吳雪琴，馮海芹

(1. 電子科技大學成都學院計算機學院，成都市，611731； 2. 成都職業(yè)技術(shù)學院軟件學院，成都市，610041)

0 引言

聯(lián)合收割機作為農(nóng)業(yè)現(xiàn)代化的重要工具，已經(jīng)被廣泛應用于現(xiàn)代農(nóng)業(yè)生產(chǎn)中。隨著《國務院關(guān)于加快推進農(nóng)業(yè)機械化和農(nóng)機裝備產(chǎn)業(yè)轉(zhuǎn)型升級的指導意見》[1]的出臺，全國農(nóng)業(yè)機械化率不斷提高。2020年農(nóng)機率達到71.25%，農(nóng)機總數(shù)量(包括：拖拉機、播種機、機動植保機、聯(lián)合收割機、干燥機、植保無人機、畜牧水產(chǎn)機械)共6 575.08萬臺，其中聯(lián)合收割機(包括：稻麥、玉米、大豆)221.75萬臺，占3.37%[2]。隨著農(nóng)機化的不斷深入，農(nóng)機事故也成為備受關(guān)注的重要社會問題，2020年全國共發(fā)生農(nóng)機道路以外的農(nóng)機事故246起，其中聯(lián)合收割機114起，高達46.34%[2]?？梢?，聯(lián)合收割機在農(nóng)機道以外的事故率遠高于其他農(nóng)機。

農(nóng)機事故研究成果中，絕大多數(shù)都是以“農(nóng)機”為籠統(tǒng)研究對象[3-6]，專門針對聯(lián)合收割機的事故分析很少[7]。技術(shù)的進步正促使聯(lián)合收割機向自動化、智能化的方向快速發(fā)展，主要表現(xiàn)為：駕駛室的封閉性、隔熱隔音性等改良；工況參數(shù)實現(xiàn)液晶數(shù)顯；控制操作通過電子系統(tǒng)完成；監(jiān)測裝置能進行光、聲報警等[8]。駕駛過程的人機交互形式正在從模擬式向數(shù)字式轉(zhuǎn)變，早期以模擬式人機交互形式為對象的事故研究結(jié)論不再適用于目前的情況。在聯(lián)合收割機的駕駛勞動過程中，人誤行為是導致安全事故的主要原因[4-5]。

大量研究表明，人誤行為的主要誘因是作業(yè)者所處的情境環(huán)境[9-10]。行為形成因子(Performance Shaping Factor，PSF)作為作業(yè)情景環(huán)境的表征形式，已成為人誤研究的重要切入點，而關(guān)鍵行為形成因子的定義則是問題研究的突破口[11-13]，但是該研究范式在聯(lián)合收割機安全事故分析中還很少見。基于此，本研究將建模分析聯(lián)合收割機駕駛?cè)藛TPSF及其相互影響關(guān)系，找出關(guān)鍵因子，為聯(lián)合收割機駕駛作業(yè)安全管理提供理論依據(jù)。

1 聯(lián)合收割機駕駛作業(yè)PSF體系

1.1 作業(yè)特征分析

目前，聯(lián)合收割機向自動化、智能化的方向快速發(fā)展，作業(yè)情境可描述為：駕駛員在舒適的駕駛室內(nèi)，通過液晶信息顯示界面獲取工況參數(shù)(如：水溫、油壓、發(fā)動機轉(zhuǎn)速、負荷大小、谷物多少、脫谷深淺、阻塞故障、停車剎車燈等)，這些信息經(jīng)過大腦處理后，通過電子操控系統(tǒng)完成轉(zhuǎn)速、滑差率、行駛速度等指令的輸出。

可見，聯(lián)合收割機的駕駛過程正在向數(shù)字式人機交互形式轉(zhuǎn)變。駕駛者可視為具有信息接收、處理和輸出的機體，駕駛作業(yè)已具備典型的腦力勞動特征，屬于“腦—體結(jié)合”的人機交互勞動形式。

