CN109284896B - 人误模式影响分析方法 - Google Patents
人误模式影响分析方法 Download PDFInfo
- Publication number
- CN109284896B CN109284896B CN201810941563.9A CN201810941563A CN109284896B CN 109284896 B CN109284896 B CN 109284896B CN 201810941563 A CN201810941563 A CN 201810941563A CN 109284896 B CN109284896 B CN 109284896B
- Authority
- CN
- China
- Prior art keywords
- influence
- human
- human error
- task
- epc
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 118
- 230000008569 process Effects 0.000 claims abstract description 50
- 230000006870 function Effects 0.000 claims abstract description 38
- 230000003993 interaction Effects 0.000 claims abstract description 22
- 230000009471 action Effects 0.000 claims description 25
- 210000001956 EPC Anatomy 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000003920 cognitive function Effects 0.000 claims description 12
- 230000001939 inductive effect Effects 0.000 claims description 11
- 230000006698 induction Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000001149 cognitive effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000003745 diagnosis Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 101100055841 Danio rerio apoa1 gene Proteins 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005206 flow analysis Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 102000003712 Complement factor B Human genes 0.000 claims description 2
- 108090000056 Complement factor B Proteins 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims description 2
- 230000003111 delayed effect Effects 0.000 claims description 2
- 238000011835 investigation Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000013077 scoring method Methods 0.000 claims description 2
- 239000006071 cream Substances 0.000 claims 3
- 238000011058 failure modes and effects analysis Methods 0.000 claims 3
- 238000012545 processing Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000002789 length control Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种人误模式影响分析方法，步骤如下：一：人机交互任务流程分析及功能模型建立，对各个子任务建立人机系统功能模型；二：人误模式识别，最终得到任务过程中各种人误模式及其相应标准概率；三：环境影响因子体系构建及参数确定；四：人为失误概率计算及人误模式影响分析，计算人为失误概率，并分析人误模式对该功能单元及最终任务的影响；通过以上步骤和方法，明确各个功能之间的联系，分析任务过程中的EPC因子借助HEART方法对人误模式概率量化，最终达到了量化人误模式产生影响的目标，并解决了综合评价人误模式造成各种可能影响的实际问题。
