贝叶斯信念网络风险分析组织因素建模：海运案例研究外文翻译资料

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

贝叶斯信念网络风险分析组织因素建模：海运案例研究

摘要：

本文提出了一种将人力和组织因素（HOF）融入风险分析的创新方法。该方法已经被开发并应用于海运业的案例研究，同时该方法也可以用于其他行业。贝叶斯信念网络（BBN）已经被开发用于建模海上运输系统（MTS），以考虑到其不同的行为者（即船主，船厂，港口和监管机构）及其相互影响。后者已经通过一组因变量建模，其组合表示每个演员执行的相关功能。 MTS的BBN模型已被用于在高速工艺（HSC）初步设计阶段进行的风险分析中HOF量化的案例研究。研究重点是通过将技术要素的故障树分析（FTA）与组织功能和法规的影响的BBN模型整合的原始方法进行的公开海上危害的冲突，如国际海事组织（IMO）正式安全评估指南（FSA）。这种方法允许识别碰撞事故的基本事件与操作和组织条件的BBN模型之间的概率相关性。可以以不同的方式利用联系，特别是在组织层面上也支持识别和评估风险控制选项。通过从欧洲不同国家的国际小组收集的专家判断，估计了BBN的条件概率。最后，对模型进行了灵敏度分析，以识别MTS的配置，导致HSC运行期间事故概率的显着降低。

关键词：贝叶斯信念网络 ；风险分析 ；人与组织因素 ；海运业

1. 介绍

尽管在不同层次上为实现安全的海上运输系统（MTS）做出了巨大的努力，但海上事故和事故的发生仍在增加。欧洲运输安全委员会^[1]发布的统计数据显示，在欧洲，海上事故每年负责140人死亡和15亿h的货物损失和损害赔偿。在全球范围内，MTS负责每1亿人公里的死亡人数为0.33人，比航空运输系统高出4倍，每亿人公里的死亡人数为0.08人。接地（32％），醒目（24％）和碰撞（16％）是最常见的发生率，伤亡率最高。

人们普遍认识到，人类因素在涉及现代船舶的大多数事故中起主要作用。 因此，英国上议院的Lord Carver的报告简洁扼要地说明，人们普遍接受的说法是五分之一的船舶伤亡中有四分之一是由于人为错误。 国家统计数据也如图1所示（加拿大运输安全委员会^[2]），将海上事故的74％归因于人为错误，仅占技术故障的20％。 如图2所示，45％的事故报告评估了船长和飞行员的错误判断（错误）为主要原因；另外42％的人为错误是指飞行员和船长之间缺乏理解力，不注意飞行员和手表官员（OOW）或机组人员之间的沟通。

图一 海难的主要因素 图二 海难中人为因素的主要类型

根据劳埃德信息海事局^[3]关于10年以上15000多起事故的数据的统计分析指出了类似的结果。 劳合社统计数据显示，对海域交通造成的不正确的程序和速度过快，造成所有海上事故，特别是基础事故的约50％。 此外，70-80％的事故是由于人为错误或其他事件归因于人的行为。

虽然技术解决方案将继续发挥重要作用，但广泛认同的是，通过安全管理，包括检查和培训，解决人为因素事故贡献的关键手段。

从人类因素对海运安全绩效的作用的深入理解开始，新问题正在出现； 事实上，关于Zeebrugge事件（客船倾覆）的官方报告^[4]已经指出，并不是由于独立的技术故障和人为错误的巧合，而是系统地改变了运营商的组织行为 经济压力在竞争激烈的环境中的影响。 因此，需要对MTS的系统安全分析进行扩展，以包括MTS各方的决策以及工作场所和环境条件（包括影响海事部门的经济压力）的相互作用和影响。

各方（运营商，造船厂，监管机构和政府）在各自的工作环境中经常涉及导致事故的一系列事件； 这是开发有效风险或事故分析中最关键的问题。 船上操作人员的错误只是组织和系统错误长期复杂链的最后行为（即所谓的潜在故障）。拉斯穆森强调了MTS各方之间的冲突互动，这是他对油轮和渡轮的事故分析证明^[5-7]。