1.2 作業(yè)PSF體系

PSF是對人的行為起影響作用的情境環(huán)境表征[10]，研究目的及對象的差異均會影響PSF的分類和體系構(gòu)建[14]。學者們一般采用“某種經(jīng)典PSF分類方式+特定作業(yè)情境特征專家判斷”的研究范式定義某種作業(yè)環(huán)境的PSF體系[12-13]。本研究亦采用該范式。

蔣英杰等[15]以人機交互作業(yè)為原型，提出系統(tǒng)化的PSF分類方法。該分類方法將作業(yè)情境環(huán)境表征為操作者、機器、任務、組織、環(huán)境和輔助系統(tǒng)等6個方面，共38個PSF因子。聯(lián)合收割機駕駛過程屬于數(shù)字式人機交互形式，與該分類方式作業(yè)原型的特征基本一致。

本研究采用系統(tǒng)化的PSF分類方式[15]，結(jié)合對聯(lián)合收割機駕駛作業(yè)情境特征研究的文獻分析，提出PSF初選因子，見表1。

表1 聯(lián)合收割機駕駛作業(yè)PSF初選因子Tab. 1 Primary PSFs of combine harvester driving operation

甄選30名專家對聯(lián)合收割機駕駛作業(yè)PSF初選因子進行評價。專家組由3類人員構(gòu)成：(1)具有5年以上工作經(jīng)驗的聯(lián)合收割機駕駛作業(yè)一線人員10名；(2)農(nóng)機局、站等管理技術(shù)人員10名；(3)高校、研究院(所)等農(nóng)機研究學者10名。

對30名專家進行問卷調(diào)查，要求選擇表1中對聯(lián)合收割機駕駛作業(yè)安全績效影響較大的PSF因子，數(shù)量不限?；厥沼行柧?0份，統(tǒng)計問卷中PSF因子的被提及率。

選擇提及率高于60%的PSF因子(共19個)，構(gòu)建聯(lián)合收割機駕駛作業(yè)PSF體系，結(jié)果見表2。

表2 PSF因子提及率Tab. 2 Mentioning rate of performance shaping factor

2 聯(lián)合收割機駕駛作業(yè)PSF因果關(guān)系分析

2.1 ITFN-DEMATEL方法

決策試驗與評價實驗室法(Decision Making Trial and Evaluation Laboratory，DEMATEL)是一種運用圖論和矩陣工具描述系統(tǒng)構(gòu)成要素之間關(guān)系的有效工具。但是，在分析復雜系統(tǒng)要素之間關(guān)系時，描述信息通常具有模糊屬性或?qū)＜遗袛嘁亻g關(guān)系時存在不確定性，傳統(tǒng)DEMATEL方法的有效性會大幅下降[23]。聯(lián)合收割機駕駛作業(yè)PSF因子數(shù)量多，彼此之間關(guān)系復雜，專家在進行關(guān)系判斷時存在較高不確定性。

因此，本研究將梯形直覺模糊數(shù)(Intuitionistic Trapezoidal Fuzzy Number，ITFN)與DEMATEL方法相結(jié)合，分析聯(lián)合收割機駕駛作業(yè)PSF之間的關(guān)系。該方法能給予專家直覺偏好的表達途徑，規(guī)范模糊化過程、影響矩陣計算過程和清晰化過程，提高復雜不確定關(guān)系分析的有效性。ITFN-DEMATEL模型總體框架如圖1所示。

圖1 ITFN-DEMATEL模型總體框架圖

2.2 構(gòu)建專家直覺評分集

設A=(a,b,c,d)是實數(shù)集上的一個梯形模糊數(shù)，其隸屬度函數(shù)可表示為uA(x)，非隸屬度函數(shù)表示為vA(x)[23]，如式(1)和式(2)所示。

(1)

(2)

由此，梯形直覺模糊數(shù)可以表示為{[ua,ub,uc,ud],[va,vb,vc,vd]}。

表3 模糊語言變量與梯形模糊數(shù)對應關(guān)系Tab. 3 Correspondence of linguistic variable and ITFN

