基于CREAM的建筑施工人因事故定量预测分析

结合建筑施工人因事故频发的现状及特点,借鉴认知可靠性与失误分析方法(CREAM),首先提出了一种从认知活动到失效模式的人因事故求解链,接着通过对人的认知失误概率基本预测公式缺陷的分析,结合专家提供的共同绩效条件(CPC)因子所对应的权重值,得出效应影响指数ρ,对基本预测公式进行扩展,并应用扩展后的公式对建筑施工中的人因事故进行定量预测;最后结合具体实例的分析,实证该方法的合理性。研究结论对施工企业采取预防措施,降低人因失误导致的建筑工程事故具有一定的借鉴意义。     

基于CREAM方法的人因失效概率预测模型研究

认知可靠性与差错分析方法(CREAM)是第二代人因可靠性分析方法中的代表方法之一,通过对任务环境进行分析从而直接确定人为差错发生概率。本文分析了该方法及其后续研究在人因可靠度评估时存在的主要问题,并以CREAM方法为基础建立新的人因失效概率预测模型。模型首先要求有针对性的对具体任务环境确定通用性能影响因子(CPC)权重,然后通过对CPC进行打分对任务环境进行量化,通过加权求和的方式分别计算出CPC的改进总分值G和降低总分值J,最后运用新建的预测模型计算出人因失效概率。新模型提出了三点改进:第一将任务环境设定为连续的空间;第二提出了不同的工作环境(任务环境)应该有其对应的CPC因子权重;第三考虑正影响CPC因子和负影响CPC因子的双重影响,建立双变量预测模型,预测结果更加合理。     

认知控制模式下的CREAM方法概率量化

研究了人因可靠性分析(Human Reliability Analysis,HRA)中人为差错概率的量化.首先,介绍了认知可靠性与差错分析方法(Cognitive Reliability and Error Analysis Method,CREAM)中基本法的基本理论,讨论了两种概率化认知控制模式的确定方法——贝叶斯网络法和模糊逻辑法,强调了概率化认知控制模式下量化人为差错概率的必要性.然后,在分析认知模式下人为差错概率分布的基础上,通过理论推导,构建了概率化认知控制模式下人为差错概率的量化方法.为了提高计算效率,提供了人为差错概率的蒙特卡洛仿真算法.最后,通过实例,演示了方法的使用过程,并证明了方法的有效性.     

基于CREAM的校车驾驶员人因可靠性分析方法

校车目前已成为学生上学的重要交通工具,而近几年频发的校车安全事故引起了社会各界对校车安全问题的高度关注.但大多数有关校车安全管理方面的研究比较偏重于如何提升校车本身硬件设备的可靠性,而缺乏对驾驶员的可靠性研究.针对当前国内校车安全管理现状,以近期发生的甘肃校车安全事故为例,运用第二代人因可靠性分析方法—CREAM对校车事故中的人因失误进行追溯性分析,找到事故发生根本原因.为今后在校车安全管理中采取相关措施,弥补安全漏洞,减少由人为因素导致的安全事故的发生提供依据,并为以后研究一般工业系统认知差错提供方法的借鉴.     

基于贝叶斯网络的人因可靠性评价

提出一种贝叶斯网络的人因可靠性评价(HRABN)方法,其中的每个因子对应于贝叶斯网络中的节点,该方法可对人因可靠性作定量分析和定性分析。在定性分析上,节点的因果关系(HRA中的因子关系)及需要改进的薄弱节点都直观地显示在层次图中;在定量分析方面,对节点因子后验概率的推断通过HRA中的先验信息(包含仿真数据、现场操作及专家知识等)和最新信息得到。如果人因可靠性贝叶斯网络中的每个节点的先验概率分布和后验概率分布都已知,模型的可信性就可通过贝叶斯因子进行定量验证。贝叶斯网络扩展性好,当有新的节点因子需要考虑时,只需要补充对应的节点;笔者的方法也能很好地应用在不同行业的HRA。     

CREAM方法中控制模式分类的模糊方法

认知可靠性与差错分析方法(CREAM)通过对任务环境进行分析从而直接确定人为差错发生概率。该方法提出控制模式的概念,认定不同的任务环境下可能对应不同的控制模式,而人为差错概率直接由控制模式确定。因此,确定控制模式是其中的关键环节。针对该问题,笔者提出了一种模糊方法。通过对性能影响因子进行打分对任务环境进行量化,利用专家打分的方式确定性能影响因子分值对于控制模式的隶属度;通过拟合分析确定性能影响因子的分值对控制模式的隶属函数,得到控制模式与分值之间的对应关系;将该方法应用到两个示例中,其结果与原有方法的结果基本一致。     

复杂工业系统中班组人因失误分析

在复杂工业系统中 ,人因可靠性分析 (HRA)是预防和减少人因失误的有效方法。人在复杂工业系统中的生产活动 ,往往是由组织中班组成员集体完成的 ,完整的HRA必须充分考虑班组人误的产生。班组人误的产生有其自身的规律 ,如何合理地定义人员行为形成因子 (PSFs)是班组人因失误分析的难点 ,也是班组人因失误分析的重要手段 ,被广泛应用在核电厂 ,航空和造船工业领域的事故分析中。笔者详细分析和探讨了班组人因失误的定义、产生过程及相关的人的行为形成因子 ,以期能使大规模工业系统中的人因失误分析更加合理和完善。     