Description
技术领域
本发明提供一种人误模式影响分析方法,它是一种基于任务过程梳理并考虑人机交互与情景环境影响的复杂人机系统中人误模式的半定量影响分析方法。此方法结合认知可靠性和失误分析方法(CREAM)人误模式分类框架识别得到的人机系统任务过程中所有可能出现的人误模式，借助人误评估和优化技术(HEART)方法和失误诱发条件(EPC)因子的影响对人误模式进行概率量化，属于人因可靠性分析的技术领域。
背景技术
人通常是大型复杂的系统运行过程中的监控者与决策者，因此人在产品使用过程中对产品的可靠性有十分重要的影响，而人误也成为系统事故最主要的原因之一。以产品为对象的可靠性设计并没有把真实的使用环境，即人、机和环境之间的交互作用纳入考虑，这导致实际使用时易出现各种事故。在航空领域，人误的影响更为突出，大约有70％～80％的事故是由人为因素引起，这类失误在飞机设备的传统失效模式与影响分析(FMEA)中无法被发掘。
目前针对人和机器分别有一套研究体系，但是人机环一体的研究相对较少，并且即便是存在人机系统的可靠性分析，相关研究也仅仅把人当作是机器去看待，没有体现人的主观能动性和人机环之间的交互过程。FMEA只能进行机器故障的单因素分析，对人机环耦合性考虑不足。过程故障模式影响分析方法(PFMEA)方法虽然考虑了人机环因素，但没有给出如何系统进行耦合分析的方法和流程，而且PFMEA更适用于流程相对固定的工艺过程，不适用于复杂的人机交互动态操作流程。
丹麦专家Hollnagel在进行系统安全性问题分析时将系统划分为易解型系统和难解型系统。其中，易解型系统的系统变化率极低，直接按照任务实施步骤便可以分解该系统，而难解型系统系统的工作并非常规例行的，而且相同情况很少重复发生，并且该系统变化率较高，意味着该系统的行为并不规则，而且很有可能也不稳定，所以无法对该系统进行详细、明确地定义，而且对其进行分解也毫无意义。人机环复杂系统就是这样一个难解型系统，传统的故障模式识别及影响分析方法对人机系统并不适用。
现有的方法对人机系统中异常模式及其影响分析仍有许多不足，而制定一套规范的、系统化的方法用于复杂人机系统在设计阶段进行故障/失误模式及其影响分析具有很强的现实意义。
发明内容
(1)目的
本发明的目的是提供一种人误模式影响分析方法，以开展人机交互任务系统中人误模式的单因素影响分析，得到人误模式产生的随任务的传递过程中的影响以及最终影响结果，为复杂人机系统中人误模式影响分析制定一套规范的方法。
(2)技术方案
本发明是一种基于任务过程梳理并考虑人机交互与情景环境影响的复杂人机系统中人误模式的半定量影响分析方法。人机交互任务系统中人误模式及其影响分析是一个单因素的影响分析，通过任务功能展开将系统分解到功能层次，明确各个功能之间的联系，结合CREAM人误模式分类框架识别任务过程中人误模式，分析任务过程中的EPC(失误诱发条件)因子，借助HEART方法(人误评估和优化技术方法)对人误模式概率量化，最终分析人误模式产生的影响以及随任务传递的影响。
本发明是一种人误模式影响分析方法，此方法按照以下四个步骤进行：
步骤一：人机交互任务流程分析及功能模型建立，将任务分解为一系列子任务或者操作，明确各个子任务/操作过程中的交互信息，对各个子任务建立人机系统功能模型；
步骤二：人误模式识别，采用CREAM方法对人误模式进行分类，并在此基础上设计“引导词”或“问题”来引导分析人员对人误模式进行识别，最终得到任务过程中各种人误模式及其相应标准概率；
步骤三：环境影响因子体系构建及参数确定，即结合HEART(人误评估和优化技术方法)和核作用可靠性评估(NARA)方法，建立EPC(失误诱发条件)体系，通过执行任务过程中的情景环境确定人误发生概率的影响因子；
步骤四：人为失误概率计算及人误模式影响分析，通过前面确定的基本任务类型、相关EPC(失误诱发条件)及其参数，计算人为失误概率，并分析人误模式对该功能单元及最终任务的影响；
上述各步骤中的有关问题内容详细补充如下：
1)步骤一中的有关“人机交互任务流程分析及功能模型建立”问题，补充说明如下：
我们需要分析的系统是一个难解型系统，一个系统可以实现多种任务，比如战斗机可以侦察、作战等等，所以在对人机环复杂系统的异常模式及影响分析前，需要明确该系统所处的任务场景，然后将任务分解为一系列子任务或者操作，以及明确各个子任务/操作过程中的交互信息；但是任务分析所涉及的子任务往往也有着多样化的组成方式，这些子任务可通过简单的方式组合在一起，也可具有复杂的层级结构，此时可以通过层次化任务分析将任务逐层分解至元任务；
任务分析完成后，分别对各个子任务建立功能模型，建立人机系统功能模型可参考功能共振事故模型(FRAM)方法中功能单元的定义，通过划分各个功能单元并分析其特征来描述系统的运行过程；FRAM方法(功能共振事故模型方法)从6个方面对功能单元进行描述，分别是输入、输出、提前、资源、时间和控制，各个特征的具体含义如下：
a)输入：启动功能的事物或功能将要处理或转化的事物；
b)输出：功能运行的结果，可以是某个实体，也可以是状态变化；
c)前提：功能执行之前必须存在的条件；
d)资源：功能执行所需要或者消耗掉以产生输出的事物；
