Jag kan avslöja redan nu att jag avser besvara frågan med ett ”nej”…

Utgångspunkten är en händelse i Arizona, 18 mars 2016. En självkörande Volvo XC90 körde under mörker på en människa med en hastighet av 70 kilometer i timmen. Offret, en 49-årig kvinna som ledde en cykel, kastades iväg 20 meter och dog. Olyckan har utretts under 20 månader av US National Safety Transportation Board, NTSB och det hela har naturligtvis uppmärksammats. Detta inlägg bygger på två artiklar (länkar finns i slutet av detta inlägg).

Bilen var en av Ubers app-taxibilar. Den hade dels en radar som upptäckte kvinnan drygt 5 sekunder före olyckan, dels en s.k. lidarsensor som upptäckte kvinnan något senare. Det gav egentligen gott om tid att undvika olyckan. Systemet gjorde dock först en analys av vad den upptäckt och klassade kvinnan först som ”bil”, sedan som ”övrigt objekt”, sedan tillbaka som ”bil”, tillbaka till ”övrigt objekt”, sedan till ”cykel”, åter till ”övrigt objekt” och slutligen tillbaka till ”cykel”. För varje ny klassning, startades en ny process för att analysera vart det upptäckta objektet var på väg. Dessa olika klassningar ledde till att systemet inte kunde bedöma vart objektet var på väg och till att inbromsning inte var nödvändig.

Att systemet aldrig klassade kvinnan som en människa berodde på att det inte letade efter människor annat än vid övergångsställen. Att människor skulle kunna korsa en väg utanför övergångsställen var inte en möjlighet för systemet som alltså saknade en möjlighet att identifiera kvinnan som människa.

Den som vill kan här återvända till ”Automation Del 1” (länk) för att läsa om vad Fitts list har att säga om vad människan är bra på. Även om en människa kan ha svårt att t.ex. se en mörkklädd person i mörker så har vi god förmåga att uppfatta variationer och mönster. Vi kan också dra slutsatser från våra observationer, vi kan göra bedömningar även utifrån bristande underlag och vi kan improvisera och vara flexibla.

Det verkar som att Uber var så oroliga för falsklarm (onödiga inbromsningar) att man lagt in en fördröjning på en sekund från identifierad risk för kollision till inbromsning. Först 1,2 sekunder före kollisionen förstod systemet att bilen skulle träffa kvinnan, att en undanmanöver inte var möjlig och att nödinbromsning var nödvändig. Med en sekunds fördröjning startade nödinbromsningen alltså 0,2 sekunder innan kollision och ett alarm startade i bilen.

Sista säkerhetsnätet var den säkerhetsförare som fanns ombord. Hon lär dock ha tittat på film och såg inte vad som var på väg att hända. Då alarmet kom, tog hon ratten, kopplade ur automatiken och bromsade. När hennes fötter trampade på bromsen hade det gått nästan en sekund sedan kvinnan som korsade gatan hade träffats av bilen.

Här kan man ju återvända till ”Automation Del 2” (länk) och fundera på vad Bainbridge skrev om automationens ironier. När det gäller Uber-systemet och dess mjukvara så är det naturligtvis design utförd av människor vilket innebär att vi inte slipper problem med mänskliga fel för att vi automatiserar. Det är vanligt då vi automatiserar att vi lämnar övervakningen till människan trots att det inte är något människan är bra på. Därför krävs det alarm. Sådana alarm måste ges i god tid och med tydlig indikation på vad som är fel och vad som ska göras. Bainbridge pekade också på att automation ofta ökar krav på människan och leder till ökat behov av utbildning.

Det var alltså en Volvo som var inblandad i olyckan men Volvos egna säkerhetssystem var avstängt. Istället användes Ubers egna system. Det har påståtts att olyckan kunnat undvikas om Volvos system använts samtidigt som det knappast varit rimligt att låta två olika system hantera säkerheten samtidigt. Uber skriver i ett uttalande att man beklagar olyckan men nu har gjort förbättringar. Bland dessa förbättringar finns en förändrad utbildning av säkerhetsförarna och att man nu har två säkerhetsförare i varje bil! Det antyder ju att man åtminstone i någon mån ser olyckan som ett resultat av den ”mänskliga faktorn”.

