认知控制模式下的CREAM方法概率量化

研究了人因可靠性分析(Human Reliability Analysis,HRA)中人为差错概率的量化.首先,介绍了认知可靠性与差错分析方法(Cognitive Reliability and Error Analysis Method,CREAM)中基本法的基本理论,讨论了两种概率化认知控制模式的确定方法——贝叶斯网络法和模糊逻辑法,强调了概率化认知控制模式下量化人为差错概率的必要性.然后,在分析认知模式下人为差错概率分布的基础上,通过理论推导,构建了概率化认知控制模式下人为差错概率的量化方法.为了提高计算效率,提供了人为差错概率的蒙特卡洛仿真算法.最后,通过实例,演示了方法的使用过程,并证明了方法的有效性.     

基于CREAM方法的人因失效概率预测模型研究

认知可靠性与差错分析方法(CREAM)是第二代人因可靠性分析方法中的代表方法之一,通过对任务环境进行分析从而直接确定人为差错发生概率。本文分析了该方法及其后续研究在人因可靠度评估时存在的主要问题,并以CREAM方法为基础建立新的人因失效概率预测模型。模型首先要求有针对性的对具体任务环境确定通用性能影响因子(CPC)权重,然后通过对CPC进行打分对任务环境进行量化,通过加权求和的方式分别计算出CPC的改进总分值G和降低总分值J,最后运用新建的预测模型计算出人因失效概率。新模型提出了三点改进:第一将任务环境设定为连续的空间;第二提出了不同的工作环境(任务环境)应该有其对应的CPC因子权重;第三考虑正影响CPC因子和负影响CPC因子的双重影响,建立双变量预测模型,预测结果更加合理。     

基于CREAM和贝叶斯网络的空管人误概率预测方法

针对研究管制人因可靠性时存在的模糊性和片面性问题,采用认知可靠性与失误分析方法（CREAM）中的扩展预测法,计算10项管制通用任务的人误概率;在此基础上,以管制行为形成因子作为根节点构建贝叶斯网络,建立其与情景控制模式的不确定关系模型,对管制员在多任务中的人误概率进行预测。研究结果表明:在由相同评判者给出行为形成因子影响效应的前提下,由CREAM扩展预测法和构建贝叶斯网络的方法预测得到的多数任务的人误概率差异较大,从方法的客观性、合理性和适用性角度分析,贝叶斯网络在研究该问题时更具优势。     

基于CREAM的建筑施工人因事故定量预测分析

结合建筑施工人因事故频发的现状及特点,借鉴认知可靠性与失误分析方法(CREAM),首先提出了一种从认知活动到失效模式的人因事故求解链,接着通过对人的认知失误概率基本预测公式缺陷的分析,结合专家提供的共同绩效条件(CPC)因子所对应的权重值,得出效应影响指数ρ,对基本预测公式进行扩展,并应用扩展后的公式对建筑施工中的人因事故进行定量预测;最后结合具体实例的分析,实证该方法的合理性。研究结论对施工企业采取预防措施,降低人因失误导致的建筑工程事故具有一定的借鉴意义。     

CREAM方法中控制模式分类的模糊方法

认知可靠性与差错分析方法(CREAM)通过对任务环境进行分析从而直接确定人为差错发生概率。该方法提出控制模式的概念,认定不同的任务环境下可能对应不同的控制模式,而人为差错概率直接由控制模式确定。因此,确定控制模式是其中的关键环节。针对该问题,笔者提出了一种模糊方法。通过对性能影响因子进行打分对任务环境进行量化,利用专家打分的方式确定性能影响因子分值对于控制模式的隶属度;通过拟合分析确定性能影响因子的分值对控制模式的隶属函数,得到控制模式与分值之间的对应关系;将该方法应用到两个示例中,其结果与原有方法的结果基本一致。     

人因可靠性分析的加权CREAM模型

为有效预测开发阶段系统的可靠性,提高认知可靠性与失误分析方法(CREAM)分析的准确性,降低部分系统输入数据的主观性,利用区间值直觉模糊集(IVIFS)和网络分析法(ANP),在考虑共同绩效条件(CPC)间相关性的情况下,提出了一种定量计算CPC权重的优化方法,使可靠性分析更加符合实际环境.在算法中基于判断矩阵获得各CPC权重,克服了一致性检验的约束,并确定了加权的人因失效概率.最后将改进前后的方法应用在肺癌穿刺机器人手术系统的试验中.结果表明:改进后方法获得的权重的标准误差(SE)更低,与真实值更贴近,准确性更高,证明了其分析能力的优越性;改进后方法最终预测结果包含的信息更广,有效避免了对系统潜在故障的忽视.     

