Metoda wskaźnika prawdopodobieństwa sukcesu

Metoda Indeksu Prawdopodobieństw Sukcesu (SLIM) jest techniką stosowaną w dziedzinie Oceny Wiarygodności Ludzkiej (HRA), w celu oceny prawdopodobieństwa wystąpienia błędu ludzkiego występujące w trakcie wykonywania określonego zadania. Na podstawie takich analiz można następnie podjąć środki w celu zmniejszenia prawdopodobieństwa wystąpienia błędów w systemie, a tym samym doprowadzić do poprawy ogólnego poziomu bezpieczeństwa. Istnieją trzy główne powody przeprowadzania HRA; identyfikacja błędów, kwantyfikacja błędów i redukcja błędów. Ponieważ istnieje wiele technik wykorzystywanych do takich celów, można je podzielić na jedną z dwóch klasyfikacji; techniki pierwszej generacji i techniki drugiej generacji. Techniki pierwszej generacji działają w oparciu o prostą dychotomię „pasuje/nie pasuje” w dopasowywaniu sytuacji błędu w kontekście powiązanej identyfikacji i kwantyfikacji błędów, a techniki drugiej generacji są bardziej oparte na teorii w ocenie i kwantyfikacji błędów . „Techniki HRA zostały wykorzystane w wielu gałęziach przemysłu, w tym medyczny , inżynieryjny , jądrowy, transportowy i biznesowy; każda technika ma różne zastosowania w różnych dyscyplinach.

SLIM to analityczne podejście decyzyjne do HRA, które wykorzystuje ocenę ekspercką do ilościowego określania czynników kształtujących wydajność (PSF); czynniki dotyczące osób, środowiska lub zadania, które mogą pozytywnie lub negatywnie wpłynąć na wydajność, np. dostępny czas na wykonanie zadania. Takie czynniki są wykorzystywane do uzyskania wskaźnika prawdopodobieństwa sukcesu (SLI), formy wskaźnika preferencji, który jest kalibrowany na podstawie istniejących danych w celu uzyskania ostatecznego prawdopodobieństwa błędu ludzkiego (HEP). PSF, które wymagają rozważenia, są wybierane przez ekspertów i są to właśnie te czynniki, które są uważane za najbardziej istotne w odniesieniu do rozpatrywanego kontekstu.

Technika składa się z dwóch modułów: MAUD (dekompozycja użyteczności wielu atrybutów), która skaluje względne prawdopodobieństwo sukcesu w wykonywaniu szeregu zadań, biorąc pod uwagę PSF, które prawdopodobnie wpłyną na wydajność człowieka; i SARAH (Systematic Approach to the Reliability Assessment of Humans), który kalibruje te wyniki sukcesu z zadaniami o znanych wartościach HEP, aby uzyskać ogólną liczbę.

Tło

SLIM został opracowany przez Embrey et al. [1] do użytku w amerykańskim przemyśle jądrowym. Za pomocą tej metody ustala się względne prawdopodobieństwo sukcesu dla zakresu zadań, a następnie kalibruje za pomocą logarytmicznej .

Metodologia SLIM

Metodologia SLIM dzieli się na dziesięć kroków, z których kroki 1-7 dotyczą SLIM-MAUD, a 8-10 to SLIM-SARAH.

