XiaoMi-AI文件搜索系统
World File Search SystemHFACS
DoD HFACS 版本 7.0
国防部人为因素分析和分类系统 (DOD HFACS) 7.0 版简介。人为因素描述了我们与工具、任务、工作环境和其他人的互动如何影响人的表现。人为因素是国防部事故的主要原因。国防部 HFACS 模型提出了一种系统的、多维的错误分析和事故预防方法。事故调查人员将在事故分析中使用国防部 HFACS 包括适用的 HFACS 代码。与不值得讨论的因素 (NFWOD) 和其他重要发现 (OFS) 相关的代码也将包括在事故分析中，但不会输入 AFSAS。目的。本指南提供了一个模板，用于组织调查中发现的人为因素。它旨在供调查委员会的所有成员使用，以准确记录与个人和事故或事件相关的人为表现的所有方面。 DoD HFACS 可帮助调查人员： 进行更全面的调查 对导致事故序列的特定行为（或不作为）进行分类 为 AFSAS 数据库提供信息，作为检测事故趋势和预防未来事故的存储库 描述。正如 James Reason (1990) 所述，主动故障是被认为导致或促成事故的个人行为或不作为。传统上称为“错误”，它们是个人犯下的最后“行为”，通常会立即产生后果。相比之下，潜在故障是组织内预先存在的条件，会间接影响事故事件的序列。这些潜在故障在事故期间对个人行为产生影响之前可能在一段时间内未被发现。Reason 的“瑞士奶酪”模型描述了在复杂操作期间可能发生主动故障和潜在故障的四个级别（见图 1）。层中的漏洞表示失败或缺失的危害缓解控制，这可能会导致整体事故情况。从事故开始追溯，Reason 模型的第一层描述了最直接导致事故的行为。大多数因果因素都在这个层面上被发现，然而，Reason 模型迫使调查人员解决因果事件序列中的潜在故障或“漏洞”，如果只关注个人行为，这些故障或漏洞可能会被忽视。Reason 模型中的潜在故障和条件被描述为先决条件、监督和组织影响。应用。事故是个人和组织因素的结果，这些因素进一步分为因果因素和/或促成因素。其行为影响事故结果的个人应被确定为“事故人员”并接受调查。他们的行为和先决条件将在 AFSAS 中的人员层面上确定。这些行为和先决条件发生的背景将作为监管和组织因素记录下来，并在事故层面上确定。这些因素归因于事故本身，而不是某个特定的人。调查人员将通过 AFSAS 中的一系列问题获得有关如何使用 HFACS v7.0 的指导。对于 A 类、B 类和 E 类生理事故，调查人员将被要求回答所有问题并在纳米代码层面提供输入。对于 C 类和 D 类事故和钝剑事件，调查人员将被允许使用纳米代码，但这不是必需的；他们只需回答问题即可。这些新的编码规则已嵌入 AFSAS 中，以指导调查人员。调查人员确定的每个人为因素代码都必须被评定为对事故有影响的因果因素或促成因素。 因果因素是指如果得到纠正，可能会防止或减轻损害和/或伤害的缺陷。原因并不意味着责备。很可能是其他事件/条件的结果的事件/条件不是因果关系，应被评为促成因素。 促成因素是独立的事件/条件，它们不会直接导致损害和/或伤害，但对于事故序列的进展不可或缺。促成因素允许其他事件/条件的进展。如果某个事件/条件被认为既是促成因素又是因果关系，则仅将其评为因果关系。 促成因素是独立事件/条件，不会直接导致损害和/或伤害，但对于事故序列的进展必不可少。促成因素允许其他事件/条件的进展。如果事件/条件被视为既是促成因素又是因果因素，则仅将其评为因果因素。 促成因素是独立事件/条件，不会直接导致损害和/或伤害，但对于事故序列的进展必不可少。促成因素允许其他事件/条件的进展。如果事件/条件被视为既是促成因素又是因果因素，则仅将其评为因果因素。
基于HFACS的空中危险接近事故分析和启示
组织影响，从显性因素到隐性因素，阐释了事故发生的本质原因。本文基于HFACS模型，对日本一起临近空难案例进行了系统分析，建立了四层逻辑体系，找出了该案例航空事故原因中的人为因素，并根据相关分析提出了保障飞行安全的建议。案例分析表明，HFACS方法适用于分析各类航空事故，寻找事故发生的根本原因。
HFACS 1. 不安全行为 - Carec
基于技能的错误。在航空领域，基于技能的行为最好被描述为“操纵杆和方向舵”以及其他无需大量有意识思考的基本飞行技能。因此，这些基于技能的行为特别容易受到注意力和/或记忆力下降的影响。事实上，注意力下降与许多基于技能的错误有关，例如视觉扫描模式的崩溃、任务固着、无意中激活控件以及程序中步骤的顺序错误等（表 1）。一个典型的例子是飞机机组人员过于专注于排除烧坏的警告灯故障，以至于他们没有注意到他们致命地坠落到地面。也许更贴近现实的例子是，想想那个倒霉的人，他把自己锁在车外或错过了出口，因为他要么分心了，要么很匆忙，要么在做白日梦。这些都是注意力不集中的例子，在高度自动化的行为中很常见。不幸的是，在家里或在城里开车时，这些注意力/记忆力下降可能令人沮丧，在空中它们可能会变得灾难性。
