基于组合赋权的压裂作业人因失误概率研究.pdf

1958西南石油大学学报（自然科学版）2024 年 4 月 第 46 卷 第 2 期Journal of Southwest Petroleum University（Science&Technology Edition）Vol.46 No.2 Apr.2024DOI：10.11885/j.issn.1674 5086.2021.11.08.05文章编号：1674 5086（2024）02 0135 10中图分类号：TE38；X937文献标志码：A基于组合赋权的压裂作业人因失误概率研究陈 波1*，庞茜月1，樊春明2，邓 丽1，戴启平21.西南石油大学机电工程学院，四川 成都 610500；2.中油国家油气钻井装备工程技术研究中心有限公司，陕西 宝鸡 721002摘要：压裂作业强度大，环境恶劣，长时间枯燥的作业容易诱发人因失误，造成事故，分析压裂现场人因可靠性对于提升压裂作业的安全和效率具有重要意义。在考虑压裂现场情境因素影响基础上，提出了一种组合赋权模糊人因可靠性分析方法，用以评估压裂现场人因失误概率。首先，通过对压裂现场的调研分析，结合压裂作业情境环境特点，基于认知可靠性与失误分析方法（CREAM）建立了适用于评估压裂作业的一级共同绩效条件 CPC 8 个，二级 CPC 因子评估指标 36 个。其次，根据实际工况中各 CPC 对人的绩效可靠性的影响程度不同，提出以差异系数法确定线性组合系数，基于序关系法与熵权法对各项评估指标进行主客观线性组合赋权。最后，利用本文方法分析四川某页岩气压裂作业现场人因失误概率，结果表明，较一般模糊 CREAM 方法，在不同情境环境下，随着情境环境水平的下降，组合赋权模糊 CREAM 方法对 CPC 评价数据敏感度更高，人因失误概率增加，并且变化速率加快，这与现场实际工况一致，为压裂现场的人因可靠性分析和人因失误概率量化结果优化提供了参考。关键词：压裂作业；人因失误；CREAM；模糊理论；组合赋权Study on the Probability of Human Error in Fracturing OperationBased on Combined WeightingCHEN Bo1*,PANG Xiyue1,FAN Chunming2,DENG Li1,DAI Qiping21.School of Mechanical Engineering,Southwest Petroleum University,Chengdu,Sichuan 610500,China2.China National Oil and Gas Drilling Equipment Engineering and Technology Research Center Co.Ltd.,Baoji,Shaanxi 721002,ChinaAbstract:Fracturing operations are prone to accidents caused by human errors due to their high intensity and harsh operatingenvironment.Analyzing the human reliability of fracturing sites is of great significance for improving the safety and efficiencyof fracturing operations.Taking into consideration the influence of situational factors on the fracturing site,the combinedweighting fuzzy CREAM method is proposed for human reliability analysis.The common performance conditions and CPCevaluationindicators forevaluatingthehumanreliabilityoffracturing operationsareestablished accordingtotheenvironmentalcharacteristics of fracturing operation scenarios.It contains 8 first-level common performance conditions and 36 second-levelCPC evaluation indicators.Then,according to the impact of each CPC on the reliability of human performance,the variationcoefficient method is used to determine the linear combination coefficient.The