e)时间：影响功能的时间约束(与起始时间、结束时间或持续时间相关)；
f)控制：功能是如何被监控或控制的；
分析完成后，将各个功能单元的六个特征填入其表1FRAM功能单元描述中；
表1 FRAM功能单元描述
| 功能名称 | 特征描述 |
| 输入 | |
| 输出 | |
| 前提 | |
| 资源(执行条件) | |
| 控制 | |
| 时间 |
2)步骤二中的有关“人误模式识别”问题，补充说明如下：
任务流程将复杂人机交互过程划分成多个相互关联的功能单元，建立了任务流程中的序列事件，接下来对任务中人误模式的识别需要重点确认该任务过程中的任务细节，包括人执行任务的具体操作以及所处的情景环境；人执行任务的工作分解结果填入表2“功能单元动作分解”中，包括人在该功能单元中具体的实施步骤，以及每个步骤中信息的传递内容、传递方式和传递对象；
表2功能单元动作分解
采用CREAM方法(认知可靠性和失误分析方法)的人误模式分类框架识别人机系统任务过程中所有可能出现的人误模式，CREAM方法将认知功能划分为观察、解释、计划、执行4大类，其中不同的功能模式对应着不同的失效模式，如表3所示，例如，“观察”对应的失效模式有观察目标错误、错误辨识、观察没有进行，“解释”对应的失效模式有诊断失败、决策失误、延迟解释，“计划”对应的失效模式有优先权错误、不适当计划，“执行”对应的失效模式包括动作方式错误、时间错误、目标错误、顺序错误、动作遗漏；本发明借用了文献中给出的13类认知功能失效模式的解释和失效概率的基本值(NHEP)和上下界；
表3认知功能失效模式名称和失效概率基本值(NHEP)
| 认知功能 | 失效模式 | 基本值 |
| 观察 | 观察目标错误 | 0.001 |
| 错误辨识 | 0.007 | |
| 观察没有进行 | 0.007 | |
| 解释 | 诊断失败 | 0.2 |
| 决策失误 | 0.01 | |
| 延迟解释 | 0.01 | |
| 计划 | 优先权错误 | 0.01 |
| 不适当的计划 | 0.01 | |
| 执行 | 动作方式错误 | 0.003 |
| 动作时间错误 | 0.003 | |
| 动作目标错误 | 0.0005 | |
| 动作顺序错误 | 0.003 | |
| 动作遗漏 | 0.03 |
认知活动包括协调、通信、比较、诊断、评估、执行、识别、保持、监视、观察、计划、记录、调节、扫描等，如表4所示，认知活动与认知功能是相对应的，例如“协调”这个行为要求计划和执行这两项认知功能，即由此能获得每项实施步骤中对应的认知功能并进行后续的人误模式识别；
表4认知行为与认知功能关系
在上述分析的基础上，通过填写表5可获得各功能单元相应的人误模式；首先分析得到该功能单元的动作分解结果，然后分析该工作属于哪一种行为类型，由此获得相应的认知功能，包括观察、解释、计划和执行四种，便可识别出该行为动作包括的人误模式；
表5人误模式识别
通过上述分析得到整个任务过程中的人误模式，对于单因素人误模式的影响分析不考虑其他因素的影响；
3)步骤三中的有关“环境影响因子体系构建及参数确定”问题，补充说明如下：
人因可靠性方法要识别人误、确定人误概率、找出人误原因，在确定人误概率步骤中需要考虑人误影响因子，所以很多人因可靠性方法都建立了情景环境影响因子体系，EPC的本质即是描述情景环境对人误的影响；
本发明中将EPC(失误诱发条件)分为人、任务和环境三个部分，然后针对每个类别设计具体的EPC，各类别的含义如下所示：
i.人：指操作者个人身体心理状态；
ii.任务：指需要完成的任务以及与任务相关的设备；
iii.环境：指自然环境和组织环境；
根据实际情况，各类别分别包含四至六个具体EPC，反映不同方面的情景环境影响，人误诱发条件具体如图1所示；
在此基础上，针对EPC体系总结出相应的评价指标或评价因素，从而方便分析人员对EPC分析判断，例如人疲劳的评价因素包括身体状态、休息时间、工作时间等，具体如表6所示；
表6 EPC体现评价指标
在完成EPC(失误诱发条件)体系构建后，下一步需确定每项EPC相应参数；参照HEART(人误评估和优化技术方法)的模式，每个EPC因子包含影响因子(Effect)和影响比例(APOA)两个参数；下面分别介绍两参数确定方法；
影响因子用于描述该EPC对人为失误的最大影响程度，确定该参数的步骤为：
第一步，在HEART方法和NARA方法若均包含此EPC指标(A)，则由综合指标A在HEART方法中的参数值、在NARA方法中的参数值和文献中该因子影响程度的大小综合确定其影响因子a；
第二步，在HEART方法和NARA方法若不包含此EPC指标(B)，则通过文献调研，确定A和B对操作者失误影响程度的比例，进而借助a推断出B的影响因子b，从而完成影响因子的确定；
在上述分析过程中的综合评定A的影响因子和确定A和B的相关影响程度比例均需要专家打分法进行评定；
影响比例用于描述在特定的情景环境下，该EPC对人为失误影响程度的大小；在HEART方法中，仅给出该参数的取值范围为0-1，具体取值由分析人员自行判断，具有较大的主观性，并且不同的研究背景取值存在一定的差异性；若以舰载机着舰过程分析为案例，可部分参考陆基军机和美国航空航天学会(AIAA)的民用航空的事故数据；受数据所限，此处的取值规则仅起到引导示范作用而不能完全保证其数值的精确性；
