黄惠霖
摘 要：人为因素是导致海上交通事故的最主要原因，分析海上交通事故中人为因素的特征，从而采取相应的预防措施，对海上交通安全至关重要。结合人的因素分析与分类系统（Human Factors Analysis and Classification System， HFACS）与海上事故调查中的人为因素尺度，提出用于海上交通事故调查的人为因素与分类系统（Human Factors Analysis and Classification System for Marine Traffic Accident and Incident Investigation， HFACS-MTAI）。运用专家主观评分法对导致事故产生的人为显、隐性因素进行打分，并结合灰色理论为各因素进行量化排序，并通过分析某海上交通事故验证所提构想的有效性。
关键词：人为因素；人的因素分析与分类系统；海上交通事故调查；灰色理论
DOI：10.16640/j.cnki.37-1222/t.2018.05.190
0 引言
全球大约90%的贸易依赖于海上运输。基于事故数据的研究表明，80%以上的海上事故与人为因素有关[1]。导致事故发生的原因一般有主观（人）和客观（物和环境）两方面，而在海上交通事故中，人的主观因素的作用表现得尤为突出和充分[2]。海上交通事故中船舶碰撞事故是发生率最高的海事，95%以上是人为因素造成的。船舶搁浅/触礁事故作为同样发生率较高的海事，其90%以上是人为因素造成的[3]。因此，人为差错已经成为海上交通事故的主要诱因，这已得到航运界的普遍认同。
文献[4]提出海上交通事故人失误分析与分类系统（Human Error Analysis and Classification System for Maritime Traffic Accident， HEACS-MTA），研究人失误对事故的影响，对海上交通事故中4个层级的人失误因素进行分类，可是未充分考虑“不安全行为的前提”以及“不安全行为”两层及中的子因素及其相互作用与制约，这不利于对不安全动作分类的把握，也无法系统分析不安全动作。本文结合海上交通事故调查中的人为因素尺度，基于文献[4]的MEACS-MTA模型提出用于海上交通事故调查的人为因素分析与分类系统（Human Factor Analysis and Classification System for Marine Traffic Accident and Incident Investigation，HFACS-MTAI），结合专家主观评分法对海上交通事故中人为显、隐性因素进行分析，运用灰色关联分析对海上交通事故人为因素的影响要素进行量化排序，从而得出各人为致因因素的先后顺序，为海上交通事故调查人为致因因素提供支持。
1 HFACS-MTAI
1.1 HFACS
Reason在1990年曾提出“瑞士奶酪”模型[5]，如图1。通过该模型能够明显区分出显性差错（active failures）与隐性差错（latent failures）。值得注意的是：第3层级“不安全行为的前提条件”中既包含显性差错也存在部分隐性差错。由于Reason尚未明确定义“奶酪中的洞”，即“不安全的条件或行为”的概念过于抽象以致于在实践中难以推广。2001年，Wiegmann和Shappell在Reason的基础上共同研究提出了人因分析与分类系统（HFACS）[6]，用以定义Reason的模型中的隐性差错与显性差错，从而可以将其作为事故调查和分析的工具使用。该事故致因链依次通过四个层级进行人为差错分析：组织影响——不安全的监管——不安全行为的前提条件——不安全行为。HFACS模型最初是为美国海军及海军陆战队作为事故调查和数据分析工具研发的，后逐渐被广泛应用于航空安全[7]、铁路安全[8]、采矿业[9]、海上安全[10]等领域，用以分析造成事故的根本原因。
1.2 海上交通事故调查——人为因素尺度
导致海上事故的人为因素[11]，大致可以定义为：与正常、成功应对某一事务相反的疏忽或故意行动等。研究人为因素要分析设备的设计、操作人员与设备的相互作用，以及船员与管理者遵守的规章制度，即充分考虑人—船—环境三者的相互制约关系。图2表示直接或间接影响人的行为的各种因素与完成工作的潜力。