因此，需要系统地分析MTS安全性的方法是明确的，不仅侧重于错误和违反经营者的行为，而且还旨在找出社会技术系统各个层面的原因，如果存在的话 竞争确定事故。 国际海事组织（IMO）提供了一个理性和系统的方法来评估航运活动中的风险：建议采用综合模型来考虑影响船舶技术和工程系统的不同影响。 事实上，正式安全评估（FSA）描述了一个通用模型（如图3所示）。将模型中心的船舶技术和工程系统与代表乘客和船员行为的功能相关，后者受到管理和组织结构的影响；最后，该模型显示了环境背景的外部影响，代表了所有有兴趣航运的各方的影响。 每个子系统直接和间接地受到其他子系统的影响； 要求一个复杂的模型来表示每个子系统的变量之间的这些关系。

这种方法和将人类可靠性分析纳入FSA过程^[8]的必要性表明，使用风险贡献图（RCD）对复杂系统中事件的影响网络建模^[9]，作为风险贡献的发展 FSA描述的树（RCT）：该方法允许在操作级别的故障与其直接原因之间的联系以及潜在的组织和监管影响。

贝叶斯信念网络（BBN）^[10]也被用于整合人力和硬件故障的分析，并反映了影响域的层次性。 因此，BBN模型可以被认为是RCD，其中这些因素的影响以条件概率表示。 此外，从风险降低的角度来看，欧盟委员会（EC）资助了一个名为S @ S-Safety at Speed ^[11]的项目来开发MTS的功能模型（FM）。FM帮助确定可以触发不需要的事件的演员之间的关键交互以及可用于改善情况的参数。 该项目的目标是使用最先进的技术和工具开发高速工艺（HSC）安全设计的正式方法^[12]。 同时，S @ S希望在船舶设计过程中有力地推广安全文化的方法来有效整合安全。 具体来说，研究项目开发了一套代表不同危害（碰撞，接地，火灾，洪水，y）的故障树（FT），旨在支持在HSC设计过程中选择最佳风险控制选项，如图4所示。

MTS的FM的基础是确定参与MTS的主要方面及其一系列关键活动; 每个活动都被建模为一个功能。 然后，FM被表示为相互影响和相互依赖的网络，允许了解MTS内的变化如何传播并最终影响安全性。 特别是，FM旨在解释人力和组织因素（HOF）如何破坏安全并导致不必要的事件。 MTS的FM已经分三个阶段开发，显示了该模型的成熟度。

图3 综合系统组建应用正式安全评估（FSA） 图4 S@S项目开发的危害分析框架

本文提出了一种基于故障树分析（FTA）和BBN的模型和综合方法，将HOF整合到风险分析研究中。 以前版本的模型已经被提出^[10,13]。 关于后者，本文件报告了模型的完整演变和综合的方法。 具体来说，将介绍一种以组织因素对系统整体安全绩效（即HSC）的影响进行定量研究的方法。 参考S @ S项目开发的“海洋碰撞”自由贸易协定^[11]，HOF对基本事件（BE）和顶级事件（TE）发生概率的敏感性分析结果 ）将被呈现。

1. 贝叶斯信念网络

BBN是由一组节点组成的定向非循环图（DAG），表示具有有限状态集的变量和边，表示变量之间的概率因果依赖性。 具有指向它们的边缘的节点被称为“子节点”，并且边缘离开的节点被称为“父节点”（如果从节点X1到另一个节点X2存在边缘，则将X1称为父节点 X2；参考图5），没有指向它们的拱的节点被称为“根”节点（图5中的X3）。 DAG代表节点之间因果关系的结构，并给出BBN中因果推理的定性部分，因此变量与相应状态之间的关系给出了定量部分，由附加到每个节点的条件概率表（CPT）组成父子节点，如表1所示。

链规则表明，贝叶斯网络是对DAG中表示的所有变量和边际的联合分布的表示，并且可以为网络的每个节点计算条件概率。

如果U是一个变量的宇宙：

那么U的联合概率是：

从联合概率分布P（U）可以计算各种边际和条件概率。 或其中，一般来说，e是一个证据：

这是从外部来源接收关于网络（1）的变量的子集的可能状态/值的信息。

对于一组离散变量，Xi，证据以Xi的状态呈现似然分布的形式：如果对网络的某些变量给出观察值，则可以根据证据计算出某些事件的发生概率：

（4）
证据被称为“硬”，当它是对变量状态的准确观察时，而当给定非定义信息时，它是“软”，以变量状态的可能性表示 ^[14]，如图6所示。

换句话说，给出了一个概率推论，能够更新我们对给定观察事件的信念，那么可以对不同的证据子集执行对概率的敏感性分析。
图5 贝叶斯信念网络（BBN）的样本 图 6 具有“极”（a）和“硬”（b）证据的样本定向非循环图（DAG）

