[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2014173270A1 - 人-机界面检测方法及系统 - Google Patents

人-机界面检测方法及系统 Download PDF

Info

Publication number
WO2014173270A1
WO2014173270A1 PCT/CN2014/075823 CN2014075823W WO2014173270A1 WO 2014173270 A1 WO2014173270 A1 WO 2014173270A1 CN 2014075823 W CN2014075823 W CN 2014075823W WO 2014173270 A1 WO2014173270 A1 WO 2014173270A1
Authority
WO
WIPO (PCT)
Prior art keywords
human
machine interface
task
probability
error
Prior art date
Application number
PCT/CN2014/075823
Other languages
English (en)
French (fr)
Inventor
张力
李鹏程
戴立操
胡鸿
黄卫刚
戴忠华
邹衍华
王春辉
苏德颂
李晓蔚
Original Assignee
湖南工学院
南华大学
中广核核电运营有限公司
大亚湾核电运营管理有限责任公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 湖南工学院, 南华大学, 中广核核电运营有限公司, 大亚湾核电运营管理有限责任公司 filed Critical 湖南工学院
Publication of WO2014173270A1 publication Critical patent/WO2014173270A1/zh

Links

Classifications

    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21D—NUCLEAR POWER PLANT
    • G21D3/00—Control of nuclear power plant
    • G21D3/008—Man-machine interface, e.g. control room layout
    • G—PHYSICS
    • G21—NUCLEAR PHYSICS; NUCLEAR ENGINEERING
    • G21D—NUCLEAR POWER PLANT
    • G21D3/00—Control of nuclear power plant
    • G21D3/04—Safety arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E30/00—Energy generation of nuclear origin

