◎姚義東

一、引言

安全是一個(gè)永恒的話題，影響安全的最重要的因素就是人為因素。據(jù)統(tǒng)計(jì)，核電廠中由人為因素影響所造成的系統(tǒng)失效的事故約占50%-70%；海上石油鉆探由人為因素影響的約占70%；而在過去幾年的空中交通事故中74。3%是人為因素造成的。因此，一個(gè)簡(jiǎn)單有效的分析人為因素對(duì)不安全事件發(fā)生的影響的方法模型是很重要的。

人因可靠性分析（HRA）源自于人因工程學(xué)，HRA 以人因工程、認(rèn)知科學(xué)、系統(tǒng)分析、概率統(tǒng)計(jì)、行為科學(xué)等作為理論基礎(chǔ)。是一種對(duì)人因可靠性定性、定量研究的方法。HRA 是一種關(guān)于某個(gè)特定系統(tǒng)中的人在某個(gè)特定時(shí)間完成任務(wù)概率的研究方法。其目的是對(duì)系統(tǒng)運(yùn)作中，由人為差錯(cuò)所導(dǎo)致的風(fēng)險(xiǎn)概率進(jìn)行評(píng)估以及選擇降低對(duì)人為差錯(cuò)對(duì)系統(tǒng)的影響。

隨著各行各業(yè)日益發(fā)展，所面臨的安全問題愈加凸顯，人因可靠性分析（HRA）也得到了人們的重視。其中HRA 依照時(shí)間和研究的側(cè)重點(diǎn)被分為第一代人因可靠性分析方法以及第二代人因可靠性分析方法。第一代人因可靠性分析法是在二十世紀(jì)八十年代左右提出的。第一代HRA 著重于研究人的行為理論以及人為失誤方法的研究。是利用結(jié)構(gòu)化的模型以及一些數(shù)學(xué)計(jì)算所得到的數(shù)據(jù)結(jié)論；第二代人因可靠性分析法是在二十世紀(jì)九十年代左右提出的，該方法是對(duì)第一代人因可靠性分析的一種改進(jìn)。初步建立了人的認(rèn)知過程模型，第二代HRA 著重于在特定的環(huán)境下，通過分析環(huán)境、操作員以及設(shè)備等人為差錯(cuò)的誘因，描述人為差錯(cuò)產(chǎn)生機(jī)理。從而確定人因可靠性以及對(duì)人因可靠性的提升的研究方法。

以下是幾種人因可靠性分析法比較具有代表性的方法：

?

CREAM 方法具有兩個(gè)特色：該方法強(qiáng)調(diào)情景環(huán)境對(duì)人的行為影響，結(jié)合了共同績效條件（CPC）中的環(huán)境要素，給出共同績效條件（CPC）水平影響人的可靠性的獨(dú)立認(rèn)知模型和框架并具有雙向的追溯和預(yù)測(cè)的分析能力。也可對(duì)人因失誤概率進(jìn)行定性、定量的預(yù)測(cè)分析。

二、CREAM 的共同績效條件和績效可靠性

CREAM 方法將人完成任務(wù)時(shí)所處的情景環(huán)境對(duì)人的認(rèn)知控制和不同認(rèn)知活動(dòng)中的效應(yīng)的影響因素分為九大因素。這就是共同績效條件（CPC）。其中，每一個(gè)因素稱為一個(gè)CPC 因子，這些CPC 因子被劃分為幾個(gè)不同的等級(jí)，并且對(duì)人的績效會(huì)產(chǎn)生三種不同水平的影響：改進(jìn)、降低以及不顯著。并且每個(gè)CPC 因子都有其對(duì)應(yīng)的認(rèn)知功能權(quán)重如下表2 所示：

?

三、CREAM 的追溯分析法

人因失效事件往往不是因?yàn)閯?dòng)作的差錯(cuò)，有些情況中，即使執(zhí)行的動(dòng)作正確，但是所產(chǎn)生的的效果可能與預(yù)期相反。在一個(gè)系統(tǒng)中，往往不是由于一個(gè)動(dòng)作的差錯(cuò)或者一個(gè)設(shè)備的失效而導(dǎo)致整個(gè)系統(tǒng)出現(xiàn)崩潰。是各項(xiàng)失誤導(dǎo)致超出了系統(tǒng)的承受能力，從而導(dǎo)致整個(gè)系統(tǒng)崩潰，出現(xiàn)事故。因此，分析人因失誤事件的根本原因，找到人對(duì)所處情景的錯(cuò)誤認(rèn)知或者特殊環(huán)境中做出的錯(cuò)誤決策是CREAM 模型追溯分析法的目的。

1.失誤模式和前因分類組。

CREAM 中將失誤分為可觀察性失誤和不可觀察性失誤。可觀察式失誤是指具有外在表現(xiàn)形式的失誤即失誤模式（Error mode）。不可觀察性失誤是指不具備外在的表現(xiàn)形式的失誤即人的思維失誤。CREAM 將失誤模式分為八類：時(shí)間、歷程、力量、速度、方向、距離、序列、目標(biāo)。

