Методология анализа рисков опасности электроустановок человекомашинных систем на основе нечетких множеств
Дробязко О.Н., Никольский О.К.,
Алтайский государственный технический
университет им. И.И. Ползунова
Рассмотрены методы и модели анализа техногенных рисков человекомашинных систем, объединяющие элементы традиционных подходов к оценке электроопасных ситуаций. Показана возможность применения теории нечетких множеств, включающей понятие лингвистической переменной, к решению проблем электробезопасности на сельскохозяйственных объектах в условиях неопределенности.
Ключевые слова: опасность электроустановки, риски, человекомашинная система, нечеткие множества.
Имеющийся опыт изучения человекомашинных систем (ЧМС) [1, 2] свидетельствует о том, что системный анализ таких систем в рамках использования традиционных детерминистических и вероятностных моделей не поддается строгой математической формализации.
Эксплуатация электроустановок (ЭУ) в реальных производственных условиях является достаточно сложным процессом, требующим постоянного вмешательства обслуживающего персонала (в том числе и электротехнического) для поддержания заданных технологических режимов работы электрооборудования и электрических сетей, их надежности и безопасности. В процессе этого вмешательства человек (оператор) принимает различные, нередко ошибочные решения, проконтролировать правильность которых, например, в условиях сельскохозяйственного производства, практически невозможно. Исключение здесь составляют объекты атомной энергетики и химические производства, имеющие высококвалифицированный персонал, работающий в условиях жестких нормативных требований.
При анализе ЧМС «человек - электроустановка - среда» (Ч-ЭУ-С) необходимо учитывать взаимосвязи между её компонентами, которые, в свою очередь, зависят от большего числа факторов. Эти факторы не всегда поддаются количественной оценке и прогнозированию. Отсюда проблематичным представляется выполнение анализа электротравматизма по вероятностным показателям, имеющим неопределенный характер. Эта неопределенность проявляется в неполноте, неточности или недостоверности исходных данных, отсутствии априорных количественных оценок риска опасности электроустановок производственного объекта.
Широко используемый в теории электробезопасности вероятностный подход [3] обладает общим существенным недостатком, затрудняющим его практическое применение. Этот подход предполагает знание вероятностей проявления факторов, оказывающих опасное воздействие на человека, наличие некоторых предпосылок и инициирующих условий, исходя из которых можно сделать выводы о значениях вероятностей электротравм или электропоражений людей.
В условиях производственного объекта определить, например, вероятность электротравмы человека, как правило, не удается. Чтобы построить адекватное статистическое распределение какого-либо инициирующего негативного фактора или оценить вероятность проявления этого фактора, необходимо иметь некоторое множество однородных объектов, т.е. репрезентативную выборку. Выдвигаемые гипотезы в расчетах и проектной практике относительно видов и параметрах вероятностных распределений оказываются неприемлемыми, поскольку они ведут к значительным погрешностям при принимаемых допущениях и невозможности количественной оценки риска и неопределенности.
По данным [4] до 70 % аварий и несчастных случаев от общего их количества вызваны так называемым «человеческим фактором». Большая часть электротравм обусловлена ошибочными действиями электротехнического персонала. Для определения вероятности совершения ошибочных действий персоналом может быть использован метод экспертных оценок [5]. Однако в основе применения этого метода лежит теория вероятностей, базирующаяся на аксиомах, которые в ряде случаев не могут быть использованы при анализе человекомашинных систем. Некорректно требовать от эксперта оценки вероятности инициирующих негативных событий (особенно так называемых «редких событий»), необоснованно в целях упрощения расчетов «подгонять» случайные величины к удобному нормальному распределению и т.д. Поэтому представляется проблематичной адекватная оценка и анализ производственного и бытового электротравматизма по показателям, определяющим вероятность, например, электробезопасности, статистическая информация которой имеет неопределенный характер. Эта неопределенность проявляется в неполноте, неточности или недостоверности исходных данных, отсутствии априорных количественных оценок риска опасности электроустановок объекта. Отсутствие методов оценки рисков опасности ЭУ и диагностики технического состояния электрооборудования приводит к тому, что персоналу приходится принимать интуитивные решения по предотвращению опасных техногенных ситуаций, отключению электроустановки и выводу оборудования на профилактику или в ремонт.
