XiaoMi-AI文件搜索系统
World File Search System失误
威胁和错误管理 (TEM) 意识材料 - CAA
有许多致命事故的例子都是由于决策失误而发生的，例如在恶劣的天气条件下继续目视飞行，而这些事故本可以通过周密的飞行前规划来避免（请参阅 CAA 安全调查报告 13/5710 和 CAA 安全调查报告 15/1129）。航空事故也因维修机库中的失误而发生 - 导致飞行中出现灾难性后果 - 这些失误本可以在飞机离开地面之前就被发现（请参阅 ATSB 安全报告 AO-2017-078）。
控制中人为错误的预测和风险评估...
摘要 人为失误是导致事故发生的重要因素，可能导致人员伤亡和财产损失。发电厂行业作为最重要的基础设施行业，在工业基础设施中发挥着重要作用。目的：本研究旨在通过 SHERPA 方法预测和评估蒸汽发电厂控制室的人为失误。方法：这项描述性横断面研究是在蒸汽发电厂的控制室进行的。本研究通过分层任务分析 (HTA) 和 SHERPA 方法识别和分析人为失误。结果：共识别出 85 个错误，其中 56 个 (65/1%) 为操作失误，24 个 (27/9%) 为检查失误，1 个 (%1/2) 为检索失误，2 个 (2.32%) 为沟通失误，3 个 (3.48%) 与选择失误有关。结果还表明，由于识别错误而导致的风险水平已达到不可接受和不理想的水平。结论：本研究中最重要的识别错误与操作错误有关。为了尽量减少这些错误并限制其后果，我们可以根据工作使用清单和适当的说明并教育控制室操作员。
每月气候的空间建模...
图4-3。在七个研究区域测量了低于treeline的FDD（a）和TDD（b）下降率和大陆程度。显示了两个变量的线性回归线。回归在p = 0.1时很显着。FDD和DOC回归斜率= -0.079。TDD和DOC回归斜率= 0.028。发现三个区域（约翰逊的过境点，沃尔夫溪，君主）没有明显的FDD失误率以下，这些地点的失误率为0度/m。sa dena hes因缺乏数据而被排除在TDD失误率的计算之外。在
基于个性化搜索的对话式人工智能查询重写系统
查询重写（QR）是对话式 AI 系统中一个新兴的组件，可以减少用户失误。用户失误的原因多种多样，例如口语对话系统中的错误、用户的口误或语言缩写。许多用户失误源于个性化因素，例如用户的说话模式、方言或偏好。在这项工作中，我们提出了一个基于搜索的个性化 QR 框架，专注于自动减少用户失误。我们为每个用户建立一个个性化索引，其中包含不同的亲和力层，以反映对话式 AI 中每个用户的个人偏好。我们的个性化 QR 系统包含检索层和排名层。在基于用户反馈的学习支持下，训练我们的模型不需要手动注释数据。在个性化测试集上的实验表明，我们的个性化 QR 系统能够利用语音和语义输入来纠正系统错误和用户错误。
附录 1. ADREP 数据的管理因素分析
附录1. ADREP 数据管理因素分析 ICAO ADREP 系统由 1974 年的 ICAO 事故调查与预防委员会建立。ICAO 提供了一种标准的报告格式，已被世界各地的 ICAO 成员国采用。敦促成员国使用标准的 Adrep 分类法和报告格式提交信息，以纳入 ICAO 事故/事件报告 (Adrep) 数据库。我们分析的数据是从 1990 年到 2006 年。 1. ADREP 分类框架：在 ADREP 分类法中，机组人员失误分为两个级别的故障。 1) 飞机操作失误：ADREP 分类法将机组失误编码为 122 个描述性因素，这些因素分为 5 类： • 机组的感知/判断（感知） • 机组的决策失误（决策） • 机组的设备操作失误（行动） • 机组的飞机处理失误（行动） • 机组根据机组程序采取的行动（违规） 在每个类别中，对机组失误进行了更详细的描述。完整列表请参阅 [1]。 2) 在 ADREP 分类法 [1] 中，ADREP 分类法中最详细的超过 250 个解释因素描述了导致人为失误发生的根本原因。原因分为 5 类，表 1.1 给出了每个类别中的一些详细原因示例。 o 人类 o 人类与工作环境之间的界面
驾驶员评估的新范式...
