3、疲劳度核心概念
疲劳度是衡量 On-Call 轮转机器人（或值班工程师）在连续工作负荷下认知与操作能力衰减程度的量化指标。它直接关联告警响应效率与人为失误率，是告警优化体系中的核心控制变量。本章从定义、指标、阈值设定及与失误的关系四个维度展开。
3.1 疲劳度定义
疲劳度（Fatigue Level）定义为：在指定时间窗口内，值班个体因响应次数累积、连续值班时长增加及告警密度上升，导致其有效决策能力下降的度量值。疲劳度并非单一数值，而是一个多维状态向量，通常归一化为 0~1 或 0~100 的连续值。
关键公式（示意）：
其中 w₁、w₂、w₃ 为权重系数，f、g、h 为非线性归一化函数。
Fatigue = w₁ · f(ResponseCount) + w₂ · g(ShiftDuration) + w₃ · h(AlertDensity)其中 w₁、w₂、w₃ 为权重系数，f、g、h 为非线性归一化函数。
实践要点：疲劳度计算应区分“生理疲劳”与“认知疲劳”。生理疲劳主要受连续值班时长影响，认知疲劳则更多由告警密度和响应复杂度决定。两者在阈值设定上需分别建模。
3.2 疲劳度核心指标
疲劳度由三个基础指标构成，每个指标反映疲劳的不同侧面。下表列出各指标的定义、计算方式及典型取值范围。
| 指标名称 | 定义 | 计算方式 | 典型阈值范围 |
|---|---|---|---|
| 响应次数 | 单个值班周期内工程师实际处理的告警事件数量 | 按时间窗口（如 8h/12h/24h）累计已确认或已解决的告警数 | 轻度：≤15 次/8h 中度：16~30 次/8h 重度：>30 次/8h |
| 连续值班时长 | 从值班开始到当前时刻的连续在线时间（含告警处理与待命状态） | 按分钟或小时累计，扣除已安排的休息时段 | 安全：≤8h 警戒：8~12h 危险：>12h |
| 告警密度 | 单位时间内告警到达的频次，反映认知负荷的瞬时压力 | 告警数 / 时间窗口（如 1h 内告警数） | 低密度：≤5 次/h 中密度：6~15 次/h 高密度：>15 次/h |
避坑提示：仅使用单一指标（如只关注响应次数）容易漏判疲劳风险。例如，连续值班 14 小时但只处理了 5 个告警，其疲劳度可能高于连续值班 6 小时但处理了 25 个告警的情况。必须采用多指标加权综合评估。
3.3 疲劳度阈值设定原则
阈值设定是疲劳度检测的核心工程决策。合理的阈值应遵循以下五项原则：
- 数据驱动原则：基于历史值班数据（响应时间、失误率、告警处理质量）进行统计分析，使用百分位数（如 P90、P95）确定初始阈值，而非主观拍定。
- 分级预警原则：设置三级阈值（轻度疲劳、中度疲劳、重度疲劳），对应不同的告警升级策略。轻度触发提醒，中度触发自动降级或转派，重度触发强制休息。
- 动态调整原则：阈值应随团队规模、业务时段（白天/夜间）、告警类型（P0/P1/P2）动态调整。夜间值班的疲劳阈值应比白天更严格。
- 个体差异原则：允许基于工程师历史表现进行个性化阈值偏移。经验丰富者可在安全范围内适当放宽，新人则应收紧。
- 可解释性原则：阈值设定逻辑必须对值班工程师透明，避免“黑盒”判定。每次疲劳告警应附带指标明细与触发原因。
阈值设定示例（基于 P95 统计）：
# 伪代码：疲劳度阈值计算
response_threshold = np.percentile(history_response_counts, 95) # 响应次数 P95
duration_threshold = np.percentile(history_shift_durations, 95) # 连续时长 P95
density_threshold = np.percentile(history_alert_densities, 95) # 告警密度 P95
# 综合疲劳度阈值（加权）
fatigue_threshold = 0.4 * response_threshold + 0.3 * duration_threshold + 0.3 * density_threshold3.4 疲劳度与人为失误的关系
疲劳度与人为失误之间存在明确的非线性正相关关系。研究表明，当疲劳度超过 0.6（中度疲劳上限）时，人为失误率呈指数级上升。以下是两者关系的核心发现：
- 响应次数与失误率：每增加 10 次响应/8h，失误率平均上升 18%~25%。高频切换上下文导致注意力碎片化。
- 连续值班时长与失误率：值班超过 12 小时后，失误率是前 8 小时的 3.2 倍（基于 SRE 行业统计）。
- 告警密度与失误率：告警密度超过 15 次/h 时，误操作（如误确认、误关闭、误执行命令）概率增加 40%。
- 复合效应：当三个指标同时处于高水位时，失误率并非简单叠加，而是呈现乘积效应。例如，响应次数 25 次 + 连续值班 10h + 告警密度 12 次/h，失误率可达基线值的 5~8 倍。
工程启示：告警系统设计应将疲劳度作为告警路由与升级策略的输入变量。当检测到值班工程师疲劳度超过中度阈值时，系统应自动执行以下操作：
1) 降低非关键告警的通知频率（告警聚合）；
2) 将 P1/P2 告警自动转派给备用值班人员；
3) 对当前工程师的告警确认操作增加二次确认步骤。
1) 降低非关键告警的通知频率（告警聚合）；
2) 将 P1/P2 告警自动转派给备用值班人员；
3) 对当前工程师的告警确认操作增加二次确认步骤。
数据参考（基于某大型互联网公司 SRE 团队 2023 年数据）：
| 疲劳度区间 | 平均失误率 | 样本量 | 主要失误类型 |
|------------------|-----------|--------|-----------------------|
| 0.0 ~ 0.3 | 1.2% | 12,450 | 误确认、延迟响应 |
| 0.3 ~ 0.5 | 3.8% | 8,720 | 误关闭、误分类 |
| 0.5 ~ 0.75 | 9.5% | 5,310 | 误执行命令、漏处理 |
| 0.75 ~ 1.0 | 18.7% | 2,180 | 严重误操作、遗漏 P0 |综上所述，疲劳度是 On-Call 轮转体系中不可忽视的核心变量。通过明确定义、量化指标、科学设定阈值并理解其与失误率的关系，告警系统可以从“被动响应”升级为“主动疲劳感知”，在工程师进入高风险状态前自动触发保护机制，从而显著降低人为失误率，提升整体系统的可靠性与值班体验。