基于贝叶斯网络的航空维修人因可靠性分析

根据维修人为因素分析和分类扩展系统的框架选取影响因素,在航空维修领域应用贝叶斯网络进行人因可靠性分析,建立飞机维修效能模型,直观地表示影响因素与维修效能之间的关系。同时以目视检测为例,结合专家意见确定随机影响因素,通过专家访谈、事故报告、调查问卷、操作记录等渠道获取数据,得出条件概率表,进而建立目视检测表现模型,展示贝叶斯网络的建模流程。案例研究结果表明,组织文化、视觉信息、设备、疲劳、检测距离等因素对目视检测表现的影响非常显著,欲改善目视检测表现,必须对多影响因素进行综合管理。     

基于CREAM和贝叶斯网络的航空维修人为差错概率预测

航空维修差错不仅严重威胁着飞行安全,同时也会增加航空公司的维修成本。针对航空维修人员发生差错成因的复杂性以及历史事故数据缺乏的情况下,将人因可靠性与失误分析方法（CREAM）和贝叶斯网络（BN）相结合,提出一种改进的维修差错分析模型。根据维修任务构建相应的贝叶斯网络模型,为各子节点设置条件概率表（CPT）;基于维修基地的实际维修环境,对行为形成因子（PSFs）进行评估,得到共同绩效条件（CPCs）的水平;利用各CPC因子下各个行为功能失效模式的权重因子,对各认知活动进行失效概率的修正;将修正概率作为贝叶斯网络根节点的输入,利用推理机制,得到差错发生概率。通过案例分析和计算,验证了所述方法的可行性和有效性。     

CREAM失误概率预测法在驾驶舱机组判断与决策过程中的应用

CREAM强调人在生产活动中的绩效输出不是孤立的随机性行为,而是依赖于人完成任务时所处的环境或工作条件,它通过影响人的认知控制模式和其在不同认知活动中的效应,最终决定人的响应行为。在驾驶舱内,机组的绩效输出不仅仅是人的自身行为,还依赖于其完成任务时所处的情景环境,所以CREAM方法能够结合驾驶舱环境对机组的认知差错进行分析。在飞行中,驾驶舱内机组非常重要的一个环节是判断与决策过程,这一过程中包括询问、讨论、确定方案、执行、反馈五个环节。本文将通过分析这五个环节的相互关系及影响,以明确这种讨论过程是减少机组人为差错发生的一种有益方式,然后应用CREAM的预测法对这五个环节进行定量化分析,得出机组判断与决策过程的失误概率,完成对机组认知行为的客观评价,并为以后能够定量化研究驾驶舱内飞行员认知差错提供方法的借鉴。     

飞行员人因可靠性定量预测

为有效预测飞行员的人因可靠性,以保障飞行安全,基于认知可靠性与失误分析法(CREAM)的扩展法,建立飞行员人因可靠性定量预测模型。依据飞行员的任务特点,调整认知行为及认知功能。通过优化共同绩效条件(CPC)因子水平等级,并增加新的因子,改进CPC因子依赖规则,用于修正因子的初始评估结果,解决扩展法未考虑因子间关系的问题,从而完成模型的建立。利用回看分析法验证模型的有效性,采用所建立的模型和扩展法分别对已发生的飞行案例进行预测,并与实际发生结果对比分析。结果表明,与扩展法相比,采用飞行员定量预测模型得到的预测结果与案例发生结果所反映的控制模式更为匹配。     

页岩气压裂作业人因失误结构化辨识方法研究

为提高页岩气压裂作业人因失误辨识结果的全面性和针对性,建立一种结构化的人因失误辨识方法。通过概括辨识阶段的作业流程,建立作业人员行为模型,概述作业人员的行为阶段。利用筛选出的引导词辨识行为阶段人因失误。将该方法应用于页岩气压裂过程的替液阶段。结果表明,用引导词能明确辨识方向,减少头脑风暴时间以及对专家知识的依赖;辨识过程的动态调整能改善认知可靠性,使更多人因失误模式(与传统CREAM方法相比)被辨识出来。     

人为差错成因分析方法研究

控制甚至消除人为差错成因能从本质上降低人为差错的发生概率,从而提高系统安全性。因此,辨识和分析人为差错成因是一件非常必要而又十分重要的工作。针对该问题,在总结和分析现有的人为差错成因分析方法的基础上,提出了一种新的人为差错成因分析框架。在该框架中,将差错成因分为"操作者-系统-任务-环境-组织因素"5个方面进行分析,并提出了"从大类到小类"的层次化分析原则。为了尽量降低不同差错成因之间的关联,提出了以任务为中心,将差错成因分为任务相关和任务无关两大类因子的分类方式。最终共分析得出了34种不同的差错成因。该差错成因分类框架的提出,为人为差错概率量化以及差错规避措施的设计提供了依据。     

一种系统化的行为形成因子分类方法

为了准确表述能够诱发人为差错的情景环境,对人因可靠性分析(HRA)中的行为形成因子(PSF)进行归纳整理,构建一种新的系统化的PSF分类方法。对现有人因可靠性文献中的PSF进行分析,明确PSF的定义及其内涵。通过分析人机交互过程,指出PSF应该包含:操作者,机器,任务,组织,环境和辅助系统等6个方面,分别从上述6个方面对PSF进行细致分解,最终构建包括6个方面38个元素的PSF分类方法。     

行为形成因子分析方法评述

为全面了解人因可靠性分析(HRA)中行为形成因子(PSF),对现有的PSF分析方法进行评述。分析情景环境的各种称谓,指出PSF是目前认可程度最高的一种,并规范PSF的定义及其内涵。分2种类型评述当前PSF的分类方法:基于影响机理分类和系统化分类。评述在HRA中PSF的选择和使用情况,针对不同的问题给出选择和使用PSF的建议。分别从定性评价和定量评价2个方面对PSF的评价方法进行评述。结果表明,PSF分析方法仍处于发展之中,需要在后续工作中不断改进。