Definitions

  • the present invention relates to the field of digital control of nuclear power plants, and in particular, to a human-machine interface detection method and system for digital control of a nuclear power plant.
  • NPPs nuclear power plants
  • MMI Man-machine interface
  • the quality of the design is critical to human performance and nuclear safety. For example, Smith and Mosier pointed out in 1986 (Guidelines for designing user interface software) that data processing from poor human-machine interfaces can lead to frequent and serious human error; Bellamy and Geyer were in 1988.
  • Man-machine interface evaluation methods can generally be divided into experimental methods and theoretical methods.
  • the experimental method generally evaluates the availability of the human-machine interface in the control room through simulators and simulation experiments, such as Paulo VR Carvalho, Isaac L. dos Santos, Jose Orlando Gomes, Marcos RS Borges and Stephanie Guerlain.
  • the human-machine interface evaluation system of technology introduces a DIAS (Dynamic Interaction Analysis Support) software evaluation system for nuclear power plant control room based on computer simulation technology, which is used as the main control room of the nuclear power plant.
  • DIAS Dynamic Interaction Analysis Support
  • the design and improvement of the machine interface provides good technical support.
  • the experimental and simulation methods are one of the most accurate human-machine interface evaluation methods, it is difficult to be consistent with the real risk scenario. Only a few behavioral influence factors can be considered, and the experimental methods are time-consuming, and the results often depend on The experience of the participants requires a lot of money.
  • Theoretical methods generally include expert judgment, human-machine interface design guidelines, human-machine interface evaluation models and methods, etc.
  • the theoretical method allows system designers to estimate the impact of human-machine interface on operator performance without experimentation. This method is effective, especially in the early stages of design.
  • Methods based on expert judgment, design guidelines, and evaluation models have their own advantages and disadvantages. Among them: The shortcomings of the theoretical methods based on expert judgment are mainly subjective judgments of experts, and the evaluation results are difficult to quantify. Such as
  • Another object of the present invention is to provide a human-machine interface detecting system for quickly and reliably detecting a technical problem of a defective interface item in a human-machine interface.
  • the technical solution adopted by the present invention is as follows: A human-machine interface detection method, applicable to a nuclear power plant digital control system, comprising the following steps: Identifying a risk that the non-response probability of operator behavior exceeds a predetermined threshold based on the HCR method a scenario; determining, by using a CREAM method, the probability of failure of each task in the risk scenario and each behavior in the task for the identified risk scenario; and sequentially, for each task or each person involved in each behavior according to the size of the error probability The machine interface is checked against a pre-set human factor checklist to determine the human-machine interface unit with defects.
  • the formula used by the HCR method to calculate the non-response probability is as follows: Where t is the available time to complete the task, T 1 / 2 is the median response time for the operator to complete the task, ⁇ is the scale parameter, ⁇ is the shape parameter, ⁇ is the position parameter, and P(t) is the non-response probability.
  • the CREAM method specifically includes the following steps: analyzing, by using a Hierarchical Task Analysis (HTA) method, each task and each behavior of the identified risk scene to construct an event sequence; and analyzing the context according to the context (Context) Analysis) or common performance conditions (CPC), Cognitive activity analysis to determine the human error model corresponding to the sequence of events; according to the human error model in the CREAM method
  • the corresponding basic error probability determines the first human cause error probability of each task or each behavior, and corrects the first human factor error probability by the context environment analysis, and obtains the corrected second corresponding to each task or each behavior.
  • Human error probability Sort each task or behavior according to the probability of the second person due to error.
  • the human factor engineering checklist is established according to an information processing process of the digital control system of the nuclear power plant, and the specific considerations include: information monitoring, state evaluation, response planning, and response execution.
  • the human-machine interface unit specifically includes: an information display module, a soft control module, a digitization procedure module, a user interface management module, and an alarm module.
  • a human-machine interface detecting system is further provided, which is applicable to a nuclear power plant digital control system, and the human-machine interface detecting system comprises: a risk scene screening unit, which identifies an operator behavior based on the HCR method.
  • a human factor reliability analysis unit uses a CREAM method to determine a probability of error in each task and task in the risk scenario for the identified risk scenario; a human factor engineering review unit, The human-machine interface involved in each task or each behavior is sequentially checked against the preset human factors checklist according to the magnitude of the error probability to determine the human-machine interface unit with defects.
  • the human factor reliability analysis unit specifically includes: an event sequence construction module, configured to analyze each task and each behavior of the identified risk scene by using a hierarchical task analysis method to construct an event sequence; a human error mode a determining module, configured to determine a human error mode corresponding to the event sequence according to the situation environment analysis and the cognitive behavior analysis; the error probability determination module determines the human error mode classification and the corresponding basic error probability according to the CREAM method
  • the first person of each task or each behavior is corrected for the probability of error, and the first human error probability is corrected by the contextual environment analysis, and the corrected second human error probability corresponding to each task or each behavior is obtained; , sorting the tasks or behaviors according to the second person's probability of error.
  • the human factor engineering checklist is established according to an information processing process of the digital control system of the nuclear power plant, and the specific considerations include: information monitoring, state evaluation, response planning, and response execution.
  • the human-machine interface unit specifically includes: an information display module, a soft control module, a digitization procedure module, a user interface management module, and an alarm module.
  • the invention has the following beneficial effects:
  • the inventor-machine interface detecting method adopts a combination of HCR+CREAM+HEC to evaluate the digital human-machine interface of the nuclear power plant, so as to quickly and efficiently detect the existence of the digital human-machine interface. Defective human-machine interface unit.
  • the HCR method is used to identify important and risky risk scenarios; the CREAM method fully considers the cognitive and contextual environmental impacts to identify human error with high probability of error; further, combined with HEC, from human reliability And the perspective of personnel performance to establish a human factors engineering review form, to quickly and reliably verify the human error caused by the high probability of error or the human-machine interface unit involved in the task, in order to find deep design defects that induce human error, thereby Improve the safety of the operation of the digital control system of the nuclear power plant as a whole.
  • the human-machine interface detection system of the present invention comprises a risk scene screening unit, a human factor reliability analysis unit and a human factors engineering review unit, wherein the risk scene screening unit is used to identify an important and risky risk scene;
  • the sexual analysis unit fully considers the cognitive and contextual environmental impacts to identify human error with high probability of error;
  • the human factors engineering review unit establishes the human factors engineering review form from the perspective of human reliability and personnel performance, and makes mistakes. High probability probabilities are quickly and reliably verified by mistakes or human-machine interface units involved in the mission to find deep design flaws that induce human error, thereby improving the overall safety of the nuclear power plant digital control system.
  • the present invention has other objects, features and advantages.
  • FIG. 1 is a schematic diagram showing the steps of a human-machine interface detecting method according to a preferred embodiment of the present invention
  • FIG. 2 is a schematic diagram showing a preferred step of step S20 of FIG. 1.
  • FIG. 3 is a human-machine interface of a preferred embodiment of the present invention.
  • HCR Human Cognitive Reliability
  • CREAM Cognitive Reliability and Error Analysis Method
  • HEC Human Engineering Checklist.
  • the invention relates to a human-machine interface detecting method, which is suitable for a nuclear power plant digital control system. Since the nuclear power plant adopts digital control, there are a large number of human-machine interfaces.
