黃惠霖
摘 要:人為因素是導致海上交通事故的最主要原因,分析海上交通事故中人為因素的特征,從而采取相應的預防措施,對海上交通安全至關重要。結合人的因素分析與分類系統(Human Factors Analysis and Classification System, HFACS)與海上事故調查中的人為因素尺度,提出用于海上交通事故調查的人為因素與分類系統(Human Factors Analysis and Classification System for Marine Traffic Accident and Incident Investigation, HFACS-MTAI)。運用專家主觀評分法對導致事故產生的人為顯、隱性因素進行打分,并結合灰色理論為各因素進行量化排序,并通過分析某海上交通事故驗證所提構想的有效性。
關鍵詞:人為因素;人的因素分析與分類系統;海上交通事故調查;灰色理論
DOI:10.16640/j.cnki.37-1222/t.2018.05.190
0 引言
全球大約90%的貿易依賴于海上運輸?;谑鹿蕯祿难芯勘砻?,80%以上的海上事故與人為因素有關[1]。導致事故發生的原因一般有主觀(人)和客觀(物和環境)兩方面,而在海上交通事故中,人的主觀因素的作用表現得尤為突出和充分[2]。海上交通事故中船舶碰撞事故是發生率最高的海事,95%以上是人為因素造成的。船舶擱淺/觸礁事故作為同樣發生率較高的海事,其90%以上是人為因素造成的[3]。因此,人為差錯已經成為海上交通事故的主要誘因,這已得到航運界的普遍認同。
文獻[4]提出海上交通事故人失誤分析與分類系統(Human Error Analysis and Classification System for Maritime Traffic Accident, HEACS-MTA),研究人失誤對事故的影響,對海上交通事故中4個層級的人失誤因素進行分類,可是未充分考慮“不安全行為的前提”以及“不安全行為”兩層及中的子因素及其相互作用與制約,這不利于對不安全動作分類的把握,也無法系統分析不安全動作。本文結合海上交通事故調查中的人為因素尺度,基于文獻[4]的MEACS-MTA模型提出用于海上交通事故調查的人為因素分析與分類系統(Human Factor Analysis and Classification System for Marine Traffic Accident and Incident Investigation,HFACS-MTAI),結合專家主觀評分法對海上交通事故中人為顯、隱性因素進行分析,運用灰色關聯分析對海上交通事故人為因素的影響要素進行量化排序,從而得出各人為致因因素的先后順序,為海上交通事故調查人為致因因素提供支持。
1 HFACS-MTAI
1.1 HFACS
Reason在1990年曾提出“瑞士奶酪”模型[5],如圖1。通過該模型能夠明顯區分出顯性差錯(active failures)與隱性差錯(latent failures)。值得注意的是:第3層級“不安全行為的前提條件”中既包含顯性差錯也存在部分隱性差錯。由于Reason尚未明確定義“奶酪中的洞”,即“不安全的條件或行為”的概念過于抽象以致于在實踐中難以推廣。2001年,Wiegmann和Shappell在Reason的基礎上共同研究提出了人因分析與分類系統(HFACS)[6],用以定義Reason的模型中的隱性差錯與顯性差錯,從而可以將其作為事故調查和分析的工具使用。該事故致因鏈依次通過四個層級進行人為差錯分析:組織影響——不安全的監管——不安全行為的前提條件——不安全行為。HFACS模型最初是為美國海軍及海軍陸戰隊作為事故調查和數據分析工具研發的,后逐漸被廣泛應用于航空安全[7]、鐵路安全[8]、采礦業[9]、海上安全[10]等領域,用以分析造成事故的根本原因。
1.2 海上交通事故調查——人為因素尺度
導致海上事故的人為因素[11],大致可以定義為:與正常、成功應對某一事務相反的疏忽或故意行動等。研究人為因素要分析設備的設計、操作人員與設備的相互作用,以及船員與管理者遵守的規章制度,即充分考慮人—船—環境三者的相互制約關系。圖2表示直接或間接影響人的行為的各種因素與完成工作的潛力。
調查人為因素的過程依次分為6步:收集發生事故的資料、確定事故發生的過程、確認不安全操作/決策與條件、確認失誤與違規的類型、確認事故的潛在因素、確認潛在的安全問題并制訂安全措施。其中步驟3到5是調查的主要環節。
船上人為因素調查的范圍一般包括但不局限于以下25個范圍,依照因素特性,將其主要分為船上的問題與公司的管理問題兩部分,如表1所示。
1.3 HFACS-MTAI的建立
