您當(dāng)前的位置：檢測(cè)資訊 > 科研開發(fā)
嘉峪檢測(cè)網(wǎng) 2019-12-02 16:02
摘要：制造系統(tǒng)中的人因可靠性分析（HRA）與最優(yōu)化對(duì)減少系統(tǒng)失效是有效的，這個(gè)研究的目的在于通過貝葉斯網(wǎng)絡(luò)（BN）模型和人因?qū)嶒?yàn)（HFEs）檢查HRA和最優(yōu)化，并應(yīng)用于撓性中型散貨集裝箱制造單元。人的生理與心理因素包括了人在靈活性、協(xié)調(diào)性、記憶力和專注力的能力，被視為本次研究中僅有的行為形成因子。通過貝葉斯模型，人因與人誤之間的關(guān)系被定性描述，人因?qū)ο到y(tǒng)故障的影響被定量判斷。因此基于故障診斷結(jié)果的HFEs人員技能培訓(xùn)被執(zhí)行。通過培訓(xùn)，故障總數(shù)減少了69.06%，系統(tǒng)失效概率也得到了顯著減小。
制造工業(yè)參與了商品轉(zhuǎn)型，運(yùn)用勞動(dòng)力、工作、地點(diǎn)、能量、機(jī)器、工具等讓材料或資產(chǎn)進(jìn)入新產(chǎn)品。傳統(tǒng)的制造工業(yè)通常是勞動(dòng)密集型，集中應(yīng)用了人因和工效學(xué)（HF/E）(Mirka, 2005; Sealetsa and Thatcher,2011;Jarebrant et al., 2016)。制造系統(tǒng)中的HF/E的研究和應(yīng)用強(qiáng)調(diào)了人員、機(jī)器和環(huán)境的特點(diǎn)(Yeow et al., 2014; de Macedo Guimarães et al., 2015;Ozturkoglu et al., 2016)。特別地，人員的活動(dòng)、載荷、可靠性和決策都需要被研究。機(jī)器的顯示和控制布局設(shè)計(jì)，人機(jī)交互以及工作環(huán)境都需要被測(cè)量與測(cè)試。制造系統(tǒng)的改善和優(yōu)化會(huì)根據(jù)測(cè)量和研究的結(jié)果進(jìn)行。
現(xiàn)代制造系統(tǒng)的核心目標(biāo)是更好地制造產(chǎn)品，更加具有經(jīng)濟(jì)性與效率(Slacket al., 2010)。對(duì)此，系統(tǒng)將會(huì)通過產(chǎn)品、定制化、質(zhì)量改善和降低成本的多樣性來進(jìn)行制造系統(tǒng)干涉與損耗。每年美國(guó)工業(yè)都會(huì)花費(fèi)超過3000億美元在工廠維系和操作上，其中80%用于整頓人、系統(tǒng)、機(jī)器的習(xí)慣性錯(cuò)誤(Latino, 1996)。Shapero et al. (1960)指出設(shè)備失效中有很大的概率（20%-50%）是因?yàn)槿苏`（HE）。一項(xiàng)213個(gè)維修問題相關(guān)的報(bào)告顯示25%的故障都是因?yàn)镠E (Robinson et al., 1970)。在早期的飛行作業(yè)中，60%-80%的民用和軍用航空事故是由HE造成的(Shappell and Wiegmann, 1996)。以上的數(shù)據(jù)表明，人因可靠性分析（HRA）對(duì)制造系統(tǒng)的重要性。
有許多研究被用來改進(jìn)制造業(yè)中人的可靠性，Barroso andWilson (1999) 提出一個(gè)叫作發(fā)生在制造系統(tǒng)中的人誤與干擾分析框架，是為了鑒定和區(qū)分制造系統(tǒng)的直接和根源失效原因。Bubb(2005)將這個(gè)技術(shù)應(yīng)用于由Swain and Guttmann (1964)提出的人誤指數(shù)預(yù)測(cè)方法作為電力產(chǎn)業(yè)制造的例子。Pasquale et al. (2016)提出了一個(gè)在制造系統(tǒng)中的人誤結(jié)果的初始分類法來支持?jǐn)?shù)據(jù)收集以及鑒定實(shí)驗(yàn)中的人誤概率（HEPs）。Petruniet al. (2017)介紹了在汽車產(chǎn)業(yè)中使用層次分析法對(duì)合適的HRA方法進(jìn)行評(píng)估和選擇。然而，這些研究沒有提供一個(gè)具有因果關(guān)系形式的HE來明確地獲得驅(qū)動(dòng)人類工作效率的因素以及這些因素相互之間的干擾。
