이러한 대규모 재난의 원인을 살펴보면, 사람의 실수로 밝혀지는 사례가 늘어나고 있다. 이러한 인적 오류가 발생하지 않도록 방지하는 시스템의 목표를 달성합니다.
이러한 상황에서 기술 시스템을 살펴볼 때 인간 상호 작용 및 기술 시스템을 작업할 때 발생하는 작업량과 영향을 설명할 수 있는 이론적 개념이 필요합니다. 인간-기계 시스템에서는 인간의 행동이 필요한 모든 활동 단계에 인간의 실수로 인한 사고 가능성이 포함되어 있습니다.
본 논문에서는 시스템의 신뢰성 향상을 위해 1장에서는 이론적 배경을 검토하고, 2장에서는 인적 오류의 정의 및 분류, 인적 오류 발생 및 분류 체계와 관련된 기존 이론, 신뢰성 평가 방법을 검토한다. 3장에서는 항만고찰 물류에 있어서 중요한 항만크레인 운전원의 작업모델을 제시하고 항만크레인을 이용한 시뮬레이터에 의한 인간속성 전달 및 활용에 대해 고찰하였다. 4장에서는 시뮬레이션을 이용하여 관찰자를 생성하여 인적 오류를 탐지할 수 있는 처리 기준과 처리 방법에 어떤 특정한 영향 패턴이 존재하는지 살펴보고, 5장에서는 인간 모델을 설계할 때 인적 오류가 발생하는 비율을 살펴봅니다. 인적 오류가 영향을 미칠 때 탐지하여 신뢰도를 높이는 방법을 제시하였고, 6장에서도 연구 결과를 요약하고 연구의 한계를 제시하였다.
인간과학의 지식은 성과 개선이 필요한 업무, 시스템, 제품, 환경 등이 창조되고 통합된다고 합니다. 인간의 신체적, 정신적 능력과 한계에 부합합니다. 기계의 설계, 제작, 작업장 환경 조성에 사용됩니다. 인간공학이란 조명, 소음, 환기 등을 사람이 사용하기 편리하게 하고 작업자가 편안함을 느낄 수 있도록 하는 것을 말합니다. 그러므로 인간공학은 종합적인 과학이므로 어느 한 분야에만 국한되어 성취될 수는 없습니다.
순차적 오류, 특정 시간 내에 작업이 실행되지 않거나 너무 늦은 경우입니다. 시스템 시스템 시스템을 의미 개인 개발 개발 오류 오류 의미 형태 형태 형태 형태 오류 오류 의미 원인 원인 원인 설계 ․ 디자인 결함.
손실이 발생할 가능성을 정량화하는 방법입니다. 객관적인 확률 추정 방법에 대한 평가와 실제 적용 방법을 제시하였다.
이번 장에서는 항만 부문에 인간 모델을 적용해 보았습니다. 본 장에서는 작업 유형 및 휴먼 에러 분석을 위한 휴먼 모델을 제안하고, 작업 특성을 전달하기 위해 갠트리 크레인 시뮬레이터를 사용하였다.
갠트리 크레인의 반응에 따라 입출력이 이루어지는 ARX 확인 방식을 이용하여 동작 모델을 생성하였다. 인간 모델을 확인하기 위해 8개의 입출력 데이터를 이용하여 모델의 규모를 평가하였다.
인간 조작 모델을 얻기 위해서는 먼저 갠트리 크레인 시스템의 인간 조작 모델을 구축해야 한다. 다변량 ARX 모델의 경우 선형차분방정식을 이용하여 다음과 같이 작성할 수 있다.
원형 및 타원형 경로에서는 호이스트와 캐리지가 동시에 작동하여 컨테이너를 이동합니다. 여기서 실선은 수평 위치를 나타내고 점선은 수직 위치를 나타낸다.
우리는 이 방법으로 작업 오류를 진단할 수 있음을 보여주고 싶습니다. 작업 오류, 알 수 없는 외부 방해 등의 오류를 진단할 수 있으며, 관찰자의 유효성을 확인하기 위해 작업 중 크레인 운전자의 부주의로 인한 실제 값과 추정 값을 비교하려고 시뮬레이션합니다.
또한, 중단요인은 영업환경 및 불확실한 요인으로 인해 변동될 수 있는 요인을 의미합니다. 따라서 우리는 작업자 오류 a(t)를 정확하게 진단하고 격리하고자 합니다.
휴먼 오류 진단 관찰자는 작업 오류를 포함한 작업자 모델의 작업 오류를 진단합니다. 따라서 작업오차 a(t)는 다음과 같이 추정할 수 있다.
따라서 위의 결과에서 알 수 있듯이 제안한 인적 오류 진단 관찰자의 유효성이 확인되며, 이 관찰자를 이용하여 작업자 오류의 크기를 정확하게 진단할 수 있음을 알 수 있다.
특히, 시스템 성능을 최적화하는 신뢰성 보상 시스템의 안정성은 인적 오류에 크게 의존해야 하므로 갠트리 크레인은 강력한 서보 시스템 설계 방법을 사용하여 설계됩니다. 인적 오류와 교란 요소를 고려한 시뮬레이션 결과를 조사하고자 합니다. 이는 인적 오류와 외란을 보상하는 신뢰성 기술이 인간-기계 시스템이 정상적으로 작동할 때 신뢰할 수 있는 보상 기술임을 확인하고 향후 연구되어야 할 새로운 시스템 개발을 소개하고자 한다.
그러나 작업자 모델에서 교란으로 작용하는 부분이 어떻게 변하느냐에 따라 휴먼 오류 진단 관찰자의 설계가 영향을 받기 때문에 이러한 경우를 동시에 만족시킬 수 있는 관찰자의 설계는 극히 제한적일 것이다. 따라서 본 장에서는 작업자 모델에 적용되는 인적 오류 요소와 외란 요소를 동시에 추정하는 관찰기의 설계를 보여주고, 추정된 요소를 이용하여 시스템의 신뢰도를 높이는 방법에 대한 연구를 진행한다.
추정이 가능하다면, 추정을 이용하여 입력 보상을 수행함으로써 신뢰성을 향상시킬 수 있습니다. 여기서, xˆ(t)∈Rn은 추정된 상태 벡터를 나타내고, 출력 오차는 Ω(t)∈Rp이고, Aˆ, Bˆ, Cˆ, Dˆ, Hˆ, Jˆ는 해당 차원의 관측 행렬이다.
따라서, 입력 보상을 고려한 상태 피드백 제어 시스템의 입력은 다음과 같이 결정된다. 여기서 K는 상태 피드백 이득이고 Ax(t)는 다음과 같이 적분하여 구할 수 있다.
이에 본 장에서 제안하는 관찰자를 이용한 신뢰도 보상 결과는 다음과 같다. 따라서 본 장에서 제안하는 관찰기법과 이를 이용한 신뢰도 향상 기법이 효과적임을 보여준다.
이는 작업자 모델을 사용할 때 작업 궤적과 효율성을 보여줍니다. 셋째, 휴먼에러와 외란진단을 이용하여 작업자의 오류와 외란을 동시에 평가하는 관찰자를 제안하였다.