海上交通事故的發生主要由于人為因素。其直接原因是由于船員實施了“不安全行為”,而確認不安全行為僅為海上交通事故調查的主要環節之一,其后還應由果索因、追根溯源至事故的各隱性因素(latent conditions)。HFACS-MTAI依次由4個層級組成:組織影響、不安全的監管、不安全行為的前提條件、不安全行為。結合HFACS模型[6]與海上交通事故特點羅列了模型的二級致因因素指標,如圖3??紤]“人—船—環境”的相互作用關系,第3層級“不安全行為的前提條件”的二級因素指標主要包括環境因素、船舶因素、船員因素及公司因素。為便于理解致因模型結構,將模型分為隱性原因與顯性原因兩部分。
模型重點針對第3層級“不安全行為的前提條件”與第4層級“不安全行為”分別詳細列出各二級致因因素的子因素指標(調查范圍包括但不局限于所列因素指標),如圖4。研究大量事故數據[12],發現海上交通事故一般由船員的過失或過錯直接造成的,而過失或過錯中又以技術性過失占主導,第4層級針對不同原因所造成的事故的發生頻率,詳細羅列了船上人為技術性過失的具體范疇(包括但不局限于所列人因)。
2 基于HFACS-MTAI模型和灰色理論的人為差錯致因分析
專家根據HFACS-MTAI為海上交通事故進行打分,而后結合灰色關聯分析法[12][13]對造成事故的人為致因進行分析。
2.1 海上交通事故的致因因素分析
主觀評分法是利用專家的經驗等隱性知識,直觀判斷與事故相關的顯、隱性原因,并賦予每個因素相應的權重,進而分析處理相應的結果。其具體步驟如下:
2.1.1 制作海上交通事故問卷調查表
結合HFACS-MTAI模型分析事故情況,據此制作海上交通事故專家問卷調查表,調查表中列出可能導致該事故的顯性差錯(active failures)與隱性差錯(latent failures)。
2.1.2 專家打分
邀請專家對問卷調查表中所列出的可能導致海上交通事故的各項原因進行打分,若調查表中未列出造成事故的某項原因,則作相應補充并打分。依據各原因對海上交通事故的影響程度與發生概率進行打分。打分范圍由0-1之間的數字組成。(即0,0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1),0表示對事故的發生無影響,1表示影響程度最大;同時,對發生概率打分,0表示發生概率最小,1表示發生概率最大。專家針對海上交通事故的致因因素主觀評分表,見表2。
2.2 灰色關聯分析
對問卷調查的結果進行整理分析,選取各隱性原因評價指標的均值分別為每個顯性原因的行為序列,作為灰色關聯分析的比較序列,比較序列以公式(1)的形式表示為:
式中表示第個顯性原因,分別表示個隱性原因,表示第個隱性原因的個相關因素,對應文中的為第個隱性原因的評價指標:影響程度和發生概率。
由于標準序列反映各相關致因因素的理想期望水平,故可取標準序列為零序列,標準序列格式一般如公式(2)所示:
計算求取比較序列與標準序列的差序列:
計算各顯(隱)性原因的各個評價指標與標準序列的關聯系數,其中;計算關聯系數,如公式(4)所示:
公式(5)最終求得的灰色關聯度反映某事故原因與各因素理想值(零事故)之間的關系,關聯度越大則表明其對應的海上交通安全的安全度越高;關聯度越小,則表明該致因因素對海上交通安全的威脅較大。
3 實例分析
運用HFACS-MATI模型和灰色關聯分析法,對2014年4月16日韓國“世越號”(SEWOL)客輪沉沒事故中的人因進行分析。
韓國當地時間2014年4月15日20點,韓國仁川清海鎮航運公司的一艘客貨運兩用渡輪“世越號”(實際載重3608噸,比維持船體復原力的987噸增加了近三倍)離開仁川港,踏上了駛往濟州島的旅程。船上當時載有包含所有船員在內的共476人,其中包括325名中學生,15名教師,30名船務人員等。此外還載有150-180輛汽車和1157噸貨物。據客輪與當地VTS通訊記錄及事后調查報告顯示:客輪曾于2014年4月16日8時55分許發出一聲巨響,隨后由于船舶劇烈橫搖導致集裝箱等貨物倒向一邊。此后,船體逐漸向左傾斜并開始浸水下沉??洼喿罱K于當地時間4月16日13時許在韓國全羅南道珍島郡屏風島以北約20公里海域完全沉沒。據統計,最后僅有172人獲救。迄今事故已造成294人遇難,仍有10人下落不明。
經初步調查,本次事故人為差錯的產生因素主要如下:(1)船員業務能力與經驗不足,為試圖恢復船舶平衡,實施大角度轉向,致使船舶因舵效過快造成回轉角度過大,直接導致船舶大幅度傾斜;(2)船員崗前與應急培訓不足,致使全船人員錯過最佳逃生時間;且宣布棄船后只顧自己逃生,未體現應有的職業道德;(3)船體過度改造,船舶總噸位由1994年初建時的6,586噸增加到6835噸,額定人數也從804人增加到956人(含船員);(4)超載,且貨物綁扎不牢或無綁扎,這直接導致貨物位移,使得船舶穩性大大降低;(5)危機響應與應急救援機制不完善。