经整理后的EPC参数取值规则如表7所示；
表7 EPC参数取值情况
4)步骤四中的有关“人为失误概率计算及人误模式影响分析”问题，补充说明如下：
在确定基本任务类型、相关EPC(失误诱发条件)及其参数后，下一步进行人为失误概率计算；此处的计算方法借鉴了HEART方法(人误评估和优化技术方法)的相关公式；
对某项确定的EPC(失误诱发条件)，计算该EPC的影响：
EPC Affecti＝[(EPC Effecti-1)×APOAi]+1
(1)
式中：EPCAffecti指某失误诱发条件的影响程度；EPCEffecti指某失误诱发条件的影响因子；APOAi指某失误诱发条件的影响比例；
此处的影响因子根据表8获得，影响比例由操作人员根据表中的取值规则获得；
在完成各项EPC影响值计算后，即可计算人为失误概率：
式中：HEP指人为失误概率；NHEP指失效概率基本值；
其中NHEP根据表3获得，其对某一活动或过程的评估为本部分所包含所有动作或操作的综合情况，即反映的是该部分的平均水平；
表8人误影响分析表
这里影响分析的方法借用FMEA中的风险优先数法，给发生概率和严酷度按照一定标准评级，通过比较，找出相对重要的人误模式；人机系统中人误模式的风险优先数(RPN)由人误模式发生概率等级(OPR)和影响严酷度等级(ESR)的乘积计算得出，即
RPN＝OPR×ESR (3)
发生概率等级按照人误模式发生概率的大小依次排序给定评分等级，具体见表9，表中给出的本发明中OPR的评分准则依据FMEA方法中的等级制定，严酷度等级ESR用于评定所分析的人误模式的最终影响程度，其评定标准同样依据FMEA方法，具体见表10；
表9失误模式发生概率等级(OPR)的评分准则
| OPR评分等级 | 人误模式发生的可能性 | 人误模式发生概率P<sub>m</sub>参考范围 |
| 1 | 极低 | Pm≤10<sup>-6</sup> |
| 2、3 | 较低 | 1×10<sup>-6</sup>＜Pm≤1×10<sup>-4</sup> |
| 4、5、6 | 中等 | 1×10<sup>-4</sup>＜Pm≤1×10<sup>-2</sup> |
| 7、8 | 高 | 1×10<sup>-2</sup>＜Pm≤1×10<sup>-1</sup> |
| 9、10 | 非常高 | Pm＞10<sup>-1</sup> |
表10严酷度等级(ESR)的评分标准
结合表9和10，对识别出的各个人误模式进行影响分析后，最终获得各个人误模式的风险优先数，具体见表11；人误模式的影响分析主要包括对本单元的影响和对最终任务的影响，在影响分析过程中需要结合各个功能单元之间的关系，通过严酷度等级衡量影响的危害度，然后结合人误模式发生概率和严酷度最终评价人误模式的影响；完整的人误模式影响分析完成后，综合评价人误模式造成的各种可能的影响；
表11人误模式影响分析
通过以上步骤和方法，此方法将系统分解到功能层次，明确各个功能之间的联系，结合CREAM人误模式分类框架识别任务过程中人误模式，分析任务过程中的EPC因子借助HEART方法对人误模式概率量化，最终达到了量化人误模式产生影响的目标，并解决了综合评价人误模式造成各种可能影响的实际问题。
(3)本发明的功效优点
在设计阶段就能够对复杂人机系统的人误模式进行影响分析，十分方便并且考虑到了人机交互和情景环境的影响，具有很强的现实意义。
附图说明
图1本发明人误诱发条件体系。
图2本发明功能单元联系图。
图3本发明所述方法流程图。
具体实施方式
下面结合某舰载直升机着舰流程对具体实施方式进行进一步说明
本发明一种人误模式影响分析方法，见图3所示，其具体实施步骤如下：
步骤1：人机交互任务流程分析及功能模型建立
舰载直升机着舰流程包括三个阶段，分别是下滑阶段、进近阶段和悬停阶段，着舰过程涉及大量人机交互过程，无标准化作业步骤，每步操作没有严格的先后关系，且存在多种可能的划分结果。各功能单元汇总如表12所示。
表12功能单元汇总表
| 功能单元编号 | 功能单元描述 |
| 1 | HCO将船的位置告知机长 |
| 2 | 机长将获得信息输入至导航系统 |
| 3 | 机长控制直升机正常飞行 |
| 4 | 机长读取相关信息 |
| 5 | 机长申请着舰 |
| 6 | HCO开启菲涅尔灯 |
| 7 | 副机长查看导航信息，并传递给机长 |
| 8 | HCO开启甲板闪光灯和基准线 |
| 9 | 机长调整直升机至进近点 |
| 10 | 机长保持绿色菲涅尔灯在视野内中飞向舰船 |
| 11 | 机长将起落架放下 |
| 12 | HCO通知LSO准备 |
| 13 | HCO根据仪表获取直升机信息，做好应对准备 |
| 14 | LSO根据情况发布指挥手势 |
| 15 | HCO将此时舰船速度信息告知机长 |
| 16 | 机长根据舰船速度信息调整至相对静止 |
| 17 | 机长根据横摇指示器以及LSO手势调整位置至悬停点 |
| 18 | 机长根据横摇指示器缓慢下降 |
| 19 | 副机长监控水平仪、高度表，向机长报告飞参信息 |
| 20 | LSO根据海况，在静息期发出下降指令 |
| 21 | 机长根据指令立刻下降 |