Definicja sytuacji i podzbiorów
Po wybraniu odpowiedniego panelu ekspertów, którzy przeprowadzą ocenę, osobom tym przedstawiany jest możliwie najbardziej szczegółowy opis zadania z uwzględnieniem osoby wyznaczonej do wykonania każdego zadania oraz dalszych czynników, które mogą wpływ na powodzenie każdego z nich. Dogłębny opis jest krytycznym aspektem procedury, aby upewnić się, że wszyscy członkowie grupy oceniającej podzielają wspólne rozumienie danego zadania. Można to dalej rozwijać poprzez dyskusję grupową przed rozpoczęciem sesji panelowej w celu ustalenia konsensusu. Po tej dyskusji rozważane zadania są następnie klasyfikowane do kilku grup w zależności od jednorodności PSF, które mają wpływ na każde z nich. Podzbiory są zatem definiowane przez te zadania, które mają wspólne określone PSF, a także przez ich wagę w ramach określonej podgrupy; to ważenie jest jedynie przybliżeniem na tym etapie procesu.
Wywoływanie PSF
Losowe zestawy 3 zadań są prezentowane ekspertom, z których mają oni porównać jedno z dwoma pozostałymi, a następnie zidentyfikować aspekt, w którym wyróżnione zadanie różni się od pozostałych dwóch; ta odmienność powinna być cechą, która wpływa na prawdopodobieństwo pomyślnego wykonania zadania. Następnie eksperci są proszeni o podkreślenie dolnych i górnych punktów końcowych zidentyfikowanego PSF, tj. optymalność PSF w kontekście danego zadania. Na przykład PSF może być presją czasu i dlatego punkty końcowe skali byłyby prawdopodobnie od „wysokiego poziomu presji” do „niskiego poziomu presji”. Inne możliwe PSF mogą dotyczyć poziomu stresu, złożoności zadania lub wymaganego stopnia pracy zespołowej. Celem tego etapu jest zidentyfikowanie tych PSF, które najbardziej wpływają na zadania, w przeciwieństwie do wywoływania wszystkich możliwych czynników wpływających.
Ocena zadań na PSF
Punkty końcowe każdego indywidualnego PSF, określone przez eksperta, są następnie przypisywane wartościom 1 i 9 na skali liniowej. Korzystając z tej skali, ekspert jest zobowiązany do przypisania każdemu zadaniu oceny pomiędzy dwoma punktami końcowymi, która dokładnie odzwierciedla, zgodnie z jego oceną, warunki występujące w danym zadaniu. Optymalne jest rozważenie każdego czynnika po kolei, tak aby dokonane osądy były niezależne od wpływu innych czynników, które w przeciwnym razie mogłyby wpłynąć na opinię.
Obliczenia dotyczące pozyskiwania i skalowania punktów idealnych
Na podstawie skonstruowanej skali wybiera się następnie ocenę „idealną” dla każdego PSF. Ideałem jest punkt, w którym PSF w najmniejszym stopniu obniża wydajność – na przykład zarówno niska, jak i wysoka presja czasu mogą przyczynić się do zwiększenia prawdopodobieństwa niepowodzenia. Oprogramowanie MAUD następnie przeskaluje wszystkie inne oceny dokonane na skali pod względem ich odległości od tego idealnego punktu, przy czym najbliższy jest przypisywany jako 1, a najdalszy od tego punktu jako 0. Odbywa się to dla wszystkich PSF, dopóki eksperci nie uzgodnili, że lista PSF jest wyczerpana i że wszystkie zidentyfikowane pozycje na skali są prawidłowo ustawione.
Kontrole niezależności

Wykorzystując liczby, które przedstawiają względne znaczenie każdego zadania i ich ocenę na odpowiedniej skali, są one mnożone w celu uzyskania wskaźnika prawdopodobieństwa sukcesu (SLI) dla każdego zadania. Aby poprawić trafność procesu, konieczne jest potwierdzenie, że każda z używanych skal jest niezależna, aby zapewnić brak nakładania się lub podwójnego liczenia w ogólnym obliczeniu wskaźnika.

Aby pomóc w przeprowadzeniu tego zadania walidacji, oprogramowanie MAUD sprawdza korelacje między punktacją ekspertów w różnych skalach; jeśli oceny skali wskazują na wysoką korelację , eksperci są konsultowani w celu ustalenia, czy zgadzają się co do znaczenia ocen na dwóch skalach, które wykazują podobieństwa. W takiej sytuacji eksperci proszeni są o zdefiniowanie nowej skali, która będzie kombinacją znaczeń dwóch indywidualnie skorelowanych skal. Jeżeli korelacja nie jest istotna, to skale traktuje się jako niezależne; w takim przypadku zainteresowany facylitator musi podjąć świadomą decyzję, czy PSF wykazujące podobieństwa są rzeczywiście podobne, a zatem powinien upewnić się, że ostateczna decyzja jest uzasadniona.
Procedura ważenia
Ten etap procesu koncentruje się na zwróceniu uwagi na każdy PSF pod względem wpływu na powodzenie zadania. Odbywa się to poprzez zbadanie z ekspertami prawdopodobieństwa sukcesu między parami zadań przy uwzględnieniu dwóch wcześniej zidentyfikowanych PSF. Zauważając, gdzie opinia ekspertów uległa zmianie, można wnioskować o wadze wpływu każdego PSF na powodzenie zadania. Aby zwiększyć dokładność wyniku, ten etap należy przeprowadzić w sposób iteracyjny.
Obliczanie SLI
Indeks prawdopodobieństwa sukcesu dla każdego zadania jest obliczany przy użyciu następującego wzoru:
${\ Displaystyle {\ mbox {SLI}} _ {j} = \ suma _ {i} R_ {ij} W_ {I}}$
Gdzie
- SLI _j to SLI dla zadania j
- W _i jest wagą ważności dla i- tego PSF
- R _ij to skalowana ocena zadania j w i- tym PSF
- x reprezentuje liczbę rozpatrywanych PSF.
Te SLI to oszacowania prawdopodobieństwa wystąpienia różnych rodzajów błędów.
Konwersja SLI na prawdopodobieństwa

Wyliczone wcześniej SLI wymagają przekształcenia na HEP, ponieważ są jedynie względnymi miarami prawdopodobieństwa powodzenia każdego z rozważanych zadań.

