İnsan Hatası Değerlendirme ve Azaltma Tekniği (HEART)
Human Error Assessment and Reduction Technique (HEART) · Ayrıca şöyle bilinir: HEART
Jeremy Williams tarafından 1988 yılında nükleer endüstrisi için geliştirilen İnsan Hatası Değerlendirme ve Azaltma Tekniği (HEART), emniyet açısından kritik görevlerde insan hatası olasılığını değerlendirmek ve hata azaltma stratejilerini belirlemek için yapılandırılmış bir yöntemdir. Sübjektif deneyimi (iş yükü, durumsal farkındalık) ölçen ölçeklerin aksine HEART, uzman yargısını, görev analizini ve ampirik hata oranlarını birleştirerek göreve özgü hata olasılığını nicel olarak belirleyen ve yüksek riskli operasyonlarda insan faktörleri müdahalelerine rehberlik eden analitik bir araçtır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
HEART'ı yüksek riskli alanlarda hata olasılığını değerlendirmek ve güvenlik müdahalelerini önceliklendirmek için kullanın: nükleer santral operasyonları, havacılık (uçuş öncesi kontroller, acil durum prosedürleri), cerrahi, anestezi, acil tıp, askeri komuta ve kontrol. İnsan hatasının ciddi sonuçları olduğu (yaralanma, ekipman hasarı, finansal kayıp) ve nicel risk değerlendirmesinin (örn. Olasılıksal Güvenlik Değerlendirmesi) gerekli olduğu görevler için idealdir. Ayrıca önerilen tasarım veya prosedürel değişiklikleri değerlendirmek için de kullanın: mevcut durum hata olasılığını tahmin edin, bir değişiklik uygulayın (örn. bir kontrol listesi ekleyin, bir hesaplamayı otomatikleştirin) ve iyileşmeyi tahmin etmek için yeniden tahmin edin. Belirsiz veya ölçülemeyen hatası olan görevler (örn. yaratıcı yazarlık, ilişki danışmanlığı) veya düşük sonuçlu hatalar (örn. e-postadaki yazım hataları) için daha az uygundur.
Güçlü yönler & sınırlılıklar
- Nicel risk değerlendirmesi: Sayısal bir hata olasılığı sağlar, risk azaltma çabalarının önceliklendirilmesini ve mevzuata uygunluk dokümantasyonunu mümkün kılar.
- Belirli hata kaynaklarını tanımlar: EPC analizi, hangi bağlamsal faktörlerin (iş yükü, eğitim, prosedürler, iletişim) hatanın birincil sürücüleri olduğunu ortaya koyar; müdahaleleri hassas bir şekilde hedefler.
- Ampirik olarak temellendirilmiştir: Temel hata oranları ve EPC çarpanları, keyfi ölçeklerden değil, geçmiş verilerden, olay raporlarından ve uzman konsensüsünden türetilmiştir.
- Sistem yeniden tasarımı için uygulanabilir: HEART doğal olarak iyileştirmeye yol açar (eğitim yüksek etkili bir EPC ise eğitimi iyileştirin, prosedürel netlik sorun ise prosedürleri yeniden tasarlayın).
- Alanlar arası uygulanabilir: Nükleer, havacılık, tıbbi ve açık deniz enerji sektörlerinde başarıyla kullanılmıştır; metodoloji genellenebilirdir.
- Sübjektif uzman yargısı: Temel oran sınıflandırması ve EPC çarpanı ataması analistin uzmanlığına ve yorumuna bağlıdır; farklı analistler aynı görev için farklı tahminler verebilir.
- Çarpanların sınırlı ampirik doğrulaması: Bazı EPC çarpanları (örn. 'yetersiz eğitim' ×2.0) seyrek ampirik doğrulamaya sahip uzman konsensüs değerleridir; gerçek dünya çarpanları farklılık gösterebilir.
- Hata şiddetinin nicel olarak belirlenmemesi: HEART hata olasılığını (bir hata meydana gelecek mi?) tahmin eder, şiddetini (eğer meydana gelirse, ne kadar kötü?) değil. Risk = olasılık × şiddet; HEART sadece payı ele alır.
- Görev bağımlılığı ve insan faktörleri karmaşıklığı: Bir görev için hata olasılığı sayısız faktöre (operatör yorgunluğu, motivasyon, çevre, son eğitim) bağlıdır; hepsini bir dizi çarpan aracılığıyla yakalamak indirgeyicidir.
- Uzman analist gerektirir: Kendi kendine uygulanan bir ölçek değildir; analizi doğru bir şekilde yürütmek için insan faktörleri uzmanı gerektirir, bu da erişilebilirliği sınırlar.
- Genel görev veri tabanı yeni görevlere uymayabilir: Göreviniz HEART veri tabanındaki genel bir görev türüyle açıkça eşleşmiyorsa, temel oran seçimi belirsiz hale gelir.
