一种基于HFACS模型的人为因素分析应用方法

为了提高航电试验机飞行试验的质量和安全,减少飞行试验中人因差错事件发生的机率,提出了一种基于HFACS模型的人为因素分析应用方法。建立了适用于航电试验机飞行试验领域的专业性人为因素分析模型,利用灰色关联分析法对影响飞行试验人因差错事件发生的致因因素进行了子层级归类和整体性分析。从归类和整体性分析结果来看,影响飞行试验人因差错事件发生的核心致因因素主要有协同管理、组织过程、技能差错、身体/能力限制、精神状态、组织氛围、监督不充分及决策差错等。研究表明,该人为因素分析应用方法对挖掘和分析航电试验机飞行试验人因差错事件发生的核心致因因素具有较好的效果。

基于HFACS方法的海上交通人为因素分析与应用

人为因素是导致海上交通事故的最主要原因,分析海上交通事故中人为因素的特征,从而采取相应的预防措施,对海上交通安全至关重要。结合人的因素分析与分类系统(Human Factors Analysis and Classification System,HFACS)与海上事故调查中的人为因素尺度,提出用于海上交通事故调查的人为因素与分类系统(Human Factors Analysis and Classification System for Marine Traffic Accident and Incident Investigation,HFACS-MTAI)。运用专家主观评分法对导致事故产生的人为显、隐性因素进行打分,并结合灰色理论为各因素进行量化排序,并通过分析某海上交通事故验证所提构想的有效性。

高校实验室安全事故人为因素及其影响路径分析

为了通过人因分析与分类系统模型从组织影响、不安全的监督、不安全行为的前提条件和不安全行为4个层面探究高校实验室安全事故的关键人因及其影响路径。对90起高校实验室事故(2000—2022年)进行统计分析,并运用卡方检验和让步比探讨了产生不安全行为的原因和各层次间的内在联系。结果表明:组织过程简单、监督不充分、个人因素、技能失误和习惯性违规是导致高校实验室事故发生的重要因素;模型中高低层级的人为因素间存在显著的因果关系,且主要的实验室事故致因路径共有16条。根据各层级事故致因形式,剖析了针对性的高校实验室事故的影响过程。

HFACS理论对患者安全中人为因素研究启示

人为因素在航空领域和医疗领域中都是影响安全的重要因素。研究影响患者安全的人为因素也多参考航空安全研究的相关理论和方法。人的因素分析与分类系统源自航空事故中人为因素的分析。该理论在患者安全领域通过研究医护人员不安全行为、不安全行为的前提、不安全的监督和医疗机构的组织影响4方面将个人和组织协同分析,回溯原因,力求构建安全预防和风险管理体系。为减少人为因素对患者安全的影响提供新思路和新方法,使人为因素成为患者安全的重要保障。

基于HFACS模型的水利工程施工事故致因分析

为探寻水利工程施工事故的预防方法,厘清导致水利工程施工事故发生的主要原因,以我国发生于2017—2023年的40起水利工程施工事故为样本,依据水利工程施工特点扩充致因类别,利用扩充后的人因分析和分类系统(HFACS)分析样本事故,并根据致因统计结果提出后续的事故预防对策。结果表明:水利工程施工事故致因中,组织因素主要集中于不良的组织氛围,监管因素主要体现为监管不足,不安全行为的前提条件因素主要集中于不良的任务安排与环境因素,不安全行为主要表现为操作者的习惯性违规;同时,研究结果也证明,基于水利工程施工场景特点扩展包含65项表现形式的HFACS框架可作为后续水利工程事故的致因分析工具。

基于HFACS模型的化工企业事故隐患统计分析

以S省327家化工企业排查出的6578项事故隐患为样本,首先将企业按照行业类别进行分类,统计各个行业内企业所排查出的事故隐患数量的均值,发现医药制造类企业所涉及的事故隐患较多,约为31.5项。随后,将企业按照成立时间进行分类,发现事故隐患的均值随着企业成立时间的增加呈现先增加后减少的趋势,且在2007—2009年间成立的企业所排查出的事故隐患均值达到高峰,约为30.9项。其次,利用改进的HFACS模型按照事故隐患类别对样本进行分类统计,发现不安全行为、不安全的监督以及物理性危险有害因素在总数中所占的比重较大,分别达到27.73%、18.04%和17.65%。最后,根据统计分析结果提出相应的建议措施,该研究对化工企业安全生产水平的提高具有指导意义。

油气管道事故原因分类模型及其社会网络分析

为提高油气管道事故预防策略的有效性,首先,基于系统理论事故建模与过程(STAMP)模型及人为因素分析与分类系统(HFACS)模型,建立油气管道事故预防控制结构,分析国内外35起油气管道事故原因,并依据扎根理论对分析结果进行统计编码,得出油气管道事故原因分类模型;其次,应用社会网络分析法构建油气管道事故原因关系网络,通过核心—边缘分析、中心性分析和关联方向指数分析,识别油气管道事故原因中核心及具有高关联性和强影响力因素。研究结果表明:油气管道事故原因分类模型包含6个层次:政府及监管部门因素、第三方因素、运营商组织因素、运营商不安全监督、现场人员不安全行为的前提条件、现场人员的不安全行为,并可将其细分为22个最底层原因因素。其中,政府及监管部门因素、运营商组织因素、运营商不安全监督和第三方因素均为核心因素;制度缺陷、监督不充分、运行计划不当、第三方破坏行为、管材与焊缝缺陷、施工/维修/配件问题、技能失误均为具有高关联性和强影响力因素。

