2. 中国船舶科学研究中心, 江苏 无锡 214082
2. China Ship Scientific Research Center, Wuxi 214082, China
载人潜器驾驶舱是面向特殊使用对象的产品,是驾驶员执行海底任务的工作休息场所和维系安全的特定保障系统。其设计不仅要求能为驾驶员提供清晰全面的信息,准确判断并快速执行决策的操纵方式,而且还必须考虑人自身的各项因素以及环境的影响。若缺乏人机的合理考虑,则会产生影响驾驶安全、工作状态和威胁驾驶员身心健康等重大问题。为了提高载人潜水器驾驶舱的设计水平、提升驾驶员的工作效率、安全可靠性和舒适性,进行驾驶舱人机工效评估是设计驾驶舱不可缺少的重要环节之一。
对于载人潜器驾驶舱人机工效评估,国内外相差不大,其研究起始于航空航天领域,并向其他产品领域迅速扩展。Cem Alppay等[1]提出以人为中心,运用UCIAM方法解决民用直升飞机中的飞行仪表版的排列布局问题;H.Ciloglu等[2]通过实验方法,研究3种飞行环境下客机经济舱座椅的舒适性;李博等[3]提出了基于虚拟人体模型参数作为人机工效设计解空间的参数获取方法;宗立成等[4]提出基于遗传算法的舱内人-机界面人机工效设计方案计算智能求解方法;葛哲学等[5]通过JACK软件进行仿真,对舱内人机工效的舒适性、视域、可达域等工效进行评价,并提出修改意见。
由此可见,目前的驾驶舱人机工效评估多从人的角度出发,对舱内设备还有环境进行评估,忽略了特殊环境对人心理和生理的影响。为尽可能客观、科学合理反映设计实际情况,本文在已有研究理论和方法的基础上,综合考虑上述两方面因素,提出新的人机工效评估模型,有效考虑到人的身体特征对舱内设备和环境的约束以及设备和环境对人的影响,构建了比较完整的驾驶舱人机工效评估系统,开发了可精确测量和计算的数字化评估软件。
1 驾驶舱数学评估模型构建完整的驾驶舱数学评估模型应综合考虑人机交互性能和人因失效概率,因此,构建数学模型如下:
$ H\left(x \right)=P\left(x \right)- CFP \text{。} $ | (1) |
依据最终评价目标和实际设计目标,并结合工业设计理论知识和已有设计评价指标准则[7, 8, 9],将影响作业绩效指数的因素主要确定为4个方面:整体造型、舱内设备、舱内色彩、舱内照明。根据实际设计的需求以及设计所需考虑的重点因素,将各项指标细化,构建载人潜水器驾驶舱作业绩效指数确定体系,如图 1所示。为了平衡不同属性、不同量纲的评估指标在综合评估中的影响,本文根据驾驶舱的实际需求,将底层指标具体描述,并且从主观和客观2个角度细化指标量化以保证统一性。
作业绩效指数P(x)由主观评估φ(x)和客观评估ψ(x)构成,表达式为:
$ P\left(x \right){\rm{ }}=\alpha \varphi {\rm{ }}\left(x \right)+\beta \psi \left(x \right)\text{。} $ | (2) |
1)主观指标量化
依据G·Miller“7±2”认知理论[10]将主观评估结果分成“5级”和“2级”进行描述和量化,由具体评估指标决定采用的评价等级,评估结果的具体量化方法如表 1所示。
由于每项指标对总体主观评估结果的贡献度不一,因此,还需确定每项评估指标的权重wi,利用加权法计算主观评估结果:
$ \varphi \left(x \right)={w_i}f\left({{x_i}} \right)\text{。} $ | (3) |
2)客观指标量化
将底层客观评估指标分为成本型、效益型、固定型、区间型、偏离型和偏离区间型6种属性。效益型属性是指属性值越大越好的属性,成本型属性是指属性值越小越好的属性,固定型属性是指属性值接近某个固定值越好的属性,区间型属性是指属性值越接近某个固定区间(包括落入该区间)越好的属性,偏离型属性是指属性值越偏离某个固定值越好的属性,而偏离区间型属性是指属性值越偏离某区间越好的属性[11]。依据实际设计需求以及人体尺寸数据等信息对各指标进行细化,区分各细化指标的属性信息如表 2所示,建立相对应的量化函数。
各属性的量化方法如下:
$ {f_{{\rm{cost}}}}=\frac{{5({x_j}-p)}}{{q-p}}+5\text{,} $ | (4) |
$ {f_{{\rm{benifit}}}}=\frac{{5({x_j}-q)}}{{p-q}}+5\text{,} $ | (5) |
$ {f_{{\rm{benifit}}}}=\left\{ {\begin{array}{*{20}{c}} {\displaystyle\frac{{5({x_j}-a)}}{{a-q}}+10}\text{,} {{x_j} < a}\text{;}\\[6pt] {10}\text{,} {{x_j}=a}\text{;}\\[2pt] {\displaystyle\frac{{5({x_j}-a)}}{{a-p}}+10}\text{,} {{x_j} > a}\text{。} \end{array}} \right. $ | (6) |
