Metoda indexu pravděpodobnosti úspěchu (SLIM) je technika používaná v oblasti hodnocení spolehlivosti člověka (HRA) pro účely vyhodnocení pravděpodobnosti lidské chyby, ke které dojde během dokončování konkrétního úkolu. Z těchto analýz pak mohou být přijata opatření ke snížení pravděpodobnosti výskytu chyb v rámci systému, a tím vést ke zlepšení celkové úrovně bezpečnosti. Pro provádění HRA existují tři hlavní důvody: identifikace chyb, kvantifikace chyb a snížení chyb. Vzhledem k tomu, že existuje řada technik používaných pro tyto účely, lze je rozdělit do jedné ze dvou klasifikací: techniky první generace a techniky druhé generace. Techniky první generace pracují na základě jednoduché dichotomie „hodí/nehodí se“ při porovnávání chybové situace v souvislosti se související identifikací a kvantifikací chyb a techniky druhé generace jsou při svém hodnocení a kvantifikaci chyb založeny spíše na teorii. „Techniky HRA byly využívány v řadě průmyslových odvětví včetně zdravotnictví, strojírenství, jaderné energetiky, dopravy a podnikatelského sektoru; každá technika má v rámci různých oborů různé využití.
SLIM je rozhodovací analytický přístup k HRA, který využívá odborný úsudek ke kvantifikaci faktorů utváření výkonnosti (Performance Shaping Factors, PSF); faktorů týkajících se jednotlivců, prostředí nebo úkolu, které mají potenciál buď pozitivně, nebo negativně ovlivnit výkon, např. dostupný čas úkolu. Tyto faktory se používají k odvození indexu pravděpodobnosti úspěšnosti (Success Likelihood Index, SLI), což je forma indexu preference, který je kalibrován proti stávajícím údajům, aby se odvodila konečná pravděpodobnost lidské chyby (Human Error Probability, HEP). PSF, které je třeba vzít v úvahu, jsou vybírány odborníky a jsou to ty faktory, které jsou považovány za nejvýznamnější ve vztahu k danému kontextu.
SLIM byl vyvinut firmou Embrey et al. pro použití v jaderném průmyslu USA. Použitím této metody se stanoví relativní pravděpodobnost úspěchu pro řadu úkolů a pak se kalibruje pomocí logaritmické transformace.
Metodika SLIM se člení do deseti kroků, z nichž kroky 1-7 jsou zapojeny do SLIM-MAUD a 8-10 jsou SLIM-SARAH.
1. Definice situací a podskupin
Po výběru příslušné odborné komise, která provede posouzení, je těmto osobám poskytnut co nejpodrobnější popis úkolů s ohledem na osobu určenou k plnění jednotlivých úkolů a další faktory, které mohou ovlivnit úspěch každého z nich. Podrobný popis je kritickým aspektem postupu, aby bylo zajištěno, že všichni členové hodnotící skupiny sdílejí společné chápání daného úkolu. To může být dále rozpracováno ve skupinové diskusi před zahájením zasedání odborné komise s cílem zjistit shodu. Po této diskusi jsou pak posuzované úkoly rozděleny do několika skupin v závislosti na homogenitě polyesterových střižových vláken, které mají vliv na každou z nich. Podskupiny jsou tak definovány těmi úkoly, které mají společné specifické polyesterové střižové vlákno, a také jejich váhou v rámci určité podskupiny; tato váha je v této fázi procesu pouze přibližná.
Odborníkům jsou předkládány náhodné soubory 3 úkolů, od nichž se vyžaduje, aby porovnali jeden s ostatními dvěma a následně určili aspekt, v němž se zvýrazněný úkol liší od zbývajících dvou; tato rozdílnost by měla být vlastností, která ovlivňuje pravděpodobnost úspěšného dokončení úkolu. Odborníci jsou pak vyzváni, aby zdůraznili nízké a vysoké koncové body identifikovaných PSV, tj. optimálnost PSV v kontextu daného úkolu. PSV může být například časový tlak, a proto by koncové body stupnice mohly být „vysoká úroveň tlaku“ až „nízká úroveň tlaku“. Dalšími možnými PSV mohou být úrovně stresu, složitost úkolu nebo míra týmové práce. V této fázi je třeba určit ty PSV, které jsou nejrozšířenější při ovlivňování úkolů, na rozdíl od vyvolání všech možných ovlivňujících faktorů.