  • the inventor-machine interface detection method detects the human-machine interface through a combination of HCR, CREAM and HEC methods, thereby efficiently and reliably finding the induced Defects in human-machine interface due to human error. Referring to FIG.
  • the method for detecting a human-machine interface of the present invention specifically includes the following steps: Step S10: Identify, according to the HCR method, a risk scenario in which the probability of non-response of the operator behavior exceeds a predetermined threshold, so that a risk scenario with high risk can be selected. Targeted human-machine interface detection. Step S20: The CREAM method is used to determine the error probability of each behavior in each task and task in the risk scenario, and the risk scenario exceeding the predetermined threshold is used as a human factor reliability analysis. In order to identify the task or behavior of a high probability of human error and a high contribution rate to the accident risk, in order to further conduct risk assessment.
  • step S30 the human-machine interface involved in each task or each behavior is sequentially checked against the preset human factors checklist according to the magnitude of the error probability to determine the human-machine interface unit with the defect.
  • the HCR method calculates the non-response probability in step S10 by using the following formula:
  • t is the available time to complete the task
  • T 1/2 is the median response time of the operator to complete the task
  • ⁇ is the scale parameter
  • ⁇ is the shape parameter
  • ⁇ is the position parameter
  • P(t) Does not respond to probability.
  • T 1/2 ⁇ 1/2 , ⁇ (1 + ⁇ 1 )(1 + ⁇ 2 )(1 + ⁇ 3 ) (2)
  • ⁇ 1/2 ⁇ is a general condition (such as simulation)
  • the execution time of the machine training, ⁇ 2 , ⁇ 3 respectively represent the "training" correction factor, the "psychological pressure” correction factor and the "human-machine interface” correction factor.
  • the CREAM method specifically includes the following steps: Step S21, using a Hierarchical Task Analysis (HTA) method to analyze each task and each behavior of the identified risk scene to construct an event.
  • HTA Hierarchical Task Analysis
  • Sequence S22 determining a corresponding human error pattern of the event sequence according to Context analysis or Common Performance Condition Assessment (CPC) and Cognitive Activity Analysis;
  • the situational environment analysis is a common performance condition (common performance condition, CPC)
  • CPC common performance condition
  • a quantization level is proposed for each CPC.
  • Cognitive behavior analysis is to analyze the specific cognitive behaviors required by each task.
  • the specific cognitive behaviors in practice include: coordinate, communication, comparison, diagnosis, evaluation ( evaluate ) , execute , identify , maintain , monitor , observe , plan , record , adjust , scan , confirm (verify) and so on. After confirming the recognition of the task After knowing the behavior, according to the correspondence between cognitive behavior and cognitive function and the situational environment analysis, the possible human failure mode can be predicted.
  • Step S23 determining a first human cause error probability of each task or each behavior according to a human error mode and a corresponding basic human error mode probability, and correcting the first human cause error probability according to the situation environment analysis, and obtaining each The corrected second human factor error probability corresponding to the task or each behavior; the correction of the first human factor error probability is to consider the weight of CPC influence on cognitive behavior, and the weight factor of CPC that has no influence on cognitive behavior is 1 Considering the weight of each CPC's influence on cognitive behavior, the correctness of the first person's error probability is corrected by the method of multiplication, and the corrected second human factor error probability is obtained.
  • each task or each behavior is sorted according to the second person's probability of error to identify a key task or behavior.
  • the human factor engineering check table preset in step S30 is established according to the information processing process of the nuclear power plant digital control system, and the specific information processing behavior includes: information monitoring, status evaluation, response planning, and response execution.
  • the human-machine interface unit specifically includes: an information display module, a soft control module, a digital procedure module, a user interface management module, and an alarm module.
  • the following is an example of a false alarm scene to analyze the probability of non-response.
  • formula (1) and formula (2) collect relevant data. See Table 1 for details: Table 1 Data sheet for scene collection of false alarms
  • Man-machine interface The K 3 value corresponding to the human-machine interface design is equal to 0. 44 Considering the human factors engineering problem, but the test
  • the available time for completing the task In the case of the accidental safety note, as long as the operator who has calculated the task by the thermal hydraulics stops the pump, the available time is 20 minutes, and the event is considered to be relieved.
  • the key task order is "REA 503KA alarm appears?", "REA404KA alarm appears?”, "Is there any chemical injection in this process?” Therefore, it is possible to focus on these key or important human error or task analysis, and focus on the human error caused by the human-machine interface, save resources, and achieve targeted. Further, the human-machine engineering checklist is used to detect the human-machine interface involved in the behavior with high probability of error, thereby identifying specific defects and making corresponding suggestions to find out the deep-level person who induces human error. - Defects in machine interface design. Referring to FIG.
  • the human-machine interface detecting system of the present invention is applicable to a digital control system of a nuclear power plant, and the human-machine interface detecting system includes: The risk scene screening unit identifies a risk scenario in which the non-response probability of the operator behavior exceeds a predetermined threshold based on the HCR method; the human factor reliability analysis unit uses the CREAM method to determine each task in the risk scenario for the identified risk scenario And the probability of error in each activity in the task; the human factors engineering review unit checks the human-machine interface involved in each task or each behavior in sequence with the pre-set human factors checklist according to the order of the probability of error. A human-machine interface unit with defects.
  • the risk scene screening unit, the human factor reliability analysis unit, and the human factors engineering review unit may be operated by the terminal processor.
  • the human factor reliability analysis unit specifically includes: an event sequence construction module, configured to analyze each task and each behavior of the identified risk scene by using a hierarchical task analysis method to construct an event sequence; a human error mode a determining module, configured to determine a human error mode corresponding to the event sequence according to the situation environment analysis and the cognitive behavior analysis; the error probability determination module determines the human error mode classification and the corresponding basic error probability according to the CREAM method
  • the first person of each task or each behavior is corrected for the probability of error, and the first human error probability is corrected by the contextual environment analysis, and the corrected second human error probability corresponding to each task or each behavior is obtained; , sorting each task or behavior according to the second person's probability of error.
  • the event sequence building module, the human error mode determining module, the error probability determining module, and the sorting module may be run by the terminal processor.
  • the human factor engineering checklist is established according to the operator information processing process of the digital control system of the nuclear power plant, and the specific information processing behaviors include: information monitoring, state evaluation, response planning, and response execution. The person was established from the perspective of human reliability and personnel performance due to the engineering checklist. It comprehensively considered the characteristics of the digital human-machine interface and the general human factors engineering principle, and served as a human factor review service for the digital human-machine interface.
  • the human-machine interface unit specifically includes: an information display module, a soft control module, a digital procedure module, a user interface management module, and an alarm module, and each of the above modules can be operated by a terminal processor.
  • the human-machine interface detecting method and system of the invention adopts a combination of HCR+CREAM+HEC to evaluate the digital human-machine interface of the nuclear power plant, and quickly and efficiently detect the human-machine with defects in the digital human-machine interface. Interface unit.
  • the HCR method is used to identify important and risky risk scenarios; CREAM side
  • the law fully considers the cognitive and contextual environmental impacts to identify tasks or behaviors with high probability of error; further, combined with HEC, establishes a human factors engineering review table from the perspective of human reliability and personnel performance, and performs man-machine interface units. Quick and reliable verification to find deep design flaws that induce human error, thereby improving the safety of the operation of the digital control system of the nuclear power plant as a whole.