将着舰过程划分成多个功能单元，明确各功能单元内的具体内容以及各个功能单元之间的关联。各个功能单元之间的联系如图2所示。
步骤2：人误模式识别
通过着舰过程的信息层交互可以清晰看出着舰流程中各个功能单元中具体的操作步骤，以及涉及到的交互信息，以及需要查看的设备，为后续分析做铺垫。通过任务信息分析发现，着舰的三个阶段不具备合并的条件，着舰过程任务信息层交互分析时需明确各个功能单元所处的任务阶段。部分功能单元的信息交互情况如表13所示。
表13着舰过程信息层交互
通过前面分析得到的各个功能单元中人的动作，再结合CREAM提供的人误模式分类框架，分析各个动作可能形成的人误模式。表14列举了部分人误模式情况。
表14人误模式识别
步骤3：环境影响因子体系构建及参数确定
此案例中将人假定为标准人，天气情况默认为固定，其中EPC因子评分由专家依据经验打分获得，影响比例取值由分析人员自行判断，具体取值如表7所示。
步骤4：人为失误概率计算及影响分析
由前面所得参数以及公式(1)和(2)即可计算出各人误模式实际发生概率。表15提供了部分功能单元3中涉及到的人误模式概率。
表15人误模式概率量化
表16人误模式影响分析
将人误发生概率量化结果带入影响分析，表16展示了功能单元3的人误模式影响的部分情况。其中综合考虑人误模式发生概率和严酷度等级，机长错误理解信息和机长错误设置导航带来的影响较大，该人误模式将导致直升机着舰路线发现偏差，待人意识到错误重新定位也会影响任务进度。
通过对人误模式的概率量化结合前文发生概率等级评分得到各个人误模式的概率等级，根据人误模式产生的影响结合前文严酷度等级进行评分，最终获得人误模式的风险优先数，完成失误模式影响分析。通过分析发现功能单元1，2，3，13中有风险优先数较高的人误模式，具体情况见表17。从表中可以看出机长错误理解参数值类型的人误模式造成人的情景意识错误，人在错误情景意识下很容易做出错误动作，故带来的影响较大，而除此之外，机长执行错误操作已经到执行操作层面，也必定带来影响。
表17人误模式影响分析结果
本说明书中所涉及到的外文符号、代号统一说明如下：
CREAM，认知可靠性和失误分析方法；
HEART，人误评估和优化技术方法；
NARA，核作用可靠性评估；
EPC，失误诱发条件；
FMEA，失效模式与影响分析；
PFMEA，过程故障模式影响分析方法
FRAM，功能共振事故模型；
NHEP，失效概率基本值；
EPC Affect，失误诱发条件的影响程度；
EPC Effect，失误诱发条件的影响因子；
APOA，失误诱发条件的影响比例；
AIAA，美国航空航天学会；
HEP，人为失误概率；
RPN，风险优先数；
OPR，人误模式发生概率等级；
ESR，影响严酷度等级。
Claims (1)
1.一种人误模式影响分析方法，其特征在于：其实施步骤如下：
步骤一：人机交互任务流程分析及功能模型建立，将任务分解为一系列子任务及操作，明确各个子任务/操作过程中的交互信息，对各个子任务建立人机系统功能模型；
步骤二：人误模式识别，采用CREAM方法对人误模式进行分类，并在此基础上设计引导词及问题来引导分析人员对人误模式进行识别，最终得到任务过程中各种人误模式及其相应标准概率；
步骤三：环境影响因子体系构建及参数确定，即结合HEART和核作用可靠性评估即NARA方法，建立EPC体系，通过执行任务过程中的情景环境确定人误发生概率的影响因子；
步骤四：人为失误概率计算及人误模式影响分析，通过前面确定的基本任务类型、相关EPC及其参数，计算人为失误概率，并分析人误模式对功能单元及最终任务的影响；
在步骤一中所述的人机交互任务流程分析及功能模型建立，具体说明如下：
明确该系统所处的任务场景，将任务分解为一系列子任务及操作，以及明确各个子任务/操作过程中的交互信息；
任务分析完成后，分别对各个子任务建立功能模型，建立人机系统功能模型参考功能共振事故模型FRAM方法中功能单元的定义，通过划分各个功能单元并分析其特征来描述系统的运行过程；FRAM方法从6个方面对功能单元进行描述，分别是输入、输出、提前、资源、时间和控制，各个特征的具体含义如下：
a)输入：启动功能的事物，功能将要处理、转化的事物；
b)输出：功能运行的结果，或是一实体，或是一状态变化；
c)前提：功能执行之前必须存在的条件；
d)资源：功能执行所需要及消耗掉以产生输出的事物；
e)时间：影响功能的时间约束，与起始时间、结束时间及持续时间相关；
f)控制：功能是如何被监控及控制的；
分析完成后，将各个功能单元的六个特征填入其FRAM功能单元描述表格中；
在步骤二中所述的人误模式识别，具体说明如下：
确认该任务过程中的任务细节，包括人执行任务的具体操作以及所处的情景环境；人执行任务的工作分解结果填入功能单元动作分解表格中，包括人在该功能单元中具体的实施步骤，以及每个步骤中信息的传递内容、传递方式和传递对象；
采用CREAM方法的人误模式分类框架识别人机系统任务过程中所有可能出现的人误模式，CREAM方法将认知功能划分为观察、解释、计划、执行4大类，其中不同的功能模式对应着不同的失效模式，观察对应的失效模式有观察目标错误、错误辨识、观察没有进行，解释对应的失效模式有诊断失败、决策失误、延迟解释，计划对应的失效模式有优先权错误、不适当计划，执行对应的失效模式包括动作方式错误、时间错误、目标错误、顺序错误、动作遗漏；