SSS
Görevim için doğru temel hata oranını nasıl seçerim?
HEART veri tabanına veya yayınlanmış tablolara başvurun ve görevinize en çok uyan genel görev türünü şu açılardan seçin: (1) gereken beceri düzeyi (rutin mi karmaşık mı), (2) görev sıklığı (rutin mi seyrek mi), (3) bilişsel talebin doğası (hafıza, problem çözme, algı). Birden fazla kategori olası görünüyorsa, her biri için tahminleri hesaplayın ve aralığı raporlayın veya bir alan uzmanına (örn. havacılık görevleri için deneyimli pilot) danışın. Seçiminizi ve gerekçenizi açıkça belgeleyin.
Görevimde standart HEART listesinde olmayan EPC'ler varsa ne olur?
Standart HEART yaklaşık 11 yaygın EPC sağlar; görevinizin alana özgü faktörleri olabilir. Görev analizinden, olay raporlarından veya uzman görüşmelerinden ek EPC'leri belirleyin. Uzman yargısı, analojik akıl yürütme ('Bu faktör [standart EPC]'ye benzer, bu yüzden benzer bir çarpan kullanın') veya mevcutsa literatür kanıtlarını kullanarak çarpanları atayın. Standart olmayan EPC'leri açıkça belgeleyin ve çarpan değerlerini gerekçelendirin. Ek EPC'lerin hata tahminini önemli ölçüde değiştirip değiştirmediğini göstermek için duyarlılık analizi yapın.
HEART, operatör uzmanlığını ve eğitim seviyesini hesaba katabilir mi?
Evet, 'eğitim yeterliliği' EPC'si ve temel oran seçimi aracılığıyla. Rutin bir görevi yerine getiren iyi eğitimli, uzman bir operatörün temel oranı ≈0.001 olabilir; aynı görevde kötü eğitimli bir aceminin temel oranı ≈0.05 veya daha yüksek olabilir. Ek olarak, 'yetersiz eğitim' ve 'yetersiz deneyim' atanmış çarpanlara sahip standart EPC'lerdir. Farklı operatör gruplarını (uzman ve acemi) karşılaştırırken, her biri için uygun temel oranlar ve eğitim EPC'leri ile ayrı HEART analizleri yapın.
HEART tahminlerini gerçek dünya hata verilerine göre nasıl doğrularım?
İlgili görev için ampirik hata verilerini (olay raporlarından, kıl payı atlatılan durum veri tabanlarından veya prospektif gözlemden) toplayın. Gözlemlenen hata oranını HEART tahminiyle karşılaştırın. Eğer gözlemlenen >> tahmin edilen ise, analiz muhtemelen EPC'leri hafife almıştır; çarpanları gözden geçirin ve EPC listesini genişletin. Eğer gözlemlenen << tahmin edilen ise, olası açıklamalar: (1) görev modellenenden daha dikkatli yapılıyor, (2) EPC'ler varsayılandan daha az yaygın veya (3) tespit edilmeyen hatalar gerçek oranı maskeliyor. Büyük tutarsızlıklar analiz revizyonunu ve uzman danışmanlığını gerektirir.
Hata olasılığı için bir nokta tahmini mi yoksa bir aralık mı bildirmeliyim?
Her zaman bir aralık bildirin. Temel oran seçimindeki ve EPC çarpanlarındaki belirsizlik göz önüne alındığında, düşük bir tahmin (muhafazakar temel oran, daha küçük çarpanlar) ve yüksek bir tahmin (agresif temel oran, daha büyük çarpanlar) hesaplayın. Örneğin: 'Hata olasılığı 0.025 (aralık 0.015–0.040) olarak tahmin edilmektedir.' Bu şeffaflık, paydaşların tahminin sağlamlığını değerlendirmesine ve bilinçli kararlar almasına olanak tanır. Eğer bir karar, hata olasılığının düzenleyici bir eşiğin altında olup olmadığına (örn. <0.01) bağlıysa, tüm aralığın eşiği karşılayıp karşılamadığını test edin; eğer karşılamıyorsa, ek risk azaltma gereklidir.
Kaynaklar
- Williams, J. C. (1988). A data-based method for assessing and reducing human error to improve operational performance. In IEEE Fourth Conference on Human Factors and Power Plants (pp. 436-450). IEEE. DOI: 10.1109/hfpp.1988.27540 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Human Error Assessment and Reduction Technique (HEART). ScholarGate. https://scholargate.app/tr/human-factors/human-error-assessment
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- NASA Görev Yükü İndeksi (NASA-TLX)İnsan faktörleri↔ karşılaştır
- Operatör Performans Değerlendirme Ölçeği (OPAS)İnsan faktörleri↔ karşılaştır
- Durumsal Farkındalık Derecelendirme Tekniği (SART)İnsan faktörleri↔ karşılaştır
- İş Yükü Profili (WP)İnsan faktörleri↔ karşılaştır