top of page

Психологічна енкциклопедія

Аналіз надійності людини: як оцінюють імовірність помилок у критичних системах

7 жовт.
Читати 19 хв

Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 року · Редакційна політика


Аналіз надійності людини, або Human Reliability Analysis (HRA), — це сімейство системних методів, за допомогою яких визначають безпеково значущі людські дії й можливі відмови виконання, аналізують умови, що формують результат, а за потреби оцінюють імовірність людської помилки. HRA застосовують там, де дії операторів, екіпажів, диспетчерів, клінічних команд або іншого персоналу входять до причинних ланцюгів ризику разом із технікою, програмним забезпеченням, процедурами та організацією.


Ключове слово тут — системний. HRA не є тестом «надійності працівника» і не призначений для присвоєння людині постійного відсотка помилковості. Об’єктом аналізу є конкретне завдання або людська подія в конкретному сценарії: що людина має помітити, зрозуміти, вирішити й зробити; скільки часу вона має; яку інформацію бачить; якою процедурою користується; як взаємодіє з командою та автоматизацією; чи існує можливість виявити й виправити відхилення. Сучасний огляд проблем і перспектив HRA підкреслює, що якість ідентифікації та опису human failure events безпосередньо визначає надійність подальшої кількісної оцінки. Levine et al., 2024


Тому число, яке в HRA позначають HEP — human error probability, — треба читати як умовну модельну оцінку для визначеної дії й визначених умов, а не як психологічну властивість особи. У критичних системах це принципово: зміна інтерфейсу, часових обмежень, процедури, складу команди або структури автоматизації може змінити ризик навіть тоді, коли люди залишаються тими самими. Зв’язок між ширшим поняттям і методом докладно розкрито у статті «Людська надійність».


Що таке аналіз надійності людини


У науковій та інженерній літературі HRA охоплює якісні й кількісні засоби оцінювання того, як людське виконання може сприяти відмові або, навпаки, відновленню складної системи. Великий бібліометричний огляд понад 1200 публікацій показує, що HRA сформувався на перетині інженерії надійності, людських факторів, аналізу ризику й досліджень соціотехнічних систем та застосовується в різних галузях. Patriarca et al., 2020


Огляд двох десятиліть досліджень описує типовий цикл HRA як визначення задачі й меж аналізу, моделювання завдань, аналіз людських помилок, їх кількісне оцінювання та формування рекомендацій щодо керування помилками. Hou et al., 2021. У практиці ці етапи можуть мати інші назви й різну глибину, але логіка зберігається: спочатку треба зрозуміти сценарій і людську роль у ньому, а вже потім надавати числову оцінку.


Найповніше HRA стандартизований і документований у галузях із розвиненим імовірнісним аналізом безпеки. Новий звіт IAEA Safety Reports Series No. 127 узагальнює сучасну рамку HRA для ядерних установок, охоплюючи процедури аналізу, чинники виконання, термінологію, методи та застосування в імовірнісному аналізі безпеки. Це галузева професійна рамка високої нормативної ваги, але її числові правила не слід автоматично переносити на медицину, авіацію чи будь-яку іншу сферу без перевірки контексту.


HRA, людська надійність і людська помилка — різні рівні поняття


Людська надійність описує успішність виконання потрібної функції за певних умов. HRA — це спосіб структуровано аналізувати й, коли це обґрунтовано, кількісно оцінювати цю надійність у конкретних сценаріях. Людська помилка — окремий клас небажаних результатів або дій у системі. Отже, «надійність», «аналіз надійності» й «помилка» пов’язані, але не взаємозамінні.


HRA також не є психометричним вимірюванням особистості, клінічною оцінкою, діагнозом або рейтингом професійної придатності. Його одиницями аналізу є завдання, сценарії, людські події, умови виконання, залежності та можливості відновлення. Кількісний результат набуває сенсу лише разом із цими умовами.


Де HRA стоїть у системі аналізу ризику


У класичному застосуванні HRA є частиною probabilistic risk assessment / probabilistic safety assessment: апаратні відмови, зовнішні події та людські дії моделюють у спільних сценаріях, щоб оцінити шлях від початкової події до наслідків. Саме тому HEP часто входить до дерева подій, дерева відмов або іншої імовірнісної моделі як одна з умовних імовірностей.


Але якісний результат HRA не менш важливий за число. Якісний аналіз описує, чому конкретна дія є складною, які сигнали можуть бути пропущені, де процедура створює неоднозначність, які режими автоматизації можуть бути неправильно зрозумілі, які завдання залежать одне від одного і де система дає шанс на відновлення. Levine et al., 2024 прямо наголошують, що якісна характеристика human failure events дає інформацію про причини, втручання та наслідки, якої сам HEP не містить.