objective and subjective linear combinationweighting of each CPC is carried out using the G1 and the entropy weight method.Finally,the method proposed in this paperis used to analyze the human reliability of a shale gas fracturing site in Sichuan.The results show that compared with thegeneral fuzzy CREAM method,the combined weighted fuzzy CREAM method is more sensitive to the CPC evaluation dataand the error probability is more accurate when at a low context level.With the reduction of the context level,the human errorprobability increases and the rate of change of the error probability accelerates,which is consistent with the actual workingconditions on-site.The research results provide a reference for the analysis of human reliability and the quantification resultoptimization of human error probability at the fracturing site.Keywords:fracturing operation;human error;CREAM;fuzzy theory;combination weighting网络出版地址：http：/ 波，庞茜月，樊春明，等.基于组合赋权的压裂作业人因失误概率研究J.西南石油大学学报（自然科学版），2024，46（2）：135 144.CHEN Bo,PANG Xiyue,FAN Chunming,et al.Study on the Probability of Human Error in Fracturing Operation Based on Combined WeightingJ.Journal of Southwest Petroleum University(Science&Technology Edition),2024,46(2):135144.*收稿日期：2021 11 08网络出版时间：2024 01 23通信作者：陈 波，E-mail：基金项目：国家自然科学基金（51905458）136西南石油大学学报（自然科学版）2024 年引言为保障国家能源安全，页岩气开发逐步加大，然而，超过 90%的页岩油气井，需要进行压裂、酸化等储层改造，才能获得较为理想的产能1。压裂作业是多工种、多设备及多工序的大型联合施工作业，参与施工作业人员复杂、设备繁多，压裂作业任务时间长、强度大，作业环境复杂恶劣，作业设备高压危险等特点严重影响着压裂班组成员的安全行为水平2。压裂班组成员安全行为水平的降低易引发压裂作业人因失误事故的发生，因此研究压裂作业人因失误影响因素，对压裂作业人因失误进行控制和预防，保障压裂作业安全进行具有重要的现实意义。人因可靠性分析方法根据方法建立的时间可分为 3 代，但大多数方法均是基于核工业领域人因可靠性研究发展起来的，石油工业与核工业在作业活动上存在较大不同，所以这些方法并不能直接应用于压裂作业人因可靠性分析。例如，认知可靠性与失误分析方法（Cognitive Reliability and ErrorAnalysis Method，CREAM）的行为形成因子不能完全概括压裂场景，并且缺乏针对压裂作业的具体评价指标，分析结果主观性偏差较大。同时，由于中国压裂作业尚处于起步阶段，压裂人因数据少，在进行相关人因可靠性分析时，存在数据匮乏、结果适用性差等问题。针对这些问题，不同学者也对此进行了相应研究，探索如何量化压裂作业人因失误概率，有针对性地制定相应改进措施。在压裂人因事故影响因素指标体系的构建上，田彬等以事故致因理论为基础2，从人员、环境、设备和管理 4 个方面系统地分析了压裂作业过程中人因事故的影响因素，建立了包含 4 个一级指标、18 个二级指标和 77 个三级指标的影响因素指标体系，为压裂人因事故原因分析以及预防措施的制定提供了依据。贺文章则采用事故链对页岩气水平井压裂过程进行风险辨识，将影响压裂的主要因素分为 4 个一级指标、14 个二级指标，利用模糊综合评判确定各因素的权重，以专家评判为基础建立了水平井压裂卡钻风险预测量化系统3。