Bland slutsatserna från utredningen finns också att Ubers program för självkörande bilar inte hade någon safety manager eller avdelning för operativ safety. Man har numera ändrat sin organisation för safety och infört ett system där anställda kan rapportera safety-händelser anonymt.

Här kan man återvända till Nicklas artikel kring FAA och EASA (länk) och fundera på myndigheternas roll och förmåga. Jag hittar inget som antyder att Uber inte följde myndigheternas krav. Automation och autonomi tågar snabbt in i vår vardag. Kan myndigheterna hantera detta?

Jag tror alltså inte att det är så enkelt att lämna över allt från människa teknik. Jag ser hellre att tekniken hjälper människan än att tekniken ersätter människan. Det får dock bli ämnet för ett senare inlägg.
Källor:

https://www.wired.com/story/ubers-self-driving-car-didnt-know-pedestrians-could-jaywalk/

Automation är ofta tänkt att avlasta människan och därmed minska arbetsbelastningen med effekten att systemet får en högre kapacitet. I stora delar av luftrummet över Europa råder det idag brist på kapacitet och här finns höga förhoppningar på automation som lösningen på problemet.

Som en del i min Masters-utbildning i Human Factors fick jag göra en så kallad ”critical literature review” för att utifrån vald fråga se vilka vetenskapliga stöd som finns och jag valde frågan om automation kan minska arbestbelastning för flygledare som arbetar en-route. Här berättar jag kort vad jag fann.

NASA-studier
Fyra välgjorda NASA-studier stöder möjligheten för automation att minska arbetsbelastningen men en förutsättning är att flygledaren dels får relevant information om vad automationen gör, dels finns kvar i beslutsfattandet.
En intressant fråga är vilka funktioner som kan och ska automatiseras. NASA fann att automatisering av enklare funktioner (koordinering och överlämning) kan minska arbetsbelastning. Större uppgifter för automationen är att dels upptäcka konflikter mellan flygplan och sedan att lösa dem. Ett intressant experiment gjordes där flygledaren helt enkelt inte såg trafiken förrän automationen hade hittat en konflikt. Det var tydligt att uppgiften att lösa konflikten tog längre tid om flygledaren inte varit delaktig i att söka och upptäcka konflikter. Det visar på att automation inte bara handlar om att ersätta människan i valda delar utan att detta får påverkan på även andra uppgifter. En tredje test visade i princip att ju mer automation desto lägre arbetsbelastning men samtidigt att högst kvalitet/flygsäkerhet nåddes med ”måttlig” automation. Den fjärde testen var också ett stöd för att automation minskar arbetsbelastning.

Konfliktlösning
Automation för att upptäcka och peka ut konflikter har funnits ganska länge medan system som föreslår konfliktlösning är mer ovanliga men säkert på väg. En välgjord amerikansk studie kring automation för konfliktlösning ger visst stöd för minskad arbetsbelastning. En ny (2016) europeisk studie visade tydligt stöd för minskad arbetsbelastning med automation för konfliktlösning. Intressant här var att även om konfliktlösningen inte var helt tillförlitlig fortsatte flygledaren att använda den om än med mindre förtroende. En brist med denna studie var dock att få av deltagarna var flygledare.

Ett problem med automation är att en människa ändrar sitt arbetssätt vid ökad arbetsbelastning. Man kan öka sina marginaler eller man kan nöja sig med en bra och säker lösning istället för att söka den optimala. Sådan variation är inte typisk för automation och om automationen ger förslag som inte stämmer överens med vad flygledaren själv valt kan man förkasta det. Förslag som inte känns bra ökar dessutom belastningen eftersom de måste utvärderas. Det finns tankar på automation som anpassar sig efter situation och t.o.m. efter individ. Det är nog lättare sagt än gjort och här förutser man problem när det gäller acceptans för mer automatiserade system. Bäst acceptans får man om automationen ger förslag på lösningar som man själv skulle ha kommit fram till.

