Вероятность совершения ошибочных действий оперативным персоналом АЭС: роль длительности и интенсивности рабочей нагрузки

Аннотация

Актуальность. Для обоснования оценки надежности оперативного персонала атомной электростанции (АЭС) в условиях возрастающей нагрузки необходимо конкретизировать существующие общие закономерности динамики функционального состояния в зависимости от рабочей и сенсорной нагрузки применительно к специфике труда оператора АЭС.

Цель. Определение особенностей влияния психофизиологической надежности на вероятность ошибок оперативного персонала АЭС.

Выборка. Оперативный персонал блочного пульта управления АЭС в количестве 40 человек (мужчины).

Методы. Методы оценки показателей функционального состояния с использованием аппаратно-программного комплекса ЭСМО. Анализ табеля рабочего времени. Анализ информации о количестве общих, рабочих и аварийных сигналов в течение смен. Методы статистического анализа данных с использованием статистического пакета Statistica v.13 и электронных таблиц Excel: вычисление описательных статистик, оценка закона распределения признаков, стандартизация данных; ANOVA с post-hoc анализом (η2p, Tukey HSD).

Результаты. Установлено, что вероятность ошибок оперативного персонала оказалась более тесно взаимосвязанной с показателями, отражающими функциональное состояние, чем с характеристиками рабочей нагрузки. Из них вероятность пропуска сигнала более тесно взаимосвязана с показателями состояний и влиянием сенсорной нагрузки, вероятность ошибочного действия — и с функциональным состоянием, и с большим количеством факторов рабочей нагрузки. Установлено также влияние уровня сенсорной нагрузки на функциональное состояние оператора. Низкий уровень сенсорной нагрузки позволяет поддерживать оптимальные показатели времени реакции и адаптации к трудовой деятельности до 5 рабочих дней, средний уровень — сокращает длительность периода оптимальной работоспособности, высокая сенсорная нагрузка вызывает избыточную активацию и рост психической напряженности уже в первый рабочий день.

Выводы. Установлено, что четыре непрерывных рабочих дня подряд являются критической длительностью непрерывной работы, не сказывающейся на функциональном состоянии оператора. С пятого дня накопленное утомление существенно влияет на скоростные показатели реакции, а главное — на степень сознательного контроля реакции, а к восьмому дню компенсаторные функциональные резервы истощаются. Отдельной линией будущих исследований является анализ влияния отработанных в лабораториях психофизиологического обеспечения АЭС методов психологической и психофизиологической поддержки функциональной надежности работников.

Литература

Анохин, П.К. (1973). Принципиальные вопросы общей теории функциональных систем. Москва: Изд-во «Наука».

Бодров, В.А. (2009). Профессиональное утомление: Фундаментальные и прикладные проблемы. Москва: Изд-во Института психологии РАН.

Бодров, В.А., Орлов, В.Я. (1998). Психология и надежность: человек в системах управления техникой. Москва: Изд-во Института психологии РАН.

Захаров, A.B., Мороз, М.П., Перелыгин, B.B. (1988). Оценка работоспособности операторов с помощью статистических характеристик простой зрительно-моторной реакции. Военно-медицинский журнал, (1), 53–56.

Зибарев, Е.В., Бухтияров, И.В., Сериков, В.В., Калинина, С.А., Меркулова, А.Г. (2020). Оценка сенсорных нагрузок у пилотов воздушных судов гражданской авиации. Медицина труда и промышленная экология, (7), 435–442. https://doi.org/10.31089/1026-9428-2020-60-7-435-442

Капцов, В.А., Кузьмин, В.А. (2015). Состояние основных жизнеобеспечивающих систем машинистов в зависимости от условий и факторов поездной работы. Гигиена и санитария, (4), 36–39.

Козлов, В.В. (2024). Деятельность и надежность пилота в фокусе человеческого фактора. Москва: Изд-во «Академия Жуковского».

Комаров, Ю.Я. (2014). Повышение уровня безопасности на пассажирском автотранспорте с использованием комплексного подхода к профессиональному отбору водителей. Автотранспортное предприятие, (10), 18–22.

Леонова, А.Б., Медведев, В.И. (1981). Функциональные состояния человека в трудовой деятельности. Москва: Изд-во Московского ун-та.

Овчаров, Е.В. (2005). Человеческий фактор в авиационных происшествиях (методические материалы). Москва: Изд-во «Авикос».