Действующие вероятностные методы достаточно эффективны только для технических систем, при описании которых не учитывается человеческий фактор. Они малопригодны для анализа систем (человек-электроустановка-среда), в которых координирующим элементом является персонал. Отметим, что последний инициирует неопределенности, вызываемые наличием у индивидуума субъективных представлений об окружающей его рабочей и внешней среде и своей деятельности в ней.
В этой связи представляет интерес поиск других методов, позволяющих строить адекватные математические модели для идентификации источников техногенной опасности и предупреждения аварий и электротравматизма.
С этой целью нами было выполнено обобщение методов, которые могут быть использованы для оценки и анализа опасностей, возникающих в электроустановках производственного объекта (таблица 1).
риск человекомашинный неопределенность электробезопасность
Таблица 1 - Методы оценки и моделирования рисков электроустановок объекта
|
№ п/п |
Наименование метода |
Особенности метода |
|
|
1 |
Феноменологический |
Базируется на определении возможности возникновения опасных событий, исходя из результатов анализа достаточных условий. Используется при определении сравнительной безопасности объектов исследования |
|
|
2 |
Детерминистический |
Устанавливает причинно-следственные связи и формирует функциональные связи (в форме явных зависимостей или уравнений). Исходные данные и связи имеют детерминированный характер |
|
|
3 |
Статистический |
Обеспечивает учет случайных факторов при функционировании ЧМС (Ч - ЭУ - С). Устанавливаются статистические зависимости между «входами» и «выходами» системы. Построение моделей требует значительных объемов статистических данных |
|
|
5 |
Теоретико-вероятностный |
Базируется на стохастической природе возникновения ОТС и использовании теорем теории вероятностей. Оценка вероятности события производится от идентификации инициирующих событий до построения диаграмм влияния (деревьев рисков) |
|
|
4 |
Вероятностно - статистический |
Основан на проведении вероятностного анализа рисков ЧМС. Предполагает расчет вероятностей возникновения опасных техногенных ситуаций (ОТС) на основе вероятностей инициирующих событий, в качестве которых принимаются частоты соответствующих событий, определенные по статистическим данным |
|
|
6 |
Логико-лингвистический |
Базируется на использовании символьного языка логики, формализмов теории графов и алгоритмов |
|
|
7 |
Имитационное моделирование |
Основано на логико-математическом представлении ЧМС, характеризующийся неоднородностью структуры, нестационарностью, стохастичностью и неопределенностью. Позволяет использовать любую информацию в сочетании с эвристическими оценками, полученными интуитивным путем |
|
|
8 |
Метод экспертных оценок |
Основан на использовании знаний и опыта экспертов. Метод применяется при отсутствии статистических данных и сложности выбора адекватной математической модели |
|
|
9 |
Методы, основанные на использовании нечетких множеств |
Используются при оценке сложных ЧМС, когда роль человеческого фактора является доминирующей. Метод требует априорных знаний и позволяет на основе имеющегося множества разнородных факторов построить инфологическую модель с использованием символьного (а не числового) способа представления информации. |
В результате проведенного анализа методов нами было сделано заключение о том, что перспективной заменой методов, основанных на использовании теории вероятностей, является их замена методами, использующими теорию нечетких множеств (ТНМ). Эта же точка зрения высказана в источнике [5].
В рамках теории нечетких множеств вводятся понятия «нечеткая переменная» и «лингвистическая переменная» [6,7]. Первое из понятий тесно связано с основными понятиями ТНМ - «нечеткое множество» и «функция принадлежности».
Нечеткое множество А определяется как совокупность упорядоченных пар, составленных из элементов x универсального множества X и соответствующих степеней принадлежности А (x)
A = { (x, А (x)) x X }.