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Plasma & Fusion (AREA)
  • General Engineering & Computer Science (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Monitoring And Testing Of Nuclear Reactors (AREA)

Abstract

本发明公开了一种人-机界面检测方法及系统，该人-机界面检测方法包括以下步骤：基于HCR方法识别出行为的不响应概率超出预定阈值的风险场景；针对识别出的风险场景采用CREAM方法确定风险场景中各任务或各行为的失误概率；按照失误概率的大小顺序依次对各任务或各行为所涉及的人-机界面与预先设定的人因工程核查表进行核对，以确定存在缺陷的人-机界面单元。本发明采用HCR+CREAM+HEC相结合的方法对核电站的数字化人-机界面进行评价，以快速高效地检测出数字化人-机界面中存在缺陷的人-机界面单元，以找到诱发人因失误的深层次的设计缺陷，从而从整体上提高核电站数字控制系统的运行的安全性。

Description

人-机界面检测；^及系统
技术领域 本发明涉及核电站数字控制领域， 特别地， 涉及一种应用于核电站数字控制的人- 机界面检测方法及系统。 背景技术 核电站 （Nuclear power plants, NPPs) 是一种复杂的高风险系统， 由于三哩岛和切 尔诺贝利事故， 人们认识到人 -机交互的重要性， 人-机界面 （Man-machine interface, MMI) 设计的质量对于人的绩效和核安全至关重要。 比如， Smith和 Mosier于 1986 年在（Guidelines for designing user interface software》一文中指出： 从不良的人-机界面 中进行数据处理会导致频繁和严重的人因失误； Bellamy 和 Geyer 于 1988 年在 《 Addressing human factors issues in the safe design and operation of computer controlled process systems))一文也研究计算机控制的过程系统中发生的事 件中有近 60%的与操作过程中发生的人因失误有关等。 尽管花费了大量的人力和物力进行研究以提高人-机界面的设计质量，但是我国核 电站的人-机界面设计和人-机交互技术一直处于发展的早期阶段一一学习和吸收阶 段， SP"设计可用就行"， 人 -机界面的详细审查一直处于发展阶段。 特别是在核电站主 控室数字化之后， 数字化人 -机界面改变了操纵员所处的情境环境， 如果设计人员不了 解数字化人 -机界面特征对操纵员有什么不利影响， 那么尽管设计人员在人-机界面的 设计过程中遵循了一般的设计原理和参考了一些人因工程 （Human factor engineering, HFE) 设计指南， 但是他们在设计中可能忽视了一些更为深层次的绩效问题或者忽视 了操纵员在复杂人 -机交互中所处的角色等，从而不足以确保通过参考一般的人因工程 设计指南就能提高人员绩效和操作系统的安全。 同样， 尽管存在一些人-机界面评价方 法， 但各国设计的数字化人-机界面的原理、 方法、 风格、 文化等都存在差异， 因此结 合我国的人-机界面设计特征与我国文化特征， 需要发展数字化人 -机界面评价的方法 和工具对人 -机界面进行评审， 以提高操纵员的绩效和核电厂的安全水平。 人 -机界面评价方法一般可以分为实验方法和理论方法。实验方法一般是通过模拟 机和仿真实验来评估控制室人 -机界面的可用性， 如 Paulo V.R. Carvalho, Isaac L. dos Santos, Jose Orlando Gomes, Marcos R.S. Borges禾口 Stephanie Guerlain于 2008年发表 在期干1 J ( DISPLAY) 上的 《 Human factors approach for evaluation and redesign of human-system interfaces of a nuclear power plant simulator》 ^■文中使用小型模拟机实验 通过现场观察对先进的人-机界面设计进行审查， 识别设计中的具体缺陷。 我国清华大 学核能技术设计研究院的陈晓明、 高祖瑛、 周志伟、 赵炳全和日本三菱电机先端技术 研究所的中川隆志、 仵威合作于 2004年发表在期刊 〈原子能科学技术〉 中的一文《基 于计算机模拟技术的人 -机界面评价系统》中介绍了一种基于计算机模拟技术的核电厂 控制室人-机界面软件评价系统 DIAS (Dynamic Interaction Analysis Support ), 通过该 系统来为核电厂主控室人-机界面的设计及改进提供很好的技术支持。尽管实验和模拟 方法是很精确的人-机界面评价方法之一， 但是它难以做到与真实的风险场景一致， 只 能考虑少数几个行为影响因子，并且实验方法费时，其结果往往取决于参与者的经验， 需要大量的费用。 理论方法一般包括专家判断、 人 -机界面设计指南、 人-机界面评价模型和方法等， 理论方法可使系统设计人员在没有进行实验的情境下估计人-机界面对操纵员绩效的 影响。 这种方法比较有效， 特别在设计的早期阶段。 基于专家判断、 设计指南和评价 模型的方法都有自身的优缺点。 其中： 基于专家判断的理论方法的缺点主要是专家的主观判断， 评估结果难以量化。 如
Sheue-Ling Hwang , Sheau-FarnMax Liang, Tzu-Yi Yeh Liu， Yi-Jhen Yang, Po-Yi Chen 和 Chang-Fu Chuang于 2009年发表在 《Nuclear Engineering and Design》 上的一文 (Evaluation of human factors in interface design in main control rooms》 中米用访谈的方 式进行人-机界面评价， Yung-Tsan Jou， Chiuhsiang Joe Lin, Tzu -Chung Yenn, Chi -Wei Yang, Li-Chen Yang和 Ruei-Chi Tsai于 2009年发表在《 Safety Science))上的一文《The implementation of a human factors engineering checklist for human-system interfaces upgrade in nuclear power plants))建立混合的人因工程检查表对人 -机界面设计进行审 查。 但上述方法缺乏从操纵员信息处理和操作的系统性和综合考虑， 从而使人的绩效 在某些方面 （如监视和数据的获取） 得到提升， 在另一些方面 （如操作控制行为） 可 能绩效下降， 没有达到整体绩效最优。 在人-机界面设计指南方面， 1995 年， 美国核管会 （U.S. Nuclear Regulatory Commission, USNRC )在《Human-System Interface Design Review Guidelines》 中从信 息显示、 用户 -界面交互与管理、 控制等方面建立了具体的数字化人 -机界面审查项目。 2002年， 美国核管会对《Human-System Interface Design Review Guidelines》进行了更 新。同样， 2004年美国电力研究院 （ Electric Power Research Institute, EPRI )在《Human Factors Guidance for Control Room and Digital Human-System Interface Design and Modification)) 中从信息显示、 用户 -界面交互和管理、 软控制、 报警、 计算机化的规程 系统、 计算机化的操纵员支持系统等提出了具体的审查项目。 