1. BBN在风险分析中的应用

关于风险分析的科学文献显示最近使用BBN的扩散^[15]。 BBN主要被视为一种工具，允许分析师在大量变量之间复杂关系的条件下利用来自现实世界的不同信息，确定性或概率性。 报告的应用包括大范围的风险分析研究，例如：基于安全绩效评估的核电站组件和子系统的分类^[16]，影响特定人群的慢性疾病的未知流行率的估计^[17]，综合防火保护系统评估[^18]，综合，预测和不确定性分析的不同富营养化模型的整合^[19]。贝叶斯方法也为决策提供了帮助，作为在数值程序中改进定性分析的工具[20]，并为动态系统找到合适的可靠性框架[21]。

特别是文献提供了几个分析事故组织背景的框架，以提高运行安全性：BBN模型允许获得包括组织因素在内的运营事故发生，作为商业航空组织原因的研究^[22]在技​​术高度复杂的情况下，HOF需要量化模型来降低致命的事故发生率。还提出了在FTA中组织风险整合的策略，用于飞机维护计划^[23]，以评估对事故概率的影响;这种模式的目的是从组织和管理因素到事故发展的明确路径。在英国铁路网铁路上发生的铁路信号危机（SPAD）事件减少框架中，同样的问题也被分析^[24]。在这种情况下，BBN被用来获得导致事故的事件的可能配置，并且了解组织中有助于事件的行为者之间的相互作用。海事组织海上安全委员会最近的报告中报告了BBN在大型客船导航FSA中的应用^[25,26]。 BBN用于开发在组织层面（例如安全文化）中包含很少影响因素的简单模型的选定危险（例如接地或碰撞）。

最后，显示了BBN模型的一个例子，帮助设计层面的决策过程^[27]，其中BBN用于估计建筑物中由火灾产生的危害的分布。

1. 在风险分析中使用BBN建模HOF

贝叶斯网络通常用于涉及复杂系统或过程的现象的因果代表，其中信息基于专家知识。 由于BBN对FTA的附加功能（例如常见原因故障依赖关系，诊断推理），这种方法可以更好地分析可靠系统^[28]。 在 这种情况下，BBN是FT的扩展，适用于需要组合使用传统和非常规方法的风险分析中的大量应用。

提出的方法使用BBN作为建模工具来量化复杂社会技术系统的组织结构，以便在给定关键HOF的具体配置^[10]的情况下获得对危险发生概率的更好估计。 实际上，BBN的范围是实施组织模型，以便分析系统内不同行动者的功能之间的影响的传播（表示为条件概率）。 给定一组代表系统分析相关危害的金融时报，然后利用BBN来修改受关键组织功能的能力和绩效水平影响的BE的发生概率，如图7所示。

图7 通过贝叶斯定理，贝叶斯网络（BBN）与故障树（FT）之间的联系
组合因素对单个BE发生概率的影响已经通过基本的贝叶斯定理来估计。 为此，引入了“组织配置变量”（O）的概念，作为BBN模型和FT之间的联系的虚构变量。 Ok的状态是影响BEK的BBN模型的那些变量的状态的j个互斥组合（表2）。因此，考虑到专家对组织因素贡献的信念，有可能在技术或人力方面更新基本事件（BEK）的发生概率，给予其对应的组织配置变量（Ok ） 如下：

（5）

其中是表示组织因素对BEK的影响的“组织配置变量”的第j个状态;是给定的BEk的后验概率；是通过历史数据的统计分析或基于过去数据的预测模型提供的BEk的先发发生概率；是通过BBN估计的k“有机配置变量”的状态j的概率，给出根节点的边际分布，如表2所述；是给定BEk的发生的的发生的信度程度；的值通过表格表示，如表3所示，报告了专家对诸如以下问题的答案：“鉴于赫尔姆斯曼错误，它

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138535]，资料为PDF文档或Word文档，PDF文档可免费转换为Word