由表4可知3名專家對任意2個PSF之間的直覺評分。比如e72={[g4,g4,g3],[g8,g9,g7]}，表明：專家1對f7與f2之間的關(guān)系判斷結(jié)果為：f7對f2的最小可能影響程度是g4，最大可能影響程度是g8；專家2認為f7對f2的最小可能影響程度是g4，最大可能影響程度是g9；專家3認為f7對f2的最小可能影響程度是g3，最大可能影響程度是g7。

表4 專家直覺模糊評分集(f1～f7)Tab. 4 Expert intuitionistic score set(f1～f7)

2.3 直覺關(guān)系模糊影響矩陣

(3)

A1+A2={[ua1+ua2-ua1ua2,ub1+ub2-ub1ub2,uc1+uc2-uc1uc2,ud1+ud2-ud1ud2],[va1va2,vb1vb2,vc1vc2,vd1vd2]}

(4)

λA1={[1-(1-ua1)λ,…,1-(1-ud1)λ],

[va1λ,…,vd1λ]}

(5)

考慮工程實踐經(jīng)驗的重要性，文章根據(jù)專家的實踐經(jīng)驗和知識背景，確定了三類專家“作業(yè)一線人員、管理技術(shù)人員、研究學者”的權(quán)重向量，其值為w=[0.4,0.4,0.2]。

由表5可知任意2個PSF之間關(guān)系的梯形直覺模糊數(shù)。比如f7與f2之間關(guān)系的最大可能影響程度和最小可能影響程度，根據(jù)3名專家的直覺評分，考慮3名專家的權(quán)重分配[0.4,0.4,0.2]，用梯形直覺模糊數(shù)表示分別為[0.068,0.119,0.322,0.314]和[0,0,0,0]。

表5 直覺關(guān)系模糊影響矩陣(f1～f7)Tab. 5 Intuitionistic relationship fuzzy influence matrix(f1～f7)

續(xù)表

2.4 綜合關(guān)系模糊影響矩陣

由于篇幅原因，文中僅給出f1～f7的結(jié)果，見表6。計算隸屬度標準化參數(shù)μu和非隸屬度標準化參數(shù)μv，如式(6)和式(7)所示。

表6 綜合關(guān)系模糊影響矩陣(f1～f7)Tab. 6 Comprehensive relationship fuzzy influence matrix

(6)

(7)

求出μu=0.571，μv=0.182。

m,n=1,2,…,19;ρ=a,b,c,d

(8)

m,n=1,2,…,19;ρ=a,b,c,d

(9)

(10)

(11)

由表6可知任意2個PSF之間的綜合關(guān)系模糊影響值，比如f7與f2之間的最大可能綜合影響程度和最小可能綜合影響程度，可用梯形模糊數(shù)[0.04,0.1,0.173,0.281]和[0,0.071,0.163,0.328]表示。

2.5 綜合關(guān)系影響矩陣

(12)

(13)

由表7可知任意2個PSF之間去模糊化后的綜合關(guān)系(相互之間的影響度和被影響度)，比如f7對f2的影響度為0.19。

表7 綜合關(guān)系影響矩陣Tab. 7 Comprehensive relationship influence matrix

2.6 聯(lián)合收割機駕駛作業(yè)PSF因果關(guān)系

(14)

(15)

聯(lián)合收割機駕駛作業(yè)PSF中心度和原因度結(jié)果見表8。

1)f2(態(tài)度)、f3(技能)、f4(經(jīng)驗)、f5(顯示方式)、f6(顯示界面布局)、f7(操縱裝置布局)、f15(作業(yè)監(jiān)管)、f18(操作規(guī)程)等8個PSF的中心度高于平均值；原因度分析：f5(顯示方式)、f6(顯示界面布局)、f7(操縱裝置布局)、f8(前向視野)、f14(安全教育)、f15(作業(yè)監(jiān)管)、f19(監(jiān)管機構(gòu))等7個PSF的原因度大于0。