复杂人机系统班组人误模型与量化分析

讨论一个班组人员行为模型,即包括:任务模型、事件模型、班组模型和人-机交互模型4个模块,并用其模拟和分析事故状态下的运行班组对异常事故的响应过程;利用班组认知过程流程图模型表征事件发展过程中班组成员对事故的征兆识别、决策、计划和行动执行的响应过程;采用CREAM的量化分析技术,对核电站的蒸汽发生器管道破管事故的班组认知失误事件进行量化分析。     

基于最小二乘法的灰色 GM（1，1）改进模型在非煤矿山事故预测中的应用

根据灰色理论及其相关理论,通过对GM（1,1）模型中微分方程使用最小二乘法多项式拟合来求解,提出一种改进GM（1,1）模型。将改进模型的预测精度与原始模型进行了比较得出采用二次多项式拟合的改进模型预测精度高于原始模型,因此采用二次多项式拟合GM（1,1）改进模型。并将该改进模型用于我国非煤矿山事故预测中,对2008-2010年我国非煤矿山伤亡事故死亡率进行预测性计算并且与真实数据进行了比对,进一步验证了模型的可行性。     

Fisher判别法在煤与瓦斯突出危险程度预测中的应用

为了提高煤与瓦斯突出的预测精度,根据煤与瓦斯突出的综合作用假说,选取开采深度、瓦斯压力、瓦斯放散初速度、煤的普氏系数以及煤体破坏类型作为判别指标。利用国内典型突出矿井20个实测数据作为训练样本,建立煤与瓦斯突出危险程度预测的Fisher判别分析模型,并应用于其他待判样本的预测。结果表明:Fisher判别分析模型能够反映多因素对煤与瓦斯突出的影响,分类性能良好,误判率低,借助SPSS软件实现,具有计算简单的特点,是煤与瓦斯突出预测的一种有效方法。     

飞行员人因可靠性定量预测

为有效预测飞行员的人因可靠性,以保障飞行安全,基于认知可靠性与失误分析法(CREAM)的扩展法,建立飞行员人因可靠性定量预测模型。依据飞行员的任务特点,调整认知行为及认知功能。通过优化共同绩效条件(CPC)因子水平等级,并增加新的因子,改进CPC因子依赖规则,用于修正因子的初始评估结果,解决扩展法未考虑因子间关系的问题,从而完成模型的建立。利用回看分析法验证模型的有效性,采用所建立的模型和扩展法分别对已发生的飞行案例进行预测,并与实际发生结果对比分析。结果表明,与扩展法相比,采用飞行员定量预测模型得到的预测结果与案例发生结果所反映的控制模式更为匹配。     

基于CREAM和贝叶斯网络的航空维修人为差错概率预测

航空维修差错不仅严重威胁着飞行安全,同时也会增加航空公司的维修成本。针对航空维修人员发生差错成因的复杂性以及历史事故数据缺乏的情况下,将人因可靠性与失误分析方法（CREAM）和贝叶斯网络（BN）相结合,提出一种改进的维修差错分析模型。根据维修任务构建相应的贝叶斯网络模型,为各子节点设置条件概率表（CPT）;基于维修基地的实际维修环境,对行为形成因子（PSFs）进行评估,得到共同绩效条件（CPCs）的水平;利用各CPC因子下各个行为功能失效模式的权重因子,对各认知活动进行失效概率的修正;将修正概率作为贝叶斯网络根节点的输入,利用推理机制,得到差错发生概率。通过案例分析和计算,验证了所述方法的可行性和有效性。     

页岩气压裂作业人因失误结构化辨识方法研究

为提高页岩气压裂作业人因失误辨识结果的全面性和针对性,建立一种结构化的人因失误辨识方法。通过概括辨识阶段的作业流程,建立作业人员行为模型,概述作业人员的行为阶段。利用筛选出的引导词辨识行为阶段人因失误。将该方法应用于页岩气压裂过程的替液阶段。结果表明,用引导词能明确辨识方向,减少头脑风暴时间以及对专家知识的依赖;辨识过程的动态调整能改善认知可靠性,使更多人因失误模式(与传统CREAM方法相比)被辨识出来。     

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，提出了一种新的人因可靠性分析方法的构想。     

基于CREAM的高温熔融金属作业人员可靠性分析

为了对冶金企业高温熔融金属作业人员的可靠性进行评估和量化,基于认知可靠性与失误分析方法(CREAM),提出了适用于高温熔融金属作业的人员可靠性分析方法。该方法给出了通用效能条件(Common Performance Condition, CPC)的评估细则,采用层次分析法(Analytic Hierarchy Process,AHP)与熵值法相结合的CPC因子权重确定方法,利用模糊数学原理实现CPC因子输入的模糊化,从而计算高温熔融金属作业人员失误概率(HEP)和可靠度。通过对炼钢冶炼作业的人员可靠性分析的结果表明:该方法合理有效,具有一定的应用性。     

基于认知可靠性的飞行差错影响因素体系的构建

提高飞行员认知可靠性可以有效降低飞行差错发生概率。合理确定飞行差错影响因素有利于客观、快速地评估飞行差错,提高飞行中的安全性。基于人的认知可靠性建立P-D-A-F飞行认知可靠性模型分析飞行差错发生机理;并结合对人的认知可靠性影响因素分析结果,构建以心理、生理、外部为主要影响因素的飞行差错影响因素体系;运用Delphi法确定体系包含40个影响因子,并提出影响因子以独立或者联合影响的方式影响飞行差错。该影响因素体系可以应用于飞行差错分析与评估。