Detta leder också till en annan viktig diskussion. Ska automation anpassa sig till människan och se till så att människan är delaktig i processen eller måste automation få gå vidare och arbeta snabbare och bättre än människan för att verkligen bli till nytta? Här ser man att utvecklingen kommer att gå i olika faser, där det initialt är viktigt att människan förstår och accepterar automationen som därför behöver anpassas till människans sätt att arbeta. Ett praktiskt exempel är att man som flygledare kan lägga flygplan på parallella kurser som ett sätt att minska antalet konflikter medan automationen, med sin större förmåga att ha flera uppgifter samtidigt, kan föreslå mer optimala lösningar. På sikt kan vi därmed se ett behov av människan att anpassa sig efter automation vilket lär få påverkan på hur vi utbildar.

Slutligen visar ett stort test att automation kan öka komplexiteten och ställa större krav på systemkunskap hos flygledaren för att verkligen kunna dra nytta av automation. Så svaret på frågan är att automation kan minska arbetsbelastning – men bara om det görs med hänsyn till människan. Vill du läsa min artikel i helhet hittar du den här: länk

En av de mest citerade artiklarna om automation är ”Ironies of Automation” från 1983 av Lisanne Bainbridge, kognitiv psykolog. Hennes artikel må vara över 35 år gammal men känns ännu relevant och citeras fortfarande.
En utgångspunkt för Bainbridge är att målet med automation oftast är att minska behovet av människan men hon påpekar direkt att även högt automatiserade system har behov av människan för övervakning, justering, underhåll och utveckling, dvs de är egentligen människa/maskin-system som är väldigt beroende av människan! Förväntningar på automation rymmer dock parodier och paradoxer.

Ironier kring design av automation
En utgångspunkt för design av automation är ofta att människan är opålitlig och ineffektiv och därför bör ersättas. Detta är förknippat med två ironier:
1. Designern är människa och designfel kan vara ett stort operativt problem.
2. Designern ersätter människan med automation så långt det är möjligt. Det som är för svårt att automatisera får människan fortfarande utföra.

Vad återstår för människan efter automation?
En vanlig uppgift som lämnas kvar åt människan är att övervaka så att automationen fungerar korrekt och att vid behov ta över om automationen fallerar. Ironin är här att skickligheten försämras om man inte använder den. En erfaren operatör som övervakar automation blir så småningom en oerfaren operatör med begränsade möjligheter att ta över. En situation som kräver mänskligt ingripande är dessutom sällan helt normal utan kräver extra skicklighet. Till detta kommer att övervakning inte är en uppgift som människan är väl lämpad för. Vi klarar helt enkelt inte av att sitta och titta/lyssna i väntan på att något ska hända. Alltså krävs en alarmfunktion och då uppstår frågan om vem som övervakar alarmfunktionen?

Lösningar
Bainbridge pekar inte bara på ironierna utan föreslår även lösningar. För att mänsklig övervakning ska fungera krävs alarm och helst ska alarmet tydligt visa vad som är fel samt vad som behöver göras.
Ett sätt att hantera svårigheten att ta över då automation fallerar är genom att träna regelbundet i t.ex. en simulator. Sådan utbildning bör dessutom vara mindre inriktad på att ”följa procedurer” utan mer på att kunna hantera ovana och oförutsedda situationer. Ironin här är att ju bättre ett automatiserat system fungerar, desto mindre naturlig erfarenhet får operatören och desto högre blir kostnaderna för simulatorer och utbildning.
Bainbridge artikel är alltså över 35 år gammal och man kan tycka att den borde vara överspelad vid det här laget. Ändå ser vi fortfarande exempel på de ironier hon pekar på. Automation bygger på mänsklig design och den är inte felfri. Kraven på människan i samband med automation ökar ofta istället för att minska och därmed följer ökat behov av utbildning.

Redan 1951 publicerades ”Fitts list”. Den kallas också MABA-MABA (Man-Are-Better-At-Machine-Are-Better-At).