基于SEM-AHP方法的核电厂定量人为因素评价研究

文章基于人为因素分析与分类系统,分析了115起核电厂执照运行事件报告(Licensed Operation Event Report,LOER),并对影响核电厂事件发生的人为因素进行分类,采用结构方程模型方法得出各影响因素的路径系数,两两比较得到层次分析模型的判断矩阵,进而确定各因素的权重。同时对核电厂人为因素的重要性做排序分析,找到核电厂运行过程中的安全管理薄弱环节,从而促进核电厂系统平稳运行。

影响我国民航飞行安全的个体与组织因素——基于HFACS框架的事件分析

主要通过民航事故征候(事件)的分析,对影响飞行安全的人的因素进行研究。数据分析主要采用编码分析的方法,结果发现:在个体层面,对事故征候影响顺序是技能差错、决策差错与知觉差错;机组内部的沟通与协调不畅在各个飞行阶段都存在;在组织层面,监督、资源管理、文化与氛围是比较有影响的组织因素;组织内部与外部的信息界面是飞行安全的隐患之一。与此同时,分析了该项目研究的不足之处,提出改善民航飞行安全的建并指出今后研究的方向。

建筑安全事故人为因素分类研究

为系统研究导致建筑安全事故的人为因素及对策,首先,在文献分析和专家访谈的基础上结合建筑行业特征提出人为因素分类分析系统(HFACS)框架中应增加社会环境层,在修正框架层次和人为因素的基础上构建建筑安全事故人为因素分类分析系统(C-HFACS)框架;其次,对150起建筑安全事故进行案例分析,探讨C-HFACS框架中对事故影响显著的人为因素及其内在关联性,验证了构建C-HFACS框架的合理性;最后,得出政府监管等九个人为因素对事故和下层人为因素影响显著,并从政府、企业、现场和个体四个维度提出独立第三方"飞行式"巡检等有针对性的对策,以期为建筑安全事故分析和管理提供新的方法和工具。

基于HFACS系统理论的签派人误分析

文章依据HFACS理论及签派工作中发生人误事件的分析结果,通过相关论证,确定了引发签派人误不安全事件的最主要原因,最后以目前民航签派工作为载体,分析签派的安全状况,详细提出了预防签派工作中人误事件发生的一些意见和建议。

基于云模型的极地航行船舶驾驶员关键行为因素分析

为系统性考虑人为因素对极地航行安全的影响,采用人为因素分析及分类系统和行为影响因子,结合船舶极地航行的实际情景特征,利用调研数据和云模型正向云发生器算法,构建了极地航行船员人为因素分析及分类模型。该模型包含49种驾驶员行为子因素,以识别极地航行船舶驾驶员人因失误的关键行为因子。结果显示:导致极地航行船员人因失误的关键行为因素来自不安全监督、不安全行为的前提条件和不安全行为层级的28个子因素。关键行为因素的识别有助于研究人员和管理者有针对性地采取有效措施,防止人为失误的发生以提高船舶极地航行安全水平。

基于HFACS的核电厂调试人因事件分析

核电厂调试是电厂运行的前一阶段,旨在验证全厂设备符合运行要求。人因失效会严重影响调试的安全可靠性,对调试人因事件进行分析可帮助识别诱发人因失效的潜在因素,从而为调试安全质量管理提供指导。基于领域专家判断,修改并建立针对调试的人因分析与分类系统(HFACS),并由5位领域专家应用该系统对127起人因事件进行分析编码。研究所获频率统计结果与核电厂运行事件分析结果的对比表明,调试和运行作为两种不同的电厂阶段,在监督管理、失误类型上存在共性,在组织影响、不安全行为的前提条件及人员违规上存在差异。通过相关性分析,研究识别出与人因失效具有显著关联的若干因素,调试作业的管理可通过控制这些因素来减少人因失效的发生。

运用HFACS模型对一起通风管道爆燃事故的起因分析

爆燃事故是高校实验室较为频发的安全事故,为实验室事故防治的重中之重。针对某高校生化实验室发生的通风系统爆燃事故,运用人为因素分析与分类系统(HFACS)模型从组织影响、不安全的监督、不安全行为的前提条件和不安全行为四个方面对该起事故的起因进行深入分析,查找具体安全隐患。分析表明,该起事故是由于实验室通风设备设计不合理及设备老化,管理混乱、操作人员安全意识淡薄等多种因素导致的石油醚爆燃事故。针对以上问题,本文从设备配置、制度完善和人员管理三个方面提出了预防实验室爆燃事故的具体措施。