$że dziennik$
istnieje

HEP

P to prawdopodobieństwo sukcesu, a aib to stałe; aib są obliczane na podstawie SLI dwóch zadań, dla których HEP został już ustanowiony.
Analiza granic niepewności
Granice niepewności można oszacować za pomocą metod oceny eksperckiej, takich jak ocena prawdopodobieństwa bezwzględnego (APJ).
Wykorzystanie SLIM-SARAH do analiz opłacalności
Ponieważ SLIM ocenia HEP jako funkcję PSF, uważanych za główne czynniki decydujące o niezawodności człowieka, możliwe jest przeprowadzenie analizy wrażliwości poprzez modyfikację wyników PSF. Biorąc pod uwagę PSF, które można zmienić, stopień, w jakim można je zmienić, oraz znaczenie PSF, możliwe jest przeprowadzenie analizy kosztów i korzyści w celu określenia, jak wartościowe mogą być sugerowane ulepszenia, tj. środki, za pomocą których obliczone HEP mogą zostać zmniejszone.

Działający przykład

Poniższy przykład dobrze ilustruje zastosowanie metodyki SLIM w praktyce w obszarze HRA.

Kontekst

W tym kontekście operator jest odpowiedzialny za zadanie odłączenia węża napełniającego od cysterny samochodowej z chemikaliami . Istnieje możliwość, że operator zapomni zamknąć zawór znajdujący się przed wężem do napełniania, co jest kluczową częścią procedury; jeśli zostanie to przeoczone, może to spowodować niekorzystne konsekwencje, które będą miały większy wpływ na operatora sprawującego kontrolę. Podstawowym błędem ludzkim budzącym obawy w tej sytuacji jest „niezamknięcie V0204 przed odłączeniem węża napełniającego”. Operacja oddzielenia, którą należy przeprowadzić, jest zadaniem dość łatwym do wykonania i nie wymaga wykonywania w połączeniu z żadnymi innymi zadaniami; dlatego jeśli wystąpi awaria, będzie miała katastrofalny wpływ, w przeciwieństwie do stopniowego wyświetlania efektów.

Wymagane dane wejściowe

Ta technika wymaga również „zespołu ekspertów” do przeprowadzenia HRA; panel składałby się na przykład z dwóch operatorów posiadających około 10-letnie doświadczenie w systemie, czynnik ludzki analityk i analityk niezawodności posiadający wiedzę o systemie i pewien stopień doświadczenia w eksploatacji. Panel ekspertów jest proszony o określenie zestawu PSF, które mają zastosowanie do danego zadania w kontekście szerszego systemu; spośród nich, eksperci są następnie zobowiązani do zaproponowania tych spośród zidentyfikowanych PSF, które są najważniejsze w okolicznościach danego scenariusza. W tym przykładzie zakłada się, że panel przedstawił do rozważenia 5 głównych PSF, które uważa się za mające największy wpływ na wykonanie zadania przez człowieka: szkolenie, procedury, informacje zwrotne, postrzegane ryzyko i presja czasu.

metoda

ocena PSF

Biorąc pod uwagę sytuację w kontekście ocenianego zadania, panel jest proszony o podanie dalszych możliwych błędów ludzkich, które mogą wystąpić i mogą mieć wpływ na wydajność, np. błędne ustawienie lub zignorowanie alarmu. Dla każdego z nich eksperci są zobowiązani do ustalenia stopnia, w jakim każdy z nich jest optymalny lub nieoptymalny dla ocenianego zadania, pracując w skali od 1 do 9, przy czym ta ostatnia jest oceną optymalną. Dla 3 zidentyfikowanych błędów ludzkich, oceny ustalone dla każdego z nich przedstawiono poniżej:

Błędy	Szkolenie	Procedury	Informacja zwrotna	Postrzegane ryzyko	Czas
VO2O4 otwarte	6	5	2	9	6
Błędnie ustawiony alarm	5	3	2	7	4
Alarm zignorowany	4	5	7	7	2

