一个数据驱动的贝叶斯管理和组织因素网络,用于在工艺工业中分析人类可靠性
Shuo Yang1, Micaela Demichela1, Jie Geng2
1Department of Science Application and Technology, Politecnico di Torino, Torino, Italy.
管理和组织因素 (MOF) 显著影响工艺事故. 本研究使用因果贝叶斯网络 (CBN) 来量化MOF对人为错误的因果关系,将培训和程序确定为关键系统可靠性因素.
科学领域:
- 风险分析 风险分析
- 人类因素工程 人类因素工程
- 系统安全系统安全系统安全系统
背景情况:
- 管理和组织因素 (MOF) 历来与工艺事故有关,往往超过技术因素的影响.
- 人类可靠性分析 (HRA) 是社会技术系统中系统性风险评估的组成部分.
- 在当前的HRA方法中,量化MOF和人为错误之间的因果关系仍然是一个挑战.
研究的目的:
- 开发和验证一个框架来量化MOF和人为错误之间的因果关系.
- 为了解决缺乏验证和量化,以了解MOF对人类可靠性的影响.
- 在未来的研究中为更具体的因果贝叶斯网络 (CBNs) 奠定基础.
主要方法:
- 使用eMARS数据库进行数据采集.
- 采用优化的混合结构学习算法和贝叶斯标准参数学习算法来构建因果贝叶斯网络 (CBN).
- 通过预测准确性和灵敏度分析验证了拟议的核心CBN.
主要成果:
- 成功构建并验证了一个内核CBN模型,以量化MOF对人类错误的贡献.
- 证明了模型在评估系统可靠性的能力.
- 确定了组织因素,特别是适当的培训和程序,对人机交互系统可靠性最敏感.
结论:
- 验证的内核CBN为开发更具体的CBN提供了基础组件.
- 该框架提供了一种实用的方法来量化MOF对系统可靠性的影响.
- 研究结果强调了组织因素在确保系统安全和可靠性方面发挥的关键作用.
更多相关视频
20:24Characterization of Complex Systems Using the Design of Experiments Approach: Transient Protein Expression in Tobacco as a Case Study
Published on: January 31, 2014
10:44Inherent Dynamics Visualizer, an Interactive Application for Evaluating and Visualizing Outputs from a Gene Regulatory Network Inference Pipeline
Published on: December 7, 2021
相关概念视频
Hazard Rate
Mechanistic Models: Compartment Models in Individual and Population Analysis
Parametric Survival Analysis: Weibull and Exponential Methods
Weibull Distribution
The Weibull distribution is a flexible model used in parametric survival analysis. It can handle both increasing and decreasing hazard rates, depending on its shape parameter...
Interpreting Run Charts
The Availability Heuristic
Factorial Design
