基于FIS-CREAM方法的人為差錯風險評估

郭云東，孫有朝

（南京航空航天大學民航學院，南京210016）

機載設備和自動化技術的不斷發展大大提高了飛機的可靠性和安全性，但人為差錯造成的航空事故并沒有得到明顯的抑制。依據國際民航組織安全調查報告數據統計，民航運輸過程中超過75%的飛行風險與人為差錯有直接或間接的關系[1-2]。在復雜的駕駛艙人機系統中，由于不友好的環境和物理限制等因素的影響，飛行員往往會有一些操作過失或錯誤[3-4]。在飛行任務執行過程中，如果某一操作動作的差錯概率很高，并且此差錯對飛機系統安全性有很大的負面影響，則此操作就是一個高風險人為差錯。為了有效地預防和控制高風險人為差錯的發生，有必要對人為差錯的風險進行量化，并進一步識別關鍵的人為差錯，以提高飛行安全性。

人因可靠性分析方法是識別和確定人為差錯的最有效技術手段之一。典型的人因可靠性分析方法主要涉及THERP（Technique for Human Error Rate Prediction）、HCR（Human Cognitive Reliability）、HEART（Human Error Assessment and Reduction Technique）、CREAM（Cognitive Reliability and Error Analysis Method）、ATHEANA（A Technique for Human Error Analysis）等方法，這些方法關注焦點在于量化人為差錯發生概率，已在航空、核電、海事等領域得到了廣泛應用[5-8]。然而，他們均沒有考慮到人為差錯對系統可能產生的負面影響或嚴重后果，不能直接用于飛機駕駛人為差錯風險評估。

人為差錯風險評估的目的是控制飛機操縱過程中人為差錯的風險水平，以便進一步制定人機交互優化策略。評估結果的有效性在很大程度上取決于已建立的風險模型和輸入數據的準確性[9]。但是，分析人員通常會遇到一些問題。例如，數據不足、不確定性、過于依靠專家主觀判斷來確定人為差錯的可能性等[10]。此外，由于飛機駕駛艙人機系統的復雜功能和交互作用，很難明確評估人為差錯對系統風險的影響。因此，有必要提出一種考慮飛行情境環境的飛機駕駛人為差錯風險量化方法，以對不確定性人為差錯進行建模并識別關鍵的人為差錯。

基于以上事實，本文引入模糊推理（Fuzzy Inference System，FIS）方法，模糊邏輯在表達具有清晰邊界的定性知識和經驗方面具有明顯優勢[11]。隸屬度函數的概念用于區分模糊集，處理輸入和輸出變量之間的模糊關系。模糊邏輯方法提供了一種使用定性術語來評估風險因素的有效工具，并且該方法已廣泛用于許多領域的系統安全性和風險評估。但這些研究忽略了與人為差錯有關的風險以及人為差錯對系統的影響。綜上所述，考慮到人為差錯及差錯對系統可能產生的負面影響，本文提出一種基于FIS-CREAM方法的人為差錯風險評估模型。通過CREAM方法確定人為差錯概率，以人為差錯概率、差錯影響概率及后果嚴重性為風險指標，引入FIS 方法對人為差錯風險進行量化計算，從而識別關鍵人為差錯風險，確保航空飛行安全。

1 基于FIS-CREAM 方法的人為差錯風險評估模型

為了降低專家判斷的主觀性，解決數據不足造成的人為差錯風險識別的不確定性和模糊性問題，本文提出了基于模糊推理系統的駕駛艙人為差錯風險量化方法，其結構框架見圖1。該方法包括3 個階段：①任務分析；②人為差錯風險指標識別；③人為差錯風險量化。

圖1 人為差錯風險評估方法的結構框架Fig.1 Framework of human error risk assessment

1.1 任務分析

任務分析階段共有5 個實施步驟：識別具體的分析對象、信息收集整理、關鍵任務選擇、任務分析和確定可能的人為差錯。

1）應該選擇有價值的分析對象并定義分析對象的邊界。本文選擇進近任務作為具體的分析對象，因為在長時間持續飛行過程中，進近階段的操作任務相對于起飛、巡航、下降階段的人為差錯率更高，更容易導致災難性的事故[12]。