基于设计指南的方法尽 管主观性有所减少， 但是由于新技术或新状态的出现， 使设计指南的更新需花费大量 的时间， 并且由于各方面的权衡失当而有可能出现相互矛盾的指导规则， 从而产生设 计指南的误解释和错误应用。 在人-机界面评价模型和方法方面， 人们为了克服专家判断的方法的局限性， 发展 了一些基于数理统计技术的方法和模型， 如回归分析模型、 模糊综合评价方法、 灰色 关联分析、神经网络方法等进行定量预测和评价。如蒋涛于 2006年在其博士论文《火 力发电厂 DCS系统人-机界面综合评价研究》 中采用灰色理论对 DCS (Digital control system)系统人-机界面进行定量化综合评价。但是上述方法过度强调定量化评价结果， 而未能从人因可靠性的视角详细对数字化人-机界面特征进行具体审查， 难以发现人- 机界面中诱发人因失误的深层次原因。 总之， 随着我国核电厂主控室的数字化， 使得传统的人 -机界面评价方法难以满足 分析和评价的要求，未能从数字化人-机界面的特征出发建立进行审查的人因工程核查 表， 未从人因可靠性及人员绩效的角度来综合建立人因工程核查表， 且现有人-机界面 评价方法效率低、 可靠性有待提高。 发明内容 本发明目的在于提供一种人 -机界面检测方法， 以解决快速、 可靠地识别出人-机 界面中存在缺陷的界面项目的技术问题。 本发明的另一目的在于提供一种人 -机界面检测系统， 以快速、 可靠地检测出人- 机界面中存在缺陷的界面项目的技术问题。 为实现上述目的， 本发明采用的技术方案如下： 一种人 -机界面检测方法， 适用于核电站数字控制系统， 包括以下步骤： 基于 HCR方法识别出操作员行为的不响应概率超出预定阈值的风险场景； 针对识别出的所述风险场景采用 CREAM方法确定所述风险场景中各任务以及任 务中各行为的失误概率； 按照所述失误概率的大小顺序依次对各任务或各行为所涉及的人-机界面与预先 设定的人因工程核查表进行核对， 以确定存在缺陷的人-机界面单元。 进一步地， 所述 HCR方法计算不响应概率采用的公式如下：
Figure imgf000006_0001
其中， t为完成任务的可用时间， T1/ 2为操作员完成任务的中值响应时间， α为尺 度参数， β为形状参数， ^为位置参数， P(t)为不响应概率。 进一步地， 所述 CREAM方法具体包括以下步骤： 采用层次任务分析 (Hierarchical task analysis, HTA)法分析识别后的所述风险场景 的各任务及各行为， 以构建事件序列； 根据情境环境分析 (Context analysis)或称共同绩效条件评价 (Common performance conditions, CPCs)、 认知行为分析 (Cognitive activity analysis)确定所述事件序列所对应 的人因失误模式； 根据 CREAM方法中的人因失误模式分类及其对应的基本的失误概率确定各任务 或各行为的第一人因失误概率，并经情境环境分析对所述第一人因失误概率进行修正， 得到各任务或各行为对应的修正后的第二人因失误概率； 对各任务或各行为按所述第二人因失误概率进行排序。 进一步地， 所述人因工程核查表为根据核电站数字控制系统的信息处理过程建立 的， 具体考虑的行为包括： 信息的监视、 状态评估、 响应计划及响应执行。 进一步地， 所述人-机界面单元具体包括： 信息显示模块、 软控制模块、 数字化规 程模块、 用户界面管理模块及报警模块。 根据本发明的另一方面， 还提供一种人 -机界面检测系统， 适用于核电站数字控制 系统， 该人-机界面检测系统包括： 风险场景筛选单元，基于 HCR方法识别出操作员行为的不响应概率超出预定阈值 的风险场景； 人因可靠性分析单元， 针对识别出的所述风险场景采用 CREAM方法确定所述风 险场景中各任务及任务中各行为的失误概率； 人因工程审查单元， 按照所述失误概率的大小顺序依次对各任务或各行为所涉及 的人-机界面与预先设定的人因工程核查表进行核对， 以确定存在缺陷的人-机界面单 元。 进一步地， 所述人因可靠性分析单元具体包括： 事件序列构建模块， 用于采用层次任务分析法分析识别后的所述风险场景的各任 务及各行为， 以构建事件序列； 人因失误模式确定模块， 用于根据情境环境分析、 认知行为分析确定所述事件序 列相应的人因失误模式； 失误概率确定模块， 根据 CREAM方法中的人因失误模式分类及其对应的基本的 失误概率确定各任务或各行为的第一人因失误概率， 并经情境环境分析对所述第一人 因失误概率进行修正， 得到各任务或各行为对应的修正后的第二人因失误概率； 排序模块， 对各任务或各行为按所述第二人因失误概率进行排序。 进一步地， 所述人因工程核查表为根据核电站数字控制系统的信息处理过程建立 的， 具体考虑的行为包括： 信息的监视、 状态评估、 响应计划及响应执行。 进一步地， 所述人-机界面单元具体包括： 信息显示模块、 软控制模块、 数字化规 程模块、 用户界面管理模块及报警模块。 本发明具有以下有益效果： 本发明人-机界面检测方法，采用 HCR+CREAM+HEC相结合的方法对核电站的数 字化人 -机界面进行评价， 以快速高效地检测出数字化人-机界面中存在缺陷的人 -机界 面单元。 其中， HCR方法用来识别出重要的、 风险大的风险场景； CREAM方法则充 分考虑认知和情境环境影响，从而识别出失误概率高的人因失误；进一步， 结合 HEC， 从人因可靠性和人员绩效的视角建立人因工程审查表， 对失误概率高的人因失误或任 务所涉及的人-机界面单元进行快速可靠地验证， 以找到诱发人因失误的深层次的设计 缺陷， 从而从整体上提高核电站数字控制系统的运行的安全性。 本发明人 -机界面检测系统， 包括风险场景筛选单元、 人因可靠性分析单元及人因 工程审查单元， 其中， 风险场景筛选单元用来识别出重要的、 风险大的风险场景； 人 因可靠性分析单元则充分考虑认知和情境环境影响， 从而识别出失误概率高的人因失 误；进一步， 人因工程审查单元从人因可靠性和人员绩效的视角建立人因工程审查表， 对失误概率高的人因失误或任务所涉及的人-机界面单元进行快速可靠地验证， 以找到 诱发人因失误的深层次的设计缺陷， 从而从整体上提高核电站数字控制系统的运行的 安全性。 除了上面所描述的目的、特征和优点之外， 本发明还有其它的目的、特征和优点。 下面将参照图， 对本发明作进一步详细的说明。 附图说明 构成本申请的一部分的附图用来提供对本发明的进一步理解， 本发明的示意性实 施例及其说明用于解释本发明， 并不构成对本发明的不当限定。 在附图中： 图 1是本发明优选实施例的人 -机界面检测方法的步骤示意图； 图 2是图 1中步骤 S20的优选步骤示意图； 图 3是本发明优选实施例的人 -机界面检测系统的原理方框图。 具体实施方式 以下结合附图对本发明的实施例进行详细说明， 但是本发明可以由权利要求限定 和覆盖的多种不同方式实施。 术语解释：
HCR: 人的认知可靠性 （ Human Cognitive Reliability )；
CREAM: 认知可靠性及失误分析方法 （Cognitive Reliability and Error Analysis Method) ;
HEC: 人因工程核查表 （Human Engineering Checklist )。 本发明人 -机界面检测方法， 适用于核电站数字控制系统。 由于核电站采用数字控 制之后， 存在大量的人-机界面， 本发明人-机界面检测方法则通过 HCR、 CREAM及 HEC方法相结合的方式对人-机界面进行检测，从而高效可靠地找出诱发人因失误的深 层次的人-机界面缺陷。 参照图 1， 本发明人 -机界面检测方法， 具体包括以下步骤： 步骤 S10，基于 HCR方法识别出操作员行为的不响应概率超出预定阈值的风险场 景， 这样可以筛选出风险大的风险场景以有针对性的进行人-机界面检测。 步骤 S20， 针对识别出的所述风险场景采用 CREAM方法确定风险场景中各任务 及任务中各行为的失误概率； 通过将超出预定阈值的风险场景做人因可靠性分析， 可 以识别出人因失误概率高、 对事故风险贡献率大的任务或行为， 以便进一步做风险评 估。 步骤 S30， 按照失误概率的大小顺序依次对各任务或各行为所涉及的人-机界面与 预先设定的人因工程核查表进行核对， 以确定存在缺陷的人-机界面单元。 较佳地， 步骤 S10中 HCR方法计算不响应概率采用如下公式：