调查人为因素的过程依次分为6步：收集发生事故的资料、确定事故发生的过程、确认不安全操作/决策与条件、确认失误与违规的类型、确认事故的潜在因素、确认潜在的安全问题并制订安全措施。其中步骤3到5是调查的主要环节。
船上人为因素调查的范围一般包括但不局限于以下25个范围，依照因素特性，将其主要分为船上的问题与公司的管理问题两部分，如表1所示。
1.3 HFACS-MTAI的建立
海上交通事故的发生主要由于人为因素。其直接原因是由于船员实施了“不安全行为”，而确认不安全行为仅为海上交通事故调查的主要环节之一，其后还应由果索因、追根溯源至事故的各隐性因素（latent conditions）。HFACS-MTAI依次由4個层级组成：组织影响、不安全的监管、不安全行为的前提条件、不安全行为。结合HFACS模型[6]与海上交通事故特点罗列了模型的二级致因因素指标，如图3。考虑“人—船—环境”的相互作用关系，第3层级“不安全行为的前提条件”的二级因素指标主要包括环境因素、船舶因素、船员因素及公司因素。为便于理解致因模型结构，将模型分为隐性原因与显性原因两部分。
模型重点针对第3层级“不安全行为的前提条件”与第4层级“不安全行为”分别详细列出各二级致因因素的子因素指标（调查范围包括但不局限于所列因素指标），如图4。研究大量事故数据[12]，发现海上交通事故一般由船员的过失或过错直接造成的，而过失或过错中又以技术性过失占主导，第4层级针对不同原因所造成的事故的发生频率，详细罗列了船上人为技术性过失的具体范畴（包括但不局限于所列人因）。
2 基于HFACS-MTAI模型和灰色理论的人为差错致因分析
专家根据HFACS-MTAI为海上交通事故进行打分，而后结合灰色关联分析法[12][13]对造成事故的人为致因进行分析。
2.1 海上交通事故的致因因素分析
主观评分法是利用专家的经验等隐性知识，直观判断与事故相关的显、隐性原因，并赋予每个因素相应的权重，进而分析处理相应的结果。其具体步骤如下：
2.1.1 制作海上交通事故问卷调查表
结合HFACS-MTAI模型分析事故情况，据此制作海上交通事故专家问卷调查表，调查表中列出可能导致该事故的显性差错（active failures）与隐性差错（latent failures）。
2.1.2 专家打分
邀请专家对问卷调查表中所列出的可能导致海上交通事故的各项原因进行打分，若调查表中未列出造成事故的某项原因，则作相应补充并打分。依据各原因对海上交通事故的影响程度与发生概率进行打分。打分范围由0-1之间的数字组成。（即0，0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1），0表示对事故的发生无影响，1表示影响程度最大；同时，对发生概率打分，0表示发生概率最小，1表示发生概率最大。专家针对海上交通事故的致因因素主观评分表，见表2。
2.2 灰色关联分析
对问卷调查的结果进行整理分析，选取各隐性原因评价指标的均值分别为每个显性原因的行为序列，作为灰色关联分析的比较序列，比较序列以公式（1）的形式表示为：
式中表示第个显性原因，分别表示个隐性原因，表示第个隐性原因的个相关因素，对应文中的为第个隐性原因的评价指标：影响程度和发生概率。
由于标准序列反映各相关致因因素的理想期望水平，故可取标准序列为零序列，标准序列格式一般如公式（2）所示：
计算求取比较序列与标准序列的差序列：
计算各显（隐）性原因的各个评价指标与标准序列的关联系数，其中；计算关联系数，如公式（4）所示：
公式（5）最终求得的灰色关联度反映某事故原因与各因素理想值（零事故）之间的关系，关联度越大则表明其对应的海上交通安全的安全度越高；关联度越小，则表明该致因因素对海上交通安全的威胁较大。
3 实例分析
运用HFACS-MATI模型和灰色关联分析法，对2014年4月16日韩国“世越号”（SEWOL）客轮沉没事故中的人因进行分析。
