CN111881623A - 一种面向任务的飞机驾驶人为差错风险评估方法 - Google Patents
一种面向任务的飞机驾驶人为差错风险评估方法 Download PDFInfo
- Publication number
- CN111881623A CN111881623A CN202010736901.2A CN202010736901A CN111881623A CN 111881623 A CN111881623 A CN 111881623A CN 202010736901 A CN202010736901 A CN 202010736901A CN 111881623 A CN111881623 A CN 111881623A
- Authority
- CN
- China
- Prior art keywords
- risk
- error
- task
- probability
- human
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012502 risk assessment Methods 0.000 title claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000003993 interaction Effects 0.000 claims abstract description 7
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 5
- 238000011156 evaluation Methods 0.000 claims description 26
- 230000001149 cognitive effect Effects 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 239000006071 cream Substances 0.000 claims 5
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/048—Fuzzy inferencing
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Automation & Control Theory (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向任务的飞机驾驶人为差错风险评估方法,包括如下步骤:任务分析,风险指标计算,人为差错风险模糊推理。通过任务分析和分解生成结构化的层次任务体系,考虑人机交互过程中飞行员发生人为差错的概率以及产生的后果,明确人为差错概率、差错影响概率及差错后果严重度作为度量人为差错风险的指标,计算风险指标精确值;结合具体任务,以人为差错概率、差错影响概率和差错后果严重度为输入,人为差错风险为输出,并根据输入/输出的逻辑关系,通过模糊推理方法对人为差错风险进行评估。本发明能够解决专家主观判断和数据不足导致的结果不确定性问题,提高人为差错风险评估的准确性,为飞机驾驶人为差错风险预防和控制提供依据。
Description
技术领域
本发明涉及航空安全风险评估技术领域,尤其是一种面向任务的飞机驾驶人为差错风险评估方法。
背景技术
机载设备和自动化技术的不断发展大大提高了飞机的可靠性和安全性,但人为差错造成的航空事故并没有得到明显的抑制。国际民航组织调查研究表明,民航运输过程中超过75%的飞行风险与人为差错有直接或间接的关系。在复杂驾驶舱人机系统中,环境、内部布置、人机交互方式等因素都会使飞行员产生过失或差错,然而,面对不同任务发生的人为差错概率不同,且人为差错产生的后果也存在差异性,如果某项任务的人为差错概率高,且产生了严重后果,则该人为差错即为高风险人为差错。
人因差错风险评估过程是一个确定人因失误风险大小或重要性以利于决策的过程,但是由于人的认知模糊性和环境复杂性、人为差错数据的不足以及专家的主观判断等因素,导致人为错误风险分析结果具有很大的不确定性。因此需要一种面向任务的飞机驾驶人为差错风险模糊推理方法来模拟这种不确定性,以达到比较精确地评估人为差错风险的需求。
发明内容
本发明提供一种面向任务的飞机驾驶人为差错风险评估方法,以至能够解决数据不足和专家主观判断导致结果不确定性的问题,为降低高风险人为差错,提高飞机驾驶操纵安全提供技术支持。
本发明提供一种面向任务的飞机驾驶人为差错风险评估方法,包括如下步骤:
(1)确定任务目标,对任务进行详细分析和分解,包括:确定分析对象,搜集整理信息,分解任务,明确计划;
(2)综合考虑人机交互过程中人为差错发生的概率及人为差错产生的后果,将人为差错概率(Human Error Probability,HEP)、差错影响概率(Error InfluenceProbability,EIP)、差错后果严重度(Human Error Consequence,HEC)作为度量飞机驾驶人为差错风险的指标;人为差错概率是指在规定时间规定条件下飞行员未能完成规定任务的概率;差错影响概率是指假定差错A发生情况下,后果B发生的条件概率;差错后果严重度是指后果B导致系统损失的程度;
(3)结合具体任务,通过简化的认知可靠性和差错分析方法(CognitiveReliability and Error Analysis Method,CREAM)计算风险指标HEP的精确值,依据三角模糊数方法分别计算风险指标EIP和HEC的精确值;
(4)基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间,依据故障模式及影响分析和危害性分析方法(Failure Mode,Effects and Criticality Analysis,FMECA)分别给出风险指标EIP和HEC的定性评价及相应的概率区间;
(5)通过风险矩阵方法将人为差错风险(Error Risk,ER)划分为十个等级,并给出相应的定性评价及风险值区间;
