Параметры результатов моделирования

	Отсеивающий	Статистическое
Наименование параметров	эксперимент	оценивание
Число имитаций выполнения работ, Nj	6000	12000
Дисперсии оценок вероятностей:
Pie	0,0000532	0,0000190
Рн	0,0001020	0,0000630
	0,0001210	0,0000660
' Рб4	0,0001240	0,0000480
Рб5	0,0000108	0,0000088
Ра	0,0000143	0,0000060
	0,0000263	0,0000112

209

Из табл. 7.4 видно, что в результате одного имитационного эк­сперимента могут быть зарегистрированы вероятности возникно­вения следующих возможных событий: гемеостазис, адаптация к возникшему в системе возмущению, опасная ситуация, адапта­ция к ней, критическая ситуация, адаптация к последней и про­исшествие. Эти исходы были закодированы на рис. 7.2, 7.3 собы­тиями и узлами с условными номерами 26, 44, 50, 64, 65, 78 и 79 соответственно. Отметим также, что для проведения одного ма­шинного эксперимента с целью получения указанных параметров требуется примерно один мегабайт оперативной памяти и несколь­ко секунд времени работы современных ЭВМ, а соответствующие оценки характеризуются сравнительно небольшой дисперсией.

Как уже отмечалось, исходными данными, необходимыми для имитационного моделирования, являются набор исследуемых свойств человекомашинной системы, значения индексов Ij по­тенциальной опасности каждого из них, а также оценки качества этих факторов, учитываемые при выборе величины индекса и формировании генераторами случайных чисел функций принад­лежности лингвистических переменных п_х(К) и плотностей веро­ятности ^(К) — для случайных. Некоторые из перечисленных ис­ходных данных представлены в табл. 7.5 совместно с результатами конкретного машинного эксперимента.

Как это видно из данной таблицы, в каждом машинном экспе­рименте могут быть выданы на печать как исходные данные об исследуемых факторах аварийности и травматизма, так и полу­ченные при моделировании результаты. Так, в ее верхней части указаны следующие сведения об исследуемых в эксперименте свой­ствах человекомашинной системы: а) наименования даны сокра­щенно, в латинской транслитерации; б) алфавитно-цифровые коды соответствуют табл. 7.3; в) оценки качества Каждого учиты­ваемого фактора представлены десятичными дробями, балльные и лингвистические эквиваленты которых приведены в табл. 7.2.

Например, в левом столбце исходных данных показано, что в эксперименте использовались следующие свойства трех разных компонентов человекомашинной системы: KOMFORSR - Cj (ком­фортность рабочей среды), UDPODIVR = Т, (удобство подготовки и выполнения работ) и NALPRNAV = Ч_х (наличие практических навыков и т.д.). Эти свойства человекомашинной системы оцени­вались как имеющие качество «удовлетворительное», «плохое» и «хорошее», о чем свидетельствуют цифры 0,417, 0,250 и 0,584, соответствующие модальным (наибольшим) значениям их функ­ций принадлежности (см. табл. 7.2).

В нижней части табл. 7.5 приведены собственно результаты про­веденного машинного эксперимента. В частности, после выпол­нения 1000 машинных имитаций конкретных работ (см. правую колонку), были зарегистрированы следующие случайные исхо-

210

Таблица 7.5 Фрагмент отчета с результатами эксперимента

			Задача 3
Моделирование процесса					развития происшествий
в ■			1еловекомашинной системе
			Исходные		данные
KOMFORSR		С, =0,417	ZNATECHR		Ч2 = 0,750		OBDEIVAS			4,3=0,334
KACHINFM		С2 = 0,334	PRIPSIFI		Ч3= 0,334		TODEILAS			Ч14 = 0,417
VOZNBVOZ		С3= 0,584	PRTVOSIN		Ч4= 0,667		BEZISDKS			Ч|5= 0,750
VOZNRVOZ		С4 = 0,166	OPERMOPE		Ч5 = 0,334		KACHKORM			М, =0,417
UDPODIVR		Т, = 0,250	ZNPORLNS		Ч6 = 0,500		STUCHRAB			М2 = 0,584
UDTOBREM		Т2 = 0,584	SPPROGPR		Ч7 = 0,417		BEZKIPRI			М3= 0,334
SLALGDEY		Т3= 0,334	TECHDISO		Ч8 = 0,334		ENERGIST			М4 = 0,750
VOZPOPER		Т4= 0,334	KACHPRIR		Ч9= 0,584		BEZEUDOF			М5 = 0,750
VOZPONET		Т5= 0,166	ZNOFVOPE		Ч -0 334		DLIDEIOF			М6= 0,417
NADOTMER		Т6 = 0,750	OSVPOSAS		Чи =0,250		URPOTFAK			М7 = 0,334
NALPRNAV		Ч, =0,584	ZNPDEIAS		Ч12= 0,584		BEZTSZPB			М8 = 0,750
Результаты моделирования
№	Возможные			Мера воз-	Значение индекса					Количество
узлов	состояния			можности	МОЖ	СО		MIN	МАХ	исходов
26	Гомеостазис			0,0540	6	1		5	7	540
44	Адаптация-1			0,0270	7	1		6	8	270
50	Опасная ситуация			0,0190	6	2		2	10	190
64	Адаптация-2			0,0129	8	2		5	13	129
65	Критическая			0,0061	6	1		5	7	61
	ситуация
1 78	Адаптация-3			0,0050	5	1		4	6	50
!'. 79	Происшествие			0,0011	—	—		—	—	11