1 宾夕法尼亚大学安纳伯格公共政策中心，美国宾夕法尼亚州费城 2 美国宾夕法尼亚州费城儿童医院。电子邮件：walshee@email.chop.edu 摘要：越来越多的车辆配备了辅助设备和高级警告系统，以减轻驾驶员失误，而驾驶员失误占机动车事故的 94%。然而，这些技术需要人类做出适当的反应或接管车辆。如果我们想设计有效的辅助设备，我们需要更好地了解驾驶员失误背后的神经机制，并测试大脑对对策的反应。为此，我们需要在驾驶过程中对大脑活动进行灵敏的测量。本文提出了一种驾驶员评估的新范式，使用脑磁图 (MEG) 记录整个皮质神经振荡活动，同时参与者经历具有分级复杂性的生态相关模拟驾驶体验。一项试点实验旨在证明可以记录对基本驾驶相关动作（没有显着线索）的预期和运动皮质反应，而不会产生明显的伪影。随后，对成年人（n=5）进行了一项初步研究，探讨是否可以确定对不断增加的驾驶任务需求的额外认知神经反应。该范式已成功试行，初步结果显示预期运动皮层活动的局部大脑区域以及额叶的功率增加。该范式不仅可用于识别驾驶员失误背后的神经机制，还可衡量辅助和警报/警告技术对正常和受损驾驶员群体中这些机制的影响。背景日常驾驶是一种复杂的行为，需要整合大脑的感觉、运动和认知功能。例如，驾驶依赖于多感觉处理、运动控制、持续注意力和认知控制。这使驾驶员能够控制车辆、管理干扰、保持良好的态势感知并在关键时刻做出快速决策和反应以避免撞车。然而，安全驾驶所需的神经认知能力是有限的，最明显的证据是视觉、运动和认知分心对驾驶员表现的不利影响（Schweizer 等人，2013；Young 等人，2004）。这些有限的能力可能是许多典型驾驶员失误的根源，这些失误占机动车事故的 94%（美国国家公路交通安全管理局，2015）。此外，驾驶员失误可能因驾驶员的具体特征和状态（Romer 等人，2014）或临床驾驶员群体中已知的神经认知障碍而异。鉴于此，以及汽车车载技术的进步，辅助设备和高级警告系统已经得到开发，以帮助驾驶员保持对道路的注意力，避免碰撞和越野，甚至帮助司机做好手动接管的准备
Ahasan R 等人。“肮脏的十二项”概念：人为因素错误和失误的无声杀手。Ergonomics Int J 2018, 2(1): 000137。
不了解工作中的潜在危险是防止自满情绪的有力手段。第三种是缺乏手头工作任务的知识或正确信息。这意味着技术或非技术信息、清单或安全程序可能没有得到充分正确的翻译，或者无法以当地语言提供给操作和维护团队。第四种是分心（例如，将注意力从工作任务上转移开）。分心是任何让我们忘记手头任务的事情。分心会让我们认为我们在工作流程或系统中比现在更进一步。第五种是缺乏团队合作以实现共同目标。第六种是疲劳（例如，意识水平下降），这会导致疲倦、劳累、紧张和精疲力竭。第七种是缺乏资源。这意味着未能使用或获得适当的工具、设备、信息和程序。在这种情况下，我们在使用正确的工具、手册或说明时不能即兴发挥。下一个是工作压力，它会产生一种紧迫感。工作压力也是由于我们缺乏计划或执行工作任务而造成的。在这种情况下，我们不应该过度承诺和交付与工作任务相关的任何东西。第九个是缺乏自信（例如，缺乏对需求的积极沟通），这对于新的工作系统或流程很重要。对可靠性的疑问和怀疑