2）分析人員應收集整理并著重分析與具體研究對象相關的信息，主要包括飛行程序和情境環境、歷史數據和文檔、專家和操作員訪談的數據等。

3）確定關鍵任務，區分那些可能危害乘客生命和財產安全，造成嚴重后果（如飛機墜毀和環境污染）的事件。

4）任務分析，目的是將所分析的任務詳盡地分解為一系列子任務單元，直到無法分解為止，引入任務層次分析方法（Hierarchical Task Analysis，HTA）[13]，構造飛行任務事件序列。

5）通過上述信息確定最可能的人為差錯。

1.2 人為差錯風險指標

人為差錯是影響系統安全主要風險因素之一。許多研究學者主要是基于人因可靠性來構建人為差錯風險的量化模型。而在系統概率風險評估過程中，不僅要考慮人為差錯概率，還應考慮人為差錯對系統的影響以及系統損失程度。因此，本文引入人為差錯概率（Human Error Probability，HEP）、差錯影響概率（Error Impact Probability，EIP）和人為差錯后果（Human Error Consequence，HEC）作為人為差錯風險的量化指標，并考慮各指標的相對權重進而計算駕駛艙人為差錯風險水平。

1.2.1 風險指標的模糊集

基于CREAM方法和MIL-STD-1629A標準，分別給出3個風險指標的取值范圍，結合專家判斷，給出其對應的定性描述水平，并構建各風險指標的模糊集合，結果如表1 所示。其中，HEP={非常低，低，中等，高，非常高}，EIP={幾乎沒影響，可能有影響，極有可能影響，絕對影響}，HEC={非常低，低，中等，高，非常高}。

表1 風險指標取值范圍及對應的定性描述Tab.1 Qualitative description and the value range of risk indexes

為解決計算過程中專家判斷的不確定性以及人為差錯數據不足造成的結果不精確性等問題，本文引入模糊邏輯方法構建駕駛艙人為差錯風險評估模型。隸屬函數是表示模糊集的數學工具，常用的隸屬函數主要有高斯型隸屬函數、鐘形隸屬函數、梯形隸屬函數和三角形隸屬函數等。其中，三角形隸屬函數是人因可靠性評估過程中較為合理和有效的選擇[14-15]。因此，本文引入三角形隸屬函數，用區間某個數表示一個精確風險指標值屬于某個模糊集合的程度。

圖2 顯示了HEP、EIP 和HEC 的模糊集合對應的隸屬函數。其中，由于HEP 值范圍跨度較大，為了便于圖形化顯示，對其采用對數化處理，EIP和HEC值范圍跨度較小，可根據其范圍直接確定三角形隸屬函數。

圖2 HEP、EIP和HEC的三角形隸屬函數Fig.2 Triangular membership function of HEP，EIP，HEC

1.2.2 風險指標的計算

1）人為差錯概率。人為差錯概率指的是在規定的時間和規定的條件下，操作員沒有完成指定任務的概率[16]。CREAM方法是被研究學者已廣泛認可的人為差錯概率量化方法，且有很多改進的CREAM方法，并成功應用于核電、航空、海事等行業。

本文引入一種SCREAM（Simplified CREAM）方法，該方法用于量化進近任務操作單元的人為差錯概率，其計算表達式為[17]：

式（1）中：CFP0代表標定的人的認知失效概率；ρi代表第i 個因素的績效影響指數，即第i 個任務情境影響因素對人為差錯的影響。

通過SCREAM 方法可知影響進近階段飛行員績效的情境因素主要包括9 個類別：地面支持、機組負荷、機組訓練和經驗、程序質量、程序數量、時間壓力、人機界面適宜性、組織適應性和工作條件。如表2 所示，通過專家判斷給出每個績效影響因素的水平，結合績效影響指數[17]和式（1），可計算得出每個操作單元的人為差錯概率。