При этом функция принадлежности А(x) указывает, в какой степени элемент принадлежит нечёткому множеству . Функция А (x) принимает значения в некотором линейно упорядоченном множестве, в качестве которого обычно выбирается отрезок [0,1].
Нечеткая переменная определяется на множестве элементов x универсального множества X.
Понятие нечеткой переменной может быть использовано в случае количественной формы представления экспертной оценки в виде какого-либо числа, являющего, по мнению эксперта наиболее точным ответом. Возможно возникновение некоторой ошибки, вызванной интуицией эксперта. В этом случае неточность и неясность заключения эксперта может быть компенсирована путем введения оценки типа «x приблизительно равен а» или «х находится примерно в интервале от а до b».
Количественная экспертная оценка по своей сути представляет собой нечеткое число, характеризуемое функцией принадлежности . Однако оценивание степени принадлежности конкретными числами на рассматриваемом интервале [0, 1] носит субъективный характер: с одной стороны, она зависит от выбора типа шкалы, в которой систематизируется информация от эксперта, а с другой - используются различные инструменты оценки того или иного фактора. Если этот фактор можно выразить в виде количественной характеристики, то он подлежит непосредственному измерению; если же он оценивается качественно, то используются логико-лингвистические модели и ранговые измерения при попарном сравнении факторов.
Функция принадлежности µА(x), представляет собой некоторую невероятностную субъективную меру нечеткости, определяемую по результатам опроса экспертов о степени соответствия элемента х понятию, формализуемому нечетким множеством Х. В отличии от вероятностной меры, которая служит оценкой стохастической неопределенности, нечеткая мера является численной оценкой лингвистической неопределенности, связанной с неоднозначностью и расплывчивостью человеческого мышления.
Метод нечетких множеств, строго говоря, не накладывает ограничений на выбор функции принадлежности. Однако при анализе техногенных рисков ЭУ целесообразно использовать аналитическое представление функции принадлежности µA(X) (нечеткого множества Х с элементами х), нечетко обладающей множеством некоторых его свойств. В этом смысле представляет интерес типизация функций принадлежности в контексте указанного выше анализа риска, что существенно упрощает соответствующие аналитические и численные расчеты при применении методов теории нечетких множеств.
Выделим следующие типовые функции принадлежности (ФП):
1. Треугольные ФП используются для задания неопределенностей типа: "приблизительно равно", "среднее значение", "расположен в интервале", "подобен объекту" и т.п.
2. Z-образные ФП - для задания неопределенностей типа: "малое количество", "небольшое значение", "низкий уровень" и т.п.
3. S-образные ФП - для задания неопределенностей типа: "большое количество", "большое значение", "высокий уровень" и т.п.
4. П-образные ФП - для задания неопределенностей типа: "приблизительно в пределах от и до", "примерно равно", "около" и т.п.
В теории нечетких множеств на основе понятия: «нечеткая переменная» строится понятие «лингвистическая переменная».
Лингвистическая переменная является переменной более высокого порядка, чем нечеткая переменная, в том смысле, что значениями лингвистической переменной являются нечеткие переменные.
В настоящее время лингвистическая переменная используется для описания сложных систем, которые содержат параметры, представленные не только в количественном, ни и в качественном виде.
Процесс функционирования рассматриваемой ЧМС может быть представлен с помощью лингвистической переменной.
Такая переменная характеризуется следующей совокупностью [6]:
LV = [L, T, X, G, M], (1)
где L - имя переменной, T- множество ее значений (терм-множество); X - универсальное множество нечетких переменных; G - синтаксическая процедура образования новых термов, позволяющая из простых атомарных термов строить составные термы, G:T>T*, где T*- расширенное терм-множество; M - семантическая процедура, формирующая нечеткие множества для каждого терма Т данной лингвистической переменной.
Терм-множество лингвистической переменной являются нечеткие числа.
Экспертные оценки в сочетании с логико-лингвистическим методом [7], могут использоваться при моделировании и прогнозировании техногенных рисков, что позволяет обеспечивать возможность описания и оперирования данными, являющимися результатом субъективных действий персонала.