Bilder från Human Engineering for an Effective Air Navigation and Traffic Control System, National Academy of Sciences, Washington, D.C., 1951.

Förenklat säger Fitts list att människan är bättre än maskinen på att:
• Uppfatta/upptäcka variationer med syn eller hörsel
• Uppfatta mönster i ljus eller ljud
• Improvisera och använda flexibla procedurer
• Lagra stor mängd information under lång tid och ta fram relevant fakta när den behövs
• Lösa problem genom slutledningar/hypoteser utifrån fakta och observationer (induktion)
• Göra bedömningar/avvägningar

På liknande sätt säger listan att maskiner är bättre än människan på att:
• Reagera snabbt på en signal
• Använda stor kraft mjukt och med precision
• Utföra upprepade rutingöromål
• Spara information under kort tid samt radera information fullständigt
• Dra slutledningar utifrån logik (deduktion), inklusive matematiska beräkningar
• Hantera komplexa uppgifter där flera olika saker behöver utföras samtidigt

Listan kan ju användas för att se till att automation görs på rätt sätt – att nyttja såväl maskinens som människans olika styrkor. Även om listan snart är 70 år gammal tror jag de flesta nickar instämmande då vi läser den. Även om tekniken har utvecklats mycket under 70 år lär människan vara sig lik.

Än idag refereras det till Fitts list men den har också kritiserats. Ibland har kritiken varit orättvis eftersom Fitts faktiskt pekar på och förutsåg många problem med introduktionen av automation. En kritik som framförts av Sidney Dekker och David Woods är att den här typen av listor leder oss fel. Utmaningen med automation inte är att allokera uppgifter på bästa sätt utan hur man får människa och maskin att arbeta bra tillsammans.

Automation är ofta tänkt att avlasta människan och därmed minska arbetsbelastningen med effekten att systemet får en högre kapacitet. I stora delar av luftrummet över Europa råder det idag brist på kapacitet och här finns höga förhoppningar på automation som lösningen på problemet.

Som en del i min Masters-utbildning i Human Factors fick jag göra en så kallad ”critical literature review” för att utifrån vald fråga se vilka vetenskapliga stöd som finns och jag valde frågan om automation kan minska arbestbelastning för flygledare som arbetar en-route. Här berättar jag kort vad jag fann.
NASA-studier

Fyra välgjorda NASA-studier stöder möjligheten för automation att minska arbetsbelastningen men en förutsättning är att flygledaren dels får relevant information om vad automationen gör, dels finns kvar i beslutsfattandet.

En intressant fråga är vilka funktioner som kan och ska automatiseras. NASA fann att automatisering av enklare funktioner (koordinering och överlämning) kan minska arbetsbelastning. Större uppgifter för automationen är att dels upptäcka konflikter mellan flygplan och sedan att lösa dem. Ett intressant experiment gjordes där flygledaren helt enkelt inte såg trafiken förrän automationen hade hittat en konflikt. Det var tydligt att uppgiften att lösa konflikten tog längre tid om flygledaren inte varit delaktig i att söka och upptäcka konflikter. Det visar på att automation inte bara handlar om att ersätta människan i valda delar utan att detta får påverkan på även andra uppgifter. En tredje test visade i princip att ju mer automation desto lägre arbetsbelastning men samtidigt att högst kvalitet/flygsäkerhet nåddes med ”måttlig” automation. Den fjärde testen var också ett stöd för att automation minskar arbetsbelastning.

Konfliktlösning
Automation för att upptäcka och peka ut konflikter har funnits ganska länge medan system som föreslår konfliktlösning är mer ovanliga men säkert på väg. En välgjord amerikansk studie kring automation för konfliktlösning ger visst stöd för minskad arbetsbelastning. En ny (2016) europeisk studie visade tydligt stöd för minskad arbetsbelastning med automation för konfliktlösning. Intressant här var att även om konfliktlösningen inte var helt tillförlitlig fortsatte flygledaren att använda den om än med mindre förtroende. En brist med denna studie var dock att få av deltagarna var flygledare.