认知活动包括协调、通信、比较、诊断、评估、执行、识别、保持、监视、观察、计划、记录、调节、扫描，认知活动与认知功能是相对应的；
在上述分析的基础上，能获得各功能单元相应的人误模式；首先分析得到该功能单元的动作分解结果，然后分析工作属于哪一种行为类型，由此获得相应的认知功能，包括观察、解释、计划和执行四种，识别出该行为动作包括的人误模式；
通过上述分析得到整个任务过程中的人误模式，对于单因素人误模式的影响分析不考虑其他因素的影响；
在步骤三中所述的环境影响因子体系构建及参数确定，具体说明如下：
人因可靠性方法要识别人误、确定人误概率、找出人误原因，在确定人误概率步骤中考虑人误影响因子，建立情景环境影响因子体系，EPC的本质即是描述情景环境对人误的影响；
将EPC分为人、任务和环境三个部分，然后针对每个类别设计具体的EPC，各类别的含义如下所示：
i.人：指操作者个人身体心理状态；
ii.任务：指需要完成的任务以及与任务相关的设备；
iii.环境：指自然环境和组织环境；
根据实际情况，各类别分别包含四至六个具体EPC，反映不同方面的情景环境影响；
针对EPC体系总结出相应的评价指标或评价因素，人疲劳的评价因素包括身体状态、休息时间和工作时间；
在完成EPC体系构建后，确定每项EPC相应参数；参照HEART的模式，每个EPC因子包含影响因子Effect和影响比例APOA两个参数；下面分别介绍两参数确定方法；
影响因子用于描述该EPC对人为失误的最大影响程度，确定该参数的步骤为：
第一步，在HEART方法和NARA方法若均包含此EPC指标A，则由综合指标A在HEART方法中的参数值、在NARA方法中的参数值和文献中该因子影响程度的大小综合确定其影响因子a；
第二步，在HEART方法和NARA方法若不包含此EPC指标B，则通过文献调研，确定A和B对操作者失误影响程度的比例，进而借助a推断出B的影响因子b，从而完成影响因子的确定；
在上述分析过程中的综合评定A的影响因子和确定A和B的相关影响程度比例均需要专家打分法进行评定；
影响比例用于描述在特定的情景环境下，该EPC对人为失误影响程度的大小；在HEART方法中，仅给出该参数的取值范围为0-1；
在步骤四中所述的人为失误概率计算及人误模式影响分析，具体说明如下：
在确定基本任务类型、相关EPC及其参数后，进行人为失误概率计算；此处的计算方法为HEART方法的相关公式；
对一项确定的EPC，计算该EPC的影响：
EPC Affecti＝[(EPC Effecti-1)×APOAi]+1 (1)
式中：EPCAffecti指某失误诱发条件的影响程度；EPCEffecti指某失误诱发条件的影响因子；APOAi指某失误诱发条件的影响比例；
在完成各项EPC影响值计算后，即能计算人为失误概率：
式中：HEP指人为失误概率；NHEP指失效概率基本值；
其中NHEP对一活动及过程的评估为本部分所包含所有动作及操作的综合情况，即反映的是该部分的平均水平；
这里影响分析的方法为FMEA中的风险优先数法，给发生概率和严酷度按照一预定标准评级，通过比较，找出相对重要的人误模式；人机系统中人误模式的风险优先数RPN由人误模式发生概率等级OPR和影响严酷度等级ESR的乘积计算得出，即
RPN＝OPR×ESR (3)
发生概率等级按照人误模式发生概率的大小依次排序给定评分等级，OPR的评分准则依据FMEA方法中的等级制定，严酷度等级ESR用于评定所分析的人误模式的最终影响程度，其评定标准同样依据FMEA方法；
对识别出的各个人误模式进行影响分析后，最终获得各个人误模式的风险优先数；人误模式的影响分析主要包括对本单元的影响和对最终任务的影响，在影响分析过程中结合各个功能单元之间的关系，通过严酷度等级衡量影响的危害度，然后结合人误模式发生概率和严酷度最终评价人误模式的影响；完整的人误模式影响分析完成后，综合评价人误模式造成的各种可能的影响。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810941563.9A CN109284896B (zh) | 2018-08-17 | 2018-08-17 | 人误模式影响分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810941563.9A CN109284896B (zh) | 2018-08-17 | 2018-08-17 | 人误模式影响分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109284896A CN109284896A (zh) | 2019-01-29 |
| CN109284896B true CN109284896B (zh) | 2022-05-10 |
Family
