عنوان	تحلیلی بر مطالعات ارزیابی قابلیت اطمینان و تحلیل ریسک خطاهای انسانی با نگاهی بر گسترش هوش مصنوعی و کارخانه تاریک
نوع پژوهش	مقاله چاپ‌شده
کلیدواژه‌ها	خطای انسانی، رویکرد ترکیبی، قابلیت اطمینان انسانی، کارخانه تاریک، هوش مصنوعی
چکیده	اهداف: با پیچیدهترشدن سامانههای صنعتی و ورود فناوریهای تجهیزمحور، نقش انسان در ایمنی و کارایی سیستمها همچنان کلیدی باقی مانده است. این پژوهش با مرور مطالعات HRAدر بازه 2010تا ،2023به 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 بهکارگیری کلیدواژههای تخصصی در پایگاههای علمی، بیش از 230پژوهش شناسایی شد که پس از حذف نتایج تکراری، 180مطالعه برای تحلیل نهایی انتخاب شدند. مقالات از نظر روششناسی، صنایع هدف، کشور و مؤسسه مجری و مجلات منتشرکننده، بررسی و مقایسه شدند. یافتهها:روشهای CREAM ،SHERPAو Fuzzy Mathematicsبیشترین کاربرد را در این مطالعات داشتهاند. ایالاتمتحده، چین و کره جنوبی بهعنوان کشورهای پیشرو شناخته شدند. تحلیل روشها نشان داد هیچ روش کیفی یا کمّیای بهتنهایی قادر نیست اهداف سهگانه ( HRAشناسایی خطا، برآورد احتمال و طراحی کنترلها) را محقق کند. لذا، اتخاذ رویکرد ترکیبی SHERPA–TESEOبا شناسایی و کنترل خطاها با روش SHERPAو برآورد سریع و بدبینانه احتمال خطا با روش ،TESEOبهعنوان رویکردی کارآمد پیشنهاد شد. در نهایت، ده شکاف پژوهشی شناسایی و ارائه شد. نتیجهگیری: رویکرد ترکیبی SHERPA–TESEOراهکاری عملیاتی برای دستیابی به اهداف سهگانه HRA است. باوجوداین، در محیطهای هوشمند و تولید بدون اپراتور، گذار از تحلیلهای ایستا به مدلهای پویا و دادهمحور ضروری است. این پژوهش بازنگری وظایف شناختی در ،SHERPAبازتنظیم ضرایب اصلاحی در TESEOو ادغام با دادههای بلادرنگ و تعامل انسان با هوش مصنوعی را پیشنهاد میکند؛ تغییری که میتواند پیشبینی لحظهای ریسک خطا و مداخله بههنگام را تقویت کند
پژوهشگران	محمد رضا وصالی ناصح (نفر دوم)، علیرضا نیک رای (نفر اول)، عباس محمدی (نفر سوم)