貝葉斯網(wǎng)絡(luò)（BNs）是定量具有因果關(guān)系的模型包括一個(gè)指導(dǎo)性的非循環(huán)的圖表和一套概率語句，同時(shí)在不同人類效率形成因子（PSDs）中描述了歸屬的特性和相關(guān)活動(dòng)(Musharraf et al., 2014)。BNs能夠潛在地結(jié)合不同的信息來源從而更強(qiáng)地基于認(rèn)知理論和經(jīng)驗(yàn)數(shù)據(jù)來發(fā)展HRA模型(Mkrtchyan et al., 2015)。它們自然地被識(shí)別為處理稀缺值、多源數(shù)據(jù)合適的方法，潛在改變了在定量算法中基于不同HRA方法的HEPs的預(yù)估和基本假設(shè)。(Hallbertand Kolaczkowski, 2007)。因此，許多研究人員和實(shí)習(xí)人員將BNs運(yùn)用在HRA中。Groth and Mosleh (2012)使用了兩處來源于核電站運(yùn)作的HRA數(shù)據(jù)，發(fā)展了PSFs中基于數(shù)據(jù)的貝葉斯模型。Martins and Maturana (2013)提出了基于貝葉斯信念網(wǎng)絡(luò)（BBNs）的一套方法來分析人的可靠性，并將其應(yīng)用在巴西海岸油罐車碰撞的事故中。Zwirglmaier et al. (2017)提出一套方法拓展了科學(xué)基礎(chǔ)，通過測(cè)試在BN模型中認(rèn)知文學(xué)因果路徑追溯到了HRA。
據(jù)我們所知，只有極少的研究在制造系統(tǒng)中將BNs應(yīng)用到了HRA中，除了Aalipouret al. (2016)使用BN來估計(jì)HEPs并在電纜制造公司的維護(hù)過程中獲得了HE的主要原因。另外，Pereirai and Lima (2015)雇用了BBNs去鑒定批評(píng)性的危險(xiǎn)因素，并提出了在噴射器制造產(chǎn)業(yè)中概率風(fēng)險(xiǎn)分析。他們將注意力放在了人類行為因素，像環(huán)境、機(jī)器或軟件能夠?qū)θ祟愋试斐捎绊懖⑿纬蒆RA。然而，這篇論文將人的生理和心理因素視為僅有的PSFs并檢查了HRA，從而將制造系統(tǒng)最優(yōu)化。
我們?cè)谥圃煜到y(tǒng)中使用BNs和人因?qū)嶒?yàn)（HFEs）研究了HRA從而減少甚至預(yù)防了潛在的系統(tǒng)故障。特別地，在BNs的幫助下，我們從質(zhì)量上形容人因和HE之間的關(guān)系，并定量評(píng)判人因?qū)ο到y(tǒng)故障造成的影響。更多地，我們使用HFEs并實(shí)施在了工人的訓(xùn)練中來使系統(tǒng)最優(yōu)化。以上的一套方法被采用在撓性中型散裝集裝箱（FIBC）制造單元案例研究中。
HFEs被設(shè)計(jì)用來幫助實(shí)驗(yàn)者控制實(shí)驗(yàn)工具以及掌握HF/E的知識(shí)。實(shí)驗(yàn)者對(duì)減輕人工操作者工作和讓系統(tǒng)更加有效有很大作用。更多地，基于對(duì)人因設(shè)計(jì)和制造的實(shí)驗(yàn)結(jié)果影響的討論，對(duì)于更好設(shè)計(jì)和制作操作的建議將會(huì)被提出。另一方面，HFEs被設(shè)計(jì)用來訓(xùn)練人工技能。
在制造上，優(yōu)秀的人工技能和能力會(huì)增加產(chǎn)生于不間斷的自動(dòng)化和數(shù)字化的程度挑戰(zhàn)。Sharifi and Zhang (1999)提出了一個(gè)敏捷制造的概念模型，著重于響應(yīng)性、能力、柔性和速度的敏捷能力。根據(jù)物理運(yùn)動(dòng)、知覺和認(rèn)知活動(dòng)，Everitt et al. (2015)把人類技能分為精細(xì)運(yùn)動(dòng)技能、整體運(yùn)動(dòng)技能、視覺判斷、觸覺判斷、聲學(xué)判斷、決策和溝通。Mourtzis (2018)提出在工業(yè)4.0制造范例中的教育4.0的術(shù)語，他也提出工業(yè)4.0中個(gè)人的能力涵蓋了自制力、責(zé)任感、組織能力、靈活性和動(dòng)力。
