基于人因可靠性的道岔失表故障处置量化分析_陈宇.pdf

第 1 期研究报告*国家自然科学基金项目(52072235);“十三五”国家重点研发计划子课题(2017YFC0804900)基于人因可靠性的道岔失表故障处置量化分析*陈宇朱海燕刘志钢刘晓静(上海工程技术大学城市轨道交通学院，201620，上海第一作者，硕士研究生)摘要针对城市轨道交通车站值班员岗位道岔失表故障处置作业，构建 THEP(人因失误率预测技术)和 HC(人员认知可靠性)模型，细化了道岔失表作业流程，开展了轨道交通标准化作业下人因失误量化分析。同时，基于贝叶斯估计模型，借助车站值班员作业仿真试验对先验分布函数的两个形状参数进行估计，验证了 THEP+HC 模型的合理性。关键词城市轨道交通;车站;人因可靠性;道岔失表故障中图分类号U29-39U2845DOI:1016037/j1007869x202301026Quantitative Analysis of Turnout Loss of Indi-cationFaultDisposalBasedonHumanFactor eliabilityCHEN Yu，ZHU Haiyan，LIU Zhigang，LIU Xiao-jingAbstractTargetingthe turnout loss ofindication faultdisposal operation of urban rail transit station attendant，theTHEP(technology for human error rate prediction)and theHC(human cognitive reliability)models are constructedThe operation process of turnout loss of indication is refined，and a quantitative analysis of human error under rail transitstandardized operation is carried out At the same time，basedon Bayesian estimation model，the two shape parameters ofprior distribution function are estimated by means of operationsimulationtestofstationattendant，whichverifiestherationality of the THEP+HC modelKey wordsurbanrailtransit;station;humanfactorreliability;turnout loss of indication faultAuthors addressSchool of Urban ailway Transportation，ShanghaiUniversityofEngineeringScience，201620，Shanghai，China作为人因可靠性研究中最为重要的数据支撑，人因失误数据因其不会被系统直接记录，而较难采取有效的方法获取。国内外诸多学者通过不同的量化分析方法开展轨道交通关键岗位人员作业失误分析研究1-3，但其研究大多是基于理论模型的计算分析。由于人因数据的缺乏，无法与实际的失误数据形成对比并验证理论模型的有效性。本文针对人因失误数据难以采集的问题，通过构建THEP(人因失误率预测技术)+HC(人员认知可靠性)模型，细化了道岔故障导致 ATS(列车自动监控系统)工作站失去表示(以下简称“道岔失表”)故障处置作业流程，开展了人因操作失误的定量化分析，并通过仿真试验验证了所提模型的有效性。本文研究可为排查和消除城市轨道交通系统中的人因隐患提供理论基础。1道岔失表分析道岔失表是城市轨道交通线路中发生频率较高的故障之一。该故障大多是由于转辙机内部装置故障、尖轨与基本轨之间存在异物、道岔滑床板被异物卡住等原因导致的。一旦故障发生，将致使列车晚点、车站客流积压，甚至引发乘客投诉等问题。目前，城市轨道交通车站应对道岔失表采取的措施为先由行车值班员进行道岔单独操作(以下简称“单操”)测试，若无效，则需要值班站长和设备值班员协同合作，执行手摇道岔接发车作业。道岔失表故障处置流程及其失误原因类别如图 1 所示。图 1道岔失表故障处置流程及其失误原因类别Fig1Disposal process and cause category of turnout loss ofindication fault1312023 年2THEP+HC 分析方法既有研究表明，在常见的 12 种人因可靠性分析方法中，THEP 与 HC 方法在综合评价表现上较为良好，具有广泛的适用性4。21人因失误率预测技术THEP 主要利用 HA(人因可靠性分析)事件树模型将值班员的某项任务划分成一系列按照操作规程的子任务，并基于 THEP 手册给出每个动作的人因失误概率(以下简称“人误率”)，同时考虑其所处环境，利用行为形成因子加以修正，再依据任务 之 间 的 相 关 性 测 算 获 得 最 终 的 人 误 率。THEP 应用步骤如图 2 所示。图 2THEP 应用步骤Fig2Application steps of THEP22人员认知可靠性HC 模型在对人因可靠性进行分析时，从人因失误机理入手，结合认知过程中的心理学，着重研究在突发事件下值班员故障应急处置中的认知过程。人在认知过程中的行为类别分为技能型、规则型和知识型，而 HC 模型在此基础上提出每种行为类型的失误概率遵循三参数的威布尔分布5，即:P(t)=exp(t/t05)(1)式中:P(t)在允许值班员响应的时间内，值班员未做出反应的概率值;t 道岔故障时，允许设备值班员岔区检查的时间;t05 正常情况下(如演练、培训)，值班员响应某项故障的平均时间;、特定行为类别下的威布尔修正参数。