韩国当地时间2014年4月15日20点，韩国仁川清海镇航运公司的一艘客货运两用渡轮“世越号”（实际载重3608吨，比维持船体复原力的987吨增加了近三倍）离开仁川港，踏上了驶往济州岛的旅程。船上当时载有包含所有船员在内的共476人，其中包括325名中学生，15名教师，30名船务人员等。此外还载有150-180辆汽车和1157吨货物。据客轮与当地VTS通讯记录及事后调查报告显示：客轮曾于2014年4月16日8时55分许发出一声巨响，随后由于船舶剧烈横摇导致集装箱等货物倒向一边。此后，船体逐渐向左倾斜并开始浸水下沉。客轮最终于当地时间4月16日13时许在韩国全罗南道珍岛郡屏风岛以北约20公里海域完全沉没。据统计，最后仅有172人获救。迄今事故已造成294人遇难，仍有10人下落不明。
经初步调查，本次事故人为差错的产生因素主要如下：（1）船员业务能力与经验不足，为试图恢复船舶平衡，实施大角度转向，致使船舶因舵效过快造成回转角度过大，直接导致船舶大幅度倾斜；（2）船员岗前与应急培训不足，致使全船人员错过最佳逃生时间；且宣布弃船后只顾自己逃生，未体现应有的职业道德；（3）船体过度改造，船舶总吨位由1994年初建时的6，586吨增加到6835吨，额定人数也从804人增加到956人（含船员）；（4）超载，且货物绑扎不牢或无绑扎，这直接导致货物位移，使得船舶稳性大大降低；（5）危机响应与应急救援机制不完善。
对该事故进行人为差错分析步骤依次为：
（1）邀请7名专家首先对问卷调查表中的事故原因进行补充，并對最终分析得到的所有原因进行打分。
取隐性原因中各因素指标评分的平均数，结果如表2所示，故而得到比较序列：
（2）为便于计算，选取标准序列为零序列：
（3）由公式（4）求出每个原因的对应的灰色关联系数；
（4）邀请专家对公式（5）的各因素权重进行主观评分，最终确定分辨系数为0.5和0.5.把步骤（3）中求取的隐性原因对应的灰色关联系数带入公式（5）得到每个隐性原因对应的灰色关联度。
（5）把步骤（4）中求得的每个隐性原因的灰色关联度进行排序。如表2所示。
由表2计算结果可知：船体结构过度改造、公司组织文化的缺失、岸基监督不充分以及货物装载与系固不当等隐性原因的灰色关联度比较小，这些原因对海上交通安全的威胁较大。而船岸间的交流以及船舶系固设备等因素的不安全影响相对较小。通过分析，预防该类事故的方案是主管机关加强对公司及其船队的安全监管力度；公司自身应着力提升自己的企业安全文化并将其有效的传达给每一位船员，严格地按照规范和规则进行操作；完善安全管理体系，并适当加强内审制度；船上管理级，尤其是作为船东代表的船长，在船上应当实行充分有效的监督杜绝管理松懈，积极培养团队精神。
4 结束语
结合HFACS模型与海上交通事故中的人为因素调查，构建HFACS-MTAI模型，将其分为隐性因素与显性因素两部分。根据模型特征，详细研究了“不安全行为的前提条件”与“不安全行为”下涵盖的各子项致因因素。结合专家主观评分法与灰色关联分析得到最终处理结果。由于专家评分法涉及人为因素较多，对于事故各致因因素的评估存在一定的偏差。希望模型能为海上交通事故预调查提供一定的支持。造成事故的显性原因一般是显而易见的，若想进一步充分探究其潜在的诸多隐性原因还需多方的共同努力。
参考文献：
[1]卜仁祥.船舶管理[M].大连：大连海事大学出版社，2011：1.
[2]冯兴耿.航海技術辩证法[M].大连：大连海事大学出版社，1995：
90.
[3]范济秋.张永平.基本安全（个人安全与社会责任）[M].北京：人民交通出版社，2012：3-6
[4]张欣欣.基于HFACS的海上交通事故原因系统分析[J].上海海事大学学报，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.，马锐译.飞行事故人的失误分析[M].北京：中国民航出版社，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]浦宝康.海上事故调查（第2版）[M].大连：大连海事大学出版社，2009：118-147.
[12]梁宝林.基于CREAM的海上交通事故人因分析[D].大连：大连海事大学，2014
[13]吴兆麟，朱军.海上交通工程[M].大连：大连海事大学出版社，
2004：200-210.
[14]刘思峰，党耀国，方志耕等.灰色系统理论及其应用[M].北京：科学出版社，2004：50-71.