У цьому сенсі HRA є мостом між ергономікою і людським фактором та інженерією ризику: він переводить знання про сприйняття, рішення, інтерфейси, команди й організаційні умови в структуру, придатну для аналізу безпеки.


Перспективний і ретроспективний аналіз


Найтиповіший HRA є перспективним: аналітики запитують, які людські відмови можуть виникнути в майбутньому сценарії й як вони вплинуть на ризик. Ретроспективні методи розслідування подій працюють із уже скоєним інцидентом і класифікують внесок людських та організаційних чинників. Ці завдання перетинаються, але мають різний об’єкт і різні критерії доказовості.


Наприклад, HFACS призначений насамперед для структурованого аналізу чинників подій і аварій, тоді як HRA часто намагається ще до події змоделювати критичні дії та їх імовірності. Поєднувати ці інструменти можна, але підміняти один іншим не слід.


Що саме моделюють у HRA


Завдання і критична дія


Аналіз починають не з абстрактної «людської помилки», а з функції системи та людської ролі. Наприклад: оператор має розпізнати відхилення параметра, правильно класифікувати стан, обрати процедуру, виконати послідовність дій і підтвердити відновлення. Для кожної ланки важливі свої джерела інформації, час, інтерфейс, вимоги до координації та критерії успіху.


Саме тому decomposition або task analysis у HRA має інженерний сенс: розкладання завдання потрібне настільки, наскільки воно допомагає знайти безпеково значущі точки відмови, а не для механічного дроблення роботи на максимальну кількість кроків.


Human failure event


Human failure event, HFE, — це подія, в якій людське виконання не забезпечує потрібний системі результат у межах визначеного сценарію. HFE може стосуватися невиявлення сигналу, неправильної інтерпретації, невдалого рішення, пропуску дії, помилкової дії, запізнення або невдалої командної координації.


Сучасна проблема полягає в тому, що різні методи HRA по-різному визначають і деталізують HFE. Це зменшує порівнюваність і простежуваність результатів між методами. Огляд Levine та колег називає цю варіативність однією з центральних методологічних проблем поля.


Успішне відновлення


HRA моделює не лише відмову. У реальних системах первинна помилка може бути виявлена самим оператором, іншим членом команди, автоматичним контролем або наступним етапом процедури. Якщо система дає достатній час і зрозумілий зворотний зв’язок, помилка може бути виправлена до небезпечного наслідку. Можливість recovery тому є окремою частиною багатьох HRA.


Це пов’язує HRA з логікою багаторівневих захисних бар’єрів, яку пояснює модель швейцарського сиру: небезпечна подія виникає не через сам факт одиничної помилки, а через конфігурацію помилок, слабких місць і недостатніх бар’єрів.


Як проводять аналіз надійності людини


1. Визначають мету, сценарій і межі


Спочатку формулюють, для якого рішення потрібен HRA. Це може бути імовірнісна оцінка ризику, перевірка нового дизайну, аналіз процедури, оцінювання аварійного сценарію або порівняння варіантів захисту. Без чіткої мети HRA легко перетворюється на каталог усіх можливих помилок, більшість із яких не впливають на системний ризик.


Межі визначають систему, фазу роботи, початкові події, людські ролі, доступну інформацію, часові вікна, стан обладнання та припущення про команду. Від цих рішень залежить подальша інтерпретація HEP.


2. Моделюють завдання і сценарій


Аналітик описує, що має відбутися від початкової події до успішного завершення або небезпечного стану. Для складної операторської діяльності важливо включити не лише моторні дії, а й виявлення, розуміння ситуації, прийняття рішення, комунікацію й перевірку результату.


NUREG-2114 синтезує психологічні й когнітивні дослідження в п’ять макрокогнітивних функцій, корисних для HRA: виявлення й помічання, розуміння й осмислення, прийняття рішення, дія та командна робота. Це не універсальна модель усієї психіки, а технічна рамка для аналізу людського виконання в контексті подій.


3. Виявляють безпеково значущі людські відмови


На цьому етапі формують HFE: де людська дія може не забезпечити функцію, якими можуть бути наслідки, чи є вона незалежною від інших подій і чи варто включати її до моделі ризику. Якість цього кроку важливіша за кількість записаних помилок.


Сучасні HRA прагнуть описувати не лише спостережуваний «неправильний крок», а й сценарій, у якому такий результат стає правдоподібним. Це зменшує ризик помилки заднім числом, коли після інциденту правильна відповідь здається очевидною.