考虑到事发时，每位值班员所处的环境以及每个人的自身反应时间或业务熟练程度有所不同，故需要利用行为影响因子 Ki(i=1，2，3)对 t05进行修正，具体公式为:t05，m=t05(1+K1)(1+K2)(1+K3)(2)式中:K1、K2、K3 分别为值班员操作经验、心理素质、人机界面影响因子;t05，m 修正后的值班 员 响 应 某 故 障 平 均时间。23模型计算基于 THEP+HC 模型，将道岔失表作为算例，对值班员故障处置中的认知和操作过程进行人误率估算。由图 3 的道岔失表事件失误分析示意图可知，按照时间发展序列，值班员存在 4 种失误路径。图 3道岔失表事件失误分析示意图Fig3Error analysis diagram of turnout loss of indication event231未察觉故障概率当 ATS 面板报警时，认为行车值班员未发现故障的概率非常小，P1=10104。232道岔单操失误率道岔单操属于序列操作，采用 THEP 方法，行车值班员在 ATS 面板进行单操的 HA 事件树如图4 所示。依据 THEP 数据表5，行车值班员单扳定位、反位操作的失误率为 P(A1)=P(B1)=1103，修正系数为 1，所以 P2=1P(a1)P(b1)=1999103。图 4行车值班员道岔单操 HA 事件树示意图Fig4HA event tree diagram of train operator independentturnout operation231第 1 期研究报告233岔区检查失误率对于诊断行为，采用 HC 模型。根据车站的实际调研情况，车站设备值班员平均工龄为 4 年，具有较好的业务水平。设 t=60 s，依据标准化作业平均时间，岔区检查作业时间实际约为 t05=30 s。值班员失误类别视为规则型，国内学者通过大规模的模拟机试验得出，当行为类型为较为熟悉的规则型时，采用其修正后的威布尔修正参数、处理数据模型更为恰当6，即 K1=022，K2=028，K3=022，=088，=163，=03，修正后代入式(1)，可得 P3=5146103。234岔区作业失误率采用 THEP 方法，设备值班员在岔区手摇道岔作业的 HA 事件树如图5 所示。据 THEP 数据表，P(C1)=P(D1)=P(G1)=1103，P(E1)=P(F1)=5102，修正系数为 2;值班站长全程盯控值班员作业，两者的相关性为中等，则有 P4=5i=1P(F2i)=4659 102。故整个道岔失表故障处置作业的理论失误率为 P=4m=1Pm=5384 102。图 5设备值班员手摇道岔作业的 HA 事件树示意图Fig5HA event tree diagram of equipment attendant manualturnout operation3试验过程31试验目的及方法在城市轨道交通系统中，值班员实际操作的失误数据并不会被系统或者人为记录，因此通过车站作业仿真试验的方法，依据每次试验的失误次数以及执行总次数测算实际人误率。引入贝叶斯估计参数思想，即在试验测得的人误率基础上加入先验信息进而获得后验信息，后验分布的期望即为所要研究的值班员故障处置失误率的实际精确值。后验分布的推导步骤可参考文献 7，其期望 E()可以表示为:E()=+x+n(3)式中:x 值班员失误次数;n 值班员作业总次数;、分别为先验分布函数中的两个形状参数。为了准确估计出人误率，需对先验分布函数中的两个形状参数、进行求解。采用值班员作业仿真试验的方式，计算出 k 次试验失误率的均值?和方差 s2，、的推导步骤可参考文献 7，其求解公式为:=?(1?)?s2 1(4)=(1?)(1?)?s2 1(5)32试验对象将 12 名应届学生(均为男性，平均年龄为 25岁)作为试验对象，对其进行专业培训，使其熟悉常规的 ATS 操作及故障处置流程，并分组进行道岔失表故障处置试验。33试验仪器与设备本试验通过模拟的车站控制室、道岔转辙机、屏蔽门及调度指挥台完成，能够满足值班员日常行车业务办理及故障应急处置。图 6中山公园站 ATS 线路软件截图Fig6Software screenshot of Zhongshan Park Station ATSroute34试验情景设计上海轨道交通 3 号线中山公园站 ATS 线路软件截图如图 6 所示。行车值班员完成岗前一系列操作后，下行列车在中山公园站清客并运行至 TC63E轨道区段，但此时 12E 道岔突发故障，控制台弹出挤岔报警提示框，行调通知车控室行车值班员进行道岔故障处置，在单操测试无响应后，命令值班站3312023 年长与设备值班员准备手摇工具进入岔区，检查 12E道岔并进行手摇操作。35数据处理在试验过程中，通过人工评判记录每项操作步骤的失误次数，同时用计算机辅助记录作业时间，若超过标准作业时间也将判为失误。每次试验分为 8 个步骤，失误次数统计情况如表 1 所示。表 1失误次数统计表Tab1Statistics of errors试验编号失误次数失误率1012500202500010125101251012510125由表 1 可知，值班员 8 次模拟故障处置试验的平均人误率为 0109，方差为 0021。将上述参数取值代入式(4)和式(5)可得=0398、=3241，即后验分布的均值 E(x)可以表示为:E x()=0398+x3639+n(6)结合某地铁新线试运行 16 次演练、共计 128 项操作步骤的道岔故障处置情况，经评估统计共 7 次人员失误。其间道岔故障处置情况如图 7 所示。最终计算出道岔失表应急故障处置的实际人误率为 562102。实测值与理论值误差为42%，精度良好，故可认为 THEP+HC 模型适用于计算值班员道岔失表应急处置人误率。图 7新线试运行演练道岔故障处置情况Fig7Turnout fault disposal statu