,ы. В 540 случаях рассматриваемая операция выполнена без появ-Иения каких-либо особых ситуаций (в системе наблюдалось со-

гояние динамического равновесия); в остальных 460 имитациях система адаптировалась к возникшим возмущениям в 270 случа­ях, а 190 из них привели к появлению опасных ситуаций. Боль-

211

Pj

0,02

0,01

шая часть из этих ситуаций (61) была устранена в результате последующих адаптации системы, однако 50 опасных ситуаций стали критическими, а 11 из 1000 машинных реализаций завер­шились происшествиями.

Из табл. 7.5 также видно, что для большинства исходов машин­ного эксперимента рассчитываются числовые характеристики со­ответствующих распределений накопленного индекса потенциаль­ной опасности /_z. Так, для гомеостазиса среднее значение этого случайного индекса равно шести. В данном же эксперименте его величина изменялась в пределах от пяти до семи, поскольку име­ла стандартное отклонение, равное единице.

Что касается проверки адекватности разработанной здесь ими­тационной модели и системного анализа полученных с ее помо­щью результатов, то уместно отметить следующее. Как показал опыт моделирования, арифметический порядок оцененных при этом вероятностей возникновения техногенных происшествий и их предпосылок обычно совпадал с данными, основанными на моделях другого типа и обработке статистических сведений по аварийности и травматизму в техносфере.

Кроме того, в результате имитационного моделирования были установлены зависимости между вероятностями возникновения происшествий, других регистрируемых в эксперименте событий и оценками качества К, исследуемых свойств конкретных человеко-машинных систем. Качественный анализ таких зависимостей по­казал непротиворечивость результатов моделирования известным эмпирическим и теоретическим выводам.

Пример подобных графиков, построенных по результатам мо­делирования аварийности и травматизма при различных оценках качества одних и тех же свойств конкретной человекомашинной системы, приведен на рис. 7.5. (Поясним, что на эуих графиках варьировалось свойство Ч₉ — качество приема и дешифровки че­ловеком-оператором информации о ходе выполняемой операции.) Количественный анализ этих и других прямых, осуществленный путем сопоставления углов их наклона (частных производных дР//дК_Чд), позволил выявить те факторы, изменение которых наи­более существенно влияет на возникновение техногенных происше­ствий. В частности, в ходе предварительного исследования уста­новлено, что основными факторами аварийности и травматизма в техносфере являются те свойства человекомашинной системы, которые определяют безотказность технологического оборудова­ния и совершенство принятой технологии выполнения и контро­ля работ, а также психофизиологические свойства, характеризу­ющие уровень профессиональной подготовленности работающих к действиям преимущественно в нестандартных ситуациях.

Кроме того, удалось количественно оценить вклад этих фак­торов в исследуемый здесь процесс. Оказалось, например, что

212

____________
■	——-—	~~~~Кь ■	"~ —-—_	==—=_ =~ ^
—' .	—,___	7^ —	— —"
	г 2			) Кч

Рис. 7.5. Графики зависимостей Р]{Н₉)

повышение уровня обученности работающих действиям в нестан-цартных условиях на один балл (по четырехбалльной шкале оце-<юк) снижает вероятность возникновения происшествий в 2 — 3 £>аза больше по сравнению с аналогичным изменением этих рвойств для штатных ситуаций. Иначе говоря, анализ реакции модели на изменение показателей профессиональной подготов-иенности людей привел к выводу о малой значимости для безо­пасности, например, тех факторов персонала, которые были за­кодированы как 4i— Ч₂.

Такой несколько неожиданный вывод может быть объяснен Спецификой подготовки и выполнения исследованных здесь тех­нологических операций на ракетной технике, в частности, доста­точно совершенной системой подготовки участвующего персона­жа и непрерывным контролем его действий. Все это обеспечило не (только высокую теоретическую выучку работающих, но и своев­ременное устранение тех ошибок, которые были допущены на ранних этапах выполнения операции — при приеме и декодиро-ании информации о состоянии человекомашинной системы.

В то же время была установлена высокая значимость для безо­пасности таких свойств человекомашинной системы, как Ч₁₂—Ч₁₅ «умение персонала принимать верные решения и точно действо-ать в нестандартных ситуациях), а также М₈ и Т₆ — надежность ехнических и организационных средств, предусмотренных на слу-рай возникновения аварийных ситуаций. На практике это обуслов-

213

лено как спецификой ошибок, присущих конечным этапам алго­ритмов операторской деятельности человека, так и особенностями используемого при работах технологического оборудования.