Figure imgf000009_0001
在公式 （1 ) 中， t 为完成任务的可用时间， T1/2为操作员完成任务的中值响应时 间， α为尺度参数， β为形状参数， ^为位置参数， P(t)为不响应概率。
T1/2 = Τ1/2,η (1 + Κ1 )(1 + Κ2 )(1 + Κ3 ) (2) 在公式 （2 ) 中， Τ1/2 η为一般状况 (如模拟机训练)的执行时间， 、 Κ2、 Κ3分别 表示"训练"修正因子、 "心理压力"修正因子及"人-机界面"修正因子。 在实际操作中， 通过识别操作员完成任务的可用时间 t，及操作员在不同场景下的行为类型得到不同的 参数， 并评估 HCR模型中行为形成因子的状态水平， 得到不同的修正因子， 并将各参 数值代入 HCR模型即可得到操作班组的失误概率，从而识别出操作员不响应概率高的 风险场景， 以对关键的风险场景作进一步分析。 较佳地， 在步骤 S20中， 参照图 2， CREAM方法具体包括以下步骤： 步骤 S21， 采用层次任务分析 (Hierarchical task analysis,HTA)法分析识别后的风险 场景的各任务及各行为以构建事件序列； 步骤 S22， 根据情境环境分析 (Context analysis)或称共同绩效条件评价 (CPC)、 认 知行为分析 (Cognitive activity analysis)确定事件序列相应的人因失误模式； 情境环境分析即以共同绩效条件 （common performance condition, CPC) 作为分 析对象， 并分别对每个 CPC提出了量化等级。 认知行为分析是对每个任务需要的具体 认知行为进行分析， 例如， 实践中具体的认知行为包括： 协调 （ coordinate )、 交流 ( communicate )、 比较 ( compare)、诊断 (diagnose)、评估 ( evaluate )、执行 ( execute )、 辨识 （identify)、 保持 （maintain)、 监控 （monitor)、 观察 （observe)、 计划 （plan)、 记录 （record)、 调整 （regulate)、 扫描 （scan)、 确认 （verify) 等。 在确定了任务的认 知行为后， 根据认知行为与认知功能的对应关系以及情境环境分析就能预测可能的人 因失效模式。 步骤 S23， 根据人因失误模式及其对应的基本的人因失误模式概率确定各任务或 各行为的第一人因失误概率， 并根据情境环境分析对第一人因失误概率进行修正， 得 到各任务或各行为对应的修正后的第二人因失误概率； 对第一人因失误概率的修正即为考虑 CPC对认知行为的影响权重，对认知行为没 有影响的 CPC的权重因子为 1，考虑各个 CPC对认知行为的影响权重，最后采用连乘 的形式对第一人因失误概率进行修正， 得到修正后的第二人因失误概率。 步骤 S24， 对各任务或各行为按第二人因失误概率进行排序， 以识别出关键的任 务或行为。 较佳地， 在步骤 S30中预先设定的人因工程核查表为根据核电站数字控制系统的 信息处理过程建立的， 具体信息处理行为包括： 信息的监视、 状态评估、 响应计划及 响应执行。 人-机界面单元具体包括： 信息显示模块、 软控制模块、 数字化规程模块、 用户界面管理模块及报警模块。 下面以误安注场景为例， 来分析其不响应概率， 根据公式（1 )和公式 （2)， 收集 相关数据， 具体见表 1 : 表 1 误安注场景采集的数据表
Figure imgf000010_0001
人-机界面： 人 -机界面设计 对应的 K3值等于 0. 44 考虑了人因工程问题，但考
虑不充分并且需要操纵员
整合部分信息， 因此评价为
一般 完成任务的可用时间 在误安注场景下，只要操纵 经热工水力计算得任务的 员在停掉安注泵的情况下， 可用时间为 20分钟 则认为事件得到缓解，不会
顶开安全阀 实际完成任务的中值时间 与操纵员访谈，得到绩效好 因此， 假设完成任务的中 的操纵员会在 8分钟完成该 值时间为 10分钟
任务， 绩效不好的会在 13
分钟左右完成该任务，平均
大约 10钟左右
Κ3的值代入公式 （2) 可得:
Τ1/2 =10x1.8432=18.432分钟； 将 α=0.601,β=0.9， r=0.6, t=20, T1/2 =18.432代入公式 (1)可得误安注场景的不响 应概率： P(t)=0.4384。 由于误安注场景的不响应概率非常高， 因此， 有必要对误安注 场景下的相关人 -机界面进行优化。 进一步， 针对误安注场景中的预先执行行为 (PRE-ACT)采用 CREAM方法确定该 任务中的行为的失误概率， 经过分析得出关键的人因失误任务依次是： "13解释延迟" 和 "02错误辨识"等， 关键的任务排序依次是" REA503KA报警出现？ "、 "REA404KA 报警出现？ "、 "在此过程中是否有化学物质的注入？ "等。 从而可重点针对这些关键的 或重要的人因失误或任务进行分析， 对由人 -机界面诱发的人因失误进行重点审查， 节 省资源， 做到有的放矢。 进一步，采用人因工程核查表对相关失误概率高的行为所涉及的人-机界面进行检 测， 从而识别出具体的缺陷， 并提出相应的建议， 以找出诱发人因失误的深层次的人- 机界面设计缺陷。 参照图 3， 本发明人 -机界面检测系统， 适用于核电站数字控制系统， 该人-机界面 检测系统包括： 风险场景筛选单元，基于 HCR方法识别出操作员行为的不响应概率超出预定阈值 的风险场景； 人因可靠性分析单元， 针对识别出的所述风险场景采用 CREAM方法确定所述风 险场景中各任务及任务中各行为的失误概率； 人因工程审查单元，按照失误概率的大小顺序依次对各任务或各行为所涉及的人- 机界面与预先设定的人因工程核查表进行核对， 以确定存在缺陷的人-机界面单元。 可以通过终端处理器来运行上述风险场景筛选单元、 人因可靠性分析单元和人因 工程审查单元。 进一步地， 所述人因可靠性分析单元具体包括： 事件序列构建模块， 用于采用层次任务分析法分析识别后的所述风险场景的各任 务及各行为， 以构建事件序列； 人因失误模式确定模块， 用于根据情境环境分析、 认知行为分析确定所述事件序 列相应的人因失误模式； 失误概率确定模块， 根据 CREAM方法中的人因失误模式分类及其对应的基本的 失误概率确定各任务或各行为的第一人因失误概率， 并经情境环境分析对所述第一人 因失误概率进行修正， 得到各任务或各行为对应的修正后的第二人因失误概率； 排序模块， 对各任务或各行为按第二人因失误概率进行排序。 可以通过终端处理器来运行上述事件序列构建模块、 人因失误模式确定模块、 失 误概率确定模块和排序模块。 进一步地， 人因工程核查表为根据核电站数字控制系统的操纵员信息处理过程建 立的， 具体信息处理行为包括： 信息的监视、 状态评估、 响应计划及响应执行。 该人 因工程核查表从人因可靠性和人员绩效的视角来建立，综合考虑了数字化人-机界面的 特征及一般的人因工程原理， 为数字化人 -机界面的人因审查服务。 人-机界面单元具 体包括： 信息显示模块、 软控制模块、 数字化规程模块、 用户界面管理模块及报警模 块， 上述各个模块可以通过终端处理器来运行。 本发明人-机界面检测方法及系统，采用 HCR+CREAM+HEC相结合的方法对核电 站的数字化人 -机界面进行评价， 以快速高效地检测出数字化人-机界面中存在缺陷的 人-机界面单元。 其中， HCR方法用来识别出重要的、 风险大的风险场景； CREAM方 法则充分考虑认知和情境环境影响， 从而识别出失误概率高的任务或行为； 进一步， 结合 HEC，从人因可靠性和人员绩效的视角建立人因工程审查表，对人-机界面单元进 行快速可靠地验证， 以找到诱发人因失误的深层次的设计缺陷， 从而从整体上提高核 电站数字控制系统的运行的安全性。 以上所述仅为本发明的优选实施例而已， 并不用于限制本发明， 对于本领域的技 术人员来说， 本发明可以有各种更改和变化。 凡在本发明的精神和原则之内， 所作的 任何修改、 等同替换、 改进等， 均应包含在本发明的保护范围之内。