根據(jù)過去的研究和我們?cè)贔IBC制造單元中的調(diào)查，我們獲得了靈活性、協(xié)作力、記憶力和專注力四個(gè)個(gè)人技能，對(duì)HE和車間中的系統(tǒng)故障造成巨大的影響。相對(duì)地，手指靈活實(shí)驗(yàn)、雙手調(diào)節(jié)實(shí)驗(yàn)、記憶力廣度實(shí)驗(yàn)、注意力集中實(shí)驗(yàn)和注意力分布實(shí)驗(yàn)五種HFEs，可見表1：
HE的分類在不同產(chǎn)業(yè)中有不同的標(biāo)準(zhǔn)。Swain and Guttmann (1983)將核電站作為目標(biāo)，HE被概括為做事錯(cuò)誤，完成任務(wù)錯(cuò)誤（在實(shí)行中出現(xiàn)故障）以及準(zhǔn)時(shí)完成。他們將錯(cuò)誤分類為執(zhí)行錯(cuò)誤及省略錯(cuò)誤。Rasmussen (1980)的分類方法包括了三個(gè)層次的人類行為：基于技能的，基于規(guī)則的以及基于知識(shí)的。Shorrock and Kirwan (2002)聚焦于空中交通管制的認(rèn)知錯(cuò)誤，組合了HE的鑒別技術(shù)將認(rèn)知領(lǐng)域、記憶力、判斷力、計(jì)劃力、決策以及執(zhí)行力中錯(cuò)誤進(jìn)行分類。
基于以前的研究和制造單元的特點(diǎn)，我們將HE分類為省略錯(cuò)誤、執(zhí)行錯(cuò)誤、冗余錯(cuò)誤、排序錯(cuò)誤、時(shí)間錯(cuò)誤、選擇錯(cuò)誤和質(zhì)量（數(shù)量）錯(cuò)誤，在表2中描述：
BN是一個(gè)概率圖解模型在論證過程中被用來闡述因果關(guān)系的不確定性，這種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)是有向非循環(huán)圖（DAG）(Pearl, 1988)。DAG中的一個(gè)節(jié)點(diǎn)代表隨機(jī)變量{X1,X2…Xn}，例如可觀測(cè)變量，隱藏變量，未知參數(shù)。他們通過單向弧聯(lián)系在一起（有向路），這是因果聯(lián)系的符號(hào)，這段弧的開始是“父母”其他的是“孩子”。在BN的圖表中，隨機(jī)變量（節(jié)點(diǎn)）用圓圈表示，變量之間的條件依賴通過弧線來表明，以及重量（連接強(qiáng)度）通過條件概率表明。
BN沒有明確的輸入和輸出節(jié)點(diǎn)，但是有雙向推理函數(shù)。“孩子”的發(fā)生概率可以通過“父母”推理出來，這同樣也被運(yùn)用在預(yù)測(cè)和評(píng)估中。例如，Adedigba et al. (2016)建立了基于BN的過程故障因果關(guān)系模型來預(yù)測(cè)復(fù)雜工程系統(tǒng)的風(fēng)險(xiǎn)概率。Armero et al.(2011)通過BN提出了專家系統(tǒng)引擎，成功預(yù)測(cè)了在蒸汽中即時(shí)的水的軍團(tuán)桿菌風(fēng)險(xiǎn)。另一方面，從“孩子”到“父母”發(fā)生概率的反向推理仍然是可能的，可以用來診斷。比如，Wang et al.(2004)將一種改進(jìn)的雜性BN結(jié)合算法應(yīng)用到了傳統(tǒng)中藥的診斷和治療當(dāng)中。
在這篇文章中，我們關(guān)注了人的生理和心理因素，包括了個(gè)人技能中的靈活性、協(xié)調(diào)性、記憶力和注意力，這是僅有的PSFs去檢查HE。BN被用來通過幾種人的能力的缺失來逆推制造系統(tǒng)導(dǎo)致HE的故障幾率。
制造系統(tǒng)BN的節(jié)點(diǎn)包括個(gè)人能力的不足，HE和系統(tǒng)故障。細(xì)節(jié)被展示在表3中。我們收集了在這個(gè)制造單元中關(guān)于這些節(jié)點(diǎn)大量的歷史數(shù)據(jù)。它可以被用來通過貝葉斯網(wǎng)絡(luò)工具箱（BNT）獲取BN的拓?fù)浣Y(jié)構(gòu)，由Murphy(2001)發(fā)展為MATLAB。這個(gè)系統(tǒng)BN的拓?fù)浣Y(jié)構(gòu)被展示在圖1.