ID=65183170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810941563.9A Active CN109284896B (zh) | 2018-08-17 | 2018-08-17 | 人误模式影响分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109284896B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858194B (zh) * | 2019-03-21 | 2022-11-04 | 重庆大学 | 一种基于元动作链的故障传播风险分析方法和防控方法 |
| CN111177900B (zh) * | 2019-12-17 | 2022-12-27 | 中国航天标准化研究所 | 一种基于匹配适应度的空间人机系统安全性动态建模方法 |
| CN111199073B (zh) * | 2019-12-24 | 2023-09-05 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于功能的任务失效分析方法 |
| CN112016786B (zh) * | 2020-07-03 | 2022-12-27 | 中国航天标准化研究所 | 一种空间人机交互系统绩效评价方法 |
| CN112488484A (zh) * | 2020-11-25 | 2021-03-12 | 中广核工程有限公司 | 人员可靠性评估方法、系统、计算机设备及存储介质 |
| CN113050595B (zh) * | 2021-03-12 | 2022-07-05 | 北京航空航天大学 | 一种基于pfmea和hra方法的潜在故障分析方法 |
| CN114862121B (zh) * | 2022-04-08 | 2023-02-28 | 清华大学 | 考虑人因影响的关联基础设施系统建模方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169635A (zh) * | 2017-04-26 | 2017-09-15 | 中车株洲电力机车研究所有限公司 | 一种人机系统可靠性指标分解分配方法及评估方法 |
| CN107609753A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种面向航天在轨任务的人因可靠性分析及量化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7263510B2 (en) * | 2003-06-18 | 2007-08-28 | The Boeing Company | Human factors process failure modes and effects analysis (HF PFMEA) software tool |
-
2018
- 2018-08-17 CN CN201810941563.9A patent/CN109284896B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107169635A (zh) * | 2017-04-26 | 2017-09-15 | 中车株洲电力机车研究所有限公司 | 一种人机系统可靠性指标分解分配方法及评估方法 |
| CN107609753A (zh) * | 2017-08-24 | 2018-01-19 | 北京航空航天大学 | 一种面向航天在轨任务的人因可靠性分析及量化方法 |
Non-Patent Citations (4)
| Title |
|---|
| ITER实验包层吹洗气前处理系统的FMECA研究;付万发，罗德礼，唐涛;《核科学与工程》;20120331;第32卷(第1期);第51-52页 * |
| 基于HEART方法的管制员调配飞行冲突的人为差错概率研究;高扬，朱艳妮;《安全与环境工程》;20130731;第20卷(第4期);第98-100页 * |
| 基于功能共振方法的航空维修人为因素分析;张明洁，王华伟，付强;《人类工效学》;20180430;第24卷(第02期);第71页 * |
| 基于改进CREAM的管制员与飞行员间人因可靠性分析;赵振武, 张微;《安全与环境学报》;20130228;第13卷(第1期);第185-187页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109284896A (zh) | 2019-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284896B (zh) | 人误模式影响分析方法 | |
| US11017677B2 (en) | Decision-making aid for revising a flight plan | |
| Ancel et al. | The analysis of the contribution of human factors to the in-flight loss of control accidents | |
| CN109270851A (zh) | 人机交互动态故障树认知过载故障逻辑门的设计方法 | |
| Guo et al. | Flight safety assessment based on a modified human reliability quantification method | |