CREAM 將不可觀察性失誤稱為前因。分為三大類：與人有關(guān)的前因、與技術(shù)有關(guān)的前因和與組織有關(guān)的前因。這三類也正是導(dǎo)致人因失誤發(fā)生的重要因素。人有關(guān)的分為五類：觀察、解釋、計(jì)劃、人的臨時(shí)性功能以及人的永久性功能。技術(shù)有關(guān)的分為四類：設(shè)備、規(guī)程、臨時(shí)性界面問題以及永久性界面問題。組織有關(guān)的分為五類：通訊、組織、培訓(xùn)、環(huán)境以及工作條件。以上的14 類前因也稱為前因分類組。

2.追溯分析。

CREAM 的追溯分析是以失誤模式為起點(diǎn)，通過對(duì)應(yīng)的8 類失誤模式和14 類前因分類組找到可能的前因，再追查下去，從而找到根本原因。以下是追溯分析的具體步驟：

（1）根據(jù)人為差錯(cuò)的外部表現(xiàn)確定失誤模式的類別。

（2）根據(jù)前因分類組，依據(jù)具體情況綜合考慮CPC 因子進(jìn)行分析，找出可能的前因作為追溯性分析的起點(diǎn)。

（3）作為一種結(jié)果，對(duì)其前因的進(jìn)行追溯，逐步向前尋找可能的具體前因當(dāng)做根原因；尋找合理的前因當(dāng)選定多個(gè)前因時(shí)，就增加新的分支。反之，沒有合理的前因就停止該前因分支的分析。

（4）當(dāng)一個(gè)前因分支分析結(jié)束后，就繼續(xù)分析下個(gè)分支的前因，直至所有分支結(jié)束。

追溯分析的結(jié)果得到的所有前因都有可能是該事故的根原因。

四、CREAM 的預(yù)測(cè)分析法

CREAM 預(yù)測(cè)分析是對(duì)人的認(rèn)知活動(dòng)可能發(fā)生失效的概率進(jìn)行預(yù)測(cè)。它包括基本法和擴(kuò)展法兩種分析法。

1.基本法。

CREAM 法提出四種類型的認(rèn)知模型：混亂型、機(jī)會(huì)型、戰(zhàn)術(shù)型和戰(zhàn)略型。通過分析事故，并歸納為四種認(rèn)知模式中按照不同的人的績效可靠性進(jìn)行從高到低的順序排列。

基本法是依照任務(wù)的特定的情景環(huán)境來確定CPC 因子水平，綜合確定人完成該任務(wù)的認(rèn)知控制模式，從而得出出現(xiàn)系統(tǒng)失效的概率?；痉ǖ木唧w步驟：

（1）任務(wù)分析，建立事件序列。

（2）評(píng)價(jià)CPC，根據(jù)環(huán)境對(duì)九種CPC 因子進(jìn)行評(píng)價(jià)，確定績效可靠性期望。并且根據(jù)實(shí)際情況對(duì)CPC 的某些數(shù)值進(jìn)行修正。

（3）確定可能的認(rèn)知控制模式。根據(jù)CPC 因子的評(píng)價(jià)結(jié)果記錄各績效可靠性期望之和，如圖1 所示，對(duì)照找出控制模式類別。

（4）預(yù)測(cè)失效概率。根據(jù)查得的認(rèn)知控制模式對(duì)照表3 得出可能發(fā)生失效概率的區(qū)間。

?

2.擴(kuò)展法。

CREAM 將認(rèn)知功能歸納為四類：觀察、解釋、計(jì)劃和執(zhí)行。擴(kuò)展法主要是進(jìn)一步分析人在完成任務(wù)過程中的認(rèn)知活動(dòng)和可能的認(rèn)知功能失效。首先得到認(rèn)知功能的失效概率基本值如表4所示。然后綜合考慮環(huán)境中CPC 因子對(duì)基本值進(jìn)行修正，從而對(duì)發(fā)生失效概率進(jìn)行預(yù)測(cè)。

?

擴(kuò)展法的步驟如下：

（1）任務(wù)分析，認(rèn)定認(rèn)知功能。

（2）評(píng)價(jià)CPC 的因子水平，確定績效可靠性期望。

（3）分析得出認(rèn)知功能失效模式，得出13 種失效模式中最可能的模式。

預(yù)測(cè)分析失效概率。先由表4 查出基本值，記為CFP 標(biāo)定。評(píng)價(jià)CPC 對(duì)CFP 的影響，由圖1 確定控制模式再由表3 查得平均權(quán)重因子值得出CFP 修正=CFP 標(biāo)定×平均權(quán)重因子。從而得出該事件發(fā)生失效的概率。

五、總結(jié)與展望

CREAM 方法雙向分析，包含追溯性分析和預(yù)測(cè)性分析。對(duì)于我們對(duì)人為差錯(cuò)的預(yù)防與追溯原因有著很重要的意義。作為第二代HRA 的代表方法之一，我認(rèn)為CREAM 方法是一種很好的應(yīng)用方法，對(duì)事故的總結(jié)反思以及事件可行性（失誤事件發(fā)生的概率）有著很有效的指導(dǎo)性。