CN103646184A - 一种利用slim预测车间人因失误概率的方法 - Google Patents
一种利用slim预测车间人因失误概率的方法 Download PDFInfo
- Publication number
- CN103646184A CN103646184A CN201310722771.7A CN201310722771A CN103646184A CN 103646184 A CN103646184 A CN 103646184A CN 201310722771 A CN201310722771 A CN 201310722771A CN 103646184 A CN103646184 A CN 103646184A
- Authority
- CN
- China
- Prior art keywords
- people
- workshop
- factor
- slim
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种利用SLIM预测车间人因失误概率的方法，该利用SLIM预测车间人因失误概率的方法包括以下步骤：对装配车间质量问题进行评估，并对人为失误进行选择；选取关键KPSFs，并确定关键KPSFs权重值；分析KPSFs的人因失误概率；计算成功似然因子和人误概率值；对效度和信度进行分析。本发明解决了人因因素难以量化的问题，对若干因素作了简化以便于工程实践，运用综合评价法计算人因失误系数，结合层次分析法对汽车装配车间生产安全问题进行评估，计算分析比较车间各个失误因素，减少潜在安全问题，对生产车间改进前后作业人员现场作业的疲劳度和作业效率进行比较，进行人因分析和优化，提高了人员作业的操作舒适性和动作经济性。
Description
技术领域
本发明属于车间人因分析技术领域，尤其涉及一种利用SLIM预测车间人因失误概率的方法。
背景技术
人因工程学是研究人与机器、人与环境的相互作用，合理设计的作业环境系统，确保适合人的生理、心理等特点，目的是抱枕生产、安全、健康和舒适的要求，是促进生产的一种方法 。人因工程的发展进程概括为以下几个阶段：20 世纪初到1945 年，工效学及管理工程；1945～1960 年工程心理学；1960～1980 年人机工程学；从1980 至今人机界面、人因可靠性与系统安全。
国内人因工程学发展，陈立先生《工业心理学概述》出版于1935 年，是最早介绍工业心理学的书籍。之后杭州大学和中国科学院心理研究所心理学家进行操作合理化、技术创新、事故分析、人员培训和其他劳动等生产研究 。1990 年随着我国核电和航天事业等领域的快速发展，高校、科研院所在应用性学科开设了相关课程，而且有相当一部分高校、研究所培养工业工程人才。21世纪初期，人因可靠性应用旨在克服人性弱点，使用激励与监督相结合的方法，绩效管理是一种激励和监督，把技术管理与绩效管理相结合，提高工作绩效。对于航天、军事、核工业等高度复杂的大型系统的科研项目要求系统具有更高可靠性和安 性，要求避免一切人因因素到时的事故。人因因素在项目实 过程不可避免的参与进来，就对大型系统的科学性提出更高的要求。
人为错误是由于超出标准要求或允许的范围内工作人员行为失误或错误 。通过抽查同一生产现场工人生产同样的零件发现，仅仅由于操作者的不同，生产的零件质量有差别。在体力劳动的疲劳研究中，Lamkull等采用虚拟人体模型来预测汽车装配作业任务，这将是未来制造行业进行人因分析的主要手段；Heleen H通过肌电图肌肉疲劳模拟组装测试和测量发现，耐力训练可以提高人体疲劳，从事长时间体力工作；Li能耗评价方法评估手动起重作业是工人生理反映的变化，选择合理工作方式；Tween 等提出了一种基于仿真的维修判断人体疲劳分析方法，操作人员的疲劳程度维护；Cote分析肌肉骨骼健康问题并从人机工程角度研究了工作与休息的问题；姜海涛等如使用虚拟装配软件EM-engineer系统，包括二维CAD系统来构建一个虚拟装配环境，以模拟真实的生产环境和产品装配工艺，装配工艺人体工程学分析；朱传敏等介绍eM-Human 的功能特点，数字人体模型和仿真技术在该领域的人为因素，建立了提供的重要性有用的指导。采用虚拟装配技术，通过虚拟人体实现真人的工作情况，发现操作过程中存在的人因问题，改善后投入生产实践。上述大型项目中工人作业的工作负荷对职业安全和健康越来受到关注。
然而研究表明我国的虚拟装配技术在向前发展，存在的问题较多，不能满足庞大复杂系统的要求，不满足环境因素变化的要求，信息传递时CAD 接口没有国家标准，人因因素影响较大，精度仍需不断提高。虚拟装配技术目前虽然在很多领域得到了广泛的研究，但各个领域的研究和应用尚待进一步深入和改善。
发明内容
本发明实施例的目的在于提供一种利用SLIM预测车间人因失误概率的方法，旨在解决现有的技术存在的不能满足庞大复杂系统的要求，不满足环境因素变化的要求，信息传递时CAD接口没有国家标准，人因因素影响较大，精度仍需不断提高的问题。
本发明实施例是这样实现的，一种利用SLIM预测车间人因失误概率的方法，该利用SLIM预测车间人因失误概率的方法包括以下步骤：
步骤一、对装配车间质量问题进行评估，并对人为失误进行选择；
步骤二、选取关键KPSFs，并确定关键KPSFs权重值；
步骤三、分析KPSFs的人因失误概率；
步骤四、计算成功似然因子和人误概率值；