军用和民用航空事故的 HFACS 分析
作者简介：Shappell 博士是俄克拉荷马州俄克拉荷马市联邦航空管理局民用航空医学研究所人为因素研究部门经理。他负责管理先进空中交通管制系统、行为压力源和机组人员表现方面的研究项目。此外，他还继续使用与 Douglas Wiegmann 博士合著的人为因素分析和分类系统 (HFACS) 对民用和军用航空事故进行研究。他在航空事故调查、空间定向障碍、持续操作、驾驶舱伤害和机组人员疲劳等领域发表了 60 多篇论文和一本书籍。Douglas A. Wiegmann 博士是伊利诺伊大学香槟分校人为因素系的终身教授。他是人为错误分析和事故调查领域的国际公认专家，曾担任美国海军航空心理学家和美国国家运输安全委员会 (NTSB) 事故调查员。他撰写了大量有关人类表现和系统安全的文章和会议演讲。Wiegmann 博士是一名获得认证的人为因素专家和私人飞行员。
德国 F-104 星式战斗机事故的 HFACS 分析
自 1961 年起，德国采购了 916 架洛克希德 F-104 星式战斗机，其中 292 架坠毁，116 名飞行员丧生。本研究项目的目的是找出这些飞机坠毁的原因，以及星式战斗机坠毁的原因是否与德国其他军用飞机不同。通过审查原始事故文件，分析了 1978 年至 1986 年间发生的 71 起德国 F-104 事故。使用人为因素分析和分类系统 (HFACS) 1 级分析作为方法。结果发现，在审查的德国 F-104 事故中，超过 50% 的事故是由于技术和/或物理环境造成的。样本中超过一半的事故与发动机有关。结论是，F-104 确实比同时期的其他机型更容易发生事故。此外，J-79 发动机被发现是 F-104 安全记录中的一个薄弱环节，而星式战斗机难以操控的特性导致了高水平的基于技能的错误。
HFACS 评分者间信度的属性一致性方法 HFACS 评分者间信度评估的属性一致性方法
Vyesi001@odu.edu ____________________________________________________________________________________________ 摘要 评分者间信度可以看作是评分者对给定项目或情况的一致程度。已采取多种方法来估计和提高受过训练的事故调查员使用的美国国防部人为因素分析和分类系统的评分者间信度。在本研究中，三名受过训练的教练飞行员使用 DoD-HFACS 对 2000 年至 2013 年之间的 347 份美国空军事故调查委员会 (AIB) A 级报告进行分类。总体方法包括四个步骤：(1) 根据 HFACS 定义进行训练，(2) 验证评级可靠性，(3) 评估 HFACS 报告，以及 (4) 随机抽样以验证评级可靠性。属性一致性分析被用作评估评分者间信度的方法。在最后的训练验证轮中，评估员内部一致性范围为 85.28% 至 93.25%，每个评估员与标准的一致性范围为 77.91% 至 82.82%，评估员之间的一致性为 72.39%，所有评估员与标准的一致性为 67.48%。HFACS 评级摘要随机样本的相应一致性为评估员内部 78.89% 至 92.78%，评估员之间的一致性为 53.33%，这与之前的研究一致。这项试点研究表明，训练-验证-评级-确认属性一致性分析方法有可能有助于提高 HFACS 评级的可靠性，并有助于准确捕捉人为因素对飞机事故的影响。需要进行额外的全面研究来验证和充分开发所提出的方法。关键词 事故调查，HFACS，内部评估者信度 简介 Reason (1990) 事故因果模型，也称为瑞士奶酪模型，是一种理论模型，旨在解释事故如何在组织层面上表现出来。该模型的主要假设是，事故发生的方式使得原因在组织层面上具有关系。第二个假设是，至少组织层面需要共同努力以防止事故发生。根据这些假设，Reason 理论认为，大多数事故都可以追溯到先前组织层面的潜在人为失误导致的主动和潜在人为失误。自 2005 年以来，美国国防部 (DoD) 一直使用 HFACS (DOD, 2005) 作为 DOD HFACS，特别是在不安全行为前提条件和不安全行为层面进行了一些更改。.人为因素分析和分类系统 (HFACS) 最初由 Wiegmann 和 Shappell (2003) 根据 Reason 模型改编而成，适用于航空领域，该系统确定了组织内可能发生人为错误的四个层级：组织影响、不安全监督、不安全行为的先决条件和不安全行为。DOD HFACS (2005) 由 4 个主要层级、14 个子类别（在 Wiegmann 和 Shappell 的研究中称为类别）和 147 个纳代码组成，用于对导致飞机事故的组织人为错误进行详细分类。