從圖1我們可以看到諸如靈活性、協(xié)調(diào)性、記憶力和專注力這些個(gè)人技能的不足導(dǎo)致了HE，由此導(dǎo)致了系統(tǒng)故障。特別地，靈活性不足會(huì)導(dǎo)致執(zhí)行、排序、時(shí)間和質(zhì)量（數(shù)量）的故障；協(xié)調(diào)性不足會(huì)造成執(zhí)行、冗余、排序、時(shí)間、選擇和質(zhì)量（數(shù)量）故障。記憶力或者注意力不足會(huì)造成表3中的所有故障。
為了解決以上的BN模型，條件概率分布（CPD）需要被獲取。對(duì)于離散隨機(jī)變量，CPD可以由條件概率表（CPT）表述。為了簡(jiǎn)化這個(gè)模型并解釋這個(gè)方法，將靈活性x1視為解決示例。它的CPT示意圖展示在圖2中。
BN的拓?fù)浣Y(jié)構(gòu)從質(zhì)量上描述了網(wǎng)絡(luò)中隨機(jī)變量之間的關(guān)系，當(dāng)一個(gè)節(jié)點(diǎn)的CPD或者CPT從數(shù)量上描述了它的母節(jié)點(diǎn)。BN模型詳細(xì)的解決方案步驟如下：
步驟一：使用BN拓?fù)浣Y(jié)構(gòu)來獲取所有變量的聯(lián)合概率(Pearl, 2000)
其中，xi是隨機(jī)變量Xi的值，xparents(i)是母節(jié)點(diǎn)隨機(jī)變量Xparents的值。從式1中可以得出聯(lián)合概率是通過局部條件概率和任意隨機(jī)變量相乘得到。在BN中游隱含的條件獨(dú)立關(guān)系。由母節(jié)點(diǎn)得到的非子節(jié)點(diǎn)是獨(dú)立的，母代和子代的關(guān)系與BN拓?fù)淠Ｐ拖嚓P(guān)。(Lunn et al.,2000)
根據(jù)概率的鏈?zhǔn)椒▌t并使用了條件獨(dú)立關(guān)系，圖1中所有變量的聯(lián)合概率是：
靈活性x1不足的聯(lián)合概率是：
步驟2：使用聯(lián)合概率解決由個(gè)人能力不足造成的系統(tǒng)故障概率分析方案
系統(tǒng)故障可被表述為x12=1，我們僅僅考慮由靈活性不足造成的故障，得到：
步驟三：使用先驗(yàn)概率和CPTs計(jì)算出由個(gè)人能力不足引起的系統(tǒng)故障的概率數(shù)值解
式4的邊際概率能通過利用先驗(yàn)概率和歷史數(shù)據(jù)解決，以及CPTs可以通過含有歷史數(shù)據(jù)的BNT解決，由此能獲取特定的概率值。
其他單一造成系統(tǒng)故障原因的診斷方法與上述方法是相同的，因此重復(fù)值可以被忽略。
圖1制造系統(tǒng)的BN拓?fù)浣Y(jié)構(gòu)
圖2與x1相關(guān)聯(lián)的CPT原理圖，通過BN拓?fù)浣Y(jié)構(gòu)得到的相關(guān)節(jié)點(diǎn)是x6,x8,x9,x11.P(xi=0)代表不存在xi時(shí)的概率值，以及P(xi=1)代表xi存在時(shí)的可育性
在很多情況下，制造系統(tǒng)故障是由不止一種因素導(dǎo)致的，因此需要考慮綜合因素。這里可以將靈活性不足x1和協(xié)調(diào)性不足x2作為示例考慮綜合因素對(duì)系統(tǒng)故障造成的影響。
CPT是用來形容母代與子代節(jié)點(diǎn)之間的關(guān)系，在BN中與x1和x2相關(guān)。該原理圖通過圖3展示。
