XiaoMi-AI文件搜索系统
World File Search System人为失误
SafeTug - NASA 航空研究所
机场拥堵是国际空域最突出的问题之一。尤其是，增加用于滑行的地面面积容量是一项重大的后勤挑战。传统上，机场通过增加跑道和滑行道来解决容量问题。这种解决方案的副作用是增加了航空终端运营的复杂性。这增加了人力工作量，从而降低了系统的效率，限制了地面扩张的潜在好处。复杂性的增加也增加了人为失误的风险，导致潜在的危险情况。此外，滑行飞机数量的增加将大大增加燃油消耗和排放。燃料燃烧量以及二氧化碳、碳氢化合物、氮氧化物、硫氧化物和颗粒物等各种污染物的产生量会随着飞机滑行时间的增加而增加，同时也会随着油门设置、发动机运行数量以及飞行员和航空公司在延误期间关闭发动机的决定而变化。通过机场扩建来增加容量的实际困难引发了人们通过智能利用现有资源来提高机场地面活动效率的愿望。
医疗保健领域的人工智能疾病检测和诊断
摘要：放射学是一种重要的诊断工具，传统放射学在准确性、效率和个性化护理方面存在局限性。由于医学图像数量不断增加以及人为失误的可能性，需要采用不同的方法。人工智能 (AI) 应用于放射学有望在疾病检测和诊断的可及性、效率和准确性方面带来革命性的改善。本研究考察了人工智能驱动的放射学的现状及其未来的前景，特别强调深度学习方法、机器学习算法和高级图像分析。人工智能 (AI) 系统可以通过分析大量数据集并识别超出人类能力的模式，大大提高各种疾病（如癌症、心血管疾病和神经系统疾病）的早期检测率。人工智能解决方案还可以加快诊断速度，从而减轻放射科医生的工作量，并提供更及时和个性化的治疗选择。本文还讨论了在临床环境中使用人工智能的困难和道德问题。这些问题包括算法偏差、数据隐私和对强大验证程序的要求。
2021-2030 年全球患者安全行动计划概述
在这种系统思维的医疗保健风险观中，“医疗失误”一词有点用词不当，因为失误本身并不是主要问题。事实上，仅靠敦促医务人员更加谨慎是无法纠正对患者的伤害的。21 世纪初，人们开始使用“患者安全”这一更全面的概念来描述医疗保健中的安全风险以及应对这些风险和患者伤害的措施。它认识到医疗保健过程中无意伤害问题的规模、导致全球所有国家发生类似不良事件的共同原因、将人为失误视为需要减轻和预防而不是完全消除的事物的必要性，以及与其他高风险行业的经验的强烈相似性，从而为迁移学习创造了机会。患者安全领域的另一种新兴方法（安全 II）侧重于通过强调人们成功而不是失败的条件来积极地提高医疗保健的安全性。这种观点将患者安全视为尽可能高的预期和可接受结果。
在 Z 数背景下使用 HEART 进行电力线断电中的人为可靠性分析
调查显示，很大比例的事故原因可归因于某些形式的人为失误。为了有效地防止事故发生，人为可靠性分析 (HRA) 作为一种表示操作员无意对系统可靠性贡献的结构化方法，是一个关键问题。人为错误减少和评估技术 (HEART) 是一种著名的 HRA 技术，它提供了一种基于任务分析来估计人为错误概率的直接方法。然而，它在专家为每个产生错误的条件 (EPC) 分配权重（表示为评估的情感比例 (APOA)）时面临不同程度的不确定性。为了克服这一限制并考虑专家的信心水平（可靠性或可信度），本研究旨在提出一种用于人为错误概率 (HEP) 评估的复合 HEART 方法，该方法集成了 HEART 和 Z 数（简称 Z-HEART）。Z-HEART 的适用性和有效性已在断电电力线案例研究中得到说明。此外，还进行了敏感性分析，以调查所提方法的有效性。可以得出结论，Z-HEART 可用于评估人为错误，并且除了方法论上的贡献外，它还为电力配送公司提供了许多优势。
适航咨询通告
可靠而高效地完成工作。现代工业流程的出现、经济的全球化和信息技术的普及等因素促成了 24 小时社会的诞生。过去几十年来，随着对 24 小时提供商品和服务的需求不断增加，轮班工作的普遍性也随之增加。此外，飞机维修人员 (AMP) 的海外工作机会和不断迁移以寻求更好的出路，给管理者带来了管理轮班的巨大挑战，即优化可用的人力资源。在维修人员短缺的情况下管理轮班显然会导致个人压力过大和疲劳。有时，如果不适当处理这种疲劳发展，可能会成为维护中随意态度的一个因素，从而导致人为错误。各种事件和事故调查报告通常将人为失误归因于安全链中最薄弱的环节，如果不加以注意，可能会成为安全隐患。因此，每个组织都应与飞行员和机组人员保持一致，制定 AMP 值班时间限制 (DTL) 和充足休息时间的政策。
开发商业飞行员成功分类法...