(6)以风险指标HEP、EIP和HEC的定性评价为输入,人为差错风险ER的定性评价为输出,以逻辑AND运算符作为构造模式,依据输入/输出的逻辑关系,通过IF-THEN规则生成模糊规则库,构造人为差错风险模糊推理系统,通过MATLAB模糊逻辑工具箱对人为差错风险进行模糊推理求解。
优选的,步骤(1)中,确定任务目标,对任务进行详细分析和分解,具体包括如下步骤:
(11)明确所需分析的任务,并确定任务分析目的;
(12)搜集与任务相关的数据,如人机交互方式、行为决策和任务约束,以便为飞机驾驶层次任务体系构建提供指导;
(13)基于层次任务分析法分解总体任务为一系列子任务,并进一步将每项子任务分解为一系列操作单元,操作单元是指不可再分解的认知行为活动,如感知信息、旋转按钮、诊断/决策;
(14)制定达到任务总体目标的计划,检查计划的充分性,从而形成序贯化和结构化的层次任务体系。
优选的,步骤(3)中涉及到三个风险指标计算,具体为:
针对分解后的操作单元,通过简化CREAM方法计算各操作单元人为差错概率HEP,计算过程如下:
式中,称作绩效影响指数,它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j,包括:如绩效提高、绩效正常或绩效降低;ρn表示第n个操作单元的绩效影响指数矩阵,矩阵元素具体数值可通过CREAM方法查表获取;表示第n个操作单元的名义认知失效概率,它等于该操作单元所需认知活动a对应差错模式m的失效概率,记作同样可通过CREAM方法查表获取;
引入三角模糊数方法分别计算风险指标EIP和HEC;首先,通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z);其次,利用重心法对给定的三角模糊数进行解模糊化计算,其计算式为:
式中,x,y,z分别表示给定的三角模糊数中的数值。
优选的,步骤(4)中风险指标HEP、EIP、HEC的定性评价和概率区间,采用集合形式表示为:
UHEP={x11=非常低(VL),x12=低(L),x13=中等(M),x14=高(H),x15=非常高(VH)}
={x11=[5.0E-6,1.0E-3],x12=[1.0E-4,1.0E-2],x13=[1.0E-3,1.0E-1],
x14=[1.0E-2,5.0E-1],x15=[1.0E-1,1.0]}
UEIP={x21=几乎无影响(AN),x22=可能有影响(PoE),
x23=极有可能影响(PrE),x24=绝对有影响(AE)}
={x21=[0,0.05],x22=[0,0.55],x23=[0.05,1.0],x24=[0.55,1.0]}
优选的,步骤(5)中人为差错风险ER的定性评价和值区间,采用集合形式表示为:
本发明的有益效果为:本发明解决了面向任务的飞机驾驶人为差错风险量化评估的难题,实现了人为差错概率、差错影响概率及差错后果严重度三个风险指标的融合,降低了专家判断的主观性对结果的影响,且有效改善了数据不足引起的结果不确定性问题,提高了航空安全人为差错风险评估的准确性,为减少飞机驾驶人为差错,提高飞行安全提供了重要支撑。
附图说明
图1为本发明的人为差错风险评估结构示意图。
图2为本发明的任务分析方法流程图。
图3(a)为本发明的人为差错概率隶属函数图。
图3(b)为本发明的差错影响概率隶属函数图。
图3(c)为本发明的差错后果严重度隶属函数图。
图3(d)为本发明的人为差错风险隶属函数图。
具体实施方式
图1为本发明提出的一种面向任务的驾驶舱人为差错风险评估方法的结构示意图,包括:任务分析模块、风险指标计算模块、人为差错风险模糊推理模块。具体实施步骤如下:
步骤1:通过任务分析模块建立结构化层次任务体系,图2为任务分析流程图,具体实施内容如下:
S1、明确所需分析的任务,并确定任务分析目的;
S2、搜集与任务相关的数据,如人机交互方式、行为决策和任务约束,以便为飞机驾驶层次任务体系构建提供指导;
S3、基于层次任务分析法分解总体任务为一系列子任务,并进一步将每项子任务分解为大量操作单元,操作单元是指不可再分解的认知行为活动,如感知信息、旋转按钮、诊断/决策;
S4、制定达到任务总体目标的计划,检查计划的充分性,从而形成序贯化和结构化的层次任务体系。
步骤2:在风险指标计算模块中,明确人为差错概率、差错影响概率和差错后果严重度作为度量人为差错风险的指标,分别计算各风险指标精确值,具体实施如下:
针对分解后的操作单元,通过简化CREAM方法计算各操作单元的人为差错概率,其计算式为:
式中,称作绩效影响指数,它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j,包括:绩效提高、绩效正常和绩效降低;ρn表示第n个操作单元的绩效影响指数矩阵,矩阵元素具体数值可通过CREAM方法查表获取(表1);表示第n个操作单元的名义认知失效概率,它等于该操作单元所需认知活动a对应差错模式m的失效概率,记作同样可通过CREAM方法查表获取(表2)。
表1人为差错影响因素及绩效影响指数
表2名义认知失效概率
通过三角模糊数方法分别计算风险指标EIP和HEC。首先,通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z),定性评价对应的三角模糊数如表3所示。其次,利用重心法对给定的三角模糊数进行解模糊化计算,其计算式为:
式中,x,y,z分别表示给定的三角模糊数中的数值。
表3EIP和HEC的定性评价及其对应的三角模糊数
EIP定性评价 | 三角模糊数 | HEC定性评价 | 三角模糊数 |
几乎没影响(AN) | (0,0,0.2) | 非常低(VL) | (0,0,0.25) |
可能有影响(PoE) | (0,0.2,0.4) | 低(L) | (0,0.25,0.5) |
极有可能影响(PrE) | (0.6,0.7,0.8) | 中等的(M) | (0.25,0.5,0.75) |
绝对影响(AE) | (0.9,1,1) | 高(H) | (0.5,0.75,1) |