4. Аналізують умови виконання


Далі оцінюють чинники, які змінюють імовірність успішного виконання. У різних методах їх називають performance shaping factors, performance influencing factors або common performance conditions. Категорії відрізняються, але зазвичай охоплюють доступний час, складність, якість процедур, досвід і тренування, стресори, ергономіку й людино-машинний інтерфейс, придатність до виконання, командну взаємодію та організаційні процеси.


Практична цінність цього кроку полягає в тому, що ризик стає пов’язаним із властивостями системи, які можна змінювати. Energy Institute прямо описує HRA як групу методів, що допомагають зрозуміти й контролювати людське виконання через дизайн робочого місця, документацію, компетентність та інші умови конкретного завдання.


5. Обирають метод і джерела даних


Метод обирають за метою аналізу, доступними даними, типом сценарію, потрібною деталізацією й галузевими вимогами. Швидкий screening і повна HRA для ліцензійної probabilistic safety assessment — різні задачі. Метод, що добре працює для послідовних процедурних дій, може бути слабшим для динамічної діагностики або нової цифрової системи.


Кількісні параметри можуть походити з баз даних, операційного досвіду, симуляторних досліджень, лабораторних експериментів, спостережень, експертного судження або комбінації джерел. Важливо документувати походження числа та межі його переносності.


6. Оцінюють HEP, якщо це потрібно


HEP — це умовна імовірність того, що визначена людська дія або подія не досягне критерію успіху в заданих умовах. У деяких методах HEP отримують із базової імовірності та коригують за чинниками виконання; в інших будують сценарну або причинну модель, застосовують експертне оцінювання чи байєсівські структури.


Саме слово «імовірність» не робить HEP точним вимірюванням частоти в природі. У рідкісних аварійних сценаріях прямі емпіричні дані обмежені, а оцінка залежить від моделі, визначення HFE, даних і суджень аналітиків.


7. Враховують залежності й відновлення


Дві людські події рідко бувають повністю незалежними, якщо їх виконує та сама команда, у близький час, за однакової інформаційної картини або під впливом того самого дефекту процедури. Спільні причини можуть робити просте перемноження HEP некоректним.


Так само важливо не втратити recovery: додаткову підказку, перевірку колеги, незалежне підтвердження або сигнал системи, який дає шанс виправити початкове відхилення. Якісно сильний HRA описує і шляхи відмови, і шляхи повернення до безпечного стану.


8. Аналізують невизначеність і вбудовують результат у модель ризику


Кінцева HRA має показувати, які припущення найбільше впливають на результат. Для цього використовують аналіз чутливості, діапазони, розподіли невизначеності або альтернативні сценарії. Значення HEP без такого контексту може створювати хибну видимість точності.


Після цього HFE й HEP інтегрують у модель ризику, порівнюють внесок людських подій з іншими шляхами відмови й визначають, які зміни дизайну або організації дадуть найбільше зниження ризику.


Чинники, що формують виконання: PSF і PIF


PSF/PIF — це не список «людських слабкостей». Це параметри контексту, через які метод HRA представляє умови виконання. Їхній зміст залежить від конкретного методу. Тому назви факторів, ваги й множники не можна змішувати між різними HRA так, ніби вони є універсальними психологічними константами.


У SPAR-H, NUREG/CR-6883 застосовуються вісім performance shaping factors: доступний час; стрес і стресори; складність; досвід і тренування; процедури; ергономіка та людино-машинний інтерфейс; придатність до виконання; робочі процеси. Метод окремо розглядає залежності між людськими подіями та невизначеність.


Ці фактори корисні як структурована рамка, але не означають, що кожен фактор діє незалежно. Наприклад, погана процедура може збільшувати потрібний час і складність, а невдалий інтерфейс — одночасно погіршувати виявлення, розуміння та швидкість дії. Подвійний облік пов’язаних впливів є типовим ризиком кількісної HRA.


Чому контекст важливіший за ярлик «помилився»


Після небезпечної події легко записати: «оператор не виконав дію». Для HRA цього недостатньо. Треба встановити, яку інформацію оператор мав у той момент, чи був сигнал помітним, чи відповідала процедура фактичному стану, які альтернативні гіпотези були правдоподібними, який час залишався й чи могла команда перевірити рішення.


Ця системна логіка збігається з підходом статті «Людська помилка»: помилка є подією у взаємодії людини з умовами, а не завершеним причинним поясненням.


Основні методи HRA


HRA не має одного універсального методу. Різні підходи виникали в різні періоди, для різних задач і з різними припущеннями. Нижче наведено найвідоміші сімейства й методи; їхній статус — професійні інженерні методики та дослідницькі моделі, а не психологічні «закони помилки».


THERP


Technique for Human Error Rate Prediction, THERP, є одним із засадничих кількісних підходів HRA. Класичний Handbook of Human Reliability Analysis Свейна і Гуттманна систематизував розкладання завдань, human error probabilities, залежності й подання людських дій у логіці probabilistic risk assessment.


