动态系统概率安全评估中人因事件的建模与分析方法研究

The work on the modeling and analysis methods for human factors event (HFE) is advised in this proposal, in order to meet the need of dynamic probabilistic safety assessment of the diesel-electric submarine. Some generic modeling and analysis methods for HFE will be abstrated from the specific ones for the dynamic safety assessment of submarine. They are developed from six aspects as follows:.1) human error modes classification.2) human error causes analysis.3) analysis of the relationship between human error modes and human error causes.4) quantification of human error.5) injection of human error modes into simulation model of the submarine.6) analysis of risk caused by HFE.Compared with the contemporary works, the advised work in this proposal has some innovative characteristics. Firstly, it is the first time to assess human reliability for the weapon systematically. Secondly, one novel method for the identification of error of commissions (EOCs) will be developed. Thirdly, one human error probability quantification method will be presented by incorporating multiple information sources about human error. Finally, as an alternative to the human error mechanism, the relationship between human error modes and human error causes will be explored in detail.

本项目以某型常规潜艇动力系统动态概率安全评估作为具体的需求牵引，开展人因事件建模与分析方面的研究工作。项目坚持"从工程中来，到工程中去"的研究思路，从具体的工程案例出发，开展人为差错分类、差错成因分析、差错成因与差错模式之间关联关系分析、差错概率估计、差错模式注入及风险分析等方面的研究工作，最终从这些工程研究工作中深化提取出具有通用和推广意义的方法和工具，即动态的人因事件建模和分析方法，为动态概率安全评估服务。.项目的特色和创新点包括：(1)针对武器装备开展系统完整的动态人因可靠性分析工作；(2)解决"执行类差错EOC"的辨识问题;(3)从信息融合的角度出发，开展动态场景下的人为差错概率估计工作和(4)开展差错模式和差错成因之间的关联关系分析工作，对人为差错机理进行初步阐释。

针对概率安全评估中人因事件的建模与描述问题，从人为差错辨识、人为差错概率量化和人为差错注入及影响分析的角度开展了研究工作，并以某型潜艇动力系统为案例，开展了人因事件的建模与描述工作。在人为差错辨识方面，设计了19种外部差错类别和21种内部差错类别，以此作为差错辨识过程中的“关键词”，引导差错辨识过程，可提升差错辨识结果的全面性和一致性。在人为差错概率量化方面，通过借鉴Bayes方法的工作思路，提出了一种新的概率量化方法，能够有效融合工作绩效数据和其他类型的人为差错概率量化数据，可提升人为差错概率量化结果的准确性和特异性。在人为差错注入和影响分析方面，利用事件序列图建立动态人因事故场景模型，随机注入人为差错模式，利用Monte-Carlo仿真分析人为差错的影响。最后，选择某型潜艇动力系统操作过程中的两个典型任务，开展了人为差错辨识、概率量化、事故场景建模和后果分析工作，对以上方法的有效性进行了验证。