在压裂作业风险控制方面，田彬等提出的针对页岩气压裂作业的结构化人因失误辨识方法4，改善了传统方法在压裂场景应用中，人因失误辨识结果存在一致性、针对性、全面性不足等局限。王文红等还在此基础上结合 HTA 方法建立人因失误辨识表5，通过模糊风险评价评估出人因失误的风险等级，构建人因失误树，用以对有人员参与的工作进行系统性安全分析、事故后果预判等。文献6基于系统研究的思想提出了一种页岩气压裂作业人因失误辨识混合框架，基于 HAZOP 方法进行人为错误识别，使用模糊 VIKOR 方法对人为失误概率进行模糊排序，利用 4M 理论进行人因失误分析并控制其演变发展，该方法有效地提高了识别结果的一致性。宋毅研究了压裂作业施工过程中可能遇到的各类风险7，并研究了控制压裂风险的方法，从降低压裂风险的角度实现提高压裂的成功率和有效率。赵大卫等运用 HAZOP 分析技术对重庆某水平井分段压裂施工现场进行了风险评价，分析得到该井场作业风险因素 5 项，有针对性地提出了安全对策8。李继超从管理入手，结合某公司井下作业 HSE 风险管理现状，基于 PDAC 提出 HSE 管理体系改进方案，为石油井下修井、压裂等作业的风险识别提供了更为理想的管理系统9。在压裂人因定量化分析方面，杨远超等针对页岩气压裂班组作业模式10，在传统人因可靠性分析方法中引入班组绩效因子，该方法以个人风险评价值为基础，通过加权得出班组风险评价总值，融入量化的班组绩效形成因子（Quolity Team Per-formance Formation Factor，QTPSF），划分出班组所处风险等级，为领导层的决策提供有效依据。文献11提出一种应用 UAHP-SPA 模型的综合方法来评估压裂过程中的人因失误概率，在基于 4M 理论构建的压裂作业人因失误评价指标基础上，使用SPA 技术降低来自评估对象、评估程序、评估主体和不完整数据的认知不确定性，使用基于 SPA 的不确定性层次分析法减少指数权重优化中的不确定性，经验证，该方法比传统方法更加准确和实用。上述方法为压裂作业人因可靠性分析提供了参考，但仍存在不足。一方面，在指标体系构建上，未将压裂班组因素与其他指标进行综合考虑，忽略了班组因素在压裂作业中的重要性，导致其评价结果存在一定的局限性。另一方面，上述方法未将完整的指标体系与定量分析有效地联合起来，仅将评价指标用于存在较大主观性的定性分析中，或量化过程复杂，不能方便快捷地进行实际应用，发挥其第 2 期陈 波，等：基于组合赋权的压裂作业人因失误概率研究137评价指导作用。本文在 CREAM 方法提出的共同绩效条件（Common Performance Conditions,CPC）基础上12，根据压裂作业的特点，归纳划分压裂作业CPC 因子，构建更加贴合压裂情境、能有效指导专家评价的一级 CPC 因子 8 个，二级 CPC 评估指标36 个。基于专家打分法对各 CPC 因子组合权重进行计算，为 CPC 因子赋权并代入模糊 CREAM 方法进行人因可靠性量化计算。在实现更高精度人因可靠性定量分析的同时，还使量化结果更加贴近实际工况，组合权重还为相应改进措施的制定提供了方向和依据。1 研究方法CREAM 方法是第二代人因可靠性分析方法（Human Reliability Analysis,HRA）中的经典方法12，第二代 HRA 方法更加强调情境环境对人认知可靠性的影响作用13，CREAM 方法就认为环境特征将会影响人的认知过程进而使人的行为受到影响14，人因失误概率便取决于个体在情境环境中对自身行为的控制水平15。所以，CREAM 方法提出共同绩效条件来表征个体所处情境环境，以此对人的行为绩效可靠性进行量化评价16。CREAM 方法提供 4 种控制模式与其对应的失误概率（表 1），量化过程由专家评判完成。依据专家对 9 项 CPC的评价判断其对认知行为可靠性的影响，根据不同影响状态下的 CPC 数目与控制模式间的关系，确定当前任务情境中人的行为控制模式及对应的失误概率。表 1控制模式与失误概率Tab.1Control modes and human error probability控制模式失误概率战略型（5.0105，1.0102）战术型（1.0103，1.0101）机会型（1.0102，5.0101）混乱型（1.0101，1.0100）模糊 CREAM 方法是基于 CREAM 基本法的改进，该方法将模糊理论与 CREAM 方法相结合，利用模糊集将离散控制模式转化为连续模型，解决了CREAM 基本法离散化模型中人误概率在相邻控制模式分界附近突变以及无法实现精确定量计算的问题17。本文考虑压裂实际工况，基于 CREAM 基本法构建压裂作业 CPC 指标体系，充分考虑 CPC 因子对人的绩效可靠性影响程度不同及单一赋权的局限性，采用 G1 法与熵权法结合对 CPC 因子进行组合赋权。充分利用模糊 CREAM 方法，减小专家评判的不确定性，实现压裂作业人因失误概率精确量化，见图 1。%&()*+,-./0CPC+,-.12CPC+,-.3456CPC78$789:;78$?ACPC?AB!CDEF78G*H78GCPCIJKG1KL6KCPC!