Ett problem med automation är att en människa ändrar sitt arbetssätt vid ökad arbetsbelastning. Man kan öka sina marginaler eller man kan nöja sig med en bra och säker lösning istället för att söka den optimala. Sådan variation är inte typisk för automation och om automationen ger förslag som inte stämmer överens med vad flygledaren själv valt kan man förkasta det. Förslag som inte känns bra ökar dessutom belastningen eftersom de måste utvärderas. Det finns tankar på automation som anpassar sig efter situation och t.o.m. efter individ. Det är nog lättare sagt än gjort och här förutser man problem när det gäller acceptans för mer automatiserade system. Bäst acceptans får man om automationen ger förslag på lösningar som man själv skulle ha kommit fram till.

Detta leder också till en annan viktig diskussion. Ska automation anpassa sig till människan och se till så att människan är delaktig i processen eller måste automation få gå vidare och arbeta snabbare och bättre än människan för att verkligen bli till nytta? Här ser man att utvecklingen kommer att gå i olika faser, där det initialt är viktigt att människan förstår och accepterar automationen som därför behöver anpassas till människans sätt att arbeta. Ett praktiskt exempel är att man som flygledare kan lägga flygplan på parallella kurser som ett sätt att minska antalet konflikter medan automationen, med sin större förmåga att ha flera uppgifter samtidigt, kan föreslå mer optimala lösningar. På sikt kan vi därmed se ett behov av människan att anpassa sig efter automation vilket lär få påverkan på hur vi utbildar.

Slutligen visar ett stort test att automation kan öka komplexiteten och ställa större krav på systemkunskap hos flygledaren för att verkligen kunna dra nytta av automation. Så svaret på frågan är att automation kan minska arbetsbelastning – men bara om det görs med hänsyn till människan. Vill du läsa min artikel i helhet hittar du den här: länk.

Det är inte helt lätt att definiera vad ”Human Factors” är. En av de verkliga pionjärerna, Alphonse Chapanis, skrev om hur han länge besvärades av att många människor utgav sig för att vara kunniga men inte förstod vad Human Factors är. Chapanis har nämnts på bloggen tidigare – länk. Själv menade Chapanis att nyckelordet är ”design” därför att det är detta som skiljer Human Factors från psykologi, fysiologi och antropologi. Forskning som inte är inriktat mot design är enligt Chapanis inte Human Factors. Chapanis gav också två definitioner:

1. ”Human Factors (Ergonomics) is a body of knowledge about human abilities, human limitations and other human characteristics that are relevant to design.”

2. ”Human Factors Engineering (The practice of ergonomics) is the application of human factors (ergonomic) information to the design of tools, machines, systems, tasks, jobs, and environments for safe, comfortable and effective human use.”

Notera att Human Factors och Ergonomi används som synonymer, inte bara här utan av flera organisationer. På Linkedin lånade jag denna bild som visar hur svårt det kan vara att definiera Human Factors:

En nutida expert på området är Steven Shorrock som arbetat mycket med Human Factors och flygsäkerhet men som brukar säga att hans verkliga intresse helt enkelt är arbete. Han har gedigen akademisk bakgrund och arbetar sedan flera år för Eurocontrol där han bl.a. är redaktör för deras utmärkta tidning Hindsight – http://lusa.one/2018/09/11/anders-ellerstrand-hindsight-tidning-om-flygsakerhet-nytt-nummer-ute-nu/ och http://lusa.one/2019/02/07/anders-ellerstrand-tips-om-nytt-nummer-av-hindsight/. Shorrock skriver en personlig blog som är mycket läsvärd – https://humanisticsystems.com/ – där man bl.a. hittar en beskrivning av fyra varianter Human Factors:

1. Den mänskliga faktorn är en välkänd term som vi ofta möter i nyhetsmedia för att t.ex. beskriva orsaken till en olycka. Termen används nog aldrig av den som arbetar med Human Factors. Accepterar man denna beskrivning av problem söker man lösningar som beteendeförändring, kampanjer via posters, utbildning eller kanske att ersätta människan med maskiner.