Осипенко, А.В. (2015). Исследование динамики работоспособности и утомления операторов слежения по физиологическим характеристикам зрительного анализатора. Евразийский Союз Ученых, (13), 151–152.

Сериков, В.В. (2015). Изучение структуры надежности профессиональной деятельности работников локомотивных бригад. Железнодорожная медицина и профессиональная биоритмология, (26), 31−44.

Шутова, С.В., Муравьева, И.В. (2013). Сенсомоторные реакции как характеристика функционального состояния ЦНС. Вестник ТГУ. Математика и механика, 18(5), 2831–2838.

Abu-Alqumsan, M., Kapeller, C., Hintermüller, C., Guger, C., Peer, A. (2017). Invariance and variability in interaction error-related potentials and their consequences for classification. Journal of Neural Engineering, 14(6), 066015. https://doi.org/10.1088/1741-2552/aa8416

Bobko, N.A., Karpenko, O.V., Cherniuk, V.I. (1998). The combined effect of work stress, fatigue and circadian rhythms on the efficiency of mental activity in operators. Fiziolohichnyi zhurnal, 44(5-6), 35–42.

Gao, Q., Wang, Y., Song, F., Li, Z., Dong, X. (2013). Mental workload measurement for emergency operating procedures in digital nuclear power plants. Ergonomics, 56(7), 1070–1085. https://doi.org/10.1080/00140139.2013.790483

Giese, S., Carr, D., Chahl, J. (2013). Implications for Unmanned Systems Research of Military UAV Mishap Statistics. In: 2013 IEEE Intelligent Vehicles Symposium (IV), (June, 23–26, 2013). Gold Coast: IEEE Publ. https://doi.org/10.1109/IVS.2013.6629628

Halomoan, J., Ramli, K., Sudiana, D., Gunawan, T.S., Salman, M. (2023). A New ECG Data Processing Approach to Developing an Accurate Driving Fatigue Detection Framework with Heart Rate Variability Analysis and Ensemble Learning. Information, 14(4), 210. https://doi.org/10.3390/info14040210

Havenith, G. (2004). Handbook of Human Factors and Ergonomics Methods. Boca Raton, London, New York, Washington, CRC Press.

Kim, J.H., Suh, Y.-A., Yim, M.-S. (2018). An Investigation of Human Error Identification Based on Bio-monitoring System (EEG and ECG Analysis). In: H. Ayaz, L. Mazur, (eds.). Advances in Neuroergonomics and Cognitive Engineering. AHFE 2018. Advances in Intelligent Systems and Computing. (pp. 145–151). Cham: Springer Publ.

Kosch, T., Matviienko, A., Müller, F., Bersch, J., Katins, C., Schön, D., Mühlhäuser, M. (2022). NotiBike: Assessing Target Selection Techniques for Cyclist Notifications in Augmented Reality. Proceedings of the ACM on Human-Computer Interaction, 6, 1–24. https://doi.org/10.1145/3546732

Liu, J., Aydin, M., Akyuz, E., Arslan, O., Uflaz, E., Kurt, R.E., Turan, O. (2021). Prediction of human–machine interface (HMI) operational errors for maritime autonomous surface ships (MASS). Journal of Marine Science and Technology, 27, 293–306. https://doi.org/10.1007/s00773-021-00834-w

Lynch, K.M., Banks, V.A., Roberts, A.P., Radcliffe, S., Plant, K.L. (2022). Maritime Autonomous Surface Ships: Can we learn from Unmanned Aerial Vehicle incidents using the Perceptual Cycle Model? Ergonomics, 66(4), 772–790. https://doi.org/10.1080/00140139.2022.2126896

Wang, P., Houghton, R., Majumdar, A. (2024). Detecting and Predicting Pilot Mental Workload Using Heart Rate Variability: A Systematic Review. Sensors, 24(12). https://doi.org/10.3390/s24123723

Weyers, B., Burkolter, D., Kluge, A., Luther, W. (2010). User-Centered Interface Reconfiguration for Error Reduction in Human-Computer Interaction. In: Third International Conference on Advances in Human-Oriented and Personalized Mechanisms, Technologies and Services. (pp. 52–55). Gold Coast: IEEE Publ. https://doi.org/10.1109/CENTRIC.2010.11

Wilson, G.F., Russell, C.A. (2003). Operator functional state classification using multiple psychophysiological features in an air traffic control task. The Journal of the Human Factors and Ergonomics Society, 45(3). https://doi.org/10.1518/hfes.45.3.381.27252