| Li | The Causal Factors of Aviation Accidents Related to Decision Errors in the Cockpit by System Approach | |
| Che et al. | A fault tree-based approach for aviation risk analysis considering mental workload overload | |
| Hirose et al. | Safety analysis for resilient complex socio-technical systems with an extended functional resonance analysis method | |
| Ebbatson | The loss of manual flying skills in pilots of highly automated airliners | |
| Tan et al. | Therp-cream prediction method for human failure probability for air traffic control | |
| CN114398769B (zh) | 一种无人直升机飞行控制系统评分自动获取方法 | |
| Kharchenko et al. | Methodology of research and training in air navigation socio-technical system | |
| Sun et al. | A method of analysis integrating HCR and ETA modeling for determining risks associated with inadequate flight separation events | |
| Nordmann et al. | Neural network forecasting of service problems for aircraft structural component groupings | |
| Janakiraman et al. | Using ADOPT algorithm and operational data to discover precursors to aviation adverse events | |
| Li et al. | Virtual Co-Pilot: Multimodal Large Language Model-enabled Quick-access Procedures for Single Pilot Operations | |
| Shmelova et al. | Artificial intelligence methods and applications in aviation | |
| Greisbach et al. | Determining Feature Importance in Self-Enforcing Networks to achieve Explainable AI (xAI) | |
| Yin | Design of Flight Training Evaluation System Based on Flight Parameters Data | |
| Dong et al. | Evaluation for Trainee Pilot Workload Management Competency During Approach Phase Based on Flight Training Data | |
| Lam et al. | Human Reliability Analysis in Aviation Accidents: A Review | |
| Xusheng et al. | Human Factor Failure Analysis in Anti-collision Task Based on Uncertainty Theory and CREAM Model | |
| Bruseberg et al. | Understanding human error in context: Approaches to support interaction design using air accident reports | |
| Shyur et al. | Using Deep Learning Approach in Flight Exceedance Event Analysis. | |
| Milner et al. | Impact of Automation on General Aviation Rotorcraft Mishaps: A Human Factors Analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |