基于TRACEr的管制员差错风险量化分析

为准确辨识管制员(ATCO)的人为差错风险,量化预测不同认知领域的差错发生概率,根据认知差错回溯与预测分析(TRACEr)中的认知功能框架定义管制差错类型,分析心理差错机制的致因因素,将其作为根节点建立空中交通管理(ATM)不安全事件的贝叶斯网络;引入加权距离计算网络节点的条件概率,分析我国近10年的空管人误数据,以挖掘差错风险因素。研究结果表明:管制员的人为差错产生于各个认知领域,由此导致的不安全事件发生概率为0.0407;警觉性失效、未充分学习、忽略危险、沟通误解和信息传输不清晰是主要风险因素,产生判断差错和信息传输差错的概率较大。

基于CREAM的管线打开作业人因失误事故研究

为提升管线打开作业的人因可靠性,深入探讨管线打开作业人因失误事故发生的根原因,基于认知可靠性和失误分析方法(CREAM),建立了管线打开作业人因失误模型,将失误模式划分为疏忽、擅自、错误、违反,建立了涵盖环境、人、信息、组织、危险源、技术6个方面的前因分类表和后果—前因追溯表,追溯分析人因失误的根原因,并运用扩展法对人因失误的发生概率进行定量预测。将模型应用于管线打开作业人因失误事故实例分析,结果显示:追溯到事故发生的根原因与员工个性缺陷、管理问题、安全意识欠缺等方面相关;获得3个人因失误事件的人因失误概率值分别为0.006、0.04、0.006;并提出了有针对性的建议、措施。

一种人因可靠性分析(HRA)方法

从控制论角度说明人因可靠性分析方法 ,在分析现有两代人因可靠性分析方法不足的基础上 ,结合控制论 。

基于Bayes信息融合的人为差错概率计算方法

研究了人为差错概率的计算。首先,介绍了可用于人为差错概率计算的数据来源,主要包括:通用数据、专家数据、仿真实验数据和现场数据。然后,分析了Bayes信息融合方法的基本思想,强调了该方法的两个关键性问题:验前分布的构建和融合权重的确定。最后,构建了基于Bayes信息融合的人为差错概率计算方法。将前3种数据作为验前信息,融合形成验前分布。使用Bayes方法完成与现场数据的数据综合,得到人为差错概率的验后分布。基于该验后分布,完成人为差错概率的计算。通过示例分析,演示了方法的使用过程,证明了方法的有效性。

国外空管不安全事件中的人误风险分析

以近20年国外空管(ATM)不安全事件的调查报告为数据样本,研究导致管制员人为差错的风险因素。首先基于认知差错回溯分析(TRACEr)方法,在感知、记忆、计划决策和响应执行4个认知层面,划分管制员人误类型及差错根因类别;然后采用基于粗糙集理论(RST)的数据挖掘方法和贝叶斯网络(BN)的逆向推理方法计算各认知领域的差错风险表征值。研究结果表明:警觉性失效、信息处理失误、环境干扰和信息传输不清晰是引发不安全事件的高风险因素。边界视野局限、视觉识别失误、期望倾向、注意力未全局化等视觉感知差错根因在地面不安全事件中占主要影响;而记忆障碍、未充分学习、风险辨识失效、负作用影响等记忆和计划决策差错根因在空中不安全事件中占主要影响。经RST挖掘得到的视觉感知差错和信息传输差错是主要人误类型;而由BN分析得出的结论中,判断差错成为影响程度仅次于视觉感知差错的重要人误类型。

基于CREAM的军车交通事故根原因追溯分析

为准确查找军车交通事故中官兵失误的根本原因,运用认知可靠性与失误分析方法CREAM,在对大量军队车辆交通事故剖析的基础上,建立了军队车辆交通事故"前因"类别表和"后果—前因"追溯表,进而构建出军队车辆交通事故的官兵失误根原因追溯分析的方法模式,并运用实例进行分析,验证该方法模式的科学性和有效性。

人因失误的后果-前因追溯表

认知可靠性和失误分析方法(CREAM)属于第二代人因可靠性分析方法。该文研究CREAM中的追溯分析方法在人因失误事件根原因分析中的应用,对人因失误基本原因的分类和后果前因关系进行归纳、整理和补充,给出了简洁的后果前因追溯表和具体的追溯分析步骤和框架,便于实际应用。应用于ThreeMileIsland事故中的一个重要人因失误事件的追溯分析,得出了设计、规程和认知等方面的根原因。结果表明,追溯分析方法在工业系统人因事故的根原因分析中是实用而有效的方法。