XiaoMi-AI文件搜索系统
World File Search System人为
从“以人为问题”转变为“以人为解决方案...
网络安全问题日益突出，过去几年中，大量广为人知的安全事件、黑客攻击和数据泄露事件登上新闻头条。网络事件数量的不断增加没有减弱的迹象，现在似乎应该看看网络安全的概念化方式，并考虑是否需要改变思维方式。为了考虑这个问题，我们采用了“问题化”方法来评估政府、行业和黑客当前对网络安全问题的概念化。我们的分析表明，扮演各种角色的个体人类行为者通常被认为是“问题”。我们还发现，部署的解决方案主要侧重于通过建立抵抗力来防止不良事件：即实施新的安全层和政策来控制人类并限制他们的问题行为。本质上，这将系统中的所有人类视为恶意行为者，而解决方案旨在防止他们的不明智行为。鉴于数据泄露和成功黑客攻击的事件不断发生，重新考虑现状方法似乎是明智之举，我们将其称为“当前的网络安全”。特别是，我们建议有必要重新考虑善意人类在网络安全社会技术系统中的作用的核心假设和特征。鉴于当前的网络安全形势，将每个人都视为问题似乎行不通。受益于其他领域的研究，我们提出了一种新的思维方式，即“不同的网络安全”。这种方法基于对问题的认识，即问题实际上是社会技术系统的高度复杂性、互联性和新兴特性。“不同”思维模式承认善意的人有能力成为组织网络安全的重要贡献者，以及他们成为“解决方案的一部分”而不是“问题”的潜力。本质上，这种新方法最初将系统中的所有人类视为善意的。重点是增强有助于取得积极成果和恢复力的因素。最后，我们提出了一套关键原则，并在一个典型的虚构组织的帮助下，考虑这种思维模式如何增强和改善整个社会技术系统的网络安全。
降低人为...
摘要：HELCOM波罗的海行动计划的最新更新迫切需要审查水下噪声的主要来源，它们已知的以及可能对海洋环境的影响以及减轻影响的可能方法。冲动的噪声源（桩驾驶，地震调查，水下爆炸，低频声纳等）在海洋哺乳动物和鱼类中会引起负面影响。缓解包括：a）降低产生的噪声（源修改），b）辐射噪声（减排）和c）减少接收的噪声（敏感区域和周期的活动限制，撞击之前对危险区域的威慑力）。连续的低频噪声主要由商业容器和休闲划船产生，并从近海基础设施（石油和天然气，可再生能源）产生了额外的贡献。缓解措施主要是源修改（改进设计和操作程序/降低速度）和时间/面积限制（包括区域/局部速度限制和/或船舶要求遵守特定噪声排放标准的要求）。目前未监控的其他来源包括回声器和高频声纳，净ping和密封恐怖片以及空气枪以外的设备，用于探索海床的最高层（Subbottom分析和测量）。
在人为可靠性分析中融入人为障碍 - CRIS
摘要：人为可靠性分析 (HRA) 是组织关注的主要问题。虽然科学界已经开发了各种工具、方法和仪器来评估人为错误概率，但其中很少有人真正考虑人为因素在分析中的影响。应考虑工人在塑造自身绩效方面的积极作用，以了解在执行任务时可能导致错误的因果因素，并确定哪些人为因素可以防止错误发生。为了实现这一目的，本研究的目的是提出一种评估人为可靠性的新方法。所提出的模型依赖于众所周知的 HRA 方法（例如 SPAR-H 和 HEART），并将它们集成到一个统一的框架中，在这个框架中，人为因素充当了防止人为错误的安全屏障。在一家能源公司的物流中心对新方法进行了测试。我们的结果表明，人为因素在通过降低人为错误概率来防止工人在执行任务时犯错方面发挥着重要作用。讨论了研究的局限性和含义。
人为危害分析 - Squarespace
人为危害分析流程基于固定翼飞机设计中使用的流程（Gill，2009），并由 HeliOffshore 改编，通过将相关人员聚集在车间环境中来探索这些差距以及管理这些差距的最合适方法。这可以在设计新飞机或评估已投入使用的飞机时完成。该流程由人为因素专家主持，是一种类似于成熟的故障模式和影响分析的系统方法。在理想情况下，该流程适用于飞机的所有系统，但实际上，此类流程必须专注于最具潜在价值的领域。因此，该流程专注于 OEM 现有安全流程确定的关键组件。结构化方法支持有关管理已识别差距的最佳方法的决策，并将统一标准应用于所有飞机系统。
核电站人为可靠性分析...
核电站的人为可靠性分析。可靠性是核电站等社会技术系统的主要要求。研究证实，人为错误是此类系统中事故或事件的最大诱因。人为可靠性分析 (HRA) 可用于系统地识别和分析人为错误相关事件。它为正确改进人机界面、可靠性和安全性提供了机会。HRA 的三个主要目标是人为错误和诱因识别、人为错误建模和人为错误概率量化。在社会技术系统中，已经实施了各种用于 HRA 的方法。它们在范围、类型、任务分解级别和影响错误概率的因素方面有所不同。本研究旨在调查五种 HRA 方法，这些方法已被广泛用于评估影响核电站安全运行的人为错误。回顾并讨论了每种方法的优缺点。收集了有关人为错误和 HRA 的已发表文章以实现本研究目标。关键词：人为可靠性分析、人为错误、核电站。
量化人为错误
首先是唯一的。然而，当检查大量案例时，此类事故的某些一般特征就会显现出来。图 3 旨在以简化的方式表明如何表示这种通用模型。通用模型称为 MACHINE（使用分层影响网络的事故因果模型）。所有事故的直接原因是人为错误、硬件故障和外部事件的组合。图 3 对这些进行了更详细的分解。主动、潜在和恢复错误已经讨论过。在硬件故障的情况下，这些可以分为两类。随机故障是可靠性模型考虑的正常故障，例如由于预期的磨损过程。从测试和其他来源可以获得有关此类故障分布的大量数据。人为故障包括两个子类别，一类是由于组装、测试和维护等领域的人为行为造成的，另一类是由于固有的设计错误造成的，这些错误会导致不可预测的故障模式或缩短生命周期。所有可靠性工程师都知道，从现场数据得出的大多数组件故障率实际上包括人为故障的影响。从这个意义上讲，这些数据不是组件的固有属性，而是取决于人为影响（管理、