根據(jù)如上的模型解決步驟，得到x1和x2的聯(lián)合概率：
由x1和x2造成系統(tǒng)故障的概率為：
最終，式6的邊際概率通過利用先驗(yàn)概率和歷史數(shù)據(jù)得到，以及CPTs可以通過帶有歷史數(shù)據(jù)的BNT解決，由此得到特定的概率。其他綜合因素（包括兩種或者更多）的診斷方法與上述方法相同，因此重復(fù)值可以被忽略。
根據(jù)BN模型的結(jié)果，特定種類的個(gè)人能力不足造成的故障可以被解出。通過HFEs對(duì)特定訓(xùn)練的幫助從而改進(jìn)個(gè)人能力，減少故障以及系統(tǒng)能夠達(dá)到的最優(yōu)化。在以下幾個(gè)方面，HFE與靈活性相一致，作為例子解釋如何操作實(shí)驗(yàn)和進(jìn)行個(gè)人訓(xùn)練，當(dāng)其他實(shí)驗(yàn)都能夠簡(jiǎn)短地被描述。
手指靈活性實(shí)驗(yàn)儀器，比如BD-II-601，是一種來自北京青鳥天橋儀器和設(shè)備公司的被用作測(cè)試手指、手和手腕靈活性的心理儀器(Beida Jade Bird Group)。通過應(yīng)用心理方法來進(jìn)行動(dòng)態(tài)測(cè)量，能夠測(cè)量出測(cè)試者的靈活性。為了創(chuàng)建訓(xùn)練從而增強(qiáng)手指靈活性，在本次研究中，我們?cè)O(shè)計(jì)了一種改進(jìn)的手指靈活性實(shí)驗(yàn)儀器(I-BD-Ⅱ-601)，在圖4中展示。
被訓(xùn)練者要求分別進(jìn)行上述兩種方式。在方式1中，被訓(xùn)練者需要運(yùn)用鉗子把釘子插入到儀器的鑲板洞中，從端點(diǎn)開始，從頂部到底部，從左到右，完成1.總共有100個(gè)洞。在法2中，被訓(xùn)練者同樣用鉗子將釘子插入到儀器鑲板洞中，從端點(diǎn)開始，從左到右，從頂部到底部，完成2.這里總共也有100個(gè)洞。時(shí)間分別標(biāo)記為t1和t2，平均值（t1+t2）/2記為實(shí)驗(yàn)值。通過反復(fù)訓(xùn)練，手指靈活性的有效度將會(huì)達(dá)到。從而，降低了由靈活性缺失造成的系統(tǒng)故障的概率。對(duì)于雙手調(diào)節(jié)實(shí)驗(yàn)，一種U型圖案將會(huì)被使用在雙手調(diào)節(jié)器中，來收集操作時(shí)間t3和故障事件e1，測(cè)試和訓(xùn)練雙手協(xié)調(diào)性，由1/(e1+1)t3表示。
對(duì)于記憶力廣度測(cè)試，使用了記憶力廣度實(shí)驗(yàn)儀器來記錄測(cè)試值n1，得分s1和故障時(shí)間e2，實(shí)驗(yàn)時(shí)間t4（由n1s1/(e2+1)t4表示）來改進(jìn)被訓(xùn)練者的記憶力。
注意力集中和分散實(shí)驗(yàn)通過使用相關(guān)儀器，來提高被訓(xùn)練者的注意集中和分配程度。專注實(shí)驗(yàn)儀器對(duì)專注力實(shí)驗(yàn)儀器設(shè)置的參數(shù)將時(shí)間限制在100秒，10轉(zhuǎn)/分鐘，前進(jìn)，點(diǎn)移動(dòng)軌跡以及嘈雜的環(huán)境。成功時(shí)間記錄為t5，故障數(shù)量標(biāo)記為n2，專注力的能力規(guī)定為1/(n2+1)t5.三種刺激的方法包括在注意力分配實(shí)驗(yàn)儀器中三種聲音刺激（低頻，中頻，高頻），光線刺激，以及三種聲光刺激。