表2 績效影響因素水平和指數Tab.2 Level and index of performance shaping factors

2）差錯影響概率和人為差錯后果。本文基于模糊理論中的去模糊方法確定EIP 和HEC 的精確值。EIP是條件概率，即在特定的人為差錯情況下，該差錯對系統不同狀態影響的概率。人為差錯后果（HEC）是指特定的人為差錯發生導致系統損失的嚴重程度。在本研究中，根據系統的成本損失比例來劃分人為差錯的后果，其定性描述和取值范圍如表1 所示。一般情況下，需要工程師或分析人員根據他們的知識和經驗來衡量這些風險指標。他們可以提供精確值，數字范圍，也可以給出定性描述或三角模糊值等。如果信息足夠，并且指標是定量指標，則專家或工程師可以提供準確的值。但是，當信息不足且不確定時，專家有時不容易提供準確的值。此時，采用定性水平或模糊值可能更合適；然后，使用三角形重心的去模糊化方法來獲得精確的值，其表達式為[18]：

1.3 基于模糊推理的人為差錯風險量化

考慮到飛機駕駛人為差錯風險的模糊性和不確定性，引入模糊推理方法對飛機駕駛人為差錯風險進行建模。通過分析飛機駕駛人為差錯及差錯對系統產生的負面影響，以人為差錯概率、差錯影響概率和人為差錯后果作為模型的輸入參數，人為差錯風險作為模型輸出結果。輸出變量風險嚴重性（Risk Severity，RS）共有10個等級，定性術語描述如下：極低（U）、較低（Mi）、非常低（V-L）、低（L）、適中（Mo）、稍高（SH）、高（M-H）、非常高（V-H）、極高（E-H）、絕對（AH）。構建的模糊集合為RS={極低，較低，非常低，低，適中，稍高，高，非常高，極高，絕對}，其三角隸屬函數如圖3所示。

圖3 RS的三角形隸屬函數Fig.3 Triangular membership function of RS

上述3個風險指標參數對人為差錯風險影響程度不同。其中，人為差錯發生概率和人為差錯后果的嚴重性可能導致人為風險最強，差錯影響概率較弱。因此，根據專家評估給出上述3 個參數的權重值（0.4、0.2、0.4），并將其融合到構建的模型中，其形式化表達式為：

模型具體求解過程如下：首先，通過1.2.2 部分給出的風險指標計算方法可以獲取3 個參數的精確值，將其輸入到構建的模糊邏輯模型中；其次，通過IFTHEN規則生成模糊規則庫，以邏輯AND運算符作為構造模式，共形成5×4×5=100 條規則；最后，采用重心法解模糊化求得人為差錯風險的精確值。

2 結果與討論

2.1 人為差錯風險計算結果

本文基于波音737 標準操作程序（SOP），選擇進近階段操作任務為目標任務，通過HTA方法客觀系統地分析了任務及其子任務的關系。首先，將進近階段操作任務分解為起始進近和最終進近；然后，分別將這2 個子任務進一步分解為一系列操作單元，直至不能分解為止；最后，確定操作過程中可能的人為差錯，結果如圖5 所示。圖5 中的操作單元按照從左到右，從上到下的順序依次執行。

圖4 基于HTA的進近任務分析結果Fig.4 Analysis result of approach mission based on HTA method

以操作單元1.1 為例，基于風險量化模型分別計算出HEP、EIP、HEC 3 個風險指標值。操作單元1.1“設置著陸燈開關”的認知活動是“執行（Execute）”，相應的認知功能為“執行（Execution）”，潛在的差錯類型為“錯失動作（E5）”，表明其標定的人為差錯概率CFP0為3.0E-2[13]。那么操作單元1.1的人為差錯概率為：

為了便于計算，本文對HEP 值進行了取對數處理?！霸O置著陸燈開關”潛在的人為差錯類型為“E5”，它導致系統損失的程度被評估為“低”。根據3名專家的判斷，給出一個三角模糊數（0.5，0.6，0.4），通過式（2）計算得出EIP 的精確值為0.5，這表示差錯類型“E5”可能影響系統損失。類似地，針對人為差錯后果（HEC），基于專家知識和經驗給出的三角模糊數為（0.2，0.4，0.4），其精確值通過式（2）計算可得為0.333，這表明該人為差錯導致的系統成本損失比是“低”。將3個風險指標值-2.12，0.5，0.333 輸入到構造的模糊推理系統中，可得出操作單元1.1 的人為差錯風險嚴重度為RS=0.64 ，其推理過程如圖5 所示。類似地，可依次計算得出其他所有操作單元的風險指標值，并根據構造的人為差錯模糊推理系統得出每個操作單元的人為差錯風險嚴重度，計算結果如表3所示。