2020 年 1 月 8 日 制定商业飞行员行为成功分类法 Kristine Kiernan 安柏瑞德航空大学 David Cross 安柏瑞德航空大学 Mark Scharf 安柏瑞德航空大学 人为失误在航空领域已得到深入研究。然而，人们对人为表现如何维持和促进航空安全知之甚少。缺乏关于积极人为表现的数据，导致在制定安全和风险管理决策时无法考虑各种人为行为。弹性表现的概念提供了一个理解和分类积极人为行为的框架。通过对商业航空公司飞行员的采访，本研究检查了常规航空公司运营，以评估弹性表现的概念并制定成功分类法。弹性表现的四个推动因素，即预期、学习、响应和监控，被发现是详尽无遗的，但并不相互排斥。弹性理论的原则适用于航空公司飞行员的行为，但实施分类法还需要做更多的工作。推荐引用：Kiernan, K. & Cross, D., & Scharf, M. (2020)。制定商业飞行员行为成功分类法。
用于自主驾驶的人工智能和物联网...
人工智能 (AI) 是一种机器智能工具，为智能工业革命提供了巨大的可能性。它有助于收集相关数据/信息、确定替代方案、在替代方案中进行选择、采取行动、做出决策、审查决策并做出智能预测。另一方面，物联网 (IoT) 是工业 4.0 革命的公理，包括用于收集和处理来自存储、驱动、传感、高级服务和通信技术的数据/信息的全球基础设施。高速、弹性、低延迟连接以及人工智能和物联网技术的结合将实现向完全智能自动驾驶汽车 (AV) 的转变，这说明了工业 4.0 现实世界和数字知识之间的互补性。本书章节的目的是研究人工智能和物联网的最新方法如何协助寻找 AV。事实证明，90% 的汽车事故都是人为失误造成的，最安全的驾驶员的驾驶水平比普通驾驶员高出十倍 [1]。自动驾驶汽车的安全性非常重要，用户需要将可接受的风险水平降低 1000 倍。自动驾驶汽车的一些令人难以置信的好处包括：(1) 提高
基于生理特征的飞行员认知负荷识别...
认知负荷是飞行员在对飞机操控信息认知过程中产生的，与飞行安全息息相关。认知负荷是飞行员在完成任务过程中产生的生理和心理需求，因此研究在复杂的人-机-环境相互作用下飞行员认知负荷的动态识别具有重要意义。本文设计了机场交通航线飞行模拟试验，获取飞行员的心电生理和NASA-TLX心理数据，分别对其进行小波变换预处理和数理统计分析，并利用Pearson相关分析法对预处理后的心理生理数据进行特征指标选取。基于心理生理特征指标，结合RNN和LSTM构建飞行员认知负荷识别模型。与RNN神经网络、支持向量机等其他方法建立的认知负荷识别模型相比，本研究结果更加准确。本研究可为预防和减少飞行任务中认知负荷引起的人为失误提供有益参考，有望实现飞机驾驶舱的智能控制，改善飞行操纵行为，保障飞行安全。
通信与信任之间未探索的联系......
摘要：沟通和信任是航空维修等复杂且受到严格监管的行业运作的基本因素。本文回顾了人为失误的两个先决条件：沟通和信任，以及它们之间的联系，因为航空研究人员最近才开始研究这些因素，而不是单独研究它们，而是结合它们的影响。沟通对于航空维修中的信息和知识交换至关重要。本文探讨了使沟通有效和避免沟通错误的条件。接下来，讨论了沟通方式，如飞机维修文档，以及对航空维修中如何重视沟通的理解。本文介绍和分析了维护实践不同方面（人际信任、对技术的信任、初始信任水平）中的信任，并将其作为有效沟通的先决条件进行研究。由于这是一个几乎没有探索过的领域，因此在航空文献中，从有限的文献资料中确定了信任的特征、形式和结果。因此，在对信任的研究以及对航空维修中沟通和信任的综合特征的探索方面发现了一个空白。本文提供了在该领域进行进一步研究的建议。
航空维修“Peart”人为因素模型
安全是航空公司最关心的问题，虽然随着飞机设计和制造技术的发展，航空事故发生率有所下降，但航空事故仍然时有发生。波音公司的报告[1]显示，1959年至2002年，全球共发生1421起航空事故（包括地面试飞事故），而2003年至2012年则下降到407起。航空事故数量虽然明显下降，但是事故数量本身仍然过多，几乎每年发生4起。因此，必须采取措施，进一步减少航空事故。首先，要研究航空事故发生的原因。21世纪，航空制造业发展迅速，由设计和制造缺陷引起的航空事故明显减少，而现在的航空事故主要由人为因素引起，根据国际航空运输协会（IATA）的统计，大约80%的航空事故是由于人为的不安全行为引起的[2]。航空维修是航空安全中的重要环节之一，航空维修中的人为失误也是造成航空事故的重要原因[3]。因此，航空维修中的人为因素模型被提出很多，如“壳”模型[4，5]、“原因”模型[6，7]和“梨”模型[8，9]。“壳”模型以人机工程学为基础，“原因”模型注重组织的重要性，“梨”模型注重组织的重要性。