XiaoMi-AI文件搜索系统
World File Search System人为
THEA：需求定义的人为错误分析
本文档及其所述技术的目标用户主要是从设计生命周期的早期阶段开始就参与具有大量交互组件的产品的系统工程师。不要求工程师具备人为因素、认知工程或心理学方面的特定背景，但使用该方法的工程师有时可能需要人为因素专家的帮助来解决特定问题。虽然人为因素专业知识对于该过程并非必不可少，但对新系统所处领域和环境的理解更为重要。事实上，该技术可以看作是一种允许工程师将其应用领域专业知识应用于用户界面设计问题和界面设计决策的可靠性影响的方法。
人为错误分析与可靠性评估
• 有效性 – 在实验室、模拟器或现场收集的概率 • 同一系统和相同情况下的数据很少可用，尤其是在新设计时。• 可行性 – 灾难性事件所需的 10**-9 故障率 - 试验永远无法产生这些级别的数据，其中涉及人类，当然也不是新设计。• 范围 – “自动”行为为 5 x 10 -5 到 5 x 10-3 – “基于规则”行为为 5 x 10-4 到 5 x 10-2 – “基于知识”行为为 5 x 10-3 到 5 x 10-1 • 但是，有充分的理由采取数字方法 – “数字总比没有数字好”
添加以人为中心的业务方法
C-Suite知道他们面对的是什么。十分之一的首席执行官说，他们的传统增长策略现在已经过时了。2行业中断正在上升，许多行业的许多公司都表现出财务业绩的下降。3 C-Suite还承认，当今的客户期望更多，近四分之三的领导者指出，转移客户需求的破坏性影响有所增加。4对于这些领导者来说，很难摆脱仅依赖数据或历史决策的过程的过程。更努力地放弃了一个神话，即过去发现了未来最好的预测指标。
开发以人为中心的，主导的方法
这些包括社区和个人生活的质量，我们如何组织和生活在一起，以及我们如何共同应对挑战和威胁。其中一些威胁与环境挑战和变化有关，但是基于地点的研究还探讨了环境条件和服务如何支持我们的生活和生活方式，并借鉴了环境，作为灵感和思想的来源（科学，商业和创意）。艺术和人文基于地点的研究还提供了有关经济实践，经济机会和价值观（包括非财务价值）以及工业和商业网络，遗产和身份的见解。在一起，从证据中可以明显看出，艺术和人文科学对与位置有关的问题有深入而广泛的知识，以及助长以人们对地方以及基于地点的政策和实践的贡献的持续记录。
分析人为成分拒绝阈值...
摘要 - 研究进步刺激了基于脑电图（EEG）的神经振荡性节奏的使用，作为一种生物标志物，以补充中风患者运动技能恢复的临床康复策略。然而，来自各种来源的文物的EEG信号的必然污染限制了其利用率和有效性。因此，独立组件分析（ICA）和独立组件标签（iClabel）的整合已被广泛用于将神经活动与伪影分开。iClabel预处理管道中的关键步骤是人为的ICS拒绝阈值（Th）参数，它决定了整体信号的质量。例如，选择高TH会导致许多IC被拒绝，从而导致信号过度清洁，并且选择低的TH可能会导致信号的清洁不足。为确定最佳TH参数，本研究研究了六个不同组（第三和TH1-TH6）对从冲程后患者记录的EEG信号的影响，这些急流患者执行了四个不同的运动成像任务，包括手腕和握住运动。利用大脑感觉运动皮层的eeg-beta带信号，使用三个著名的脑电图量词评估了TH组的性能。总体而言，获得的结果表明，所考虑的THS将显着改变神经振荡模式。比较TH组的性能，TH-3的置信度为60％，表现出更强的信号对异步和侧向化。因此，对于脑电图中的人为ICS排斥，建议将置信度水平在50％-70％之间的TH值。相关结果表明，具有高相关值的大多数电极对在所有MI任务中都是可复制的。也表明，大脑活性与距离线性相关，电极对之间的强相关性与不同的脑皮质无关。临床相关性：这项研究表明，iClabel人为排斥阈值的最佳选择对于EEG增强对足够信号表征至关重要。