基于HFACS模型的化工事故致因分析

为探究我国化工企业安全管理应重点防范的问题,首先,基于化工事故特点,识别人因分析和分类系统(HFACS)中各致因类别在化工领域的具体表现形式;然后,完善HFACS模型,并以某化工企业2012--2016年的102起事故为样本,应用该模型分析事故致因,针对具体致因提出相应的控制与改善措施。结果表明:员工的不安全行为主要包括习惯性违规和技能型失误,其主要形式为未对设备/工艺进行风险评估;不安全行为的前提条件主要源于操作者注意力不集中、警惕性不强以及作业时未穿戴个人保护设备(PPE);不安全监管的主要形式为未进行监督和风险评估;组织影响主要形式为安全氛围未形成。

基于主题模型的Ubuntu操作系统缺陷报告的分类及分析

软件缺陷(Bug)是造成系统失效的主要原因之一,为了更好地开发软件与修复软件失效,需要对缺陷的分布等特征有更好的理解。Ubuntu是一款得到广泛应用的开源软件,也是Linux操作系统当前在全球最成功的发行版之一。利用缺陷报告来发掘软件缺陷特征,对缺陷进行合理分类并分析操作系统常见缺陷的分布规律及特点,对于基于Ubuntu的国产混源操作系统开发、测试及维护过程中的代码质量分析及提升具有重要参考价值。首先,获取Launchpad上32805份Ubuntu操作系统的缺陷报告。然后,采用主题模型分析Ubuntu上常见的缺陷,并结合操作系统的组成特点将其分为内核相关异常、桌面环境异常、网络相关异常、硬件驱动相关异常以及上层应用及开发环境相关异常。进一步,利用F1值对分类结果进行评估,结果表明缺陷分类具有较好的准确率。最后,通过分析缺陷报告统计结果得到Ubuntu操作系统的近期缺陷的一般分布规律和特点,同时通过缺陷报告的分类结果,得到了有助于进一步认知Ubuntu操作系统缺陷的相关发现和结论。

基于HFACS的民机总装过程人为失误风险分析

为解决民用飞机制造过程中人为失误风险评估不确定性问题,提出一种基于人因分析与分类系统(HFACS)模型的风险分析方法。首先,采用故障模式与影响分析(FMEA)法评估民用飞机总装过程中人为失误的风险,结合国际民航组织(ICAO)的人为因素分类方法提出改进的HFACS模型,并将其作为人为失误发生度和难检度的评估依据;其次,采用粗糙集方法处理评估信息的不确定性问题;然后,应用偏好顺序结构评估法(PROMETHEE II)处理人为失误风险评估和排序问题,并评估其改进优先级;最后,分析某民用飞机制造企业总装过程中的人为失误风险,验证所提方法的有效性。结果表明:所提方法能为民用飞机制造企业人为失误风险评估提供合理的评估依据和有效的评估方法。

基于改进HFACS-MI模型的煤矿透水事故致因分析

为系统研究导致煤矿透水事故的影响因素,以100起典型煤矿透水事故案例为样本,归纳整理出煤矿透水事故的直接原因和间接原因,并基于改进的人因分析与分类系统(HFACS-MI)模型,结合煤矿透水事故特征,在修正和补充人为因素的基础上构建了基于改进HFACS-MI模型的煤矿透水事故致因体系,最后根据卡方检验和让步比分析了产生不安全行为的原因以及各致因层级间的因果关系。结果表明:不安全行为是造成煤矿透水事故的最主要原因,其中决策型差错、认知型差错和习惯违规表现最为突出,工人的准备状态和精神状态不佳是导致不安全行为的最直接原因,监管部门监督不到位是导致煤矿透水事故发生的深层原因,容易引起组织氛围缺失和组织过程漏洞,从而造成不安全的领导行为,为不安全行为的发生创造了前提条件。

基于HFACS模型的制造企业机械伤害事故致因分析

为探究我国制造企业机械伤害事故发生的部分原因,首先以206份机械伤害事故报告为样本,基于人因分析与分类系统(HFACS)模型,运用SPSS软件分析样本数据频率及相关性,其中,较常见的致因因素是组织氛围、监督不到位、不良的心理状态和偶然性违规;各致因因素间的关联强度值为1.994~5.407,组织氛围-监督不到位-不良的心理状态-偶然性违规是关联强度之和最大的关键事故致因路径;然后利用Super Decisions软件计算致因因素权重,其中,不安全行为的前提条件权重值为0.3301,是所占权重最高的关键层级,不安全的监督层级中的计划任务不恰当权重值为0.1501,是权重最高的关键因素;最后通过分析提出预防机械伤害事故发生的策略。研究结果表明:机械伤害事故的发生是各致因因素间相互作用的结果,减少制造企业机械伤害事故需要阻断事故致因路径、加强对关键层级和关键因素的管控。

基于HFACS模型的电力安全案例分析

阐述人因分析与分类系统(HFACS)的应用,基于HFACS的典型事故案例分析,采用HFACS系统模型对事故的原因进行分类分析,从不安全行为、不安全行为的前提条件、不安全的监督、组织影响四个层次寻找导致事故发生的主要原因,并提出改善建议。