3. Hodnocení úkolů týkajících se polyesterových střižových vláken
Konečným bodům každého jednotlivého polyesterového střižového vlákna, jak je určí odborník, se pak přidělí hodnoty 1 a 9 na lineární stupnici. Při použití této stupnice je odborník povinen přidělit každému úkolu mezi oba koncové body hodnocení, které podle jeho úsudku přesně odráží podmínky, které se v daném úkolu vyskytují. Je optimální posuzovat každý faktor postupně tak, aby provedené úsudky byly nezávislé na vlivu jiných faktorů, které jinak mohou ovlivnit úsudek.
4. Výpočty ideální eliminace a škálování bodů
Pomocí čísel, která představují relativní význam každého úkolu a jejich hodnocení na příslušné stupnici, se tato čísla znásobí, aby se pro každý úkol vytvořila hodnota indexu pravděpodobnosti úspěšnosti (SLI). Pro zlepšení platnosti procesu je nutné potvrdit, že každé z používaných stupnic je nezávislé, aby se zajistilo, že při celkovém výpočtu indexu nedojde k překrývání nebo dvojímu započítání.
Pro pomoc při provádění tohoto validačního úkolu software MAUD kontroluje korelace mezi hodnocením odborníků na různých stupnicích; pokud hodnocení stupnice ukazuje vysokou korelaci, odborníci jsou konzultováni, aby odhalili, zda se ve svém významu shodují s hodnoceními na obou stupnicích, které vykazují podobnosti. Pokud k této situaci dojde, odborníci jsou požádáni, aby definovali novou stupnici, která bude kombinací významu obou jednotlivě korelovaných stupnic. Pokud korelace není významná, pak se s stupnicemi nakládá jako s nezávislými; v tomto případě je dotčený zprostředkovatel povinen učinit informované rozhodnutí, zda jsou či nejsou PSV vykazující podobnost skutečně podobné, a měl by proto zajistit, aby konečné rozhodnutí bylo možné vysvětlit pádným odůvodněním.
Tato fáze procesu se soustředí na vyvolání důrazu, který je třeba klást na každý z PSV z hlediska vlivu na úspěšnost úkolu. Toho se dosahuje tím, že se spolu s odborníky zjišťuje pravděpodobnost úspěchu mezi dvojicemi úkolů a zároveň se posuzují dva dříve určené PSV. Zaznamenáním toho, kde se mění názor odborníků, lze tedy odvodit váhu vlivu každého PSV na úspěšnost úkolu. Pro zvýšení přesnosti výsledku by tato fáze měla být prováděna opakujícím se způsobem.
Index pravděpodobnosti úspěchu pro každý úkol se odvodí pomocí následujícího vzorce:
SLIj = (RijWi)
Kde
Tyto SLI jsou odhady pravděpodobnosti, s jakou se mohou vyskytnout různé typy chyb.
8. Převod SLI na pravděpodobnosti
Dříve vypočtené SLI je třeba transformovat na HEP, neboť se jedná pouze o relativní měřítka pravděpodobnosti úspěchu každého ze zvažovaných úkolů.
Vztah
se předpokládá, že existuje mezi SLI a HEP. P je pravděpodobnost úspěchu a a a b jsou konstanty; a a b se vypočítávají ze SLI dvou úkolů, kde již byla HEP stanovena.
9. Analýza nejistoty
Hranice nejistoty lze odhadnout pomocí metod odborného úsudku, jako je absolutní pravděpodobnost úsudku (APJ).
10. Využití SLIM-SARAH pro analýzy nákladové efektivnosti
Vzhledem k tomu, že SLIM hodnotí vysokoškolské diplomy jako funkci polyesterových střižových vláken, které jsou považovány za hlavní hybatele lidské spolehlivosti, je možné provést analýzu citlivosti úpravou skóre polyesterových střižových vláken. Při zvážení polyesterových střižových vláken, které mohou být změněny, míry, do jaké mohou být změněny, a důležitosti polyesterových střižových vláken je možné provést analýzu nákladů a přínosů, aby se zjistilo, jak hodnotná mohou být navrhovaná zlepšení, tj. analýza „co kdyby“, optimální prostředky, kterými lze vypočítané vysokoškolské diplomy snížit.
Následující příklad dobře ilustruje, jak je metodika SLIM využívána v praxi v oblasti HRA.
V této souvislosti je provozovatel odpovědný za úkol odpojit plnicí hadici od chemické silniční cisterny. Existuje možnost, že provozovatel může zapomenout uzavřít ventil umístěný proti proudu od plnicí hadice, což je zásadní část postupu; pokud by se to přehlédlo, mohlo by to mít nepříznivé důsledky, které by měly větší účinek na ovládaného provozovatele. Primární lidskou chybou, která v této situaci vzbuzuje obavy, je „nezavření V0204 před odpojením plnicí hadice“. Požadovaný úkon odpojení je poměrně snadný na provedení a nevyžaduje dokončení ve spojení s dalšími úkoly; proto pokud k selhání dojde, bude mít katastrofický dopad na rozdíl od postupného projevování účinků.