以下統(tǒng)計(jì)數(shù)據(jù)將被記錄：受訓(xùn)人員的對(duì)單一聽覺刺激的反應(yīng)時(shí)間p1，當(dāng)聲光刺激同時(shí)出現(xiàn)時(shí)對(duì)聲音的反應(yīng)時(shí)間p2，對(duì)單一光刺激的反應(yīng)時(shí)間q1以及當(dāng)聲光刺激同時(shí)出現(xiàn)時(shí)對(duì)光線的反應(yīng)時(shí)間q2。注意力分配的能力標(biāo)記為
注意力的能力為
以上實(shí)驗(yàn)詳述了人因工程實(shí)驗(yàn)的細(xì)節(jié)，通過有針對(duì)性的訓(xùn)練，由能力不足（單一或者多樣）造成的系統(tǒng)故障將會(huì)減少，從而改善系統(tǒng)。
圖3 x1，x2相關(guān)的CPT因果圖，在BN拓?fù)鋱D中與x2相關(guān)的節(jié)點(diǎn)（參照?qǐng)D1）是x6，x7，x8，x9，x10，x11，與x1，x2都相關(guān)的為x6，x8，x9，x11，P(xi=0)表示當(dāng)xi不存在時(shí)的概率，p(xi=1)表示當(dāng)xi存在時(shí)的概率
圖4改進(jìn)的手指靈活性實(shí)驗(yàn)儀器(I-BD-Ⅱ-601)，有兩種方法可選（方法1和方法2）
FIBC是一種由柔性纖維制成的柔性運(yùn)輸包裝容器，主要用于包裝、運(yùn)輸和粉末、顆粒、塊物等物品的儲(chǔ)存。FIBC包括了袋體、袋頂、袋底、吊索、入口和出口，它們通過縫合連接在一起。為了確認(rèn)FIBC的強(qiáng)度，除了吊索和基本纖維的材料強(qiáng)度，縫合的強(qiáng)度也需要被加強(qiáng)。
我們?cè)谝粋€(gè)FIBC制造工廠中調(diào)查了該類型FIBC的制造過程，由圖5所示。車間中的縫紉裝備包括了鎖縫縫紉機(jī)，特種縫紉機(jī)和邊鎖機(jī)來實(shí)現(xiàn)多個(gè)部門之間的縫合連接。FIBC主要的縫紉過程是：吊索縫紉，袋體翻轉(zhuǎn)，圓柱入口縫紉，袋頂（入口）縫紉，袋體和袋頂縫紉，圓柱出口縫紉，袋底（出口）縫紉以及袋體和袋底縫紉。詳細(xì)的流程圖如圖6所示。
如圖6所示，在FIBC產(chǎn)線中有5條路線，有確定順序的14個(gè)處理程序和5個(gè)檢查程序。10個(gè)工人包括8個(gè)縫紉工人和2個(gè)檢查工服務(wù)于產(chǎn)線。
根據(jù)歷史數(shù)據(jù)，在19個(gè)程序（因素）中有0,1或者3種人誤（級(jí)別）。處理程序中最大的水平序列是{1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 1, 2, 2, 3}，檢查程序?yàn)閧0, 0, 0, 0, 1}。因此，根據(jù)全因設(shè)計(jì)法，所需要實(shí)驗(yàn)的數(shù)量是768（Box et al.2005）。然而，我們進(jìn)行了更多的觀察。我們花費(fèi)了一個(gè)月時(shí)間來觀察和記錄縫紉機(jī)車間中10條產(chǎn)線的10000組制造流程。通過訪問監(jiān)控記錄，詢問縫紉工人和檢查者收集了相關(guān)數(shù)據(jù)。故障情況和數(shù)量可從檢查者和故障的主要原因，從縫紉工和我們的分析中獲取HE。故障調(diào)查如表4.