Сильна сторона THERP — явна структура й інтеграція з інженерними моделями надійності. Слабке місце — значна залежність від історичних таблиць і спрощень для контексту та когнітивних процесів. Тому сучасний HRA часто використовує THERP як історичну й методичну основу, але доповнює контекстуальними моделями.


HEART


Human Error Assessment and Reduction Technique, HEART, створено як відносно швидкий метод оцінювання. Тип завдання співвідносять із базовою ймовірністю, після чого враховують error-producing conditions. HEART зручний для screening і пріоритизації, коли потрібна прозора процедура без надмірно складної моделі.


Його швидкість водночас є обмеженням: широкі категорії завдань і експертні оцінки ступеня впливу умов не забезпечують такої сценарної деталізації, як методи, спеціально побудовані для складної діагностики або динамічних командних ситуацій. Огляд HRA методів і літератури розглядає HEART серед усталених інструментів поряд із THERP, CREAM і SPAR-H. Hou et al., 2021


SPAR-H


SPAR-H був розроблений NRC та Idaho National Laboratory для практичного використання в ризик-інформованій регуляторній роботі. Метод розділяє діагностичні й виконавчі компоненти, задає номінальні HEP, коригує їх через вісім PSF, а також має правила для залежності та представлення невизначеності.


У класичній SPAR-H номінальні значення для diagnosis та action є метод-специфічними стартовими параметрами. Їх не слід цитувати як «середню частоту помилок людини» поза процедурою SPAR-H. Саме контекст, PSF, залежності та визначення HFE надають цим числам зміст.


CREAM


CREAM Еріка Холлнагеля належить до контекстуально орієнтованих HRA. Метод пов’язує надійність виконання з common performance conditions та режимами контролю, намагаючись моделювати не лише окремий крок, а й умови, в яких формується когнітивне виконання.


CREAM важливий історично й концептуально, оскільки посилив увагу до контексту. Водночас зв’язок складних когнітивних моделей із точною кількісною HEP залишається дискусійною ділянкою HRA. Levine et al., 2024 прямо вказують на дефіцит методів, які одночасно дають багату характеристику HFE та переконливу точність кількісної оцінки.


ATHEANA


A Technique for Human Event Analysis, ATHEANA, зосереджується на сценаріях і error-forcing context, особливо там, де небезпечна дія може бути зрозумілою в контексті інформації та умов, доступних операторові. NUREG-1880 описує і якісну, і кількісну процедури ATHEANA для HRA у складі probabilistic risk assessment.


Цей підхід важливий для відмови від спрощеного припущення, ніби помилка завжди є випадковим «промахом». У складному сценарії небезпечна дія може бути наслідком правдоподібного, але неправильного розуміння стану системи.


IDHEAS


Integrated Human Event Analysis System, IDHEAS, є сучаснішою лінією NRC. NUREG-2198 формулює загальну human-centered methodology, яка має розширити сферу застосування, посилити наукову основу, зменшити варіативність між аналітиками та поліпшити роботу з даними.


NUREG-2199 розвиває IDHEAS для внутрішніх подій на атомних станціях під час роботи на потужності, використовуючи когнітивну основу NUREG-2114, структурований task analysis, моделювання часової невизначеності та кількісну модель. IDHEAS-ECA, NUREG-2256 адаптує цю лінію для event and condition assessment.


IDHEAS показує напрям розвитку HRA: тісніше поєднання когнітивної науки, сценарної структури, даних і формалізованої кількісної оцінки. Водночас метод має визначену область застосування; його параметри не слід переносити як універсальні для будь-якої галузі.


Що означає HEP і як його правильно читати


Human error probability — це числова оцінка ймовірності визначеної людської відмови в межах визначеного сценарію. Якщо HEP дорівнює певному значенню, це не означає, що «ця людина помиляється з такою частотою». Коректне твердження має звучати приблизно так: за прийнятої моделі, умов, критеріїв успіху та припущень оцінена ймовірність невиконання цієї конкретної функції становить певну величину.


Один HEP може змінюватися на порядки величини залежно від часу, складності, сигналів, процедур, тренування, інтерфейсу та залежностей. Саме тому числова HRA без опису сценарію є слабким доказом.


Для управлінських рішень корисно дивитися не лише на точковий HEP, а й на внесок події в загальний ризик, невизначеність, чутливість до припущень і те, які зміни системи реально можуть знизити ризик.


Номінальна HEP не є емпіричною константою людини


Методи на кшталт SPAR-H мають номінальні базові HEP для певних класів діяльності. Це елемент конкретної методики, а не біологічна стала. Його значення виникає всередині правил методу, разом із PSF, залежностями й сценарними припущеннями.