步骤五、对效度和信度进行分析。
进一步，在步骤一中，生产系统存在不同类型的错误因素，简化分析人为错误分类的必要性结果更具有代表性，需要对人因失误分类，系统建立人体工程学反馈机制，实时进行工艺工序的修正和恢复，科学管理与安全生产的金字塔结构。
进一步，在步骤一中，使用KPSF表示影响行为的各种因素；使对人因失误和质量控制起作用，要求对于不同类型的任务需要重新组合并且选出关键行为形成因子，表示为KPSF，人因行为形成关键因子影响着人员作业，人因错误将导致对汽车装配过程中的质量有下降。
进一步，在步骤二中，选择了具有丰富生产经验的装配车间管理人员，包括生产主管、质量工程师、生产线长、总装车间线生产线长，在生产过程中根据工作经验比较KPSF 因子，对装配线上哪个因素更容易导致人为因素事故做出判断，专家需要判断每一个因子，每个专家的判断结果是一个矩阵，质量工程师和专家基于AHP 关键因素确定的性能权重矩阵形成。
进一步，在步骤三中，采用AHP法评估专家来评估每一种KPSFi的一个矩阵（i=1,2,3,4）。
进一步，在步骤四中，由判断举证计算得到KPSFs权重值，根据判断矩阵得出每个人因失误发生可能性的数值，将数值代入计算公式，可以计算每项任务的成功似然因子：
SLI j = W PSFi Ai j
其中：SLI j为第j 项任务的成功似然因子；
Wi为PSF 因素在任务完成中的归一化权重值；
Ai j为第j 项任务的第i 种PSF 影响因素。
进一步，在步骤五中，对评价结果进行AHP 法一致性检验，用数值克伦巴赫α系数来验评估专家判断矩阵的内部一致性，克伦巴赫α系数是最常用的可靠性系数，适用于反应一个统一系统响应测试数据或调查数据的判断，计算公式：
式中： k：测试题数目；
S i：第i题得分的方差；
S x：全部题项的方差。
本发明提供的利用SLIM预测车间人因失误概率的方法，对生产车间改进前后作业人员现场作业的疲劳度和作业效率进行比较，进行人因分析和优化，对提高人员作业的操作舒适性和动作经济性和改善生产线车门装配线具有指导意义；虚拟装配对机电类产品进行优化设计、采用虚拟模型仿真实体模型的情况、不仅能缩短新产品研发周期、装配费用降到最低、而且对于提升工人的技术技能、确保产品的满足客户要求具有重要的意义。本发明将人因分析与虚拟装配结合，不仅可以提高汽车装配效率，还可以降低人员在系统中的负面影响，以保证其项目安全进行，对装配过程的安全进行风险评估，对系统中的各个失效因素进行、分析比较，以确定并消除潜在隐患。本发明在将相关虚技术研究总结和对比的基础上，研究了汽车车门虚拟装配时人因因素；根据目前国内现状采用事故统计数据库，解决人因因素难以量化的问题，对若干因素作了简化以便于工程实践，运用综合评价法计算人因失误系数，结合层次分析法对汽车装配车间生产安全问题进行评估，计算分析比较车间各个失误因素，减少潜在安全问题，对生产车间改进前后作业人员现场作业的疲劳度和作业效率进行比较，进行人因分析和优化，提高了人员作业的操作舒适性和动作经济性，实现了生产线车门装配线改善。
附图说明
图1是本发明实施例提供的利用SLIM预测车间人因失误概率的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示，本发明实施例的利用SLIM预测车间人因失误概率的方法包括以下步骤：
S101：对装配车间质量问题进行评估，并对人为失误进行选择；
S102：选取关键KPSFs，并确定关键KPSFs权重值；
S103：分析KPSFs的人因失误概率；
S104：计算成功似然因子和人误概率值；
S105：对效度和信度进行分析。
在步骤S101中，生产系统存在不同类型的错误因素，简化分析人为错误分类的必要性结果更具有代表性，需要对人因失误分类，系统建立人体工程学反馈机制，实时进行工艺工序的修正和恢复，科学管理与安全生产的金字塔结构。科学管理能够减少生产过程中人因失误造成的影响，管理的越科学越细致，金字塔下层的生产安全事故就会减少，反之亦然，根据对某汽车企业装配过程质量问题的分析及专家调研情况。调查汽车企业甚至是整个行业总装过程中的所面临的共性问题，表1所示：
表1汽车装配过程中作业人员的6种典型失误
在步骤S101中，使用KPSF（人因行为形成因子）表示影响行为的各种因素；使对人因失误和质量控制起作用，要求对于不同类型的任务需要重新组合并且选出关键行为形成因子，表示为KPSF，人因行为形成关键因子影响着人员作业，人因错误将导致对汽车装配过程中的质量有下降。本发明对制造车间人因因子的确定，结合某装配车门车间的情况，采访最熟悉生产管理层人员，并最终讨论影响操作人员失误的四个关键KPSFs，分别为经验和知识、质量意识、工作环境、工作负荷；如表2所示：
表2 影响操作员失误的关键KPSFs
在步骤102中，对装配车间的各种状况都有详细的了解，保证评估结果具有可靠准确有效，调差人员选择了具有丰富生产经验的装配车间管理人员，包括生产主管、质量工程师、生产线长、总装车间线生产线长，邀请的六位具有丰富生产管理经验评估专家；表3为参与评估的人员职位及任务表：
表3 参与评估的人员职位及任务表
在生产过程中根据工作经验比较KPSF 因子，对装配线上哪个因素更容易导致人为因素事故做出判断。专家需要判断每一个因子，每个专家的判断结果是一个矩阵，质量工程师和专家基于AHP 关键因素确定的性能权重矩阵形成，每一位专家共需要判断6次，形成相对应数目的矩阵，如表4所示：