#$78CREAM图 1基于组合赋权的压裂模糊 CREAM 模型Fig.1Fuzzy CREAM model based on combined weighting2 压裂人因失误影响因素构建CREAM 方法提出的 9 种情境环境因素分别为：组织管理、工作环境、人机界面与运行支持的完善性、规程（计划）的可用性、同时出现的目标数量、可用时间、操作时间段、操作人员培训和经验的充138西南石油大学学报（自然科学版）2024 年分性、班组成员合作质量11。由于 CREAM 方法来源于核工业，而压裂作业在情境环境与任务活动上与核工业存在明显差异。压裂作业以压裂班组指挥为主导，由指挥与压裂操作工相互配合共同完成目标任务。压裂班组需要在一定的组织管理和物理环境中，依靠人 机界面获取系统信息并将其与操作规程和压裂施工设计进行反复比对判断，通过班组沟通协作完成压裂操作。走访压裂一线井场进行专家访谈调研，针对专家提出的 CREAM 中“可用时间”和“操作时间段”两种情境环境因素，其本质均是对作业任务中作业时间的评价，且大多压裂井场在作业时间段的设置上响应了国家及地区相应环保要求尽量为昼间作业，“操作时间段”因素对于压裂作业人员的影响不显著。最终参考专家建议将两种因素进行合并处理，将操作时间段纳入二级评价指标中，CPC 因子调整为 8 项，见表 2。表 2压裂作业共同绩效条件Tab.2CPCs of fracturing operatorsCPC 因子CPC 评估指标组织管理 C1资源配置 C11规章制度 C12监督机制 C13职责与权力 C14安全文化 C15工作环境 C2作业环境 C21危险及危险隔离 C22气候和地理条件 C23人机界面 C3显示系统设计 C31控制系统设计 C32显示 控制界面布局 C33工位设计 C34数字化人 机交互 C35规程（计划）C4规程/计划完善性 C41规程/计划可获取性 C42规程/计划易理解性 C43规程/计划可执行性 C44任务负荷 C5任务复杂性、新颖性 C51多项压裂任务及转换 C51数字化界面管理任务 C52同时多项事故 C53工作时间 C6判断、决策时间 C61执行指令时间 C62任务完成时间 C63事故处理时间 C64作业时间段 C65培训和经验 C7规范性和实用性 C71领导重视程度和员工积极性 C72培训教育实践频率 C73安全绩效考核与奖惩 C74班组成员合作 C8成员生理心理因素、家庭和社会因素 C81成员认知、经验和技能 C82工作态度 C83合作协调程度 C84沟通交流质量 C85压裂班组氛围 C86考虑 CREAM 方法 CPC 因子无明确的评价标准描述，在实际应用中容易存在主观理解偏差，本文采用二级指标结构对 CPC 进行细化分解，确定了CPC 评价指标，增强了评价体系的可用性。3 压裂人因失误影响因素量化3.1 压裂作业 CPC 评价综合考虑压裂现场情况及压裂人因数据匮乏问题，选用专家评判方式，量化压裂作业情境环境下各 CPC 状态对人认知行为产生的影响程度。为了简化 CPC 评价过程，将 CPC 评价状态划分为 5 个等级：严重降低、降低、不明显、提高和显著提高，见表 3。CPC 的专家综合评分值取多位专家对单个CPC 评估指标评分结果的算术平均值。表 3共同绩效条件状态分值划分Tab.3State score division of behavior formation factors等级状态 分值描述严重降低0CPC 指标当前状态严重影响压裂班组作业人员的正常工作，导致其行为水平严重下降降低25CPC 指标当前状态能够导致压裂班组作业人员的行为水平下降，但这种影响并不严重不明显50CPC 指标当前状态对压裂班组的行为水平没有明显影响提高75CPC 指标当前状态对压裂班组作业人员的行为水平具有提高作用，但提高程度不高显著提高 100CPC 指标当前状态能够显著提高压裂班组作业人员的行为水平3.2 压裂作业 CPC 组合赋权实际压裂作业工况下，各 CPC 因子对作业人员行为的影响程度不同，可通过 CPC 因子的权重来体现各指标项对压裂系统安全和班组绩效影响的程度和贡献地位。目前使用比较广泛的权重赋分方法主要有主观赋权法、客观赋权法和组合赋权法，本文综合考虑专家评价和信息因素提出主客观结合的方式为 CPC 因子赋权。组合赋权基于系统分析的思想，既兼备决策者经验性的优势，又能够尽量降低专家评判的主观性，赋权结果更为客观准确18。本文利用线性加权的方式进行组合，利用差异系数法确定线性加权系数，最终得到压裂作业 CPC 因子的权重集，既避免了序关系分析法（G1 法）19的主观性，又克服了熵权法的客观性。主观赋权方法选用 G1 法，根据专家经验确定CPC 因子重要程度排序，通过对评价指标相对重第 2 期陈 波，等：基于组合赋权的压裂作业人因失误概率研究139要程度的比较，最终得出各评价指标的主观权重系数。3.2.1 G1 法以一级 CPC 因子 C1,C2,Cn 为例，专家对CPC 因子从最重要到不重要进行排序，得到新的CPC 因子序列 o1,o2,on。