事故由不安全的引航行为导致;席永涛等[2]通过结构方程模型和多级回归分析探究了引航员危险态度对其安全行为的影响。上述研究均从静态角度定性、分散地分析和处理问题,缺少对不安全行为影响因素间多维关系以及动态演变的研究,特别是对引航员不安全行为动态变化过程的研究还未涉及。
本文通过对导致引航员不安全行为的因素的分析,提出引航员不安全行为影响因素鱼骨图,引入系统动力学理论,构建引航员不安全行为干预的系统动力学仿真模型。结合某港口引航员调研数据,对引航员不安全行为干预进行仿真,以期提出有效的、有针对性的不安全行为干预策略。
1 问题描述
1.1 导致引航员不安全行为的因素
结合相关文献[9-10],通过对上海港1995—2019年890起引航事故原因的分析[11],归纳出引航员不安全行为的影响因素(见图1引航员不安全行为影响因素鱼骨图),主要包括:①心理因素(职业压力、侥幸心理、自负心理、紧张心理、疲劳心理、粗心大意);②生理因素(慢性疲劳、身体素质差、年龄大小、引航作业强度、带病上岗、睡眠不足);③安全能力因素(专业技能不足、理论知识匮乏、应急演练少、模拟训练少、硬件设备水平低、综合处理能力(沟通协调能力、临时应变能力)弱);④安全价值观因素(安全观念、安全意识、安全态度);⑤环境因素(自然环境、通航环境、交通环境、人机匹配、引航设备条件);⑥组织管理因素(引航员管理不到位、引航管理制度不完善、安全监督力度小、安全投入力度小)。
1.2 引航员不安全行为的干预策略和干预系统
基于对引航员不安全行为影响因素的分析提出相应的干预策略。
在引航员不安全行为影响因素及相应干预策略的基础上,构建引航员不安全行为干预系统的7个子系统(见表1):引航员心理干预系统、引航员生理干预系统、引航员安全能力干预系统、引航员安全价值观干预系统、作业环境干预系统、组织管理干预系统、不安全行为事后干预系统[12]。用↑表示系统水平随着干预力度增加而增加,↓表示系统水平随着
干预力度增加而减小。通过对干预系统的分析,得出引航员不安全行为干预系统的4个主要反馈回路:①安全教育培训↑→安全价值观水平↑→安全作业能力水平↑→不安全行为水平↓→安全教育培训↑;②安全宣传水平↑→安全价值观水平↑→不安全心理水平↓→不安全行为水平↓→安全宣传水平↑;③安全引航管理↑→合理安排引航任务量↑→不安全生理水平↓→不安全行为水平↓→安全引航管理↑;④安全作业能力水平↑→不安全行为水平↓→业务知识培训↑→模拟训练↑→安全作业能力水平↑。
2 模型建立
2.1 系统动力学原理
系统动力学建模方法是基于控制论和非线性动力学理论的建模方法,由Forrester教授于1958年首次提出。該方法使用计算机仿真对各种具有动力学反馈的系统进行建模,同时通过对系统中多因素之间的复杂相互作用建模来研究非线性相互作用是如何随时间影响系统行为的。[13-15]Vensim是一种系统动力学模拟软件,变量类型包含状态变量、速率变量、辅助变量和常量等,库存流程图通过内置各种函数将定性关系转换为定量关系。系统动力学建模流程见图2。
2.2 确定系统动力学模型变量
鉴于建立系统动力学流图的需要,根据表1确定模型变量集,包括水平变量(也叫状态变量)
L、速率变量R、辅助变量A和常量C,具体变量名称及符号见表2。
2.3 确定系统动力学流图及变量函数关系
运用Vensim-PLE建立引航员不安全行为干预系统动力学流图,见图3。模型的系统动力学方程包含水平方程和速率方程。水平方程是一个一阶差分方程,具有固定的表现形式,用来描述模型存量的变化[13]。存量是流量变化随时间的积累,采用差分方程的形式进行描述:
Lk=Lj+Rin,jk-Rout,jkΔT (1)
式中:Lk表示水平变量L在时刻k的取值;Lj表示水平变量L在时刻j的取值;Rin,jk表示流入速率变量Rin在时刻j与时刻k之间的取值;Rout,jk表示流出速率变量Rout在时刻j与时刻k之间的取值;ΔT表示仿真时间步长,即在时刻j与时刻k之间求解时间间隔的长度[13]。速率方程为水平变量、辅助变量和常量的函数,即
R=f(L,A,C)(2)
3 仿真算例
3.1 数据采集和分析
以某港在职引航员为主要调研对象,通过微信扫码填写问卷的方式对各级在职引航员227人进行调研,其中调研样本的学历和级别构成见图4。选取最常用的克朗巴哈系数(Cornbachsα)来检验问卷的可靠性,利用SPSS 19.0计算得到调查问卷的克朗巴哈系数为0.876(>0.60),表明问卷可靠性良好,通过其获得的真实值水平都在可接受范围内。
3.2 模型参数确定
依据引航员安全管理制度及行为规范,结合问卷调研数据和专家评分,对数据进行无量纲化处理,并取其算术平均值作为系统值,得到的各水平变量初始值见表3。