2. Mänskliga faktorer handlar om ett fokus på mänskliga egenskaper. Det kan handla om till exempel vår förmåga att ta in information eller att minnas, liksom det kan handla om vår oförmåga. Många kända human factors-experter har skrivit om detta, såsom Jens Rasmussen och James Reason. Det kan också handla om vår fysik – styrka och precision, räckvidd m.m. liksom om faktorer som stress och behov av sömn. Här kan vi återknyta till Chapanis ovan – god design tar hänsyn till såväl mänskliga styrkor som svagheter.

3. Faktorer som påverkar människan kan vara såväl externa faktorer (arbetsmiljö, procedurer, utbildning, kultur osv.) som olika interna aspekter hos människan. Det här är nog den mest typiska varianten av human factors och den som har tydligast koppling till flygsäkerhet där man söker orsaker till olyckor just bland faktorer som påverkade människan. Det finns gott om litteratur som tar upp denna variant och dessa kunskaper kan användas vid design av såväl arbetsmiljö som utbildning, organisation och annat. Här handlar det om faktorer som påverkar och ibland förklarar mänskligt beteende.

4. Socio-teknisk systeminteraktion är en något krånglig benämning på en fjärde variant av human factors. Ordet ”interaktion” är något av nyckeln här eftersom det handlar om gränsytorna, samverkan mellan människor och mellan människor och miljö, inklusive maskiner. Det betyder också att design handlar om att samverkan, interaktion ska fungera väl. Målet med sådan design är alltid dubbelt – att förbättra systemets prestanda samt att förbättra människans välbefinnande. Att förbättra systemets prestanda kan handla om produktivitet, effektivitet, kapacitet, miljö och säkerhet. Viktigt här är att bibehålla en systemsyn och förstå t.ex. att en lokal förbättring kan få en negativ effekt på helheten.

Själv gillar jag den sista varianten. I en organisation arbetar många med delar av system. Någon utbildar personalen, någon arbetar med arbetsmiljö, någon utvecklar tekniska system, någon skriver procedurer osv. Det är lätt att missa gränsytorna mellan de olika delarna och det är här Human Factors har en roll att fylla. Gränsytornas betydelse för flygsäkerhet har vi tagit upp tidigare här på bloggen – länk.

Den som vill ta del av ännu fler aspekter på detta ämne rekommenderas att besöka Shorrocks blogg som t.ex. har en serie artiklar om vad Human Factors INTE är!

Jag deltog nyligen i en konferens i Köpenhamn. Konferensen leddes av Nippin Anand med många år inom sjöfarten och som nu har eget företag med inriktning på ledarskap och säkerhet. Temat var att lära från olyckor och utgångspunkten var olyckan då kryssningsfartyget Costa Concordia gick på grund vid ön Giglio i Medelhavet 13 januari 2012. Även om olyckan skedde till sjöss kan vi som jobbar inom flyget också lära oss av denna olycka. Här är en kort sammanfattning.

Jag tror alla minns olyckan med Costa Concordia. Vi fick snabbt en bild i media av en oansvarig italiensk kapten som brutit mot alla säkerhetsföreskrifter och med hög fart gått nära en ö där fartyget gick på grund och kapsejsade med resultatet att 32 människor dog. Vi läste om olika pikanta detaljer om kaptenen som inkluderade att han lämnat skeppet innan alla passagerare var räddade. Denna bild stöddes av pressreleaser från kryssningsföretaget som förklarade att skulden helt låg hos kaptenen. Så småningom kom den officiella haveriutredningen som även den lade den mesta skulden på kaptenen. Det gällde såväl navigering och grundstötning som hur situationen hanterades därefter med att evakuera passagerarna från fartyget. Kaptenen dömdes också till 16 års fängelse.

Syftet med konferensen var inte att fastställa någon orsak till olyckan eller att fria kaptenen från ansvar utan att visa betydelsen av att lyssna på flera historier för att verkligen kunna lära av en olycka. Anand träffade och intervjuade kapten Francesco Schettino 2017. Enligt Schettino var detta första gången någon visade ett professionellt intresse för olyckan och första gången han kunde ge sin version. Anand påpekade att det är en brist att det gick fem år vilket naturligtvis påverkat kaptenens historia. En annan brist är att det inte varit möjligt att intervjua övriga ur besättningen på bryggan. Det finns alltså fler historier som skulle kunna ge ett än bättre underlag för att verkligen lära från denna olycka.