$ {f_{\rm {region}}}=\left\{ {\begin{array}{*{20}{c}} {\displaystyle\frac{{5\left({{x_j}-c} \right)}}{{c-q}}+10}\text{,} {{x_j} < c}\text{;}\\[6pt] {10}\text{,} {{x_j} \in \left({c,d} \right)}\text{;}\\[2pt] {\displaystyle\frac{{5\left({{x_j}-d} \right)}}{{d-p}}+10}\text{,} {{x_j} > d}\text{。} \end{array}} \right. $ | (7) |
$ {f_{\rm{deviation}}}=\left\{ {\begin{array}{*{20}{c}} {\displaystyle\frac{{5\left({{x_j}-b} \right)}}{{q-b}}+10}\text{,} {{x_j} < b}\text{;}\\[6pt] 0\text{,} {{x_j}=b}\text{;}\\[2pt] {\displaystyle\frac{{5\left({{x_j}-b} \right)}}{{p-b}}+10}\text{,} {{x_j} > b}\text{。} \end{array}} \right. $ | (8) |
$ {f_{\rm{deregion}}}=\left\{ {\begin{array}{*{20}{c}} {\displaystyle\frac{{5\left({{x_j}-e} \right)}}{{q-e}}+5}\text{,} {{x_j} > e}\text{;}\\[6pt] 0\text{,} {{x_j} \in \left[{e,f} \right]}\text{;}\\[2pt] {\displaystyle\frac{{5\left({{x_j}-f} \right)}}{{p-f}}+5}\text{,} {{x_j} < f}\text{。} \end{array}} \right. $ | (9) |
在各式中,p和q分别为取值的上下限,a为固定型属性的固定值,b为偏离型属性的偏离值,[c,d]为区间型属性的区间大小,[e,f]为偏离区间型属性的区间大小。为保证与主观量化数值范围一致,以5作为量化数值的分界点,最优值为10,最差值为0。
wj(j=1,2,…,n)为各客观评估指标量化结果f(xj)对应的权重值,则驾驶舱客观评估结果ψ(x)表达式为:
$ \psi \left(x \right)={w_j}f\left({{x_j}} \right)\text{。} $ | (10) |
3)权重计算
运用EM[12]法进行每项指标的权重计算,具体操作步骤如下:
设n个评价指标m个方案的决策矩阵为
$ { X}=\left[{\begin{array}{*{20}{c}} {{x_{11}}}& {{x_{12}}}& \cdots & {{x_{1n}}}\\ {{x_{21}}}& {{x_{22}}}& \cdots & {{x_{2n}}}\\ \vdots & \vdots & \vdots & \vdots \\ {{x_{m1}}}& {{x_{m2}}}& \cdots & {{x_{mn}}} \end{array}} \right] \text{。} $ | (11) |
计算出第j个评价指标下第i个方案的比重:
$ {p_{ij}} \!=\! {x_{ij}}/\!\sum\limits_{i \!=\! 1}^m {{x_{ij}},\left({i \!=\! 1,2,3,\!\ldots,m;j \!=\! 1,2,3,\!\ldots,n} \right)} \text{。} $ | (12) |
计算出第j项指标下的熵值:
$ {e_j}=- \frac{1}{{\ln m}}\sum\limits_{i=1}^m {{p_{ij}}\ln {p_{ij}},0 \leqslant {e_j}} \leqslant 1 \text{。} $ | (13) |
计算第j项指标的差异化系数:
$ {g_j}=\left({1-{e_j}} \right)/\left({m-\sum\limits_{i=1}^m {{e_j}} } \right)\text{。} $ | (14) |
则第i类指标权重值为:
$ {w_i}={g_j}/\sum\limits_{j=1}^n {{g_j}} \text{。} $ | (15) |
本文拟在CREAM[13, 14]方法的基础上建立人因失效概率预测模型。CREAM方法是第2代人因可靠性分析方法中的一种代表性方法,其核心思想是人的行为并不是孤立的、随机的,而是在很大程度上由完成任务时所处环境决定的。将环境因素总结为共同绩效条件(CPC),给出CPC水平对于绩效可靠性的期望效应,由CPC因子水平的综合,确定人完成该任务的认知控制模式,也就基本决定了失效概率[15]。