专家还需对新序列中相邻 CPC 因子间的相对重要性进行评价，得到r2,r3,rn。由式（1）可得到最不重要的 CPC 因子 on的主观权重系数 wan，其他 CPC 因子的主观权重系数 wak由式（2）计算wan=(1+nk=2nd=krd)1(1)wak=rk+1wak+1(2)将 G1 法得到的新序列 CPC 主观权重系数 wak，按 CPC 因子 C1到 Cn的顺序整理记为压裂作业CPC 因子的主观权重向量 w w waw w wa=(wa1,wa2,wan)(3)3.2.2 熵权法以信息熵理论为基础，运用熵权法计算各 CPC评估指标所提供的信息量大小，以此判断其在综合评价中所起作用大小，即各 CPC 评估指标的客观权重20。同样以一级 CPC 因子 C1,C2,Cn 为例，对各项因子的分值依据式（3）进行归一化处理，得到第 i 个 CPC 因子下第 j 个评价值的比重 gijgij=uijmt=1uit(4)依据标准化处理结果，可确定第 i 个 CPC 因子熵值 ei21ei=1lnmmj=1gijlngij(5)依据 CPC 因子的熵值 ei，计算第 i 个 CPC 因子的客观权重 wbiwbi=1 eini=1(1 ei)(6)将计算结果记为压裂作业 CPC 因子的客观权重向量 w w wbw w wb=(wb1,wb2,wbn)(7)将 CPC 主观权重与客观权重代入式（8）可得到压裂作业 CPC 因子的组合权重wi=wai+wbi=nn 1(2nni=1iwain+1n)=1 (8)将通过组合赋权方法得到的压裂作业 CPC 因子权重向量记为 w w ww w w=(w1,w2,wn)(9)4 压裂作业人因可靠性概率量化CREAM 方法将人的认知行为过程通过控制模式来表示，将情境环境通过 CPC 来进行表征。因此，模糊 CREAM 方法要实现人因失误概率定量计算，一方面，需要建立压裂作业 CPC 因子与控制模式之间的映射关系；另一方面，需要建立控制模式与人因失误概率之间的映射关系。4.1 模糊处理依据压裂现场实际工况，选用正态分布函数来描述情境环境，使用高斯隶属度函数 f 进行模糊化处理21 22f(x)=e(x)222(10)根据表 2，分析相关数据资料，拟合确定参数的取值23，构造高斯隶属度函数。以 CPC 中的“沟通交流质量”因子为例，依据式（11）构造 4 种 CPC 评价水平的高斯隶属度函数 f1、f2、f3和 f4作为“沟通交流质量”的隶属度函数f1(x)=ex22182,x 0,30f2(x)=e(x40)22182,x 10,70f3(x)=e(x60)22182,x 30,90f4(x)=e(x100)22182,x 70,100(11)为增强集合置信度，“沟通交流质量”隶属度函数在隶属度为 0.25 处进行了截断，其曲线如图 2所示。CREAM 方法将人的控制模式划分为“混乱型”“机会型”“战术型”和“战略型”等 4 种类型，每种控制模式都对应相应的失误概率区间（表 1）。由于相邻的控制模式间的失误概率区间存在重叠，导致重叠区间所属控制模式存在不确定性，为此，引入模糊数学方法解决这种固有的不确定性。由于失误概率区间小，为了便于计算，对失误概率区间端140西南石油大学学报（自然科学版）2024 年点取以 10 为底的对数，将其代入式（10）拟合构建控制模式隶属度函数，见式（12）和式（13）。!f1f2f3f400.20.40.60.81.0#$%204060801000图 2“沟通交流质量”隶属度函数曲线Fig.2Membership function curve of communication qualityp=lghep(12)Z1(p)=ep(0.5)220.32,p 1.0,0Z2(p)=ep(1.15)220.512,p 2.0,0.3Z3(p)=ep(2)220.62,p 3.0,1.0Z4(p)=ep(3.5)220.92,p 5.0,2.0(13)控制模式的隶属度函数曲线如图 3 所示，为了增强集合置信度，对控制模式的隶属度函数在隶属度为 0.25 处进行截断。00.20.40.60.81.0-5-4-3-2-1!#$%Z1Z2Z3Z40图 3控制模式隶属度函数曲线Fig.3Membership function curve of control modes4.2 模糊计算将各 CPC 专家综合评分值代入式（11）进行模糊计算，得到 CPC 评价指标的隶属度矩阵(il)n4=1112131421222324.n1n2n3n4(14)采用式（15）对各项 CPC 评价指标隶属于第 l 类CPC 评价水平的程度进行加权求和，计算可得到“混乱型”“机会型”“战术型”和“战略型”等 4 种控制模式对应隶属度 Z1，Z2，Z3和 Z4Zl=ni=1wiil,l=1,2,3,4(15)4.3 去模糊化在不同的控制模式中，人的行为特点是不同的，所可能发生的人因失误概率也具有差异性。从表 1可知，人的控制模式与人因失误概率区间是一一对应的。