從表4我們可以看到，縫紉車間中的故障成因包括靈活性、協(xié)調(diào)性、記憶力和注意力不足，以及靈活性和協(xié)調(diào)性不足的雙重影響，記憶力和注意力不足的雙重影響。
縫紉車間中我們通過總結(jié)計(jì)算得到了統(tǒng)計(jì)表（見表5）和故障分析圖表（見圖7）。
如表5和圖7所示，工人的記憶力不足是最頻繁的，由靈活性、協(xié)調(diào)性和注意力不足是執(zhí)行故障最常見的成因。此外，縫紉車間中的BN結(jié)構(gòu)是圖1中的部分案例。
我們?nèi)匀皇褂脁1以及x1,x2的綜合因素作為例子來解決2.4和2.5。x1和x2的先驗(yàn)概率從表5中得到并展示在表6中。同時(shí)x5-x11的先驗(yàn)概率從表5中得到并展示在表7.8中。
節(jié)點(diǎn)中的CPTs與節(jié)點(diǎn)x1相關(guān)聯(lián)，并通過BNT得到解決，展示在表9-11中，節(jié)點(diǎn)x2相關(guān)的展示在表12中。
從表9-11中我們得知與x1相關(guān)聯(lián)的節(jié)點(diǎn)僅僅與x6有關(guān)，式4可被簡(jiǎn)化為：
與x1，x2綜合節(jié)點(diǎn)聯(lián)系的節(jié)點(diǎn)僅僅與節(jié)點(diǎn)x6有關(guān)，式6可被簡(jiǎn)化為：
關(guān)于x5-x11單獨(dú)節(jié)點(diǎn)的節(jié)點(diǎn)x12展示在表16和17中。
此時(shí)，我們可以得到車間中由單一因素和綜合因素造成的系統(tǒng)故障概率。根據(jù)式7和式8，我們可以得到：
類似地，同樣可以得到
即由靈活性、協(xié)調(diào)性、記憶力和注意力不足，靈活性和協(xié)調(diào)性的綜合不足，記憶力和專注力的綜合不足的概率分別為0.0320, 0.1933, 0.1807, 0.1705, 0.2342,0.1893。
我們可以看到車間中最大的問題是協(xié)調(diào)性和記憶力不足，這同樣也是每種組合的主導(dǎo)因素。因此，需要進(jìn)行工人培訓(xùn)來增強(qiáng)他們的操作能力。我們邀請(qǐng)了來自兩班車間的200名工人來參加我們的訓(xùn)練。根據(jù)他們發(fā)生的故障類型，一半的工人被指派給協(xié)調(diào)性訓(xùn)練組，另外的人則在記憶力訓(xùn)練組。分別通過雙手調(diào)整器和記憶力廣度儀器訓(xùn)練了多輪。接下來，我們將訓(xùn)練前后的能力進(jìn)行比較，如圖8（關(guān)于協(xié)調(diào)性）和圖9（關(guān)于記憶力）。在這次測(cè)試中，我們也進(jìn)行了變化的單向分析（ANOVA），如表18所示（關(guān)于協(xié)調(diào)性）和圖19（關(guān)于記憶力）。
從圖8和圖9中我們可以看到，工人相應(yīng)的能力得到了巨大的改善，雖然個(gè)體之間的差異還是很明顯。在訓(xùn)練前后工人的協(xié)調(diào)性和記憶力都有了巨大變化，如表18,19所示。
為了測(cè)試訓(xùn)練的影響，我們觀察和記錄了縫紉車間中100000組制造流程，將在訓(xùn)練前后工人的錯(cuò)誤進(jìn)行了比較。
從表20看出，在訓(xùn)練后故障總數(shù)減少了69.06%。此外，四種類型的個(gè)人能力不足的數(shù)量也降低了，從而顯著降低了系統(tǒng)故障率。
圖7故障分析圖（故障類型：質(zhì)量（數(shù)量），選擇，時(shí)間，排序，冗余，執(zhí)行，省略故障；靈活性，協(xié)調(diào)性，記憶力，注意力不足）
表6 x1,x2的先驗(yàn)概率
表7 x5-x7的先驗(yàn)概率
此項(xiàng)研究檢查了HRA,通過BN模型和HFEs將制造過程最優(yōu)化，并應(yīng)用在了FIBC的制造單元中。本次研究集中于人類生理和心理因素，將他們視為僅有的PSFs。我們選擇了四種個(gè)人能力作為PSFs，包括靈活性、協(xié)調(diào)性、記憶力和注意力，基于個(gè)人研究和我們?cè)谥圃靻卧械恼{(diào)查。對(duì)應(yīng)的HFEs被選擇，包括手指靈活性實(shí)驗(yàn)，雙手調(diào)節(jié)實(shí)驗(yàn)，記憶力廣度實(shí)驗(yàn)，注意力集中實(shí)驗(yàn)和注意力分配實(shí)驗(yàn)。