В самом деле, ошибки, связанные с неверной оценкой обста­новки и неправильно принятыми по этой причине решениями, труднее поддаются контролю со стороны руководителя работ, а при их устранении обычно ощущается дефицит времени. Вслед­ствие этого такие ошибки персонала на технологическом обору­довании, обладающем высокой энергоемкостью, часто влекут за собой опасные последствия.

Заметим, что в алгоритме имитационного моделирования это учтено следующим образом. Для группы несущественных факто­ров — сравнительно низкими значениями индексов потенциаль­ной опасности свойств Ч_{—Ч₃, а также тем, что они играют роль лишь инициаторов причинной цепи техногенного происшествия, т. е. необходимых, но не достаточных для его возникновения усло­вий. А вот факторы Ч₁₂—Ч]₅, М₈ и Т₆ не только проявляются на завершающем этапе формирования этой цепи, но и имеют более высокие значения соответствующих индексов.

Таким образом, можно утверждать, что рассмотренный выше метод логико-лингвистического и имитационного моделирования аварийности и травматизма является адекватным, поскольку по­зволяет решать ряд важных для практики задач. Совместно с ана­литическим исследованием безопасности с помощью стохасти­ческой сети типа GERT его использование является самым эф­фективным способом априорной оценки эффективности мероп­риятий, разрабатываемых для повышения безопасности производ­ственных процессов, и совершенствования на этой основе систе­мы обеспечения техносферной безопасности путем оптимизации выделяемых для нее ресурсов.

В заключение рассмотрения методики системного анализа с помощью диаграмм типа «сеть» хотелось бы отметить особеннос­ти формализации и моделирования происшествий на основе се­тей Петри. Процедура их преобразования в аналитические модели и основанные на них имитационные алгоритмы схожа с рассмот­ренной в данной главе применительно к сетям GERT. И это не случайно, поскольку они разрабатывались параллельно и появи­лись практически в одно и то же время [24, 50].

Различия в их практическом применении касаются главным образом формализации с целью вывода математических соотно­шений: если в сетях GERT ее проводят на основе производящих функций моментов, то в сетях Петри — путем составления мат­риц инцидентности с последующим их преобразованием в соот­ветствующие функции. Заметим, однако, что топологические ис­следования обеих этих сетей осуществляют с помощью одного и того же уравнения С. Мэсона.

214

Для учета же динамики процессов, моделируемых на основе ей Петри, используются как мгновенно, так и не мгновенно ^оисходящие события, а продолжительность времени до появ-|ния последних указывается специальными таймерами. Вместо . степеней свободы подобных узлов здесь применяется «крат-эсть дуг», уточняющая условия начала и завершения имитируе->гх ими преобразований.

Завершая данную главу и вторую часть книги, обратим внима-яе на три момента системного исследования опасных процессов ^техносфере:

Во-первых, для решения рассматриваемой проблемы нужно ривлекать все рассмотренные здесь модели и методы, выбор ко-орых должен проводиться с учетом поставленных задач и имею­щихся исходных данных. При этом использование точных количе-гвенных методов системного анализа опасных процессов наибо-|е'е приемлемо для сравнительно простых технологических про-Цессов или эксплуатации отдельных агрегатов соответствующего борудования. Причина тому как в разумной трудоемкости свя-анных с этим расчетов, так и в реальной доступности информа-|ии необходимого качества.

Во-вторых для прогноза безопасности уникальных производ-зенных процессов или крупномасштабных работ, реализуемых сего один раз или при заметно изменяющихся условиях, наиболее едпочтительно интервальное оценивание вероятностных показа-лей или расчет нечетких мер возможности появления происше-вий. Использование же лингвистической интерпретации суще-зенных факторов и измерение их параметров с помощью универ-иьной шкалы качества позволяют разрабатывать и имитацион->ie модели.

И наконец, в-третьих. Из сказанного выше вытекает необходи­мость в пересмотре отношения к методам качественного и коли­чественного анализа аварийности и травматизма. При этом следу-¹ учитывать, что широкое использование имитационного моде-лрования все еще затруднено из-за негативного отношения тех ^лециалистов, которые воспитаны на примате точных количествен­ных методов, традиционном отношении к ЭВМ как к «большой огарифмической линейке» и «объемной картотеке».

Другие трудности на этом пути связаны с дефицитом в исход-в-->гх данных, без которых «никакая математика не поможет в од-Цозначном выборе оптимального решения» [10]. £ Тем не менее, несмотря на известные и еще не вскрытые пре-__ствия на пути к моделированию и системному анализу технос-ерных происшествий, можно утверждать, что основы соответ-вующей системной методологии уже заложены, а необходимость [цальнейшего совершенствования существующей концепции уже сознана специалистами. При этом известные к настоящему вре-

215

мени подходы, в том числе только что рассмотренные, могут спо­собствовать решению отдельных задач управления процессом обес­печения безопасности в техносфере. Однако, до того как присту­пить к их рассмотрению, вначале необходимо разобраться с про­цессом причинения ущерба от техногенных происшествий.