Claims

权 利 要 求 书
1. 一种人 -机界面检测方法， 适用于核电站数字控制系统， 其特征在于， 包括以下 步骤：
基于人的认知可靠性 HCR方法识别出操作员行为的不响应概率超出预定 阈值的风险场景；
针对识别出的所述风险场景， 采用认知可靠性及失误分析 CREAM方法确 定所述风险场景中各任务以及任务中各行为的失误概率；
按照所述失误概率的大小顺序依次对所述各任务或所述各行为所涉及的人 -机界面与预先设定的人因工程核查表进行核对， 以确定存在缺陷的人-机界面 单元。
2. 根据权利要求 1所述的人 -机界面检测方法， 其特征在于：
所述 HCR方法计算所述不响应概率采用的公式如下：
Figure imgf000014_0001
其中， t为完成任务的可用时间， T1/ 2为操作员完成任务的中值响应时间， α为尺度参数， β为形状参数， 为位置参数， P(t)为不响应概率。
3. 根据权利要求 2所述的人 -机界面检测方法， 其特征在于：
通过如下公式计算得到所述 T1/ 2：
Τ1/2 = Τ1/2,η(1 + Κ1 )(1 + Κ2)(1 + Κ3) ^ 其中， Tl/2，n为执行时间， Kl、 Κ 分别表示训练修正因子、 心理压力 修正因子及人 -机界面修正因子。
4. 根据权利要求 1所述的人 -机界面检测方法， 其特征在于：
采用认知可靠性及失误分析 CREAM方法确定所述风险场景中各任务以及 任务中各行为的失误概率包括以下步骤：
采用层次任务分析法分析识别后的所述风险场景的各任务及各行为， 以构 建事件序列； 根据情境环境分析、 认知行为分析确定所述事件序列所对应的人因失误模 式；
根据所述 CREAM方法中的人因失误模式分类及其对应的基本的失误概 率， 来确定所述各任务或所述各行为的第一人因失误概率， 并经所述情境环境 分析对所述第一人因失误概率进行修正， 得到所述各任务或所述各行为对应的 修正后的第二人因失误概率；
对所述各任务或所述各行为按所述第二人因失误概率进行排序。
5. 根据权利要求 1所述的人 -机界面检测方法， 其特征在于，
所述人因工程核查表为根据核电站数字控制系统的信息处理过程建立的， 其中， 信息处理行为包括： 信息的监视、 状态评估、 响应计划及响应执行。
6. 根据权利要求 1所述的人 -机界面检测方法， 其特征在于，
所述人 -机界面单元包括： 信息显示模块、 软控制模块、 数字化规程模块、 用户界面管理模块及报警模块。
7. —种人 -机界面检测系统， 适用于核电站数字控制系统， 其特征在于， 该人-机 界面检测系统包括：
风险场景筛选单元， 基于人的认知可靠性 HCR方法识别出操作员行为的 不响应概率超出预定阈值的风险场景；
人因可靠性分析单元， 针对识别出的所述风险场景， 采用认知可靠性及失 误分析 CREAM方法确定所述风险场景中各任务及任务中各行为的失误概率； 人因工程审查单元， 按照所述失误概率的大小顺序依次对所述各任务或所 述各行为所涉及的人-机界面与预先设定的人因工程核查表进行核对，以确定存 在缺陷的人-机界面单元。
8. 根据权利要求 7所述的人 -机界面检测系统， 其特征在于： 所述风险场景筛选单 元包括:
处理模块， 用于通过所述 HCR方法计算所述不响应概率采用的公式如下:
Figure imgf000015_0001
其中， t为完成任务的可用时间， T1/ 2为操作员完成任务的中值响应时间， α为尺度参数， β为形状参数， 为位置参数， P(t)为不响应概率。
9. 根据权利要求 8所述的人 -机界面检测系统， 其特征在于： 所述处理模块包括： 计算模块， 用于通过如下公式计算得到所述 T1/2：
Τ1/2 = Τ1/2>η (1 + Κ1 )(1 + Κ2 )(1 + Κ3 ) ^ 其中， 为执行时间， Kl、 Κ Κ3分别表示训练修正因子、 心理压力 修正因子及人 -机界面修正因子。
10. 根据权利要求 7所述的人 -机界面检测系统， 其特征在于， 所述人因可靠性分析单元包括：
事件序列构建模块， 用于采用层次任务分析法分析识别后的所述风险场景 的各任务及各行为， 以构建事件序列；
人因失误模式确定模块， 用于根据情境环境分析、 认知行为分析确定所述 事件序列相应的人因失误模式；
失误概率确定模块， 根据所述 CREAM方法中的人因失误模式分类及其对 应的基本的失误概率， 来确定所述各任务或所述各行为的第一人因失误概率， 并经所述情境环境分析对所述第一人因失误概率进行修正， 得到所述各任务或 所述各行为对应的修正后的第二人因失误概率；
排序模块，对所述各任务或所述各行为按所述第二人因失误概率进行排序。
11. 根据权利要求 7所述的人 -机界面检测系统， 其特征在于，
所述人因工程核查表为根据核电站数字控制系统的信息处理过程建立的， 其中， 信息处理行为包括： 信息的监视、 状态评估、 响应计划及响应执行。
12. 根据权利要求 7所述的人-机界面检测及系统， 其特征在于： 所述人 -机界面单元包括： 信息显示模块、 软控制模块、 数字化规程模块、 用户界面管理模块及报警模块。
PCT/CN2014/075823 2013-04-23 2014-04-21 人-机界面检测方法及系统 WO2014173270A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201310141410.3A CN103198230B (zh) 2013-04-23 2013-04-23 人-机界面检测方法及系统
CN201310141410.3 2013-04-23

