SLIM的改进研究.docVIP

SLIM的改进研究 　　摘要： SLIM在数据获取方面有其独特的优势，但其过分依赖于专家的判断，使得其应用性和可靠性存在明显的不足。本文针对SLIM的关键环节，使用CREAM支持行为形成因子的确定、贝叶斯方法修正专家对行为形成因子权重的判断和模糊集确定任务等级，对SLIM进行重大改进。在保留SLIM本身特点的同时，使之在人员可靠性相关数据取得方面发挥更大的作用。 　　Abstract: SLIM in data acquisition has its unique advantages. This paper analyzes SLIMs advantages and disadvantages on the basis of its description, and then for its obvious deficiencies to be improved. The work includes three aspects: the determination of the PSFs, the correction of experts judgement of the weight of the PSF using Bayesian method and the determination of task hierarchy usingfuzzy sets. Through the above work, SLIMs advantages will be retained. At the same time, it will play a greater role in the data collection of human reliability. 　　关键词： SLIM；贝叶斯方法；权重；模糊集；任务等级 　　Key words: SLIM；Bayesian approach；weight；fuzzy set；task level 　　中图分类号：TP39 文献标识码：A文章编号：1006-4311（2011）04-0177-02 　　 　　0引言 　　人的可靠性是可靠性学科的重要分支。据统计，国内核工业事故中约有70%与人有关[1]。因此，人因可靠性引起了人们的高度重视。在人的可靠性分析中，常用的分析方法有：THREP（Technique of Human Error Rate Prediction，人的失误率预测技术）、HCR（Human Cognitive Reliability，人的认知可靠性模型）、SLIM（Success Likelihood Index Method，成功似然指数法）、ATHEANA（A Technique for Human Event Analysis）、CREAM（Cognitive Reliability and Error Analysis Method）等。这些方法分别在不同的场合有很好的应用，但也都存在不足，因此对其进行完善是很有必要的。其中SLIM不需要将任务分解的很细，而是就任务以较高的或整体的水平来量化人因可靠性。在具体应用中，当人因失误的数据比较缺乏时该方法可以简便的给出比较可信的结果。但是SLIM中行为形成因子的选取和权重都由专家判断给出，具有一定的不确定性。因此就非常有必要改进此方法，使其结果能够更加可信、应用到更大的范围。 　　1SLIM简介 　　SLIM（Success Likelihood Index Method）于1984年由Embrey首先提出，他认为，人完成某项任务的可靠性极大地依赖于当时的行为形成因子（PSF）的作用。因此，只要能计算出这些行为形成因子对人行为的影响程度即可计算出人员完成该任务可能失败的概率[1]。 　　SLIM应用时主要分成以下步骤[2]：首先，在准确定义情景和任务集合的基础上选定行为形成因子；第二，对行为形成因子进行权重赋值，在赋值的同时检查各形成因子的相关性；第三，确定任务等级；第四，计算成功似然指数（SLI）；最后把SLI值换算成失效概率。这些步骤中最重要的是确定每一个行为形成因子的权重和在此行为形成因子条件下不同任务的等级。该两项因子确定以后，就可以根据成功似然权重指数的表达式进行SLI的计算。 　　SLI=ωiRi 　　式中：SLI―某项任务的成功似然因子；ωi―i因素在任务完成中的权重值，显示该行为形成因子对人员可靠性影响和贡献的大小；Ri―第i种行为形成因子影响下的任务等级因子。然后就可以采用对数形式将每项任务的成功似然因子转换为概率值。但是由于该方法过分依赖于专家判断，所以在PSA中较少直接使用，但可以用来帮助确认重要的行为形成因子[1]。 　　2SLIM改进 　　根据上面的介绍