1)CPC水平对绩效可靠性的期望效应量化
通过对CPC进行评价处理来实现对情景环境的量化。记单个CPC的分值为Sk,改进作用分值为1,降低作用分值为-1,不显著分值为0。即
$ {S_k}=\left\{ {\begin{array}{*{20}{c}} 1\text{,}& \text{改进}\text{;}\\ 0\text{,}& \text{不显著}\text{;}\\ {-1}\text{,} & \text{降低}\text{。} \end{array}} \right. $ | (16) |
传统的方法由改进因子分数总和及降低因子分数总和确定控制模式[13],进而确定最终失效概率,但是这种方法存在一定缺陷。本文设定变量M为改进总分值,N为降低总分值,同时根据情景环境,由专家或技术人员对9种CPC因子的水平进行评价,确定每个CPC因子的重要程度,记为wk。则得到:
$ M=\sum\limits_{k=1}^9 {{\omega _k} \times {S_k}\text{,}\left({{S_k}=1,k=1,2,\ldots,9} \right)} \text{,} $ | (17) |
$ N=\sum\limits_{k=1}^9 {{\omega _k} \times {S_k}\text{,}\left({{S_k}=- 1,k=1,2,\ldots,9} \right)} \text{。} $ | (18) |
2)预测失效概率
将驾驶员所处任务环境因素(CPC)分为对人因可靠度影响起改进作用和起降低作用两大类,得到对应的CFP值。其中,第一类记为CFPM,只考虑起改进作用的环境因素;第二类记为CFPN,只考虑其降低作用的环境因素。另外确定CFP0,即所有因素的影响都为不显著。得
$ CF{P_M}=CF{P_0} \times {10^{{k_1}M}} \text{,} $ | (19) |
$ CF{P_N}=CF{P_0} \times {10^{{k_2}M}} \text{。} $ | (20) |
$ CFP=(CF{P_M}-CF{P_0})+(CF{P_N}-CF{P_0})+\\[6pt] CF{P_0}=CF{P_M}+CF{P_N}-CF{P_0}\text{。} $ | (21) |
其中,CFP0为由认知功能失效模式与失效概率基本值[13]表格计算出的失效概率的平均值,即0.022 7。另外,查询共同绩效条件和绩效可靠性[13]表格得到M的最大值为7/9,N的最小值为-1。由控制模式与失效概率区间[13]表格以及控制模式与CPC对应关系图[13]可知,M取最大值时,CFPM最小值为0.000 05,N取最小值时,CFPN最大值为1。代入式(19)~式(20)得:
$ {k_1}=- 3.42,{k_2}=- 1.64\text{。} $ | (22) |
因此
$ CFP=0.022\,\,7 \times \left({{{10}^{-3.42M}}+{{10}^{-1.64N}}-1} \right)\text{。} $ | (23) |
以UG8.0为开发平台,编程环境采用Visual C++6.0,数据库采用Acess2010,基于Windows操作系统进行二次开发[16]。
根据载人潜器驾驶舱评估模型创建程序菜单,构建程序框架,并依据各项评估指标建立交互式评估对话框。驾驶舱人机工效评估系统包括三大功能模块,即作业绩效指数,人因失效概率预测以及评估结果。为避免由菜单级数过多而造成的操作繁杂,将二级评价指标作为底层菜单,采用交互式对话框实现各细化指标的评估,该对话框采用折叠式设计,条理清晰,避免了不必要因素的干扰,便于评估人员高效完成评估。人机工效评估模块展开功能列表如图 3所示,设备布局工效主、客观评估以及人因失效概率预测对话框如图 4所示。
在Microsoft Access中建立数据库,在Visual C++中通过ADO(Active Data Objects)数据库访问技术访问数据源,定义Connection对象变量建立数据库链接,使用Recordset执行存储过程,实现各细化指标的测量值、评价值、量化值以及权重值的写入,以保证评估结果的可追溯性,便于查找设计的不足之处以作改进。
3 实例验证本文以某载人潜水器驾驶舱设计为例。利用UG建立该驾驶舱三维模型。图 5分别为利用UG软件测量座椅距离工作台的距离以及显示面板的角度。通过测量,在交互式评估对话框中输入测量结果。客观评估的其他指标测量值也依此方法获得。部分测量值量化结果如表 3所示。
通过潜水器设计专家,设计师及有经验的驾驶员或者观察员根据驾驶舱的实际情况,在交互式评估界面中对主观评估指标进行打分(部分结果见表 4),并且对人因失效预测界面中的九项因素进行评估(见表 5),得到载人潜器驾驶舱的综合评估结果如表 6所示。系统显示如图 6所示。