采用熵权法确定各辅助变量和各干预系数值。设有m个子系统、n个评价指标,指标值为xij(1≤i≤m,1≤j≤n),具体步骤如下:
(1)对决策矩阵X=(xij)m×n进行标准化处理,再进行归一化处理,使数据在[0,1]范围内,得到矩阵X′=(x′ij)m×n。
(2)计算各评价指标的熵值:
(3)确定第j个评价指标的熵权:
φj=αjnj=1αj (4)
式中:αj表示第j个评价指标的差异系数,且αj=1-Hj。
运用MATLAB计算出各辅助变量和各干预系数值,见表4。
3.3 仿真结果与分析
设置模型运行参数:初始时间为0;仿真步长为1个月;仿真周期为24个月。运行Vensim-PLE得到初始状态仿真结果,见图5。
由图5可知,引航员不安全行为水平呈现先升后降的抛物线趋势,且变化过程主要分为3个阶段。第1阶段,引航员不安全行为水平呈上升趋势,且在第13个月达到峰值,这表明干预策略实施初期并未对不安全行为产生抑制作用。第2阶段,即从第14个月到第18个月,引航员不安全行为水平开始下降,但是趋势相对平缓。这表明各干预子系统对引航员不安全行为干预效果存在差异,引航员自身对干预策略的熟知度、接受度和适应速度也存在差异,进而导致整个系统不安全行为水平下降相对缓慢。第3阶段,即从第19个月开始,引航员不安全行为水平明显呈快速下降趋势,且速度越来越快,这表明随着引航机构安全宣传、安全教育培训、技能培训、事故演练等措施的实施,引航员长期形成的引航不安全行为习惯等开始慢慢转变,引航员自身的安全价值观、安全能力得到提高,不安全行为得到有效控制,安全行为水平得到了有效提升。
图5表明:(1)引航员不安全心理水平和不安全生理水平变化也呈抛物线型,但趋势相对平缓,峰值相对较小,且相对于引航员不安全行为水平,其峰值提前数月出现;不安全生理水平从第6个月开始就已明显呈下降趋势,这表明对引航员不安全生理
水平的干预短期内可产生效果。(2)与其他干预系统相比,安全价值观水平、安全能力水平明显呈快速上升趋势,且后期的快速上升对降低不安全行为水平起主要作用。
3.4 模型分析与讨论
分别对部分干预策略和子系统干预效果进行对比分析。
3.4.1 不同干预策略同等干预力度下干预效果对比分析
在初始状态下,对安全教育培训水平、模拟训练、安全监督力度分别增加20%,观察不安全行为水平的变化情况,结果见图6a:前8个月,3种干预策略下不安全行为曲线基本重合,无明显差异,这表明干预策略在初期对系统不安全状态干预效果不佳;从第10个月开始,3种干预策略的干预效果差异趋向明显,干预效果强弱依次为安全教育培训、模拟训练、安全监督力度,这表明安全教育培训是降低引航员不安全行为水平的重要措施,引航作业模拟训练需要增加,另外,引航管理机构应加大安全监督力度。
3.4.2 不同干预子系统同等干预力度下干预效果对比分析
在初始状态下,分别将安全能力水平和安全价值观水平增加20%,不安全心理水平和不安全生理水平减少20%,運行并观察不安全行为水平的变化趋势,结果见图6b:前5个月,4个子系统干预曲线基本吻合;从第5个月开始干预效果出现差异,较单一干预策略提前3个月出现差异,且不安全行为水平的下降幅度明显,下降速度更快。这表明干预措施组合的子系统对整个系统不安全行为水平的干预效果更明显,见效更快。另外,4个子系统干预效果强弱依次为:安全价值观水平、安全能力水平、不安全心理水平、不安全生理水平,且安全价值观水平干预效果比其他子系统的更明显、有效。
4 结束语
运用系统动力学建立了引航员不安全行为干预模型,通过仿真预测引航员不安全行为的变化趋势,并对干预策略和干预子系统的干预效果进行了对比分析。
引航员不安全行为水平呈现先增后减的抛物线变化趋势。在干预过程初期,由于引航员对干预策略不熟悉,适应速度慢,存在抵触心理,故而其不安全心理和生理水平快速上升。随着干预的实施,引航员安全价值观水平、安全能力水平、组织管理水平、安全行为水平、作业环境安全水平等逐渐升高,其中安全价值观水平和安全能力水平上升较快,其后期的快速上升对系统不安全行为水平起到关键抑制作用,从而在干预后期不安全行为水平下降加快。
参考文献:
[1]KITAMURAK, MURAI K, HAYASHI Y,et al. Measurement and analysis of marine pilots performance using a large model sensor[C]//2014 IEEE 3th Global Conference on Consumer Electronics. IEEE, 2014: 37-41.
