علی‌رضا نیک‌رأی، محمدرضا وصالی ناصح، عباس محمدی،
دوره 13، شماره 3 - ( فصلنامه تخصصی انجمن ارگونومی و مهندسی عوامل انسانی ایران- در دست انتشار 1404 )
چکیده
اهداف: با پیچیده‌تر شدن سامانه‌های صنعتی و ورود فناوری‌های تجهیزمحور، نقش انسان در ایمنی و کارآیی سیستم‌ها همچنان کلیدی باقی مانده‌است. این پژوهش با مرور مطالعات HRA در بازه ۲۰۱۰ تا ۲۰۲۳، به شناسایی و مقایسه روش‌های تحلیلی مختلف، انطباق آنها با فناوری‌هایی نظیر هوش مصنوعی و کارخانه تاریک و استخراج شکاف‌های پژوهشی پرداخته است.
روش کار: با بکارگیری کلیدواژه‌های تخصصی در پایگاه‌های علمی، بیش از ۲۳۰ پژوهش شناسایی شد که پس از حذف نتایج تکراری، ۱۸۰ مطالعه برای تحلیل نهایی انتخاب‌گردید. مقالات از نظر روش‌شناسی، صنایع هدف، کشور و مؤسسه مجری و مجلات منتشرکننده، بررسی و مقایسه گردید.
یافته‌ها: روش‌های SHERPA، CREAM و Fuzzy Mathematics بیشترین کاربرد را در این مطالعات داشته است. ایالات‌متحده، چین و کره‌جنوبی به‌عنوان کشورهای پیشرو شناخته شدند. تحلیل روش‌ها نشان داد هیچ روش کیفی یا کمّی به‌تنهایی قادر به تحقق اهداف سه‌گانه HRA (شناسایی خطا، برآورد احتمال و طراحی کنترل‌ها) نیست. لذا اتخاذ رویکرد ترکیبی SHERPA–TESEO با شناسایی و کنترل خطاها توسط روش SHERPA و برآورد سریع و بدبینانه احتمال خطا با روش TESEO، به‌عنوان یک رویکرد کارآمد پیشنهاد شد. در نهایت، ۱۰ شکاف پژوهشی شناسایی و ارائه گردید.
نتیجه‌گیری: رویکرد ترکیبی SHERPA–TESEO راهکاری عملیاتی برای دستیابی به اهداف سه‌گانه HRA است. با این وجود، در محیط‌های هوشمند و تولید بدون اپراتور، گذار از تحلیل‌های ایستا به مدل‌های پویا و داده‌محور ضروری است. این پژوهش بازنگری وظایف شناختی در SHERPA، بازتنظیم ضرایب اصلاحی در TESEO و ادغام با داده‌های بلادرنگ و تعامل انسان- هوش مصنوعی را پیشنهاد می‌نماید. تغییری که می‌تواند پیش‌بینی لحظه‌ای ریسک خطا و مداخله به‌هنگام را تقویت نماید.
