融合SHELL模型与扩展Z极坐标的混合HEART框架在机器人辅助康复中人因可靠性分析的应用与创新

《Journal of Industrial Information Integration》：A hybrid HEART framework integrating EPC identification model and extended Z-polar coordinate for HRA: An application of robot-assisted rehabilitation

本文提出一种融合SHELL模型、扩展Z极坐标（E-ZPC）和决策实验室法（DEMATEL）的混合人因误差评估与减除技术（HEART），通过定性识别误差产生条件（EPCs）、量化信息不确定性及分析EPCs间因果关系，显著提升机器人辅助康复系统的人因可靠性。案例验证表明该方法能有效降低人为错误风险，为康复机器人安全标准化提供新范式。

　　

章节精选

人机系统中的人为误差

在自动化系统中，尽管机器处理大量重复性、精密性甚至危险任务，但人的作用并未减弱——反而变得更加关键。然而，人类并非完全可靠。这表明人为误差的可能性无法完全消除，甚至已成为事故的主要原因。例如，加拿大引航水域报告显示，273起事故中有200起与人为误差相关。Chen等[13]...

理论基础

本节简要回顾后续章节所需概念，包括SHELL模型、Z-number和幂平均（PA）算子。

提出的方法论

本节介绍一种先进的混合评估方法，将人因可靠性分析（HRA）技术HEART与SHELL模型、Z极坐标系和DEMATEL方法相结合。该整合旨在增强HEART核心方法在不同领域人因可靠性分析中的适用性。表3列出了混合方法所包含模型的具体细节，涵盖其组成部分、功能和假设。图3展示了...

案例研究

为验证所提出混合HEART方法的有效性和普适性，本节引入两个机器人辅助康复流程的案例研究。

评估与验证

为验证所提出方法的有效性，本节对案例1进行分析和讨论。

结论

针对核能领域外特定领域开发的HRA方法已得到广泛研究。然而，在机器人辅助康复领域尚未发布正式系统的方法。本文提出的混合HEART方法，专为增强机器人辅助康复流程中人因可靠性分析而设计。该方法创新性地整合多种方法论要素，以应对该领域独特的不确定性和人机协作模式挑战。