非常高(VH) | (0.75,0.90,1) |
步骤3:在人为差错风险模糊推理模块中,通过三角隶属函数描述风险指标HEP、EIP、HEC的模糊集。具体实施如下:
基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间,依据FMCEA方法分别给出风险指标EIP和HEC的定性评价及相应的概率区间。三个风险指标的定性评价和概率区间集合表示为:
UHEP={x11=非常低(VL),x12=低(L),x13=中等(M),x14=高(H),x15=非常高(VH)}
={x11=[5.0E-6,1.0E-3],x12=[1.0E-4,1.0E-2],x13=[1.0E-3,1.0E-1],
x14=[1.0E-2,5.0E-1],x15=[1.0E-1,1.0]}
UEIP={x21=几乎无影响(AN),x22=可能有影响(PoE),
x23=极有可能影响(PrE),x24=绝对有影响(AE)}
={x21=[0,0.05],x22=[0,0.55],x23=[0.05,1.0],x24=[0.55,1.0]}
UHEC={x31=非常低(VL),x32=低(L),x33=中等(M),x34=高(H),x35=非常高(VH)}
={x31=[0,0.25],x32=[0,0.5],x33=[0.25,0.75],x34=[0.5,1.0],x35=[0.75,1.0]}
利用三角隶属函数描述三个风险指标的模糊集,如图3(a)(b)(c)所示。
步骤4:在人为差错风险模糊推理模块中,通过三角隶属函数描述人为差错风险ER的模糊集。具体实施如下:
步骤5:在人为差错风险模糊推理模块中,以风险指标HEP、EIP和HEC的定性评价为输入,人为差错风险ER的定性评价为输出,以逻辑AND运算符作为构造模式,根据输入/输出的逻辑关系,通过IF-THEN规则生成模糊规则库,构造人为差错风险模糊推理系统。将步骤2计算得出的三个风险指标HEP、EIP和HEC的精确值输入到构造的人为差错风险模糊推理系统,通过MATLAB模糊逻辑工具箱实现飞机驾驶人为差错风险模糊推理求解,得到人为差错风险的精确值。
本发明通过层次任务分析方法建立结构化的层次任务体系,能够确保任务分析的合理性,综合考虑人为差错发生概率及人为差错产生的后果,确定人为差错概率、差错影响概率和差错后果严重度作为度量人为差错风险的指标,构造面向任务的飞机驾驶人为差错风险模糊推理系统,以计算人为差错风险值。通过运用本发明实例,可以为典型飞行任务中的人为差错风险分析提供定量评估工具和技术支持,为降低飞行过程中的人为差错风险提供对策。
Claims (5)
1.一种面向任务的飞机驾驶人为差错风险评估方法,其特征在于,包括如下步骤:
(1)确定任务目标,对任务进行详细分析和分解,包括:确定分析对象,搜集整理信息,分解任务,明确计划;
(2)综合考虑人机交互过程中人为差错发生的概率及人为差错产生的后果,将人为差错概率HEP、差错影响概率EIP、差错后果严重度HEC作为度量飞机驾驶人为差错风险的指标;人为差错概率是指在规定时间规定条件下飞行员未能完成规定任务的概率;差错影响概率是指假定差错A发生情况下,后果B发生的条件概率;差错后果严重度是指后果B导致系统损失的程度;
(3)结合具体任务,通过简化的认知可靠性和差错分析方法CREAM计算风险指标HEP的精确值,依据三角模糊数方法分别计算风险指标EIP和HEC的精确值;
(4)基于CREAM方法给出风险指标HEP的定性评价和相应的概率区间,依据故障模式及影响分析和危害性分析方法FMECA分别给出风险指标EIP和HEC的定性评价及相应的概率区间;
(5)通过风险矩阵方法将人为差错风险ER划分为十个等级,并给出相应的定性评价及风险值区间;
(6)以风险指标HEP、EIP和HEC的定性评价为输入,人为差错风险ER的定性评价为输出,以逻辑AND运算符作为构造模式,依据输入/输出的逻辑关系,通过IF-THEN规则生成模糊规则库,构造人为差错风险模糊推理系统,通过MATLAB模糊逻辑工具箱对人为差错风险进行模糊推理求解。
2.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法,其特征在于,步骤(1)中,确定任务目标,对任务进行详细分析和分解,具体包括如下步骤:
(11)明确所需分析的任务,并确定任务分析目的;
(12)搜集与任务相关的数据,如人机交互方式、行为决策和任务约束,以便为飞机驾驶层次任务体系构建提供指导;
(13)基于层次任务分析法分解总体任务为一系列子任务,并进一步将每项子任务分解为一系列操作单元,操作单元是指不可再分解的认知行为活动,如感知信息、旋转按钮、诊断/决策;
(14)制定达到任务总体目标的计划,检查计划的充分性,从而形成序贯化和结构化的层次任务体系。
3.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法,其特征在于,步骤(3)中涉及到三个风险指标计算,具体为:
针对分解后的操作单元,通过简化CREAM方法计算各操作单元人为差错概率HEP,计算过程如下:
式中,称作绩效影响指数,它表示第i个人为差错影响因素作用于第n个操作单元后对总体任务的效用为j,包括:如绩效提高、绩效正常或绩效降低;ρn表示第n个操作单元的绩效影响指数矩阵,矩阵元素具体数值可通过CREAM方法查表获取;表示第n个操作单元的名义认知失效概率,它等于该操作单元所需认知活动a对应差错模式m的失效概率,记作同样可通过CREAM方法查表获取;
引入三角模糊数方法分别计算风险指标EIP和HEC;首先,通过模糊线性分配法将EIP和HEC的定性评价信息转化为均匀分布型三角模糊数(x,y,z);其次,利用重心法对给定的三角模糊数进行解模糊化计算,其计算式为:
式中,x,y,z分别表示给定的三角模糊数中的数值。
4.如权利要求1所述的一种面向任务的飞机驾驶人为差错风险评估方法,其特征在于,步骤(4)中风险指标HEP、EIP、HEC的定性评价和概率区间,采用集合形式表示为:
