Две эры – до и после «системы управления рисками утомляемости» или может ли математика предупреждать о возможном утомлении

Традиционно рассуждая об утомляемости мы берем за основу рабочее время, фактически деля жизнь на – выполнение задачи и…все остальное. Под выполнением задач, а следовательно – рабочим временем, мы подразумевали «сколько часов провели — за штурвалом, за компьютером, у станка». Еще в начале 50 годов прошлого века появились совершенно обоснованные научные данные, которые помогли сформировать нормативный подход к решению задачи утомляемости человека. Это дало возможность государствам устанавливать для своей транспортной отрасли очень четкие критерии того, что считать нормой, а что отклонением. Это был действительно важный шаг учета человеческого фактора в операционном управлении, возможностью снижения ошибок за счет избыточной эксплуатации человеческих возможностей и неоставлении оператора вне своего человеческого ресурса.

В авиации это движение было реализовано через предписывающий подход, где государство управляет этим процессов в рамках нормативных ограничений, устанавливая показатель «норма-не норма». Знаменитые 80 часов в месяц (приказ 139) как раз об этих ограничениях. Это удобно во многих смыслах – есть количественный показатель, он фиксируемый, а значит – контролируемый, следовательно – управляемый.

Но двинемся дальше. В развитии концепции человеческого фактора в транспортной сфере происходит дальнейшее развитие. Уже понятно, что человеческий фактор – это не просто некий специалист при выполнении им задачи. Это и то, что связывает его с машиной (эргономические условия), то что заставляет его выполнять те или иные действия из-за давления со стороны «установок» — нормативов и стандартов, связь со средой и взаимодействие с другими специалистами. А также то, что внутри самого человека – сформировавшиеся привычки, характер, темперамент, особенности жизни, здоровье. Это целый комплекс. Значит, говорить о том, что только длительностью рабочего процесса можно изменить эффективность выполнения задачи – уже нельзя. Надо учитывать гораздо больше, чем рабочее время.

Приведу известную всему авиационному сообществу модель SHELL – модель человеческого фактора, но в применении к утомляемости. Назовем эту картинку «homo fatigatus» (псевдолатынь, авторское).

Хорошо видно, что из всего спектра показателей, влияющих на состояние утомления пилота учет их в стандартах никак не прослеживается. Как же так, влияние есть, оно сильное и явное, а мы его не учитываем, оценивая является или будет ли являться выполняющий задачу в состоянии бдительности. Это как раз и есть вызов для нового подхода – учета показателей кроме рабочего времени, влияющих на безопасность полетов с точки зрения утомляемости.

Теперь шаг следующий. Хорошо, что показателей много и их надо учитывать. А как это сделать? Хороший метод – получение информации об утомляемости пилотов с мест, внедрение отчетов об утомлении, так называемые fatigue reports, которые покажут, как на самом деле обстоят дела с управлением рисками утомляемости в компании. Как сбор аналитики этот метод хорош и дает возможность увидеть, что компания делает для снижения рисков утомляемости, ведь каждый такой отчет требует обратной связи и принятия решений. Количество и качество отчетов об утомляемости с мест так же может являться показателем эффективности внедренной в компании системы управления рисками утомляемости. Однако, это всего лишь один из методов определения рисков.

А если попытаться учесть как можно большее количество показателей, влияющих на возникновение риска утомляемости? Определить эти показатели и сделать базу для количественной оценки. Ведь проводя количественную оценку уровня утомляемости, можно оптимально планировать рабочее время летного состава, формировать экипажи по критерию минимального совокупного утомления всех членов летных экипажей, а также оценивать рейсы с точки зрения утомления не только по субъективным данным на основе обратной связи от пилотов (которые несомненно имеют наибольший вес), но и на основе расчетных значений утомления, полученных по результатам многофакторного математического моделирования.

Это прогнозирование основывается на биоматематической модели, которая учитывает кроме рабочего времени еще и биологические ритмы человека, детерминирующие уровень утомления, время суток и смену циркадных ритмов, возрастные и физиологические особенности, привычки к времени сна, время, проведенное вне работы и потраченное на подготовку к работе, в том числе дорога до места вылета и так далее. На самом деле это не конечный список показателей, он может быть дополняемым и зависеть от тех исследований, которые показывают влияние показателя на утомляемость.

Проанализировав результаты научных исследований в области управления утомлением, а также уже имеющиеся на рынке модели, мы пришли к выводу что все они по большому счету базируются на одних и тех же научных исследования, истоки которых ведут к 70м годам прошлого века (S.Hursh, M. Spencer, A.Fletcher/D.Dawson, M. Moore-Ede). Лежащий в основе подход условно прост: проанализировать ключевые биологические процессы, подобрать наиболее подходящим образом описывающие их математические модели, и в их совокупности оценить потенциальный уровень бдительности при выполнении действия.

Появившийся новый термин не нов – бдительность — это обратный показатель утомляемости. То есть математическая модель будет показывать не то, насколько человек утомлен, а какова его бдительность при выполнении действия.

Уровень бдительности моделируется через учет:

• гомеостатического процесса — потребности организма в медленноволновом сне, которая нарастает в течение всего периода бодрствования и удовлетворяется во время сна;
• циркадных ритмов — распорядка сна в ночное время, запрограммированного в головном мозге с помощью циркадных (околосуточных) биологических часов, древнейшего механизма адаптации к условиям жизни на нашей планете; 
• ультрадианного процесса — снижения активности в середине дня (окно дневной дремоты), который у большинства людей приходится на период примерно от 15:00 до 17:00;
• инерции сна — ухудшения работоспособности в процессе выхода мозга из состояния сна, которое характеризуется сниженными когнитивными, сенсорными и моторными функциями;
• физических параметров – состояния здоровья, веса, наличия диагнозов
• социальных параметров – устоявшихся привычки сна и отдыха, дистанция до рабочего места и так далее.

Каждый из этих показателей – часть математической формулы, биоматематической модели, которая, объединив их все дает расчетный уровень бдительности — показатель обратный утомлению. Ее результаты можно отражать в компьютерной программе, которая для удобства восприятия может давать информацию по каждому пилоту отдельно или по летному отряду в целом, при необходимости.

Уровни бдительности фиксируются от 1 до 100, где красная зона (от о до 10) – крайне низкий уровень, традиционно окрашивается красным цветом как сигнал (!) для необходимости уделить внимание, желтая зона (от 10 до 30) – средний уровень бдительности, так же требующий внимания к данному пилоту, полету, отрезку времени выполнения полета и, зеленая зона, от 30 и выше, показывающая приемлемый уровень бдительности. Это один из примеров, как решается задача создания биоматематической модели.

Диаграмма –паутина слева от графика говорит о степени влияния факторов модели на моделируемое значение уровня утомления. В каждый временной интервал определяющее значение вносит конкретный фактор.

Для практиков слова про биоматмодель звучат устрашающе и слишком теоретично, но этому есть совершенно конкретное применение. Мы говорим о создании в компании системы управления рисками утомляемости. И к этому можно подойти по-разному. Выполнить задачу относительно формально – вписав в СУБП свое положительное отношение к фактору «человек» и его конкретному проявлению в виде утомляемости, запустить процедуру предоставления отчетов об утомлении, сделать шаги по контролю утомляемости через расследование инцидентов и предвестников.

Но можно и подумать о том, как эта система могла бы принести больше пользы, с учетом разных влияний на данный фактор и с возможностью сделав наиболее адаптированную к практике компании биоматематическую модель, подготовив ее цифровое решение и выразив ее в ИТ- программе. Данная программа может быть полезна специалистам по планированию экипажей, специалистам по безопасности полетов и специалистам по управлению рисками.

На сегодняшний момент биоматематическая модель деятельности пилота – опробованная и действующая практика, а вот то, что касается деятельности бортпроводников, специалистов по организации воздушного движения  и специалистов по наземному обслуживанию — наиболее серьезно попадающих под утомляемость, – готовых моделей нет, но есть большое желание вместе с вами эту модель проработать, чтобы добиться того, чтобы самый ценный ресурс в авиации – человек – был надежно защищен от неконтролируемых ошибок в причинности которых находится утомляемость.

Сурина Элеонора
ведущий эксперт по безопасности полетов и человеческому фактору, кандидат технических наук, Группа Волга-Днепр

Осельская Анастасия
cпециалист по анализу данных Центр обработки и анализа полетной информации Группа Волга-Днепр

МКАА «Безопасность полетов» не несет ответственности за содержание этого материала. Содержимое сообщения не обязательно является мнением или взглядом учредителей МКАА «Безопасность полетов». Материал публикуется с целью ознакомления авиационного сообщества с различными мнениями специалистов.

Содержание материалов представлено в том виде, в котором их подготовили авторы – без какой-либо редакторской правки.