Tato technika rovněž vyžaduje „odbornou komisi“ k provedení SŽP; komise by se skládala například ze dvou provozovatelů, kteří mají přibližně desetiletou zkušenost se systémem, analytika lidských faktorů a analytika spolehlivosti, který má znalosti systému a určitou míru zkušeností s provozem.
Odborná komise by měla určit soubor SŽP, které jsou použitelné pro daný úkol v rámci širšího systému; z nich by pak měli odborníci navrhnout ty SŽP, ze zjištěných, které jsou nejdůležitější za okolností daného scénáře.
Pro tento příklad se předpokládá, že komise předložila ke zvážení pět hlavních SŽP, u nichž se předpokládá, že mají největší vliv na lidský výkon daného úkolu: školení, postupy, zpětná vazba, vnímané riziko a časový tlak.
S ohledem na situaci v rámci posuzovaného úkolu se komise žádá, aby poskytla další možné lidské chyby, které se mohou vyskytnout a které mohou ovlivnit výkon, např. chybné nastavení nebo ignorování poplachu. U každé z nich se od odborníků požaduje, aby stanovili, do jaké míry je každá z nich pro posuzovaný úkol buď optimální, nebo ne-optimální, a to na stupnici od 1 do 9, přičemž optimálním hodnocením je druhá jmenovaná. U tří zjištěných lidských chyb jsou níže uvedena hodnocení, o nichž se rozhoduje u každé z nich:
Pokud by každá ze zjištěných lidských chyb měla stejný význam, bylo by pak možné získat součet každé řady hodnocení a dospět k závěru, že nejpravděpodobněji by se vyskytl řádek s nejnižším celkovým hodnocením – v tomto případě by se jednalo o chybné nastavení alarmu. V této souvislosti se odborníci shodují, jak je tomu nejčastěji, v tom, že výše uvedené polyesterové střižové fondy nemají stejnou váhu. Za nejdůležitější se považují vnímané riziko a zpětná vazba, dvakrát větší než školení a postupy, které se považují za jedenapůlkrát důležitější než faktor času. Faktor času se v této souvislosti považuje za minimální, protože úkol je rutinní, a není proto časově omezen.
Význam každého faktoru lze sledovat pomocí přidělené váhy, jak je uvedeno níže. Všimněte si, že byly normalizovány na součet jednoty.
Pomocí čísel pro škálované váhy polyesterových střižových vláken a váhy jejich důležitosti je nyní možné vypočítat index pravděpodobnosti úspěšnosti (SLI) pro posuzovaný úkol.
Z výsledků výpočtů vyplývá, že hodnota SLI pro „chybné nastavení alarmu“ je nejnižší, což naznačuje, že se jedná o nejpravděpodobnější chybu, ke které dojde v průběhu dokončování úkolu.
Tyto údaje SLI však ještě nejsou ve formě pravděpodobnosti; jsou pouze náznakem pravděpodobnosti, s jakou se mohou různé chyby vyskytnout. SLI určují pořadí, v jakém se chyby nejpravděpodobněji vyskytnou; nevymezují absolutní pravděpodobnosti PSV. Pro převedení SLI na HEP je třeba údaje SLI nejprve standardizovat; to lze provést pomocí následující formulace.
Pokud jsou do souboru úkolů, který prochází kvantifikací, začleněny dva úkoly, pro které jsou HEP známy, pak lze parametry rovnice určit pomocí metody simultánních rovnic; pomocí výsledku lze tedy kvantifikovat neznámé hodnoty HEP. V uvedeném příkladu by měly být posouzeny dva další úkoly, např. A a B, které měly hodnoty HEP 0,5 a 10 -4, respektive SLI 4,00 a 6,00, pak by formulace byla:
Konečné hodnoty HEP by tedy byly stanoveny jako
V0204 = 0,0007
Chybné nastavení alarmu = 0,14
Ignorovaná upomínka = 0,0003
EMBREY, D.E., Humphreys, P.C., rRosa, E.A., Kirwan, B. & Rea, K., SLIM-MAUD: Přístup k posuzování pravděpodobnosti selhání lidského faktoru pomocí strukturovaného odborného úsudku. NUREG/CR-3518. 1984, US Nuclear Regulatory Commission: Washington DC.
Humphreys, P. (1995) Human Reliability Assessor’s Guide. Human Factors in Reliability Group.
Kirwan, B. (1994). A Practical Guide to Human Reliability Assessment. CPC Press.
Corlett, E.N., & Wilson, J.R. (1995). Evaluation of Human Work: A Practical Ergonomics Methodology. Taylor & Francis.