UHEP={x11=非常低(VL),x12=低(L),x13=中等(M),x14=高(H),x15=非常高(VH)}
={x11=[5.0E-6,1.0E-3],x12=[1.0E-4,1.0E-2],x13=[1.0E-3,1.0E-1],
x14=[1.0E-2,5.0E-1],x15=[1.0E-1,1.0]}
UEIP={x21=几乎无影响(AN),x22=可能有影响(PoE),
x23=极有可能影响(PrE),x24=绝对有影响(AE)}
={x21=[0,0.05],x22=[0,0.55],x23=[0.05,1.0],x24=[0.55,1.0]}
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010736901.2A CN111881623B (zh) | 2020-07-28 | 2020-07-28 | 一种面向任务的飞机驾驶人为差错风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010736901.2A CN111881623B (zh) | 2020-07-28 | 2020-07-28 | 一种面向任务的飞机驾驶人为差错风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111881623A true CN111881623A (zh) | 2020-11-03 |
CN111881623B CN111881623B (zh) | 2024-05-28 |
Family
ID=73200831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010736901.2A Active CN111881623B (zh) | 2020-07-28 | 2020-07-28 | 一种面向任务的飞机驾驶人为差错风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111881623B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011765A (zh) * | 2021-03-30 | 2021-06-22 | 广东电网有限责任公司电力调度控制中心 | 一种远方修改继电保护定值的可靠性评估方法 |
CN114613130A (zh) * | 2022-02-18 | 2022-06-10 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
CN114862121A (zh) * | 2022-04-08 | 2022-08-05 | 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 (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886235A (zh) * | 2017-11-08 | 2018-04-06 | 重庆科技学院 | 一种耦合确定性与不确定分析的火灾风险评估方法 |
US20190180207A1 (en) * | 2017-12-12 | 2019-06-13 | Electronics And Telecommunications Research Institute | System and method for managing risk factors in aeo (authorized economic operator) certificate process |
CN110717675A (zh) * | 2019-10-10 | 2020-01-21 | 广西电网有限责任公司 | 一种电网建设风险评估方法 |
-
2020
- 2020-07-28 CN CN202010736901.2A patent/CN111881623B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107886235A (zh) * | 2017-11-08 | 2018-04-06 | 重庆科技学院 | 一种耦合确定性与不确定分析的火灾风险评估方法 |
US20190180207A1 (en) * | 2017-12-12 | 2019-06-13 | Electronics And Telecommunications Research Institute | System and method for managing risk factors in aeo (authorized economic operator) certificate process |
CN110717675A (zh) * | 2019-10-10 | 2020-01-21 | 广西电网有限责任公司 | 一种电网建设风险评估方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011765A (zh) * | 2021-03-30 | 2021-06-22 | 广东电网有限责任公司电力调度控制中心 | 一种远方修改继电保护定值的可靠性评估方法 |
CN113011765B (zh) * | 2021-03-30 | 2022-10-11 | 广东电网有限责任公司电力调度控制中心 | 一种远方修改继电保护定值的可靠性评估方法 |
CN114613130A (zh) * | 2022-02-18 | 2022-06-10 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
CN114613130B (zh) * | 2022-02-18 | 2023-05-12 | 北京理工大学 | 交通与运载系统中驾驶可信性分析方法 |