從表3 中可以看出，最關鍵的人為差錯類型是“E5”（錯失動作），涉及操作單元1.2、2.1、2.9、2.11、2.12、2.13和2.16，風險值均為0.9。主要原因是飛行員在短時間內執行大量任務時容易忽略某些動作，如果發生這些錯失的動作，后果將非常嚴重。因此，航空公司應更加注意針對這些操作單元采取一些改進措施，以減少錯失動作數量。第二個嚴重差錯類型是操作單元2.5 中的“E1”（錯誤操作），其風險值為0.892。在這種情況下的診斷是基于經驗的操作，診斷的差錯概率可能很高，航空公司或組織管理部門可以考慮在這些操作過程中增加輔助決策設備，提高診斷準確性，降低人為差錯風險。操作單元2.3、2.4和2.10中的差錯類型“O2”（錯誤標識）也是嚴重的人為差錯。其他差錯類型的風險值可以在表3中查詢。根據這些風險值，可以確定每個操作單元的風險嚴重度。此外，航空公司可以根據這些操作單元的風險優先級來制定適當的規則和管理措施，以防止發生人為差錯。

表3 飛機駕駛人為差錯風險評估結果Tab.3 Results of human error risk assessment for aircraft operating

2.2 SCREAM方法與FIS-CREAM方法對比分析

為驗證本文提出的FIS-CREAM方法的可信性和有效性，將基于SCREAM 方法與FIS-CREAM 方法得到的人為差錯結果進行對比分析，結果見圖6。依據人因可靠性分析方法觀點，SCREAM方法僅通過人為差錯概率來識別關鍵人為差錯風險，而FIS-CREAM方法綜合了人為差錯概率、差錯影響概率和人為差錯后果3 個指標來確定人為差錯風險。由圖6 可知，依據SCREAM 方法和FIS-CREAM 方法執行，其人為差錯排序結果是不同的。其中，前者結果顯示最重要的人為差錯出現在操作單元2.2、2.3、2.4、2.6、2.10、2.14、2.20，而后者結果顯示最重要的人為差錯出現在操作單元1.2、2.1、2.9、2.11、2.12、2.13、2.16。出現此差異性結果的主要原因是通過人為差錯概率值識別出的關鍵人為差錯沒有充分考慮這些差錯對駕駛艙系統的影響，不能系統且全面地評估人為差錯對駕駛艙系統造成的航空安全風險。結合表3 和圖6 結果分析可知，人為差錯風險值不僅考慮了人為差錯概率，而且考慮了差錯影響概率及人為差錯后果，得出的結果能夠綜合評估飛機操縱過程中人為差錯風險并識別出關鍵的人為差錯，且可以對這些人為差錯進行風險優先排序，為改善交互界面設計及提高駕駛艙人機交互績效提供建議和指導。

圖6 基于SCREAM和FIS-CREAM方法的人為差錯結果對比分析Fig.6 Results comparison based on SCREAM and FIS-CREAM

3 結論

人為差錯是導致不安全事件或航空事故的最重要風險因素之一。本文提出了一種基于FIS-CREAM方法的人為差錯風險量化評估方法，以識別關鍵人為差錯類型及差錯風險，進而評估飛機操縱過程中的航空飛行安全。進近階段任務的人為差錯風險評估實驗結果表明，“錯失動作”是任務執行過程中發生人為差錯最重要的差錯類型，主要體現在操作單元1.2、2.1、2.9、2.11、2.12、2.13 和2.16 中。此外，可以根據得出的風險值識別每個操作單元的風險優先級，這為航空公司或組織管理部門加強飛行安全管理和提升飛行員技能提供了理論支持。本研究提出的飛機駕駛人為差錯風險定量評估方法引入了HEP、EIP 和HEC 3 個風險指標作為模糊推理系統的輸入參數，它不僅考慮了人為差錯的概率，還考慮了人為差錯對系統的影響，同時，3個風險指標的相對權重也被納入模糊規則庫中，確保了評估結果的準確性和有效性。該方法能夠用于任務執行過程中飛行員的人為差錯風險量化及航空飛行安全評估。