• 한국가스학회지
• /
• 제18권4호
• /
• pp.68-75
• /
• 2014

독성가스시설에서 대형사고로 인한 손실을 감소시키기 위해서는 인적요소를 제어하고, 평가하는 것이 필요하다. 기존의 안전성 평가는 기계적 결함이나 시스템의 위험이 주로 강조되어 왔으며, 인적오류를 관리하는 평가방법이 부족하여 본 연구에서는 독성가스시설의 사고관리 상황에서 인적오류를 구성하는 수행영향인자 분류체계를 제안하고자 하였다. 이를 위해 주요 수행영향인자 분류체계의 유형을 수집하여 검토와 분석을 한 후 4가지(작업자 특성, 시스템, 직무특성 및 직무환경)로 나누고, 독성가스시설의 상황적 특성과 직무특성 및 작업환경을 고려하여 수행영향인자를 선택하였다. 이로 부터 인적오류의 평가에 사용하기 적절한 수행영향인자 체계를 구축하고, 구축한 수행영향인자 분류체계를 독성가스시설에서 발생하였던 사고 사례분석을 통해 적용성을 검토하였다.

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2022년 정기학술대회 논문집
• /
• pp.227-228
• /
• 2022

전통적인 HRA(Human Reliability Analysis)방법은 특정 애플리케이션 또는 산업을 염두에 두고 있으며. 또한 이러한 방법은 종종 복잡하며, 시간이 많이 걸리고 적용하는 데 비용이 많이 들며 직접 비교하기에는 적합하지 않다. 제안된 HFHM(Human Factors Hazard Model: 인적 요인 위험 모델)은 기검증되고 시간 테스트를 거친 FTA(Fault Tree Analysis:결함 트리 분석)및 ETA(Event Tree Analysis:이벤트 트리 분석)의 확률 분석 도구 및 새로 개발된 HEP(Human Error Probability:인적 오류 확률)예측 도구와 통합되고, 인간과 관련된 PSF(Performance Shaping Factors:성능 형성 요인)를 중심으로 새로운 접근 방식으로 개발되었다. 인간-시스템은 상호작용으로 인한 재난사고 가능성을 모델링하는 위험분석 접근법 HFHM은 다음과 같은 상용 소프트웨어 도구 내에서 예시되고 자동화된다. HFHM에서 생성된 데이터는 SE 분석가 및 설계에 대한 표준화된 가이드로 사용될 수 있다. 본 연구에서는 인적 위험을 예측하는 이 새로운 접근 방식을 통해, 전체 시스템에 대한 포괄적인 재난안전 분석을 가능하게 한다.

• 대한인간공학회지
• /
• 제32권6호
• /
• pp.535-540
• /
• 2013

Objective: The aim of this study is to evaluate the effectiveness and efficiency of causal links between various error causes in human error analysis. Background: As finding root causes of human error in safety-critical systems is often a cognitively demanding and time-consuming task, it is particularly necessary to develop a method for improving both the quality and efficiency of the task. Although a few methods such as CREAM have suggested causal linking between error causes as a means to enhance the quality and efficiency of human error analysis, no published research to date has evaluated the performance of the causal links. Method: The performance of the CREAM links between error causes were evaluated with 80 railway accident investigation reports from the UK. From each report, errorneous actions of operators were derived, and for each error, candidate causes were found by following the predefined links. Two measures, coverage and selectivity, were used to evaluate the effectiveness and efficiency of the links, respectively. Results: On average, 96% of error causes actually included in the accident reports were found by following the causal links, and among the total of 121 possible error causes, the number of error causes to be examined further was reduced to one-tenth on average. As an additional result of this work, frequent error causes and frequently used links are provided. Conclusion: This result implies that the predefined causal links between error causes can significantly reduce the time and effort required to find the multiple levels of error causes and their causal relations without losing the quality of the results. Application: The CREAM links can be applied to human error analysis in any industry with minor modifications.