人为因素分析和分类系统 (HFACS)
仅在 64 节以下减速油门不会产生任何效果。当自动系统切换到“油门保持”模式时，自动油门才会以这种方式在 64 节以上断开。低于此速度时必须手动断开自动油门。
采用 DoD HFACS 进行用药错误分析
摘要。在医疗环境中，用药错误不仅仅是个人的错误，因为人员是患者护理系统的要素之一。为了通过追溯到复合层（从组织层到药务人员层）来分析用药错误的原因，应用了美国国防部人为因素分析和分类系统 (DoD HFACS 7.0) 第 7 版。本研究的目的是将 DoD HFACS 7.0 问卷引入医疗环境，以便观察用药错误的原因。然而，为了使 DoD HFACS 7.0 在印度尼西亚的药务人员中得到有效应用，需要采用它来设计 Med HFACS。结果显示，在 DoD HFACS 7.0 的 109 个子类别中，多达 90 个子类别可以包含在 Med HFACS 中。同时，19个子类别未被纳入，因为它们与药学领域的相关性较低，并且如果附加在专业药学人员的职责中，可能会引起偏见。
用于 HFACS 评分者间信度评估的属性一致性方法
用于 HFACS 评分者间信度评估的属性一致性分析方法 T. Steven Cotter 老道明大学 tcotter@odu.edu Veysel Yesilbas，博士。 Vyesi001@odu.edu ____________________________________________________________________________________________ 摘要 评分者间信度可以看作是评分者对给定项目或情况的一致程度。已经采取了多种方法来估计和提高受过培训的事故调查员使用的美国国防部人为因素分析和分类系统的评分者间信度。在本研究中，三名经过培训的教练飞行员使用 DoD-HFACS 对 2000 年至 2013 年期间的 347 份美国空军事故调查委员会 (AIB) A 级报告进行分类。总体方法包括四个步骤：(1) 训练 HFACS 定义，(2) 验证评级可靠性，(3) 评级 HFACS 报告，以及 (4) 随机抽样以验证评级可靠性。属性一致性分析被用作评估评级者间信度的方法。在最后的训练验证轮中，评估者内部一致性范围为 85.28% 至 93.25%，每个评估者与标准的一致性范围为 77.91% 至 82.82%，评估者之间一致性范围为 72.39%，所有评估者与标准的一致性为 67.48%。HFACS 评分摘要随机样本的相应一致性在评估员内部为 78.89% 到 92.78%，在评估员之间为 53.33%，这与之前的研究一致。这项初步研究表明，训练-验证-评级-确认属性一致性分析方法有可能帮助提高 HFACS 评级的可靠性，并有助于准确捕捉人为因素对飞机事故的影响。需要进行额外的全面研究来验证和充分开发所提出的方法。关键词 事故调查、HFACS、内部评估者可靠性 介绍 原因 (1990) 事故因果模型，也称为瑞士奶酪模型，是一种理论模型，旨在解释事故如何在组织层面上表现出来。该模型的主要假设是事故发生的方式使得原因在组织层面上存在关系。第二个假设是，至少组织层面需要共同努力来防止事故发生。根据这些假设，Reason 理论认为，大多数事故都可以追溯到先前组织层面的潜在人为失误导致的主动和潜在人为失误。.人为因素分析和分类系统 (HFACS) 最初由 Wiegmann 和 Shappell (2003) 根据 Reason 模型改编而成，适用于航空领域，该系统确定了组织内可能发生人为错误的四个层级：组织影响、不安全监督、不安全行为的前提条件和不安全行为。自 2005 年以来，美国国防部 (DoD) 一直使用 HFACS (DOD, 2005) 作为 DOD HFACS，但在不安全行为前提条件和不安全行为层面上进行了一些更改。DOD HFACS (2005) 由 4 个主要层级、14 个子类别（在 Wiegmann 和 Shappell 的研究中称为类别）和 147 个纳代码组成，用于对导致飞机事故的组织人为错误进行详细分类。
基于 NVivo 的 HFACS 对海事事故的人为因素进行分析
致谢 我想向在论文写作过程中给予我帮助的所有人表示感谢。首先，我要特别感谢我的导师石新教授，感谢他一直以来的鼓励和指导。他带领我完成了论文写作的所有阶段。如果没有他始终如一、富有启发性的指导，这篇论文不可能达到现在的形式。我还特别感谢国际运输和物流（ITL）项目的所有教授，他们的热心教学和启发性讲座让我受益匪浅，并为论文做好了学术准备。特别感谢我的朋友们，他们花费了大量时间和精力对初稿进行评论。最后，我要感谢我的父母，感谢他们一直以来的支持和鼓励。