Так само таблиці THERP відображають історичну інженерну базу й категоризацію завдань, а не універсальну карту людської поведінки. Сучасні дослідження HRA розвиваються саме тому, що завдання, цифрові інтерфейси, автоматизація й командні процеси змінилися, а дані для рідкісних подій залишаються обмеженими.


Звідки беруть дані для HRA


Операційний досвід


Дані реальної експлуатації цінні тим, що відображають справжні системи й реальний контекст. Проблема полягає в тому, що критичні аварійні ситуації навмисно є рідкісними, а записи часто містять більше інформації про невдачі, ніж про кількість усіх можливостей для успішного виконання. Без знаменника частоту помилок оцінити складно.


Крім того, події, що сталися, не обов’язково репрезентують сценарії майбутньої системи після редизайну, зміни автоматизації або нової процедури.


Симулятори та експерименти


Повномасштабні симулятори й контрольовані експерименти дають змогу повторювати сценарії, змінювати умови й спостерігати когнітивні та командні процеси. Це сильне джерело для перевірки механізмів і порівняння дизайнів.


Проте поведінка в симуляторі не повністю тотожна поведінці під реальною загрозою, а кількість учасників і сценаріїв часто обмежена. Результат потребує обережного перенесення на операційні HEP.


Експертне судження


Коли прямих даних мало, HRA використовує структуроване експертне судження. Воно корисне для інтеграції різнорідних джерел, але може вносити варіативність між аналітиками. Тому важливі явні критерії, калібрування, документація припущень і, за можливості, незалежна перевірка.


Байєсівські мережі привабливі тим, що можуть поєднувати емпіричні дані, когнітивні моделі та експертні оцінки, однак огляд їх застосування в HRA виявляє проблеми прозорості побудови моделей і залежність кількісної частини від експертного elicitation. Mkrtchyan, Podofillini & Dang, 2015


Залежність між людськими подіями


Припущення незалежності може сильно занижувати ризик. Якщо дві дії виконує та сама команда в одному сценарії, вони можуть залежати від спільної ментальної моделі, того самого дефектного сигналу, однакової процедури, стресора або обмеження часу. Помилка на ранньому етапі може також змінити інформацію й умови наступного етапу.


Методи HRA мають різні правила для dependency. У SPAR-H, наприклад, залежність оцінюють окремо з урахуванням таких характеристик, як команда, часовий зв’язок, місце та додаткові підказки. NUREG/CR-6883 містить спеціальні правила й приклади для залежності.


Практичний висновок простий: дві HEP не можна автоматично множити лише тому, що вони записані як дві окремі події. Спершу треба з’ясувати, чи справді події мають незалежні причини й інформаційні умови.


Невизначеність у HRA


Невизначеність є нормальною властивістю HRA, а не технічним дефектом, який можна повністю усунути. Вона виникає через рідкісність подій, неповноту даних, варіативність людей і команд, невизначеність майбутнього сценарію, вибір методу та експертні судження.


Корисно розрізняти принаймні три джерела: parameter uncertainty — невизначеність числових параметрів; model uncertainty — невизначеність щодо того, яка структура моделі краще описує виконання; scenario uncertainty — невизначеність того, як саме розвиватиметься подія й яка інформація буде доступна людям.


Якісний HRA робить ці припущення видимими. Професійна слабкість починається тоді, коли HEP подають із багатьма десятковими знаками без пояснення джерел, діапазону й чутливості. Огляд Levine et al., 2024 показує, що поєднання багатої характеристики HFE з достовірною кількісною оцінкою залишається відкритою проблемою досліджень.


Цифрові інтерфейси й автоматизація змінюють HRA


У цифровій системі оператор може виконувати менше фізичних дій, але більше моніторингу, навігації між екранами, інтеграції інформації, керування режимами й діагностики. Тому історична HEP для механічного кроку не обов’язково описує сучасне когнітивне завдання.


Огляд цифровізації диспетчерських атомних станцій показав, що цифрові системи можуть одночасно покращувати й погіршувати людську надійність; частина ефектів залежить від конкретного дизайну, а кількісні ефекти на частоту помилок часто потребують додаткових досліджень. Porthin, Liinasuo & Kling, 2020


Для HRA це означає необхідність моделювати не «людину поруч із автоматизацією», а спільну людино-технічну систему: які стани видно, які режими приховані, як працює зворотний зв’язок, коли оператор переходить від моніторингу до втручання і які знання потрібні для відновлення.


