Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
белов.doc
Скачиваний:
21
Добавлен:
01.05.2025
Размер:
7 Мб
Скачать
☆

Контрольные вопросы

  1. Что представляют собой события, входящие и выходящие из изоб­ раженного на рис. 6.1 потокового графа?

  1. Укажите различия между изображенными там событиями 2, 3 и 4, 5.

  2. Какие еще допущения приняты при построении этой модели?

  1. В чем состоит идея, положенная в основу вывода из графа аналити­ ческой модели?

  1. Поясните физический смысл параметров формулы (6.12).

  1. Что означает понятие «структурная схема безопасности» и где оно используется?

  2. На что указывает коэффициент экстремальности условий и зачем он нужен?

  3. Какие выводы могут быть сделаны с помощью качественного ана­ лиза моделей, основанных на графе?

  4. Каким способом осуществлена проверка правильности полученных здесь аналитических моделей?

  1. Перечислите задачи, решаемые в ходе количественного анализа этих же моделей.

  2. Укажите исходные данные и показатели, используемые в методи­ ке априорной оценки безопасности разрабатываемых производственных процессов.

  3. Какая часть этой методики представляется наиболее трудоемкой?

  4. В чем состоит проверка достоверности или точности результатов аналитического моделирования?

  5. Какие методы используются для оценки разброса этих результатов?

  6. В чем заключается существенное отличие графов, изображенных на рис. 6.1 и 6.4?

  7. Поясните идею, положенную в основу количественного анализа последней модели.

  8. Что может быть сделано для облегчения количественного прогноза с помощью полученных здесь моделей?

  9. Укажите способы, примененные для упрощения модели (6.12).

  10. Что даст частичная автоматизация количественного анализа про­ цесса моделирования с помощью графов?

  11. Как должны быть использованы полученные при этом результаты при системном синтезе безопасности техносферы?

184

Глава 7

Моделирование и системный анализ

Происшествий с помощью диаграмм

Типа «сеть»

Наиболее совершенным типом диаграмм влияния являются ■нсциональные (по семантическому наполнению) сети стохас-?еской структуры типа Петри и GERT. Иллюстрации дополни-1ьных возможностей моделей этого типа и посвящена данная i. Основная же цель изучения представленных ниже материа-(заключается в усвоении самых современных математических и 1инных методов моделирования интересующих нас опасных эцессов — возникновения происшествий в техносфере.

М. Принципы построения и анализа стохастических сетей

При изложении основных принципов построения и системно-р анализа рассматриваемых здесь стохастических сетей будем ис-рдить из того, что начальные сведения об их структуре уже были эиведены\выше (см. рис. 4.3 и 4.6). Обратим внимание и на то, i в отличие от детерминистских сетей, где необходима реализа-: всех дут для достижения конкретного их узла, стохастические [ могут ограничиваться выполнением лишь части этих условий, этом выбор соответствующих компонентов осуществляется тайно, в соответствии с присвоенными им вероятностными 1и возможностными распределениями.

Уточним также, что отдельные элементы таких сетей могут не леть физического смысла, а использоваться лишь для указания Огической последовательности реализации моделируемого про-сса, т. е. соблюдения определенных отношений предшествова-и завершения его этапов. Как следствие, стохастические сети содержат вспомогательные узлы и дуги, такие, например, главные истоки или стоки и фиктивные (не требующие ре- для реализации) связи. Другие отличия сетей стохастичес-структуры обусловлены их чувствительностью к динамике рделируемых процессов, а также возможностью учета ряда до-шительных ограничений, в том числе связанных с цикличное-

и наличием обратных связей. Указанные особенности сетевых моделей позволяют учитывать ри моделировании ряд дополнительных свойств исследуемых здесь госферных процессов. В частности, отражать взаимодействие эавляющих и управляемых элементов соответствующего объек-, декомпозировать параллельно протекающие в нем процессы и 1енивать требуемое для них время. В отдельных случаях все это

185

позволяет прогнозировать не только вероятность или возможность появления конкретных событий, но и числовые характеристики соответствующих ресурсов.

Продемонстрируем, как все это делается с помощью сетей сто­хастической структуры типа GERT. При этом вначале используем составленную на их основе аналитическую модель, а затем и ими­тационную (логико-лингвистическую). В заключение кратко отме­тим и особенности применения в этих целях сетей Петри. Однако до рассмотрения конкретных моделей сделаем ряд предваритель­ных пояснений.

Прежде всего уточним, что в качестве основных параметров, характеризующих элементы сети GERT, используются: а) затра­ты времени, средств или других ресурсов аддитивной природы ty, б) вероятности (возможности) осуществления указанных дугами связей Ру, в) плотности вероятности (функции принадлежности) распределения такого ресурса — fy, г) условные производящие функции моментов его вероятностного распределения M^iS).

Напомним, что под производящими функциями моментов обыч­но подразумеваются некоторые аналитические зависимости, пос­ледовательное взятие производных от которых дает выражения для начальных моментов S-то порядка. В частности, для дискретной случайной величины справедливо следующее выражение этой функции [32]:

M,.(S) = f;//^ = f;eVfy), (7.i)

ij=0 /s=0

где tjj — случайная величина дискретного типа; S = О, ^ 2, ..., к — порядковый номер начального момента ее распределения.

Заметим также, что для постоянной величины /,-,= а = const, формула (7.1) принимает вид: M^S) = esa; тогда как для нулевых значений а или S производящая функция равна единице. В целом же из определения данной функции следует, что начальные мо­менты соответствующих распределений р.кЕ могут быть найдены ^-кратным дифференцированием по S этой функции и прирав­ниванием данного параметра к нулю в полученной производной:

(7.2)

Укажем также, что выражения для часто применяемых произ­водящих функций начальных моментов распределения случайных величин приведены в табл. П.3.5.

Использование производящих функций моментов упрощает ко­личественный анализ процессов, описываемых сетями типа GERT или диаграммами влияния другого вида, за счет замены двух па­раметров Mjj{S) и Ро- на одно преобразование W^S) с идентич-

186

свойствами. При этом новый параметр имеет семантичес-

• нагрузку, обычно указывающую на пропускную способность [ или сети в целом. Значение данного преобразования рассчи-вается по формуле

(7.3)

'. Для определения вероятности Q наступления конкретного со-я сети и числовых характеристик требуемого для этого вре-

_„.„ (математического ожидания его величины — М[Т] и дис-

|рсии такой оценки D[T]) проводят упрощение исходной моде-. Достигается это путем объединения последовательных, парал-иьных и замкнутых контуров в единственную ветвь с эквива-итными преобразованием Wy(S). Значение функции Wy\S), на-ваемой коэффициентом пропускания, рассчитывается с соблю-

Цнием следующих основных правил:

а) для последовательно соединенных узлов /, j, k:

Wik(S) = W^S)Wjk(S); (7.4)

б) для параллельных ветвей между узлами 1 — 2 и 3 — 4, услов- объединенных в один главный исток под номером / = (1лЗ) и

нн главный сток к = (2л4),

Wik\S) = WU{S) + WM(S); (7.5)

в) дагя^очетания одной дуги i-k с собственной (вырожденной, рвого порядка) петлей i-i

W1(S\= Wik{S\\ (7.6)

г) для петли т-то порядка — множества из т не связанных |жду собой замкнутых ветвей первого порядка

K(S) = f[Wk(S). (7.7)

Заметим, что правила преобразования сетей, помеченные бук-ли (а-г), справедливы лишь для так называемых замкнутых сто-лических связей, т. е. таких, для которых существует обратная язь между главным или каким-то другим стоком и главным ис­ком. В тех же случаях, когда рассматриваются разомкнутые фун-июнальные сети стохастической структуры, такие, например, : приведенная на рис. 4.6, а (см. разд. 4.3), для использования х правил необходимо проводить искусственное замыкание этих ей введением дополнительной дуги с коэффициентом пропус-аия WA(S), подобранным специальным образом. Процедура такой модификации исходной сети и определения ачения ее функции WE(S) основана на использовании топологичес-i уравнения С.Мэсона, которое имеет следующий вид [32, 35]:

187

= О,

(7.8)

где ^W(Lj) — сумма коэффициентов пропускания петель /-го порядка сети.

Последовательность определения функции WE(S) для разомк­нутой (оригинальной) стохастической сети по формуле (7.8) с учетом вышеизложенного включает такие шаги:

  1. замыкание главного или другого стока конкретной сети (од­ ного из исходов рассматриваемого процесса) с главным истоком (его начальным событием) и присвоение этой обратной связи коэффициента пропускания WA{S);

  2. определение значения искомого коэффициента WE(S) про­ пускания разомкнутой стохастической сети — с помощью анало­ гичного параметра WA(S) только что введенной обратной связи и формул (7.4) —(7.8);

  3. выявление всех возможных (включая и искусственно вве­ денную связь) петель и вычисление их эквивалентных коэффици­ ентов пропускания W*(L,);

  4. подстановка значений W*(L^ и WE(S) = f[WA(S)\ в топо­ логическое уравнение (7.4), уточнение знаков слагаемых и разре­ шение его относительно WE(S).

Проиллюстрируем рассмотренный выше порядок аналитичес­кого моделирования и количественного анализа опасных процес­сов в техносфере с помощью стохастической сети GERT. Цель по­добной демонстрации будет состоять в определении таких число­вых характеристик, как математическое ожидание и#дисперсия величины времени, необходимого для реализации конкретного опасного исхода, а также вероятность его возникновения. В каче­стве модели рассмотрим уже знакомую сеть (см. рис. 4.6, а).

Очевидно, что исследуемые здесь процессы могут, как и ра­нее, интерпретироваться в виде прохождения сигнала по узлам и дугам сети, имеющей в своем составе последовательные, парал­лельные, а иногда и замкнутые сочетания ориентированных вет­вей. Следовательно, вероятность появления интересующих нас исходов, а также математическое ожидание величины времени до их возникновения М[Т] и его дисперсия D[T] будут зависеть от структуры сети и пропускных способностей ее элементов, харак­теризуемых параметрами My(S) и Ру win однозначно связанной с ними функцией fVy(S).

Начнем, как условились выше, с модификации уже знакомой сети типа GERT и оценки ее параметров в соответствии с изло­женной выше процедурой. Эта новая сеть, преобразованная замы­канием главного стока с ее истоком, приведена на рис. 7.1; при этом оригинальная сеть представлена внутри прямоугольника с

188

Рис. 7.1. Модифицированная сеть типа GERT

бивалентным коэффициентом пропускания WE(S), а последо-тельно подсоединенная к ней, искусственная обратная связь — . - гветствующей функцией WA(S). , Для определения коэффициента пропускания введенной обрат-||й связи воспользуемся рассмотренными выше правилами. В соот-гствии с рекомендациями пункта «а» может быть получена экви-лентная двум последовательно соединенным ветвям функция r*(S) = WE(S)WA(S), после подстановки которой в формулу (7.8), рлучается следующее уравнение:

(7.9)

1 -

= 1 - WE(S)WA(S) = 0,

же

1ение которого дает такой коэффициент пропускания обрат-Эй связи:

WA(S) = \/WE(S). (7.10)

Изучение структуры сети, представленной на рис. 7.1, показы-ает, что она содержит в себе три петли, образуемые ветвями Yni), W23(S)Wn(S) и Wn(S)W2i(S)W3;(S)WA(S). При этом зна-Ьние эквивалентного преобразования W^{S), согласно прави-«а» и «б»., равно сумме \VM(S) + Wi5(S)W56(S). Считая пере-1сленные петли петлями первого порядка (по определению) и аскрывая в топологическом уравнении (7.8) содержание перво-

вычитаемого, получаем равенство

Н = l-

(7.11)

WE{S)

ешение которого дает следующее выражение искомого коэффи-яента пропускания исходной (разомкнутой) стохастической сети:

w

Е

w,5(sw56(S)} (712)

189

Iе

Сравнение только что полученного выражения с формулой (7.6), впрочем, как и с другими, выведенными ранее зависимос­тями (6.12) и (6.23), указывает на структурную идентичность всех этих выражений: их числители отражают пропускную способность одной дуги или ветви, эквивалентной нескольким (последователь­но и параллельно соединенным) дугам, а знаменатели — увели­чение пропускной способности всей сети за счет «подпитки» по­тока (усиления соответствующего коэффициента обратными свя­зями). Выявленное качественное сходство еще раз подтверждает внутреннее единство исследуемых здесь диаграмм влияния, тогда как правомерность процедур их последующей модификации и ис­пользования производящих функций моментов для количествен­ного анализа демонстрируется ниже.

Для проведения количественного анализа моделируемого про­цесса необходимы сведения о содержании и численных характе­ристиках элементов сети, изображенной на рис. 7.1. Предположим, для примера, что исследуется возможность появления потенци­ально опасных ситуаций при выполнении следующих операций технологического процесса:

а) контроль исходного положения оборудования (ветвь Wl2);

б) устранение возможных отклонений {W22);

в) выполнение однотипных переключений: вначале двукрат­ ного, а затем однократном (И^з);

г) подготовка к следующим переключениям (W32) в случае бла­ гоприятного исхода (при отсутствии ошибок или отказов).

При этом подразумевается возможность: возникновения опасной ошибки людей (WM); появления отказа ответственных элементов техники (Ж35); вывода из строя предусмотренных на такие случаи средств за­щиты (W56).

Таблица 7.1

Количественные характеристики

модели

Код

Р„

Тип

Параметры

Производящая

ветви

и

распределения

распределения,

с

функция

12

1,0

Константа

д=1

ехр(15)

22

0,1

Нормальное

т = 3, а = 2

ехр(35Ч 0,5(4)S2)

23

0,9

Тоже

т= 10, а =3

ехр(105+0,5(9)52)

32

0,8

Константа

а =2

ехр(25)

34

0,1

Экспонента

\/а = 0,01

1/(1 - 1005)

35

ОД

То же

\/а = 0,001

1/(-10005)

56

0,1

»

1/а = 0,001

1/(1 - 10005)

190

)сновные характеристики рассматриваемых здесь работ и со-л аи: вероятности наступления промежуточных исходов Ру, за-|ы распределения времени выполнения отдельных операций с шсловыми параметрами и производящими функциями, полу-№1ми с помощью табл. П.3.5 и формулы (7.1), систематизиро-j в табл. 7.1.

^Руководствуясь приведенными выше рекомендациями и исход-пи данными, оценим значения вероятности Q появления пре-арийных ситуаций (опасных ошибок персонала или отказов етственных узлов оборудования), а также математического дания М[Т] и дисперсии D[T\ времени до их возникновения. ^ этого определим вначале выражение, необходимое для вы­деления «коэффициента пропускания» исследуемой сети GERT. После подстановки параметров Wy(S) = P^W^S) всех ее вет-й в формулу (7.8), замены их взятыми из табл. 7.1 значениями и эразования полученного выражения имеем

ОД

0,9ехр(115

0,1

(7.13)

1-10051 И-10005"

[ - 0,1 ехр(35 + 2S2) - 0,9 ехр(105" + 4,55"2 )0,8 ехр(25*)'

При оценке меры возможности появления искомого здесь стока а. рис./ 7.1, сост. 7) будем исходить из того, что по определению „ответствующая вероятность равна коэффициенту пропускания при улевом значении S, т. е. величина Q может быть получена так:

(7.14)

= WE(S=0) = 1-0,9(0,1 +0,01)/ /(1 - 0,1 - 0,9 - 0,8) = 0,55.

Выражение для определения производящей функции момен-эв ME(S) легко получить с помощью формулы (7.3), из которой ^едует, что M^(S) = WE(S)/Q. Соблюдение этого условия приво-

• к следующему уравнению:

l,63exp(lLS

0,1

.(7.15)

Ме

1-1005 ' U-1000SJ

1 - 0,1 exp(3S + 2S2)- 0,72ехр(125 + 4,552)

Математическое ожидание времени до возникновения преда-йрийных ситуаций, М[Т], находим из первой производной вы-кения (7.15) после замены в нем S на нуль:

(7.16) 191

(1,63 • 1,21 +195)0,18 + 0,0652 • 8,9

Подобно определяется и дисперсия найденной случайной оценки:

д2

= 11656 с2. (7.17)

( 14,67 +197,23)0,1 + (179,7 + 14,67 + 17,97)0,01 0,0002

Проанализируем только что полученные результаты моделиро­вания, которые следует понимать таким образом. Исследуемый про­цесс в техносфере уместно оценить как предрасположенный к опас­ным ситуациям, поскольку более чем в половине его реализаций (55 из 100) возможно возникновение предаварийньк ситуаций. Если допустить нормальное распределение этих величин, то появление происшествий будет иметь место в таком диапазоне времени от начала данных работ: Т= М[Т] ± 3(D[T])[/2 = (42 + 5,5) мин.

Что касается контроля правильности полученных выше мате­матических соотношений, то заметим следующее. Проверка выра­жения (7.12) на предмет размерности и реакции на изменение входящих параметров свидетельствует о его правдоподобности. В самом деле, увеличение всех этих параметров способствует росту коэффициента пропускания всей сети, тогда как его величина не может превышать единицы.

Справедливость последнего утверждения может быть обосно­вана такими рассуждениями. Числитель формулы (7.12) всегда бу­дет меньше ее знаменателя, так как сумма пропускных способнос­тей ветвей 34 и 35, 56 не может превышать соответствующую экви­валентную величину предшествующих им ветвей и аналогично W23{S) < Wn(S) + W22(S) + W32(S); W32(S) + WM(S) + W35 (S) < W23(S). По этой причине любое варьирование параметров исследуемой формулы никогда не приведет к превышению числителя имею­щейся там дроби над ее знаменателем.

В целом же можно утверждать, что рассмотренный выше метод моделирования и системного анализа опасных процессов с помо­щью сетей стохастической структуры позволяет прогнозировать не только вероятность, но и время появления происшествий на производстве и транспорте. Вот почему моделирование с помо­щью сетей GERTявляется, по мнению автора [50], пожалуй, един­ственным способом проверки или обоснования требований к толь­ко что перечисленным показателям исследуемых процессов, так как при этом учитываются все наиболее существенные факторы.

Однако использование данного метода требует исчерпываю­щей информации о параметрах моделируемого процесса (произ­водящих функций моментов соответствующих вероятностных рас­пределений), что не всегда осуществимо. Выходом из подобных ситуаций может стать логико-лингвистическое и имитационное моделирование процесса, интерпретируемого рассматриваемыми

192

2ь диаграммами. Особую перспективность этим способам при-их приспособленность к нечетко определенным факторам.

7.2. Логико-лингвистическая модель аварийности и травматизма

I Для учета и исследования наиболее существенных факторов ава-тости и травматизма, количественной оценки степени их влия-[ на возможность появления происшествий в техносфере необхо-более совершенные модели, учитывающие все наиболее су-енные свойства системы «человек—машина—среда». Сложность роения таких моделей связана с тем, что они должны включать 5я большое число реально существующих факторов, в том числе удно формализуемых вследствие нечетко определенной природы, ке определять эффективность мероприятий, направленных на ершенствование безопасности их функционирования. Естествен-Ь, что большое число факторов затрудняет использование анали-ческих и других традиционных методов моделирования. Наиболее перспективным подходом к решению исследуемой сь проблемы является логико-лингвистическое моделирование, ^явление которого стало возможным с развитием компьютеров ^способов представления нечетко определенных переменных, сновными достоинствами указанного метода обычно считают экую/гибкость и целенаправленность, возможность учета сколь рно большого числа существенных факторов, оперативность гнки характера реакции системы на предполагаемое изменение Цдельных свойств ее элементов или их совокупностей. Процедура реализации логико-лингвистического моделирования шо включает следующие основные этапы: а) описание иссле-Цемого процесса или явления на качественном уровне с примене-гм логических условий и лингвистических переменных; б) пос-эщую формализацию, т.е. представление этого процесса в je диаграммы причинно-следственных связей типа «сеть»; в) раз-гку компьютерного алгоритма исследования, чаще всего ими-тонного; г) проведение серии машинных экспериментов. Представляется, что использование логико-лингвистического мелирования для исследования человекомашинных систем дол-аю основываться на учете как влияния психофизиологических эйств персонала на реализацию ими алгоритмов деятельности, и тех факторов, которые определяются эргономичностью и нежностью оборудования, комфортностью рабочей среды и ка-ством технологии проведения производственных операций. Та-системный подход позволяет создавать стохастические сети и ■юванные на них имитационные модели процесса возникнове-предпосылок и перерастания их в причинную цепь происше-рия. Пример одной из таких моделей представлен на рис. 7.2.

193

64, 78

Ч^ Адаптация

44

| Защита сработала р Ц Точная реакция

I -<сГомеост;пис

26

Опасная ситуации 50

| Опасный отказ | | Опасная ошибка [

Точные действия

I Альтернативные исходы


Способность

прогнозирования

последствий

Нарушение

равновесия

в системе

LJU

Знание порядка действий

Качество |

оперативного

мышления J

Восприятие, дешиф­ровка информации

Нерасчетное

внешнее воздействие

О бучен

нестандартным ситуациям

Качество

м отивационной

установки

Взаимодействие в процессе работы

Возможный отказ техники

Отказ

средств

индикации

Действительная информация

Н еблагоприятное внешнее воздействие

Ожидаемая информация

Н авыки выпол­нения работы

Возможное

искажение

информации

К Знание тех- *] нологии работ]

С(?) Среда

\i\f) Технология]

\H(t) Челов"ёк] \M(t) Техника] I

Свойства среды ] [Свойства человека] [Свойства техники] [Свойства технологии) [ Внешяя среда Рис. 7.2. Модель развития происшествий в человекомашинной системе

В верхней части изображенной там стохастической функцио­нальной сети находятся происшествия, а также предшествующие им другие нестандартные ситуации и предпосылки к ним. Реали­зация каждого из этих событий, обозначенных ромбиками или прямоугольниками, имеет случайный характер и может быть осу­ществлена различными способами. Основание и другие элементы рассматриваемой сети также образованы событиями и свойствами человекомашинной системы да связями между ними. В модели учи­тываются также и организационно-технические мероприятия по предупреждению происшествий в ходе выполнения конкрет­ных работ.

До описания характера взаимодействия отдельных компонен­тов данной модели заметим, что идея подобного моделирования происшествий основана на учете влияния свойств исследуемой системы на качество выполнения человеком таких основных эта­пов операторской деятельности, как: восприятие и дешифровка информации о ходе выполнения работ; структурирование полу­ченных данных в соответствии с задачей; обнаружение отклоне­ний процесса от требований технологии работ; оценка необходи­мости и способов вмешательства в нее человека; сравнение воз­можных решений и выбор из них конкурентоспособных; прогно­зирование степени их приемлемости и эффективности; реализа­ция решения на корректировку работ при необходимости.

Перечисленные элементы алгоритма и процесса возникнове­ния при этом причинной цепи возможного происшествия пока­заны на рис. 7.2 в прямоугольниках с двойной рамкой, а связи меж­ду ними — уже привычными символами (см. рис. 4.3): линиями со стрелками, знаками «+» и «•» в кружочках, фигурами каплеобраз­ной формы.

Не отрицая общности рассуждений, рассмотрим взаимодей­ствие элементов представленной там модели на примере возник­новения причинной цепи происшествия в ходе технологической операции, выполняемой одним работающим на отдельном образ­це соответствующего оборудования. При этом акцентируем вни­мание на нижнюю левую часть модели, где реальные условия ха­рактеризуются возможностью появления неисправности средств индикации о состоянии используемого оборудования, которая может привести к несоответствию между имеющейся у человека информационной моделью и реальным состоянием операции.

Кроме этого, в противоположной части модели отмечен тот факт, что человек, руководствуясь знанием технологии работ и имеющимся у него опытом, обычно создает когнитивную модель выполняемой операции, позволяющую ему после выполнения конкретных действий ожидать определенную информацию и под­готовиться к следующим. Однако в силу указанной выше и других причин действительная информация о состоянии работ может

гаться от информации, ожидаемой человеком, и это несоот-гвие может им восприниматься или не восприниматься, тсдовательно, в результате восприятия и дешифровки инфор-дии о состоянии рассматриваемых работ и сравнения ее с ожи-рмой, возможны следующие альтернативные исходы: г) действительная информация идентична ожидаемой и пра-ггьно воспринята работающим см. рис. 7.2 — состояние ИИП; ;б) действительная информация не идентична ожидаемой, но вильно (без искажений) понята человеком — состояние моде-|НИП;

в) оба вида информации в действительности идентичны, од- Ко реальная информация искажена работающим — состояние Ш;

г) оба вида информации в действительности не идентичны, этом реальная информация дополнительно искажена челове-

|»м — состояние НИИ.

i Указанные четыре события представляют собой полную груп-

£ возможных (после приема и дешифровки информации) исхо-i и располагаются после соответствующего стохастического узла-етвления сети. В трех последних случаях уместно утверждать о

^явлении возмущений в исследуемой системе, приводящих к /шению ее равновесия; тогда как первый исход можно считать тешным завершением выполняемых работ, т.е. в ней достигнут «еостазис (событие 26). Появление состояния динамического вновесия предполагает переход к следующей технологической

^ерации, на что указывает направленная вниз пунктирная (ло-1еская) связь.

| Если в исследуемой системе нарушается равновесие, то прин-шально возможны следующие альтернативные исходы: его пол-: или частичное восстановление, а также невозможность своев-

|менного устранения возмущения и предупреждения вследствие эго опасных последствий (см. соответствующие события в цент-тьной части модели). В случае обнаружения человеком факта аты равновесия у него может возникнуть потребность в приня-решения о необходимости и характере вмешательства в воз-сшую нестандартную ситуацию с целью ее корректировки. При принятии решений о порядке действий в таких условиях товек обычно руководствуется субъективно оцененной им ме-опасности и собственными возможностями, определяемыми • психофизиологическими качествами — оперативностью мыш-дая, знанием порядка действий в подобных нестандартных си-Цциях, способностью прогнозировать последствия и уровнем теации. С учетом этого он выбирает «оптимальную» для него

ЦЬтернативу и осуществляет наилучшие в его представлении дей-|»ия, которые в действительности могут быть либо точными, ошибочными. Отказ от каких-либо действий вследствие за-

196

197

мешательства или потери самообладания рассматривается в каче­стве отдельного исхода, изображенного на рис. 7.2 как бездей­ствие человека после соответствующего стохастического узла-раз­ветвления.

Если же принятое решение и действия работающего окажутся точными, то они могут привести человекомашинную систему в состояние равновесия — за счет адаптации к возникшему возму­щению (событие 44). В других случаях в ней возникнет опасная ситуация, что и показано на сети событием 50. К ее возникнове­нию в системе могут также привести отказы ответственных эле­ментов оборудования или опасные внешние воздействия на чело­века и технику со стороны рабочей среды.

Появившаяся в системе «человек—машина—среда» опасная си­туация иногда может перерасти в критическую (событие 65), т.е. привести к взаимному совмещению незащищенных элементов системы и зоны действия возникшей опасности либо завершить­ся ее адаптацией к опасной ситуации (событие 64). Возможность такой адаптации будет зависеть от особенностей возникшей ситу­ации: качества и взаимной совместимости конкретных компонен­тов рассматриваемой системы — надежности технических средств защиты, обученности персонала точным действиям в нештатных ситуациях и т. п.

Подобно обстоит дело и с критической ситуацией. Она может завершиться либо адаптацией системы (событие 78), либо появ­лением аварийности или травматизма, т.е. возникновением одно­го из событий, помеченных на рис. 7.2 номерами 79а, 196 или 79<?. Конкретный вид происшествия (несчастный случай, катастрофа, авария или поломка) будет определяться спецификой возникшей ситуации: каков потенциал опасного фактора, какие элементы оказались в зоне его действия и подверглись воздействию. Напри­мер, при низком потенциале опасного фактора и воздействии его на незащищенные элементы технологического оборудования и рабочую среду возможны поломки или аварии, иногда сопровож­дающиеся загрязнением окружающей природы.

При воздействии же опасности на людей возможны несчаст­ные случаи, включая их гибель. В тех случаях, когда существует жесткая связь между выходом из строя одних компонентов чело-векомашинной системы и безотказностью функционирования других (имеет место так называемый каскадный эффект), а также при очень больших энергетических потенциалах опасного факто­ра могут возникать катастрофы. Возможность влияния одних про­исшествий на другие, иногда называемая «эффектом домино», изображена в правой части модели пунктирной линией, идущей от верхних событий сети к нижним.

В завершение рассмотрения представленной выше логико-лин­гвистической модели процесса возникновения техногенных про-

шествий приведем несколько доводов, подтверждающих ее пра-дерность.

Ц Описанный характер возникновения и развития причинной цепи [>едпосылок при выполнении работ в техносфере (в ходе целенап-тенного функционирования человекомашинной системы) со-зетствует современным представлениям о закономерностях по­тения техногенных происшествий. Свидетельства тому, напри-|ер, — сделанный выше (см. разд. 3.2) анализ обстоятельств воз--ювения аварийности и травматизма на производстве и транс-Эрте. Кроме того, подчеркнем, что полученная здесь семантичес-[ модель учитывает в качестве лингвистических переменных дос-эчно большое число реально действующих факторов (см. рис. 3.4), элынинство из которых имеет нечетко определенную природу. Однако данная модель представляет собой пока лишь первый ап, реализация которого необходима для последующего имита-гонного моделирования процесса возникновения происшествий \ человекомашинных системах. Его проведение требует дальней­шей формализации данной модели, а затем и разработки соответ-гвующего машинного алгоритма.