Publications (1)

Publication Number Publication Date
WO2014173270A1 true WO2014173270A1 (zh) 2014-10-30

Family

ID=48720784

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2014/075823 WO2014173270A1 (zh) 2013-04-23 2014-04-21 人-机界面检测方法及系统

Country Status (2)

Country Link
CN (1) CN103198230B (zh)
WO (1) WO2014173270A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930263A (zh) * 2016-04-06 2016-09-07 湖南工学院 一种人机界面人因适合性测试方法

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198230B (zh) * 2013-04-23 2017-03-08 湖南工学院 人-机界面检测方法及系统
CN103970018A (zh) * 2014-05-07 2014-08-06 湖南工学院 获取人机交互复杂度数据的方法和装置
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
CN107194125A (zh) * 2017-06-23 2017-09-22 北京航空航天大学 一种预测飞行员着陆过程各操作人因差错概率的方法
CN109471803B (zh) * 2018-11-05 2021-10-01 湖南工学院 基于人因可靠性的复杂工业系统数字化人机界面画面配置方法
CN110911023B (zh) * 2019-10-21 2021-08-31 南华大学 一种核电厂常见事故诊断方法及系统
CN112464475A (zh) * 2020-11-27 2021-03-09 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) 基于虚拟仿真技术的舰船控制室人机界面评估方法及系统
CN116501437B (zh) * 2023-06-30 2023-09-22 之江实验室 一种基于人因工程的人机交互认知模型构建方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393834A (zh) * 2011-10-21 2012-03-28 中广核工程有限公司 一种核电站数字化人机界面的测试方法和系统
CN102915512A (zh) * 2012-09-25 2013-02-06 中国核电工程有限公司 一种基于数字化人机界面的核电站安全操作评价方法
CN103198230A (zh) * 2013-04-23 2013-07-10 湖南工学院 人-机界面检测方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BRPI0622086A2 (pt) * 2005-04-06 2011-07-12 Mallinckrodt Inc sistemas e métodos para o gerenciamento de informações referentes a fluidos médicos e recipientes para os mesmos
TWI328196B (en) * 2006-12-28 2010-08-01 Atomic Energy Council Calculator of human reliability index-standard process, chrisp
US20110258021A1 (en) * 2010-04-19 2011-10-20 Mumaw Randall Jay Human reliability assessment tool supporting safety issue analysis and management

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102393834A (zh) * 2011-10-21 2012-03-28 中广核工程有限公司 一种核电站数字化人机界面的测试方法和系统
CN102915512A (zh) * 2012-09-25 2013-02-06 中国核电工程有限公司 一种基于数字化人机界面的核电站安全操作评价方法
CN103198230A (zh) * 2013-04-23 2013-07-10 湖南工学院 人-机界面检测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI, PENGCHENG ET AL.: "Effects of Digital Human-Machine Interface Characteristics on Human Error in Nuclear Power Plants", NUCLEAR POWER ENGINEERING, vol. 32, no. 1, 28 February 2011 (2011-02-28), pages 48 *
LI, PENGCHENG ET AL.: "Research Review and Development Trends of Human Reliability Analysis Techniques", ATOMIC ENERGY SCIENCE AND TECHNOLOGY, vol. 45, no. 3, 31 March 2011 (2011-03-31), pages 331 *
ZHANG, LI; ET AL.: "The Research on Human Reliability Analysis Technique in Probabilistic Safety Assessment", DOCTORAL DISSERTATION OF HUNAN UNIVERSITY, 31 December 2004 (2004-12-31), pages 18 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105930263A (zh) * 2016-04-06 2016-09-07 湖南工学院 一种人机界面人因适合性测试方法
CN105930263B (zh) * 2016-04-06 2018-06-29 湖南工学院 一种人机界面人因适合性测试方法

Also Published As

Publication number Publication date
CN103198230A (zh) 2013-07-10
CN103198230B (zh) 2017-03-08

Similar Documents

Publication Publication Date Title
WO2014173270A1 (zh) 人-机界面检测方法及系统
Groth et al. A hybrid algorithm for developing third generation HRA methods using simulator data, causal models, and cognitive science
US11244092B2 (en) Fire development situation prediction device and method
Akash et al. Dynamic modeling of trust in human-machine interactions
RU2724466C2 (ru) Системы и способы неразрушающего контроля с участием удаленного специалиста
CN110705065B (zh) 航空装备多质量特性一体化集成建模仿真评估方法
CN107462425B (zh) 一种车载装备系统的故障预测方法及故障预测平台
Podofillini et al. Measuring the influence of task complexity on human error probability: an empirical evaluation
CN102393834B (zh) 一种核电站数字化人机界面的测试方法和系统
JP2019028834A (ja) 異常値診断装置、異常値診断方法、およびプログラム
WO2014173258A1 (zh) 响应计划的可靠性分析方法及装置
KR20190143832A (ko) 항공 교통 관리 전자 시스템 테스트 방법, 해당 전자 장치 및 플랫폼
CN107391452A (zh) 一种基于数据欠采样和集成学习的软件缺陷数目预测方法
Mosleh et al. A model-based human reliability analysis methodology
CN112598223A (zh) 核电状态导向法事故规程完备性检验方法、系统、电子设备及存储介质
Zhang et al. The simulator experimental study on the operator reliability of Qinshan nuclear power plant
CN111062827B (zh) 一种基于人工智能模式的工程监理方法
Olsson et al. Case-based reasoning combined with statistics for diagnostics and prognosis
CN117076281A (zh) 一种基于深度学习的软件质量评估方法
CN114625627B (zh) 一种基于大数据多维分析的用户智能感知方法
Lopes et al. MoLVERIC: An Inspection Technique for MoLIC Diagrams.
Groth A framework for using SACADA to enhance the qualitative and quantitative basis of HRA
CN104978260A (zh) 软件测试方法及装置
CN113807462A (zh) 一种基于ai的网络设备故障原因定位方法及其系统
CN113191685A (zh) 施工现场安全综合评测系统

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 14788173

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 14788173

Country of ref document: EP

Kind code of ref document: A1