2) 將中心度高于平均值及原因度高于0的因子列為關(guān)鍵因子，f2(態(tài)度)、f3(技能)、f4(經(jīng)驗)、f5(顯示方式)、f6(顯示界面布局)、f7(操縱裝置布局)、f8(前向視野)、f14(安全教育)、f15(作業(yè)監(jiān)管)、f18(操作規(guī)程)、f19(監(jiān)管機構(gòu))等11個因子為聯(lián)合收割機駕駛作業(yè)關(guān)鍵PSF。其中，f5、f6、f7、f15等4個因子屬于高中心度的原因因子，為重中之重。管理技術(shù)人員應高度重視關(guān)鍵因子，針對性提出策略。

3) 11個關(guān)鍵PSF中：f2、f3、f4屬于駕駛者技能及心理因素，f5、f6、f7、f8屬于聯(lián)合收割機的信息顯示及操作界面因素，f14、f15、f18、f19則屬于監(jiān)管環(huán)境因素。前文提出聯(lián)合收割機駕駛作業(yè)屬于“腦-體結(jié)合”的人機交互勞動形式，關(guān)鍵PSF結(jié)論滿足該勞動形式的特征需求；另外，隨著技術(shù)的進步，駕駛室舒適度不斷提高，照明、振動等早期重要的直接作業(yè)環(huán)境因素已不再重要，關(guān)鍵PSF結(jié)論也體現(xiàn)了此特點。

表8 PSF中心度和原因度Tab. 8 Center degree and reasoning degree of PSF

3 靈敏度仿真分析

圖2 仿真趨勢圖

仿真結(jié)果顯示：隨著聯(lián)合收割機駕駛作業(yè)PSF體系中其他因子對f14(安全教育)影響度的逐步提高，f14的中心度逐步提高(5.28→5.808→6.389→7.028→7.730→8.503)，原因度逐步降低(0.74→0.212→-0.369→-1.008→-1.710→-2.483)，從原因因子轉(zhuǎn)變?yōu)榻Y(jié)果因子；其他所有因子的中心度和原因度均逐步平穩(wěn)提高(如f7操縱裝置布局的中心度變化軌跡：6.66→6.793→6.929→7.068→7.209→7.353，原因度的變化軌跡：0.92→1.048→1.177→1.308→1.441→1.576)，但原因因子和結(jié)果因子屬性并未改變?？梢?，聯(lián)合收割機駕駛作業(yè)PSF關(guān)系分析模型有效。

4 結(jié)論

1) 在PSF系統(tǒng)化分類方法的基礎上，采用文獻分析法和專家判斷法構(gòu)建聯(lián)合收割機駕駛PSF體系。根據(jù)30名專家的問卷調(diào)查結(jié)果，提及率高于60%的影響聯(lián)合收割機駕駛作業(yè)行為形成因子共有19個，涉及駕駛者、機器、任務、組織、環(huán)境和輔助系統(tǒng)等6個方面。

2) 運用ITFN-DEMATEL方法，在專家直覺評分集的基礎上，對聯(lián)合收割機駕駛作業(yè)行為形成因子之間關(guān)系進行模糊化處理，構(gòu)建直覺關(guān)系模糊影響矩陣，通過模糊運算轉(zhuǎn)化為綜合關(guān)系模糊影響矩陣，并計算PSF的中心度和原因度。提取中心度大于均值5.75、原因度高于0的關(guān)鍵行為形成因子共11個：態(tài)度、技能、經(jīng)驗、顯示方式、顯示界面布局、操縱裝置布局、前向視野、安全教育、作業(yè)監(jiān)管、操作規(guī)程、監(jiān)管機構(gòu)。管理技術(shù)人員應注重對關(guān)鍵因子的分析，提出針對性建議，減低安全事故率。

3) 靈敏度仿真分析結(jié)果顯示，隨機選擇f14的中心度逐步提高從5.28逐步提高至8.503，原因度從0.74逐步降低至-2.483，從原因因子轉(zhuǎn)變?yōu)榻Y(jié)果因子，而其他所有PSF的中心度和原因度均逐步平穩(wěn)提高，但原因因子和結(jié)果因子屬性穩(wěn)定?？梢?，基于ITFN-DEMATEL方法構(gòu)建聯(lián)合收割機駕駛作業(yè)PSF關(guān)系分析模型有效，能克服專家表征評估信息時存在的模糊性和不確定性。