为了准确计算压裂班组的人因失误概率值，需要对控制模式隶属度进行去模糊化处理，找到最具代表性的模糊集合的单值。考虑最大隶属函数法使用最大点的平均值，会存在较大的结果误差，本文选择重心法21 22，基于式（13）进行去模糊化处理并计算人因失误概率的精确值，压裂班组人因失误概率的计算公式为hep=ZlpdpZldp(16)5 合理性分析和比较根据 Markatos24总结的方法有效性条件，以及王宁25的模型验证的基本公理，本文将从评分数据敏感性和权重敏感性两个方面对方法进行敏感性分析，以此验证方法的合理性。5.1 情境环境设定在对压裂作业相关人因失误事故进行广泛搜集，对相关人因失误事故资料进行充分分析的基础上，设计了 36 组分别与 36 项 CPC 评估指标相对应的问卷题目作为现场调研评价工具。实地调研四川省某压裂作业现场，由该压裂现场 5 名具有压裂作业安全管理及相关工作经验的压裂作业人员、施工管理人员以及高校相关领域研究人员组成压裂作业CPC 因子评分专家小组，对该压裂作业现场操作人员在正常作业下的任务行为进行指标评价，评价结果如表 4 所示。调研所得评分记为初始评分即对照组，以初始评分为基础，设置了 4 组对比评分。对比组在保证组合权重不变的基础上对各 CPC 因子进行负向调节，除 C54中专家评分存在 0 分的 CPC 因子保持不变外，其余 CPC 因子进行每次 5 分的降分处理。最终所得实地调研评价分数以及所设置的 4 组对比评价分数情况如表 4 所示。第 2 期陈 波，等：基于组合赋权的压裂作业人因失误概率研究141表 4压裂系统情境环境评分设定表Tab.4Fracturing system contextual environment score setting tableCPC初始评分评分 1评分 2评分 3评分 4CPC初始评分评分 1评分 2评分 3评分 4C1110095908580C523030303030C129085807570C537570656055C139590858075C5400000C148580757065C617065605550C157570656055C626055504540C217065605550C636560555045C228580757065C646560555045C236560555045C651515151515C317570656055C717570656055C328580757065C729590858075C337065605550C738580757065C348075706560C749085807570C359085807570C814035302520C418580757065C826560555045C428075706560C836055504540C439085807570C846560555045C449590858075C858075706560C513530252015C8680757065605.2 组合权重确定组合权重确定方式如下：现场邀请专家组对CPC 因子进行序关系排列及相邻 CPC 因子相对重要程度打分。将所得 CPC 专家评分结果、CPC 序关系结果和CPC相对重要性比值按照式（1）式（9）计算，得到压裂作业 CPC 因子的组合权重结果，并以该权重结果为初始权重，设置 2 组对比权重以验证方法的权重敏感性。进行权重变化的 CPC 因子为C22、C35、C43、C44、C54、C72和 C74，具体设置情况如表 5 所示。表 5压裂系统情境环境权重设定表Tab.5Fracturing system contextual environment weight setting tableCPC评分CPC 权重CPC评分CPC 权重初始权重权重 1权重 2初始权重权重 1权重 2C111000.007 00.007 00.007 0C52300.066 40.066 40.066 4C12900.008 80.008 80.008 8C53750.017 30.017 30.017 3C13950.006 30.006 30.006 3C5400.123 80.063 80.183 8C14850.012 20.012 20.012 2C61700.036 00.036 00.036 0C15750.018 60.018 60.018 6C62600.034 60.034 60.034 6C21700.023 40.023 40.023 4C63650.027 10.027 10.027 1C22850.016 30.026 30.006 3C64650.030 80.030 80.030 8C23650.027 80.027 80.027 8C65150.083 60.083 60.083 6C31750.021 00.021 00.021 0C71750.024 10.024 10.024 1C32850.024 80.024 80.024 8C72950.012 20.022 20.002 2C33700.024 80.024 80.024 8C73850.013 50.013 50.013 5C34800.017 20.017 20.017 2C74900.010 90.020 90.000 9C35900.014 60.024 60.004 6C81400.052 10.052 10.052 1C41850.014 80.014 80.014 8C82650.033 40.033 40.033 4C42800.020 00.020 00.020 0C83600.034 10.034 10.034 1C43900.016 90.026 90.006 9C84650.026 50.026 50.026 5C44950.014 30.024 30.004 3C85800.014 50.014 50.014 5C51350.055 80.055 80.055 8C86800.014 50.014 50.014 55.3 CPC 评分敏感性分析结合表4的5种情境评分值，分别采用CREAM基本法、一般模糊 CREAM 方法与初始权重下的组合赋权模糊 CREAM 方法进行人因失误概率定量计算，具体结果见表 6。模糊 CREAM 方法较传统CREAM 方法实现了由区间到定量的人因失误概率量化转变，提高了计算精度。同时，模糊 CREAM人因失误概率计算结果能更灵敏地反映输入数据的变化。如图 4 所示，随着压裂系统情境环境评分降低，对应压裂系统情境环境逐渐恶化，压裂人因失误概率也逐渐增大，这与实际情况相符。同时，可以看出，采用组合赋权模糊 CREAM 方法得到的人因失误概率 hep3较采用模糊 CREAM 方法得到的人因失误概率 hep2总是处于更高水平；在等量评分142西南石油大学学报（自然科学版）2024 年变化情况下，hep3涨幅也始终高于 hep2，且涨幅均逐步增大，针对两种方法计算的人因失误概率变化情况，依据专家评判 hep3变化情况更加贴合压裂实际工况。以上分析表明，组合赋权模糊 CREAM 方法具有良好的评分数据敏感性。表 6不同评分下压裂作业人因失误概率表Tab.6Probability table of human error in fracturing operationunder different scores评分分类hep1/%hep2/%hep3/%初始评分（5.0105,1.0102）0.170.42评分 1（5.0105,1.0102）0.270.68评分 2（1.0103,1.0101）0.471.02评分 3（1.0103,1.0101）0.781.48评分 4（1.0103,1.0101）1.232.0400.40.81.21.62.0%&1(%&)*+,-./%&2%&3%&4!#$%&(CREAM!#$CREAM%&/图 4不同评分下压裂作业人因失误概率折线图Fig.4Line chart of human error probability of fracturing operatorsunder different scores5.4 CPC 权重敏感性分析以初始评分为基础，分别在表 5 所设定的 3 种权重下进行人因失误概率定量计算，3 种权重下的人因失误概率分别为 0.42%、0.32%和 0.62%。由表 5 可知，进行权重变化的 CPC 除 C54评分值为 0外，剩余 CPC 因子评分值均大于等于 85 处于较高水平。在表 5 权重 1 中，C54权重相对初始权重减小 6%，剩余变化的 CPC 因子权重均增加 1%，权重1 下的人因失误概率较初始权重下的人因失误概率产生小幅下降，且变化幅度较为合理。在表 5 的权重 2 中，C54权重相对初始权重增大 6%，剩余变化的 CPC 因子权重均减小 1%，权重 2 下的人因失误概率较初始权重下的人因失误概率产生小幅上升，且变化幅度较为合理。以上对比表明，CPC 因子组合权重影响人因失误概率结果，本方法具有良好的权重敏感性。6 结论1）使用 CPC 因子对压裂班组人因失误影响因素进行综合表征，采用二级指标结构构建 CPC，明确压裂作业 CPC 因子评价标准，增强了评价指标的可用性。构建了 8 个一级 CPC 因子、36 个二级 CPC评估指标，为压裂作业人因可靠性量化分析提供了全面、规范的压裂作业人因失误影响因素。2）充分考虑不同 CPC 因子对压裂班组行为的影响程度，结合主观赋权法和客观赋权法的优点，采用 G1 熵权法组合的形式确定 CPC 因子指标的权重系数。组合赋权法得到的评价结果更加客观合理、准确可靠，同时为压裂作业人因可靠性改进措施的制定提供了方向和依据。3）通过对比一般模糊 CREAM 和组合赋权下模糊 CREAM 方法的人因失误概率计算结果，发现组合赋权下的模糊 CREAM 方法敏感性增强，表明组合赋权的可行有效。4）研究过程还有待改进，如为简化模糊量化，将隶属函数统一设定为高斯函数，与实际工况存在偏差。因此，建立与每个 CPC 相匹配的隶属函数是后续研究可优化的问题。符号说明C1，C2，Cn第1个，第2个，第n个CPC因子；Cij第