對該事故進行人為差錯分析步驟依次為:
(1)邀請7名專家首先對問卷調查表中的事故原因進行補充,并對最終分析得到的所有原因進行打分。
取隱性原因中各因素指標評分的平均數,結果如表2所示,故而得到比較序列:
(2)為便于計算,選取標準序列為零序列:
(3)由公式(4)求出每個原因的對應的灰色關聯系數;
(4)邀請專家對公式(5)的各因素權重進行主觀評分,最終確定分辨系數為0.5和0.5.把步驟(3)中求取的隱性原因對應的灰色關聯系數帶入公式(5)得到每個隱性原因對應的灰色關聯度。
(5)把步驟(4)中求得的每個隱性原因的灰色關聯度進行排序。如表2所示。
由表2計算結果可知:船體結構過度改造、公司組織文化的缺失、岸基監督不充分以及貨物裝載與系固不當等隱性原因的灰色關聯度比較小,這些原因對海上交通安全的威脅較大。而船岸間的交流以及船舶系固設備等因素的不安全影響相對較小。通過分析,預防該類事故的方案是主管機關加強對公司及其船隊的安全監管力度;公司自身應著力提升自己的企業安全文化并將其有效的傳達給每一位船員,嚴格地按照規范和規則進行操作;完善安全管理體系,并適當加強內審制度;船上管理級,尤其是作為船東代表的船長,在船上應當實行充分有效的監督杜絕管理松懈,積極培養團隊精神。
4 結束語
結合HFACS模型與海上交通事故中的人為因素調查,構建HFACS-MTAI模型,將其分為隱性因素與顯性因素兩部分。根據模型特征,詳細研究了“不安全行為的前提條件”與“不安全行為”下涵蓋的各子項致因因素。結合專家主觀評分法與灰色關聯分析得到最終處理結果。由于專家評分法涉及人為因素較多,對于事故各致因因素的評估存在一定的偏差。希望模型能為海上交通事故預調查提供一定的支持。造成事故的顯性原因一般是顯而易見的,若想進一步充分探究其潛在的諸多隱性原因還需多方的共同努力。
參考文獻:
[1]卜仁祥.船舶管理[M].大連:大連海事大學出版社,2011:1.
[2]馮興耿.航海技術辯證法[M].大連:大連海事大學出版社,1995:
90.
[3]范濟秋.張永平.基本安全(個人安全與社會責任)[M].北京:人民交通出版社,2012:3-6
[4]張欣欣.基于HFACS的海上交通事故原因系統分析[J].上海海事大學學報,2012,33(04):15-18
[5]Reason J.Managing the Risks of OrganizationalAccidents[J].Ashgate,Burlington.2001
[6]Shappell,S.A.,Wiegmann,D.A.Applying Reason:the human factors analysis and classification system(HFACS)[J].Human Factors and Aerospace Safety,2001,1(01):59-86.
[7]Shappell,S.A.,Wiegmann,D.A.,馬銳譯.飛行事故人的失誤分析[M].北京:中國民航出版社,2006.
[8]Reinach S.,Viale A.Application of a human error framework to conduct train accident/incident investigations[J]. Accident Analysis and Prevention,2006(38):396-406.
[9] Patterson J.M.,Shappell S.A.Operator error and system deficiencies:Analysis of 508 mining incidents and accidents from Queensland, Australia, using HFACS[J]. Accident Analysis and Prevention,2010(42):1379-1385.
[10]Christine Chauvin,Salim Lardjane.Human and organisational factors in maritime accidents: Analysis of collisions at sea using the HFACS[J].Accident Analysis and Prevention,2013(59):26-37.
[11]浦寶康.海上事故調查(第2版)[M].大連:大連海事大學出版社,2009:118-147.
[12]梁寶林.基于CREAM的海上交通事故人因分析[D].大連:大連海事大學,2014
[13]吳兆麟,朱軍.海上交通工程[M].大連:大連海事大學出版社,
2004:200-210.
[14]劉思峰,黨耀國,方志耕等.灰色系統理論及其應用[M].北京:科學出版社,2004:50-71.