Enligt kaptenen var det vanligt att segla nära land. Det gav ett mervärde åt passagerarna och begärdes ofta av t.ex. hotell. I detta fallet hade kaptenen tidigare fått en begäran från ön Giglio som han avslagit pga väder men denna gång hade han accepterat. Normalt skedde dessa mycket nära land med reducerad hastighet. Vid detta tillfälle tillät inte planeringen detta så passagen skulle ske med högre fart men längre från land – en halv sjömil eller en knapp kilometer. Enligt kaptenen var detta fullt normalt.

Varken kaptenen eller någon annan på bryggan hade genomgått utbildning inom ”Bridge Resource Management” (liknande flygets CRM). Kaptenen menar att viktigare är bristen på kompetens på bryggan. Kryssningarna på Medelhavet hade under de tio åren innan olyckan ökat sin kapacitet med 166 %; fler fartyg och större fartyg. En effekt var brist på erfaren personal som man försökt åtgärda bl.a. med snabbutbildning och snabba karriärer men också genom att anställa personal från andra länder. Det säga att den som stod vid rodret vid olyckan varken förstod italienska eller engelska. För kaptenen var detta ett problem som han påpekat till företaget, senast någon månad innan olyckan, men utan några åtgärder. Kaptenen hade inte stor tilltro till sin besättning. Han såg sig som en lärare med uppgift att utbilda dem. Kaptenen själv var mycket erfaren vilket gav en stor s.k. ”skill gradient” på bryggan. Det kan ha påverkat att ingen på bryggan ifrågasatte navigeringen eller hur den utvecklades. Anand menade att BRM, Non-technical skills och ”feedback loops” inte fungerar med alltför stor ”skill gradient”.

Kaptenen kom upp på bryggan då man närmade sig Giglio. Han ifrågasatte varför man ännu gick på auto-pilot istället för manuell styrning. Han hade ännu inte övertagit kontrollen av fartyget men den som haft befälet uppfattade kommentaren som att kapten nu tog över. Effekten var att fartyget fortsatte flera minuter utan något befäl och detta var kanske den viktigaste orsaken till att man kom för nära. Då kaptenen såg risken för kollision försökte han undvika detta och trodde han skulle lyckas men den som stod vid rodret följde inte instruktionerna vilket förvärrade situationen. Resultatet var att mittdelen på fartyget träffade klipporna och de delar som vattenfylldes var de där motorerna fanns. Nödgeneratorn fungerade inte och efter kollisionen blev fartyget omöjligt att styra. Det fortsatte av farten en bit ut från land men drev sedan tillbaka och grundstötte en andra gång.

Enligt haveriutredningen kunde alla passagerare räddats om alarm givits tidigare och om evakueringen inletts snabbare. I utredningen menar man att procedurer inte följdes. Det tog 51 minuter från grundstötning till order om evakuering. Vi tog del av kaptenens berättelse om hur han långsamt, långsamt fick information om omfattningen av skadorna till det läge då han förstod att fartyget faktiskt skulle sjunka. Vi fick titta på de procedurer som fanns. Diskussionen på konferensen utmynnade i att procedurerna inte var bra, att de tycks ha följts men att just procedurerna kan ha försenat förloppet. Flera menade ändå att det var imponerande att man lyckades evakuera så många på så kort tid och att olyckan mycket väl kunde ha resulterat i många fler dödsfall. Flera livbåtar var felaktiga och kunde inte sänkas ner.

Slutsatsen från dagen var att om man verkligen vill lära av en olycka måste man lyssna på flera historier kring vad som hände och man måste försöka undvika att göra bedömningar utan istället förstå hur olika personer tänkte i situationen och vilka förutsättningar som faktiskt rådde då.

Anders Ellerstrand