由综合评估公式计算出综合评估结果是8.14,得知该潜水器驾驶舱的设计达到良好水平。通过查询数据表格,可获得没有达到良好水平的评估指标,以及容易导致失效事件产生的因素,可依此对舱内人机工效设计做出适当改进。例如在作业绩效指数评估方面,保证显示面板等其他装置的合理空间的前提下可以适当提高控制台的高度,降低地板的高度等;针对显示屏幕增多,操作方式向触屏化发展等因素,可以将重要的显示装置放置在驾驶员的舒适视野范围内,并且对显示参数的数量进行适当优化,同时,需要对驾驶员进行培训,以适应操作方式的变化,减少操作失误的发生。
4 结 语本文从人机工程学角度出发,建立驾驶舱评估模型。通过对影响作业绩效指数的因素进行分析,将各项评估指标量化,使得评价结果更加全面和精确;同时,考虑特殊环境对人心理和生理的影响,对由此可能引发的操作失效概率进行了预测,综合两方面因素得到驾驶舱的综合评估值,从而由评估结果对驾驶舱的人机工效设计进行适当优化,对提升载人潜器驾驶舱人机工效设计效率及提高设计水平具有重要意义。本方法还可应用于其他载人空间人机工效评估实践中。但是,由于目前对载人潜器的失误事件研究较少,失效数据的收集不够全面,并且因为人机界面的变化,利用传统的人误模型来进行失效概率预测存在一定缺陷,在后续工作中需要对此进行深入研究。
[1] | ALPPAY C, BAYAZIT N. An ergonomics based design research method for the arrangement of helicopter flight instrument panels[J]. Applied Ergonomics, 2015, 51:85-101. |
[2] | CILOGLU H, ALZIADEH M, MOHANY A, et al. Assessment of the whole body vibration exposure and the dynamic seat comfort in passenger aircraft[J]. International Journal of Industrial Ergonomics, 2015, 45:116-123. |
[3] | 李博, 吉晓民, 陈登凯, 等. 多约束下的载人潜器舱内计算机辅助工效设计系统研究[J]. 图学学报, 2014, 35(8):553-562. |
[4] | 宗力成, 叶聪, 余隋怀, 等. 载人潜水器舱室设备智能布局设计方法研究[J]. 中国造船, 2013, 54(3):147-153. |
[5] | 葛哲学, 吴福章, 罗旭, 等. 面向航天虚拟操作分析的航天员人体建模与姿态仿真技术[J]. 航天医学与医学工程, 2012, 25(5):359-362. |
[6] | 李鹏程, 陈国华, 张力, 等. 人因可靠性分析技术的研究进展与发展趋势[J]. 原子能科学技术, 2011, 45(3):329-340. |
[7] | VINK P, BAZLEY C, KAMP I, et al. Possibilities to improve the aircraft interior comfort experience[J]. Applied ergonomics, 2012, 43(2):354-359. |
[8] | 谢庆森, 黄艳群. 人机工程学(2版)[M].. 北京:中国建筑工业出版社, 2009. |
[9] | 范文, 余隋怀, 刘国昌, 等. 战斗机座舱人机工效评价方法研究[J]. 计算机工程与应用, 2014, 51(6):231-234. |
[10] | 陈玉, 颜声远. 基于人机工程的船舶驾驶室设计评估[J]. 船舶工程, 2013, 35(1):85-88. |
[11] | 王胜本, 赵黎明, 元继学. 模糊决策中常用的规范化方法[J]. 天津大学学报(社会科学版), 2008, 10(4):294-297. |
[12] | 李正, 苟秉宸, 杨延璞. 基于Fuzzy-EM的应急通信车舱内环境设计评价研究[J]. 制造业自动化, 2012, 34(11):75-78. |
[13] | HOLLNAGEL E. Cognitive reliability and error analysis method[M]. Oxford (UK):Elsevier Science Ltd, 1998. |
[14] | FUJITA Y, HOLLNAGEL E. Failures without errors:quantification of context in HRA[J]. Reliability Engineering & System Safety, 2004, 83(2):145-151. |
[15] | 廖斌, 杨琴, 鲁茂, 等. 基于CREAM方法的人因失效概率预测模型研究[J]. 中国安全生产科学技术, 2012, 8(7):46-50. |
[16] | 周临震, 李青祝, 秦珂. 基于UG NX系统的二次开发[M]. 镇江:江苏大学出版社, 2012. |