Приклад HRA: аварійне відновлення параметра


Уявімо систему, де після відмови автоматичного регулювання команда має впродовж десяти хвилин стабілізувати критичний параметр. Спрощений аналіз міг би записати одну подію: «оператор не відновив параметр». Повноцінний HRA розкладає цей сценарій на функціонально важливі частини.


Спочатку система має створити помітний і достовірний сигнал. Далі команда повинна виявити відхилення, зрозуміти його причину, відрізнити реальну відмову від несправності датчика, обрати відповідну процедуру, знайти потрібний екран або орган керування, виконати дію й перевірити результат. Якщо перша спроба неуспішна, важливо знати, чи залишиться час на альтернативну дію.


Контекст може містити взаємозалежні проблеми: кілька сигналів надходять одночасно; процедура написана для іншої конфігурації; автоматизація переходить у режим, який неочевидний оператору; члени команди бачать різні екрани; часовий запас скорочується.


HRA перетворює цей опис у HFE, оцінює релевантні PSF/PIF, визначає залежності, recovery та невизначеність, а потім — якщо цього вимагає модель ризику — оцінює HEP. Найцінніший результат може полягати не в самому числі, а в тому, що редизайн сигналізації, спрощення процедури та незалежне підтвердження критичної дії різко послаблюють шлях до небезпечного стану.


Як HRA використовують для дизайну безпечніших систем


HRA має сенс тоді, коли результат повертається в дизайн і керування системою. Якщо аналіз лише обчислює HEP, але не змінює умови, він реалізує лише частину своєї потенційної цінності.


Типові напрями втручань випливають із конкретного сценарію: зробити критичні стани видимішими; зменшити кількість одночасних цілей; усунути неоднозначні режими; спростити або переробити процедуру; додати незалежне підтвердження; змінити часову послідовність; забезпечити резервний канал інформації; поліпшити командні ролі; перенести частину перевірок у систему; створити ранні бар’єри, які не дають помилці розвинутися.


Тут важливо не плутати контроль і покарання. HRA спрямований на керування ризиком через властивості системи. Якщо висока HEP виникає через погану видимість стану, суперечливу процедуру або неможливе часове вікно, посилення дисциплінарного тиску не усуває головний механізм.


Питання відповідальності після події має окрему логіку. Її розглядає «Справедлива культура безпеки», де людську помилку відокремлюють від ризикованої поведінки та свідомого нехтування суттєвим ризиком.


Де застосовують HRA


Ядерна енергетика


Найрозвиненіша формальна база HRA сформована в ядерній енергетиці. Тут аналіз інтегрований у probabilistic safety assessment, а методи, терміни й вимоги описані в документах NRC та IAEA. IAEA Safety Reports Series No. 127 є актуальною узагальнювальною рамкою 2025 року для нових і чинних ядерних установок.


Ця галузь дала HRA багато класичних інструментів — THERP, SPAR-H, ATHEANA, IDHEAS — але саме тому особливо важливо не переносити їх галузеві числа без адаптації.


Авіація, транспорт, морські та процесні системи


У цих сферах HRA використовують для критичних операцій, диспетчерських задач, аварійного реагування, технічного обслуговування й управління складними людино-машинними системами. Методи адаптують до конкретних сценаріїв і джерел даних.


У транспорті й авіації кількісна HRA часто співіснує з іншими інструментами людських факторів та аналізу подій. Важливо зберігати різницю між перспективним прогнозуванням людських відмов і ретроспективним розслідуванням уже скоєних подій.


Охорона здоров’я


HRA застосовують і в patient safety: для аналізу клінічних процедур, медикаментозних процесів, операційних і технічних задач. Систематичний огляд 2026 року охопив застосування HRA в охороні здоров’я за 2000–2025 роки та показав розширення методів і дослідження performance influencing factors у різних типах несприятливих подій. Wang, Zhou & Lin, 2026


Медичне застосування не означає, що HEP із ядерної енергетики можна напряму переносити в клініку. Пацієнт, команда, обладнання, організація роботи й наслідки мають іншу структуру; валідність методу треба доводити для відповідного контексту.


HRA і системний погляд на людську помилку


Безпеково критичний аналіз слабшає, коли «людська помилка» використовується як фінальна причина. Якщо оператор натиснув неправильний елемент, HRA запитує, чому саме цей елемент був правдоподібним вибором; чи були елементи схожими; чи було видно поточний режим; як процедура формулювала дію; чи була можливість перевірки; чи не створила попередня автоматична дія хибну картину стану.


Цей підхід не скасовує людську агентність і відповідальність. Він робить причинний аналіз точнішим. Система безпеки повинна враховувати передбачувану варіативність людського виконання так само, як вона враховує варіативність технічних компонентів, середовища й інформаційних каналів.