本次研究利用了BN模型，提供了HE的因果圖，多種人類PSFs歸屬的特性以及作為HRA工具的相關(guān)行動(dòng)。人因和HE之間的關(guān)系從量上被描述，人因?qū)ο到y(tǒng)故障的影響通過BN模型被定量判斷。我們使用了大量的歷史數(shù)據(jù)和BNT來獲取這個(gè)制造系統(tǒng)的BN拓?fù)浣Y(jié)構(gòu)，從而獲得相關(guān)節(jié)點(diǎn)的先驗(yàn)概率和CPTs，我們同樣提供BN模型單一和綜合的解決方案。
造成系統(tǒng)故障的原因通過BN模型被診斷，然后我們基于錯(cuò)誤的診斷結(jié)果，利用HFEs來進(jìn)行工人能力訓(xùn)練。因此，我們得到了故障原因，包含了靈活性、協(xié)調(diào)性、記憶力和注意力的不足，以及靈活性和協(xié)調(diào)性的雙重影響，記憶力和專注力的雙重影響。此外，車間中最大的問題是工人的協(xié)調(diào)性和記憶力不足。因此，我們利用雙手調(diào)節(jié)器和記憶力廣度實(shí)驗(yàn)儀器訓(xùn)練了工人的協(xié)調(diào)性和記憶力。該結(jié)果使診斷中的協(xié)調(diào)性更加合理，使我們的訓(xùn)練更加有效。故障的總量減少了69.06%，系統(tǒng)故障率也顯著降低。
該研究的貢獻(xiàn)體現(xiàn)在三個(gè)方面。首先，本次研究提供了HRA在制造系統(tǒng)中的新研究和新應(yīng)用，通過BNs來診斷HE和系統(tǒng)故障。第二，通過帶有HFEs的工人訓(xùn)練將系統(tǒng)的人因最佳化。第三，在FIBC制造單元中的HE和系統(tǒng)故障顯著降低。
對(duì)于本次研究的未來展望，我們應(yīng)該考慮包括環(huán)境因素的PSFs的擴(kuò)張，對(duì)應(yīng)的訓(xùn)練需要被加強(qiáng)。此外，本次研究同樣可以應(yīng)用在其他領(lǐng)域。
圖5本次研究中使用的FIBC類型
圖6五個(gè)部分（出口的基本織物，袋底，入口的基本織物，袋體）1：第一個(gè)基本織物的縫紉吊索；1*：檢查；2：第二個(gè)基本織物的縫紉吊索；2*：檢查；3：第三個(gè)基本職務(wù)的縫紉吊索；3*：檢查；4：第四個(gè)基本織物的縫紉吊索；4*：檢查；5：翻轉(zhuǎn)第一個(gè)和第二個(gè)基本織物；6：翻轉(zhuǎn)第二個(gè)和第三個(gè)基本織物；7：翻轉(zhuǎn)第三和第四個(gè)基本織物；8：翻轉(zhuǎn)第四和第五個(gè)基本織物；9：縫紉圓柱入口；10：縫紉袋頂（入口）；11：縫紉袋體和袋頂；12：縫紉圓柱出口；13：縫紉袋底（出口）；14：縫紉袋體和袋底/制造FIBC的流程圖，圓圈代表操作，正方形代表檢查，數(shù)字代表流程和檢查順序
表8 x8-x11的先驗(yàn)概率
表9節(jié)點(diǎn)x6和x8與節(jié)點(diǎn)x1相關(guān)的CPTs
表10節(jié)點(diǎn)x9和x11與節(jié)點(diǎn)x1相關(guān)的CPTs
表11節(jié)點(diǎn)x12與x1相關(guān)的CPT
表12節(jié)點(diǎn)x7和x10與節(jié)點(diǎn)x2相關(guān)的CPTs
表13節(jié)點(diǎn)x6，x8與x1，x2綜合節(jié)點(diǎn)相關(guān)聯(lián)的CPTs
表14節(jié)點(diǎn)x9，x11與x1，x2綜合節(jié)點(diǎn)相關(guān)聯(lián)的CPTs
表15節(jié)點(diǎn)x12與綜合節(jié)點(diǎn)x1，x2相關(guān)的CPT
表16節(jié)點(diǎn)x12與單一節(jié)點(diǎn)x5-x7相關(guān)的CPT
表17節(jié)點(diǎn)x12與單一節(jié)點(diǎn)x8-x11
圖8訓(xùn)練前后工人協(xié)調(diào)能力的比較，垂直軸的數(shù)值代表在HFEs的訓(xùn)練中，從協(xié)調(diào)性公式中所獲得的數(shù)值（見2.6）
來源：工業(yè)工程共學(xué)社
關(guān)于我們 聯(lián)系我們 營(yíng)業(yè)執(zhí)照 全國(guó)服務(wù)電話：400-818-0021 嘉峪檢測(cè)版權(quán)所有 備案號(hào)：京ICP備14047019號(hào)-2 
京公網(wǎng)安備11010802046783號(hào)