Ważenie PSF

Gdyby każdy ze zidentyfikowanych błędów ludzkich był równie ważny, można byłoby uzyskać sumę każdego wiersza ocen i dojść do wniosku, że wiersz z najniższą oceną całkowitą – w tym przypadku byłby to alarm źle ustawiony – było najbardziej prawdopodobne. W tym kontekście, jak to najczęściej ma miejsce, eksperci są zgodni co do tego, że podane powyżej PSF nie mają jednakowej wagi. Postrzegane ryzyko i informacje zwrotne są uważane za najważniejsze, dwa razy ważniejsze niż szkolenia i procedury, które są uważane za półtora raza ważniejsze niż czynnik czasu. Czynnik czasu ma w tym kontekście minimalne znaczenie, ponieważ zadanie jest rutynowe i dlatego nie jest ograniczone czasowo.

Znaczenie każdego czynnika można zaobserwować poprzez przydzieloną wagę, jak przedstawiono poniżej. Zauważ, że zostały one znormalizowane, aby sumować się do jedności.

PSF	Znaczenie
Postrzegane ryzyko	0,3
Informacja zwrotna	0,3
Szkolenie	0,15
Procedury	0,15
Czas	0,10
Suma	1.0

Używając liczb do skalowania wag PSF i ważenia ich ważności, możliwe jest teraz obliczenie wskaźnika prawdopodobieństwa sukcesu (SLI) dla ocenianego zadania.

Ważenie	PSF	V0204	Błędne ustawienie alarmu	Alarm zignorowany
0,3	Informacja zwrotna	0,60	0,60	2.10
0,3	Postrzegane ryzyko	2,70	2.10	2.10
0,15	Szkolenie	0,90	0,75	0,60
0,15	Procedury	0,75	0,45	0,75
0,10	Czas	0,60	0,40	0,20
	SLI (łącznie)	5,55	4.30	5,75

Z wyników obliczeń wynika, że SLI dla „niewłaściwego ustawienia alarmu” jest najniższy, co sugeruje, że jest to najbardziej prawdopodobny błąd, jaki może wystąpić w trakcie wykonywania zadania.

Jednak te dane SLI nie są jeszcze w formie prawdopodobieństw; są one jedynie wskazówkami co do prawdopodobieństwa wystąpienia różnych błędów. SLI określają kolejność, w jakiej błędy są najbardziej prawdopodobne; nie wyznaczają bezwzględnych prawdopodobieństw PSF. Aby przekonwertować SLI na HEP, należy najpierw ujednolicić wartości SLI; można to zrobić za pomocą następującego sformułowania.

{\ Displaystyle \ log _ {10} {\ mbox {HEP}} = a \, {\ mbox {SLI}} + b}

Wynik

Jeśli dwa zadania, dla których znane są HEP, zostaną włączone do zestawu zadań, który jest poddawany kwantyfikacji, wówczas parametry równania można wyznaczyć metodą równoczesnych równań; wykorzystując wynik tego, można zatem określić ilościowo nieznane wartości HEP. W podanym przykładzie, gdyby oceniane były dwa dodatkowe zadania, np. A i B, które miały wartości HEP odpowiednio 0,5 i 10-4 oraz SLI odpowiednio 4,00 i 6,00, wówczas sformułowanie wyglądałoby następująco:

{\ Displaystyle \ log {\ mbox {HEP}} = -1,85 \, {\ mbox {SLI}} + 7,1}

Ostateczne wartości HEP zostałyby zatem określone jako

V0204 = 0,0007

Błąd ustawienia alarmu = 0,14

Alarm zignorowany = 0,0003

[1] EMBREY, DE, Humphreys, PC, rRosa, EA, Kirwan, B. & Rea, K., SLIM-MAUD: Podejście do oceny prawdopodobieństwa błędu ludzkiego przy użyciu ustrukturyzowanej oceny eksperta. NUREG/CR-3518. 1984, US Nuclear Regulatory Commission: Washington DC.

[2] Humphreys, P. (1995) Przewodnik osoby oceniającej niezawodność. Czynniki ludzkie w grupie niezawodności.

[3] Kirwan, B. (1994). Praktyczny przewodnik po ocenie wiarygodności człowieka. Prasa CPC.

[4] Corlett, EN i Wilson, JR (1995). Ocena pracy ludzkiej: praktyczna metodologia ergonomii . Taylora i Franciszka.