Модель швейцарського сиру додає до цього картину багатьох бар’єрів і латентних умов. HRA додає детальніший аналіз конкретних людських подій і, де це потрібно, їх імовірнісне представлення.


Що HRA не може гарантувати


HRA не прогнозує точну поведінку конкретної людини в майбутньому. Він оцінює сценарій за моделлю та даними.


HRA не перетворює складну когнітивну діяльність на безпомилкове число. Чим складнішими є діагностика, командна адаптація, нова автоматизація й невизначеність сценарію, тим сильніше результат залежить від моделі й припущень.


HRA не доводить причинність лише тому, що певний PSF отримав несприятливу оцінку. Категорії чинників — аналітичні конструкції методів; причинні твердження потребують окремих даних.


HRA не замінює ergonomics evaluation, usability testing, incident investigation, organizational analysis або safety engineering. Він з’єднує частину цих знань із ризиковою моделлю.


HRA не є універсальним юридичним або дисциплінарним інструментом для встановлення провини. HEP не визначає персональну відповідальність.


Основні обмеження доказової бази


Рідкісні критичні події дають мало прямих даних


Безпечні системи спеціально проєктують так, щоб катастрофічні сценарії траплялися рідко. Через це статистики саме для потрібної критичної дії часто недостатньо. Аналітики змушені поєднувати різні типи даних і експертне судження.


Різні методи можуть давати різні результати


Методи по-різному визначають HFE, контекст, чинники, залежності й механізм кількісної оцінки. Тому різниця між HEP не обов’язково означає, що один метод «помиляється»; вона може відображати різні моделі того самого сценарію.


Саме проблема сумісності, простежуваності та наукової основи сучасних HRA є центральною темою огляду Levine et al. 2024 року.


Когнітивні моделі складно валідувати


Більш багаті моделі краще представляють контекст, але їхні причинні зв’язки й параметри важче перевірити емпірично. Це створює характерний компроміс між простотою кількісної процедури та психологічною реалістичністю.


NUREG-2114 намагається посилити технічну основу HRA через синтез психології, когнітивної науки й людських факторів, а IDHEAS переносить цю основу в структуровані методи. Це важливий розвиток, але не остаточне вирішення проблеми валідації.


Переносність між системами обмежена


Одна й та сама назва завдання може приховувати різні інтерфейси, часові режими, процедури, тренування й організаційні умови. Тому HEP має переноситися лише тоді, коли аналітик може обґрунтувати подібність контексту. Особливо обережним має бути перенос між галузями.


Як обирають метод HRA


Найкращого методу для всіх задач немає. Вибір починається з рішення, яке має підтримати аналіз. Для раннього screening потрібні швидкість і прозорість; для регуляторної PRA — простежуваність, формалізована кількісна процедура й робота з невизначеністю; для нового цифрового інтерфейсу — достатня чутливість до когнітивних і людино-машинних механізмів.


Практично корисно перевірити шість питань: чи метод охоплює потрібний тип дій; чи відповідає він фазі системи; які дані вимагає; як представляє контекст; як працює із залежністю й recovery; як валідовано його кількісну частину для вашої області.


Методична дисципліна важливіша за бренд методу. Добре задокументована HRA з прозорими припущеннями, альтернативними сценаріями й аналізом чутливості часто корисніша за складну модель, у якій неможливо простежити походження числа.


Як читати результати HRA в звіті


Перед числом HEP варто знайти точне визначення HFE: що вважається відмовою, у якому часовому вікні й за яких умов.


Потім перевірити, яким методом отримана оцінка, звідки походять базові дані, як визначені PSF/PIF, чи враховані залежності та recovery, який діапазон невизначеності й наскільки результат змінюється при інших припущеннях.


Нарешті, важливо подивитися на системний наслідок: чи справді ця HFE домінує в ризику, чи її внесок перекривається іншими бар’єрами, і які зміни здатні зменшити ризик. HRA є інструментом прийняття рішень, а не конкурсом за найточніше десяткове число.


Поширені помилки інтерпретації


«HEP = 0,01, отже кожна сотa дія закінчиться помилкою». Ні: HEP — умовна оцінка конкретної події в моделі; послідовність реальних виконань може мати іншу структуру залежностей і умов.


«Високий HEP означає ненадійного працівника». Ні: він може відображати недостатній час, складний інтерфейс, погану процедуру або іншу властивість системи.


«Один метод дав число, отже ризик виміряний об’єктивно». Число залежить від HFE, моделі, даних і припущень; потрібні невизначеність і чутливість.


«Людська помилка — це причина, тож HRA має знайти винного». HRA аналізує внесок людського виконання в систему ризику; для причинного аналізу треба дослідити контекст і бар’єри.