CN114862121A (zh) * | 2022-04-08 | 2022-08-05 | 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 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN111881623B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881623B (zh) | 一种面向任务的飞机驾驶人为差错风险评估方法 | |
Dhillon | Human reliability: with human factors | |
CN105096053B (zh) | 一种适用于复杂工艺系统的健康管理决策方法 | |
Burns et al. | An empirically benchmarked human reliability analysis of general aviation | |
Chen et al. | A model integrating fuzzy AHP with QFD for assessing technical factors in aviation safety | |
RU2128854C1 (ru) | Система поддержки экипажа в опасных ситуациях | |
Chin et al. | Phases of flight identification for rotorcraft operations | |
De Galizia et al. | Advanced investigation of HRA methods for probabilistic assessment of human barriers efficiency in complex systems for a given organisational and environmental context | |
Song et al. | Research on preventive maintenance strategies and systems for in-service ship equipment | |
Banghart et al. | Utilizing confidence bounds in Failure Mode Effects Analysis (FMEA) hazard risk assessment | |
Nordmann et al. | Neural network forecasting of service problems for aircraft structural component groupings | |
Wade et al. | Applying machine learning-based diagnostic functions to rotorcraft safety | |
El Mir et al. | Certification approach for physics informed machine learning and its application in landing gear life assessment | |
Yazgan et al. | Hybrid human error assessment approach for critical aircraft maintenance practice in the training aircraft | |
Li et al. | Overview of application in data mining techniques to qar data ansys | |
Plotnikov | Civil aviation flight safety: pilot properties soft computing | |
Luxhøj et al. | Integrated decision support for aviation safety inspectors | |
Pashchenko et al. | On some approaches to development of flight safety control system for experimental and civil aviation | |
Igenewari et al. | A survey of flight anomaly detection methods: Challenges and opportunities | |
Passarella et al. | Analysis of Commercial Airplane Accidents Worldwide Using K-Means Clustering. | |
Robinson | Naval Aviation Squadron Risk Analysis Predictive Bayesian Network Modeling Using Maintenance Climate Assessment Survey Results | |
Unseth | Examining Failures of KC-135s using Survival Analysis | |
Davis | Predicting TF33-PW-100A Engine Failures Due to Oil Issues Using Survival Analyses | |
Luxhøj | Trending of equipment inoperability for commercial aircraft | |
Manikar et al. | Holistic Operability Projection during Early Aircraft Design |
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 |