制造业中的人为错误分析 - Redalyc
摘要 尽管工业自动化水平不断提高，但手动装配在各个制造业领域仍然发挥着基础性的作用。然而，手工操作容易出现人为失误，从而造成质量问题和经济损失。本文旨在展示一些可以识别不同类型的错误并评估影响工人绩效的因素的影响的方法。特别展示了SHERPA和HEART方法。还有人讨论了考虑组装复杂性的重要性，因为它会对工人的认知负荷产生负面影响，从而增加出错的概率。本文使用了专业文献中的概念，并阐述了人体工程学、工业工程和系统可靠性等几个知识分支。关键词：人的可靠性；装配系统；复杂;人体工程学；持续改进；认知负荷。摘要尽管制造业的自动化水平不断提高，但手动装配在多个生产领域仍然发挥着关键作用。然而，手动装配操作容易出现人为错误，从而导致质量问题和经济损失。本文旨在介绍一些可以识别不同类型的错误以及影响操作员表现的因素的方法。这些方法包括 SHERPA 和 HEART。文章还讨论了考虑任务复杂性的重要性，因为它会对工人的认知负荷产生负面影响，从而增加出错的风险。在讨论中，我们使用了专业文献中的不同概念，同时对人体工程学、工业工程和系统可靠性等不同知识分支进行了阐述。关键词：人的可靠性；装配系统；复杂性、人体工程学、持续改进认知负荷。
解决核能中的人为和组织因素
免责声明 本信息由美国政府机构赞助，作为工作记录而编写。美国政府及其任何机构或其任何雇员均不对所披露的任何信息、设备、产品或流程的准确性、完整性或实用性做任何明示或暗示的保证，也不承担任何法律责任或义务，也不表示其使用不会侵犯私有权利。本文以商品名、商标、制造商或其他方式提及任何特定商业产品、流程或服务，并不一定构成或暗示美国政府或其任何机构对其的认可、推荐或支持。本文表达的作者的观点和意见不一定代表或反映美国政府或其任何机构的观点和意见。
工业运营和维护中的人为错误
摘要 在维护活动和工业操作中，人类会受到各种压力和情况的影响，这可能导致错误和事故。维护和制造中的人为错误是一个尚未探索的领域，因此人们很少关注这一领域。该报告旨在扩大对维护和制造领域人为错误的理解。根据文献，航空和海上作业是受人为错误影响最多的行业。不同类型的人为错误会影响质量和整体效率。人为可靠性模型是量化人为错误的一种方法，通常用于识别人为错误和计算 HEP。最常见的可靠性测量方法是 HEART、THERP 和 SLIM，它们根据应用和行业使用。作为定义这些可靠性模型之间差异的努力的一部分，使用了包括不同行业的文献，发现专家判断会影响这些方法的成功和准确性。人为错误的原因有很多，具体取决于应用，但沟通和遵循的程序是最重要的因素。人为错误的存在总是有可能的，因为工人犯的错误是不可避免的。工业 4.0 可以通过引入操作员 4.0 以及培训和升级等其他方法来帮助减少人为错误
影响人为错误的因素研究 - MDPI
摘要：本研究旨在通过关注人为因素与人为错误之间的因果关系的重要性来确定人为错误的原因，从而减少航空公司空乘人员发生人为错误和事故的可能性。根据统计分析，在五个人为因素中，身体疲劳、心理压力和空乘人员的自满情绪对人为错误有积极影响。然而，时间压力下的匆忙和外部因素造成的干扰对人为错误没有显著影响。人为错误对工作塑造和心理健康有负面影响。本研究分析了影响空乘人员失误的人为因素，并揭示了自满情绪的重要性，这是以前的研究没有涉及的。最后，讨论了研究意义、局限性和未来的研究。