«Новий цифровий інтерфейс автоматично зменшує HEP». Цифровізація змінює профіль задач і може як знижувати, так і створювати нові ризики. Porthin et al., 2020


Запитання і відповіді


Чи може HRA передбачити, чи помилиться конкретна людина?


Ні. HRA оцінює людську подію в заданому сценарії, а не індивідуальну долю конкретного оператора. Його результат є умовною оцінкою для певних задач, умов і моделі.


Що таке HEP?


HEP — human error probability, імовірність визначеної людської відмови за заданих умов. Це модельний параметр, який має сенс лише разом із визначенням HFE, контекстом, методом і невизначеністю.


Чим HRA відрізняється від людської надійності?


Людська надійність — поняття про успішність виконання потрібної функції. HRA — процес і набір методів, якими цю надійність аналізують та, за потреби, кількісно оцінюють.


Який метод HRA є найточнішим?


Універсальної відповіді немає. Точність залежить від типу сценарію, якості даних, способу визначення HFE та валідності методу для конкретної галузі. Сучасна література прямо вказує, що одночасне забезпечення багатої характеристики HFE й високої точності кількісної оцінки залишається відкритою проблемою. Levine et al., 2024


Чи можна застосовувати SPAR-H поза ядерною енергетикою?


Структуру факторів можна використовувати як джерело ідей, але кількісне перенесення потребує окремого обґрунтування. SPAR-H розроблений у конкретному регуляторному й галузевому контексті NRC.


Чи HRA враховує командну роботу?


Так, сучасні підходи можуть моделювати командні процеси, залежності й спільні умови виконання. NUREG-2114 прямо включає teamwork до п’яти макрокогнітивних функцій, а IDHEAS моделює роботу тренованих екіпажів у визначених процесах. NUREG-2114


Чи можна використовувати HRA в медицині?


Так, HRA застосовується в patient safety, але методи та числові параметри мають адаптуватися до клінічного контексту. Систематичний огляд Wang, Zhou & Lin, 2026 описує застосування HRA у сфері охорони здоров’я за 2000–2025 роки.


Чи означає висока HEP, що треба посилити контроль за працівником?


Ні. Спершу треба з’ясувати, які умови формують HEP. Якщо ризик зростає через дизайн інтерфейсу, недостатній час, процедуру або залежності, ефективне втручання має змінювати ці умови. Дисциплінарна реакція без причинного аналізу може залишити головний механізм ризику недоторканим.


Пов’язані статті







Джерела


Gertman, D. I., Blackman, H. S., Marble, J. L., Byers, J. C., & Smith, C. L. (2005). The SPAR-H Human Reliability Analysis Method (NUREG/CR-6883). U.S. Nuclear Regulatory Commission.


Hollnagel, E. (1998). Cognitive Reliability and Error Analysis Method (CREAM). Elsevier. https://doi.org/10.1016/B978-0-08-042848-2.X5000-3.


Hou, L.-X., Liu, R., Liu, H.-C., & Jiang, S. (2021). Two decades on human reliability analysis: A bibliometric analysis and literature review. Annals of Nuclear Energy, 151, 107969.



Levine, C. S., Al-Douri, A., Paglioni, V. P., Bensi, M., & Groth, K. M. (2024). Identifying human failure events for human reliability analysis: A review of gaps and research opportunities. Reliability Engineering & System Safety, 245, 109967.


Mkrtchyan, L., Podofillini, L., & Dang, V. N. (2015). Bayesian belief networks for human reliability analysis: A review of applications and gaps. Reliability Engineering & System Safety, 139, 1–16.


Patriarca, R., Di Gravio, G., Costantino, F., Falegnami, A., & Bilotta, F. (2020). Human reliability analysis: Exploring the intellectual structure of a research field. Reliability Engineering & System Safety, 203, 107102.


Porthin, M., Liinasuo, M., & Kling, T. (2020). Effects of digitalization of nuclear power plant control rooms on human reliability analysis — A review. Reliability Engineering & System Safety, 194, 106415.


Swain, A. D., & Guttmann, H. E. (1983). Handbook of Human Reliability Analysis with Emphasis on Nuclear Power Plant Applications (NUREG/CR-1278). U.S. Nuclear Regulatory Commission / Sandia National Laboratories.


U.S. Nuclear Regulatory Commission. (2007). ATHEANA User’s Guide (NUREG-1880).


U.S. Nuclear Regulatory Commission. (2016). Cognitive Basis for Human Reliability Analysis (NUREG-2114).





Wang, D., Zhou, M., & Lin, Q. (2026). Human Reliability Analysis for Reducing Human Errors in Healthcare: A Systematic Literature Review. Quality and Reliability Engineering International, 42(5), 2638–2653.

 
 
bottom of page