[2]席永涛, 肖浩, 张阳, 等. 引航员风险认知对安全行为的影响路径[J]. 中国航海, 2019, 42(2): 37-41.
[3]CHOUDHRYR M, FANG Dongping. Why operatives engage in unsafe work behavior: investigating factors on construction sites[J]. Safety Science, 2008, 46: 566-584. DOI: 10.1016/j.ssci.2007.06.027.
[4]ZAIRAM M, HADIKUSUMO B H W. Structural equation model of integrated safety intervention practices affecting the safety behaviour of workers in the construction industry[J]. Safety Science, 2017, 98: 124-135. DOI: 10.1016/j.ssci.2017.06.007.
[5]BERGHEIMK, NIELSEN M B, MEARNS K,et al. The relationship between psychological capital, job satisfaction, and safety perceptions in the maritime industry[J]. Safety Science, 2015, 74: 27-36. DOI: 10.1016/j.ssci.2014.11.024.
[6]张锦朋, 陈伟炯, 张浩, 等. 船舶引航员可靠性评价体系研究[J]. 中国安全科学学报, 2013, 23(5): 76-81.
[7]姜菲菲, 黄明, 江福才. 基于CREAM的船舶引航员人因可靠性预测研究[J]. 交通信息与安全, 2017, 35(3): 26-33. DOI: 10.3963/j.issn.1674-4861.2017.03.004.
[8]张欣欣, 胡甚平, 陈渊, 等. 船舶港口引航风险致因人-组织因素影响分析[J]. 中国安全科学学报, 2019, 29(12): 78-84.
[9]XIY T, YANG Z L, FANG Q G,et al. A new hybrid approach to human error probability quantification–applications in maritime operations[J]. Ocean Engineering, 2017, 138: 45-54. DOI: 10.1016/j.oceaneng.2017.04.018.
[10]BARBAREWICZF, JENSEN H-J,HARTH V,et al. Psychophysical stress and strain of maritime pilots in Germany. A cross-sectional study[J]. PLOS ONE, 2019, 14(8): 1-12. DOI: 10.1371/journal.pone.0221269.
[11]ZHANGXinxin, CHEN Weijiong, XI Yongtao,et al. Dynamics simulation of the risk coupling effect between maritime pilotage human factors under the HFACS framework[J]. Journal of Marine Science and Engineering, 2020, 8(2): 144. DOI: 10.3390/jmse8020144.
[12]田水承, 李廣利, 李停军, 等. 基于SD的矿工不安全行为干预模型仿真[J]. 煤矿安全, 2014, 45(8): 245-248. DOI: 10.13347/j.cnki.mkaq.2014.08.073.
[13]岳仁田, 刘敬轩, 赵嶷飞. 基于系统动力学的空管运行亚健康模型仿真[J]. 航空计算技术, 2019, 49(4): 44-49.
[14]张阳, 席永涛, 胡甚平, 等. 水上货物运输风险演化系统动力学仿真[J]. 上海海事大学学报, 2018, 39(1): 19-24. DOI: 10.13340/j.jsmu.2018.01.004.
[15]DANESHZANDF, AMIN-NASERI M R, ASALI M,et al. A system dynamics model for optimal allocation of natural gas to various demand sectors[J]. Computers & Chemical Engineering, 2019, 128: 88-105. DOI: 10.1016/j.compchemeng.2019.05.040.
(编辑 赵勉)