表4 评价因素间的判断值
| 判断值 KPSF1 KPSF2 KPSF3 KPSF4 |
| KPSF1 1/2 3 2 3 |
| KPSF2 2 1/2 1/2 2 |
| KPSF3 1/3 5 1 3 |
| KPSF4 1/2 1/3 1/2 4 |
得到判断矩阵：
计算得到权重：
根据AHP 法计算得到四个关键绩效行为形成因子的相对权重，发现人因行为形成中作业人员的“经验和知识”因子是最重要的。带入MATLAB 软件验证一致性 验结果为CR =0.0636 <0.1，通过一致性检验，与预测结果相符；
在步骤103中，采用AHP法评估专家来评估每一种KPSFi的一个矩阵（i=1,2,3,4），所以每个专家得到24 判断矩阵（n = 6），选择其中一个评价质量工程师评价结果列举如表6所示，计算出的重量和试验的一致性。
表6 KPSF 条件下的判断矩阵
从表6可以得出：KPSF1，KPSF2，KPSF3，KPSF4 中不合理情况下，出现错误的可能性较大时，KPSF4 出现错误可能性最大。
在步骤104中，由判断举证计算得到KPSFs权重值，根据判断矩阵得出每个人因失误发生可能性的数值，将数值代入计算公式，可以计算每项任务的成功似然因子：
SLI j = W PSFi Ai j
其中：SLI j为第j 项任务的成功似然因子；
Wi为PSF 因素在任务完成中的归一化权重值；
Ai j为第j 项任务的第i 种PSF 影响因素。
质量工程师的判断结果估计的SLI，如表7所示。
表7 质量工程师的判断结果估计的SLI
利用上述计算过程，计算出六位专家判断矩阵估计的SLI 值，如表8 所示。
表8 6 位专家估计的SLI值
从分布矩阵可以计算出每一位专家评估的SLI 值，通过公式5.4 计算SLI 平均数，将每项人因失误的成功似然因子转换为概率值，建立关系式：
lgHEP=aSLI+b 其中：a 和b 是待定的常数。
专家评估SLI 值平均值如表9所示。
根据SLI 的计算结果和实际情况，在计算结果选择具有最小值失误6 和最大值失误1作为两个边界点，求解常数a 和b。通过绝对概率判断法APJ 估计，估计结果为：
A6=0.058，A5=0.021，由上式计算得到a=6.435，b=-3.016，
因此得到计算公式：
lgHEP=6.621SLI±3.036
表9 SLI 平均数和HEP平均数
其中数值较小的项目是最不好的情况，依次判断装配过程中典型错误的失误概率。力矩超出阀值、导线连接有误容易出现错误。
在步骤105中，对评价结果进行AHP 法一致性检验，用数值克伦巴赫α系数来 验评估专家判断矩阵的内部一致性。克伦巴赫α系数是最常用的可靠性系数。此方法适用于反应一个统一系统响应测试数据或调查数据的判断。计算公式：
式中： k：测试题数目；
S i：第i题得分的方差；
S x：全部题项的方差。
表10 信度分析结果
根据公式可知在数据采集的过程中需要进行测验信度分析，SPSS软件下选择 Scale模块下的Reliability Analysis 选项 ，运算得出结果：若Alpha ≥0.8 时，不用删掉任何题项，结果足够好；Alpha<0.8时，然后评价的数据项去掉，使得Alpha ≥0.8 项目的数值达到合理范围，Alpha 值的最低要求是大于0.7，满足系统对信度分析的要求。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种利用SLIM预测车间人因失误概率的方法，其特征在于，该利用SLIM预测车间人因失误概率的方法包括以下步骤：
步骤一、对装配车间质量问题进行评估，并对人为失误进行选择；
步骤二、选取关键KPSFs，并确定关键KPSFs权重值；
步骤三、分析KPSFs的人因失误概率；
步骤四、计算成功似然因子和人误概率值；
步骤五、对效度和信度进行分析。
2.如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤一中，生产系统存在不同类型的错误因素，简化分析人为错误分类的必要性结果更具有代表性，需要对人因失误分类，系统建立人体工程学反馈机制，实时进行工艺工序的修正和恢复，科学管理与安全生产的金字塔结构。
3. 如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤一中，使用KPSF表示影响行为的各种因素；使对人因失误和质量控制起作用，要求对于不同类型的任务需要重新组合并且选出关键行为形成因子，表示为KPSF，人因行为形成关键因子影响着人员作业，人因错误将导致对汽车装配过程中的质量有下降。
4. 如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤二中，选择了具有丰富生产经验的装配车间管理人员，包括生产主管、质量工程师、生产线长、总装车间线生产线长，在生产过程中根据工作经验比较KPSF 因子，对装配线上哪个因素更容易导致人为因素事故做出判断，专家需要判断每一个因子，每个专家的判断结果是一个矩阵，质量工程师和专家基于AHP 关键因素确定的性能权重矩阵形成。
5. 如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤三中，采用AHP法评估专家来评估每一种KPSFi的一个矩阵（i=1,2,3,4）。
6. 如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤四中，由判断举证计算得到KPSFs权重值，根据判断矩阵得出每个人因失误发生可能性的数值，将数值代入计算公式，可以计算每项任务的成功似然因子：
SLI j = W PSFiAi j
其中：SLI j为第j 项任务的成功似然因子；
Wi为PSF 因素在任务完成中的归一化权重值；
Ai j为第j 项任务的第i 种PSF 影响因素。
7. 如权利要求1所述的利用SLIM预测车间人因失误概率的方法，其特征在于，在步骤五中，对评价结果进行AHP 法一致性检验，用数值克伦巴赫α系数来验评估专家判断矩阵的内部一致性，克伦巴赫α系数是最常用的可靠性系数，适用于反应一个统一系统响应测试数据或调查数据的判断，计算公式：
式中： k：测试题数目；
S i：第i题得分的方差；
S x：全部题项的方差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310722771.7A CN103646184A (zh) | 2013-12-24 | 2013-12-24 | 一种利用slim预测车间人因失误概率的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310722771.7A CN103646184A (zh) | 2013-12-24 | 2013-12-24 | 一种利用slim预测车间人因失误概率的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103646184A true CN103646184A (zh) | 2014-03-19 |
Family
ID=50251397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310722771.7A Pending CN103646184A (zh) | 2013-12-24 | 2013-12-24 | 一种利用slim预测车间人因失误概率的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103646184A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036361A (zh) * | 2014-06-23 | 2014-09-10 | 南京工业大学 | 一种承压设备制造过程中的人因可靠性分析方法 |
| CN107038281A (zh) * | 2017-03-13 | 2017-08-11 | 南京航空航天大学 | 一种基于特征配置的系统层综合模型安全验证方法 |
| CN112380627A (zh) * | 2020-11-25 | 2021-02-19 | 武汉理工大学 | 远程遥控船舶人因可靠性分析系统及其控制方法 |
| CN113592311A (zh) * | 2021-08-02 | 2021-11-02 | 中国船舶工业综合技术经济研究院 | 用于复杂人机系统选择人因方法的方法 |
| CN115249091A (zh) * | 2022-07-06 | 2022-10-28 | 国家核安保技术中心 | 事件的预测方法、装置、设备、存储介质及程序产品 |
-
2013
- 2013-12-24 CN CN201310722771.7A patent/CN103646184A/zh active Pending
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104036361A (zh) * | 2014-06-23 | 2014-09-10 | 南京工业大学 | 一种承压设备制造过程中的人因可靠性分析方法 |
| CN107038281A (zh) * | 2017-03-13 | 2017-08-11 | 南京航空航天大学 | 一种基于特征配置的系统层综合模型安全验证方法 |
| CN107038281B (zh) * | 2017-03-13 | 2020-06-16 | 南京航空航天大学 | 一种基于特征配置的系统层综合模型安全验证方法 |
| CN112380627A (zh) * | 2020-11-25 | 2021-02-19 | 武汉理工大学 | 远程遥控船舶人因可靠性分析系统及其控制方法 |
| CN112380627B (zh) * | 2020-11-25 | 2024-02-20 | 武汉理工大学 | 远程遥控船舶人因可靠性分析系统及其控制方法 |
| CN113592311A (zh) * | 2021-08-02 | 2021-11-02 | 中国船舶工业综合技术经济研究院 | 用于复杂人机系统选择人因方法的方法 |
| CN113592311B (zh) * | 2021-08-02 | 2023-09-19 | 中国船舶工业综合技术经济研究院 | 用于复杂人机系统选择人因方法的方法 |
| CN115249091A (zh) * | 2022-07-06 | 2022-10-28 | 国家核安保技术中心 | 事件的预测方法、装置、设备、存储介质及程序产品 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103646184A (zh) | 一种利用slim预测车间人因失误概率的方法 | |
| CN102902882A (zh) | 一种信息系统运行质量的评价方法 | |
| CN104732286A (zh) | 一种城市轨道交通车站安全态势感知方法 | |
| CN107092751B (zh) | 基于Bootstrap的变权重模型组合预测方法 | |
| CN105678438A (zh) | 一种基于语言加权几何算子与模糊优先序的改进fmea方法 | |
| Cafiso et al. | Performance of safety indicators in identification of black spots on two-lane rural roads | |
| CN110399675A (zh) | 一种基于遗传算法的电梯层门多目标优化设计方法 | |
| Yan et al. | Using artificial neural network for predicting and evaluating situation awareness of operator | |
| Faber et al. | Empirical validation of the time accuracy of the novel process language Human Work Design (MTM-HWD®) | |
| CN101609411B (zh) | 一种基于复杂度的嵌入式软件功耗bp神经网络建模方法 | |
| CN106960098A (zh) | 一种用数学建模对建筑设计舒适性综合评价的方法 | |
| CN113592311B (zh) | 用于复杂人机系统选择人因方法的方法 | |
| Wade et al. | Applying machine learning-based diagnostic functions to rotorcraft safety | |
| Guo et al. | System dynamics analysis of man-machine efficacy in plateau mines | |
| El Mir et al. | Certification of machine learning algorithms for safe-life assessment of landing gear | |
| Azimian et al. | Sensitivity analysis of projects efficiency in a multi-project environtment based on data envelopment analysis | |
| Adar et al. | Evaluating mental work load using multi-criteria hesitant fuzzy linguistic term set (HFLTS) | |
| Lu et al. | Maintainability virtual evaluation method based on fuzzy multiple attribute decision making theory for civil aircraft system | |
| Zhou et al. | A copula-based quantified airworthiness modelling for civil aircraft engines | |
| CN113192636B (zh) | 一种飞行任务负荷评估方法及系统 | |
| Farooq | Finite element simulation of flat nose low velocity impact behaviour of carbon fibre composite laminates. | |
| CN106643907A (zh) | 用于结构监测数据异常识别的加权主成分分析方法 | |
| Danner | A formulation of multidimensional growth models for the assessment and forecast of technology attributes | |
| Abubakar et al. | Incorporation of human factors into a Discrete Event Simulation Model for human centred assembly performance evaluation | |
| Wan et al. | An Integrated Group Decision-making Method for Hypertension Risk Management Under Interval-valued q-rung Othopair Fuzzy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140319 |