論文の概要: InSight-R: A Framework for Risk-informed Human Failure Event Identification and Interface-Induced Risk Assessment Driven by AutoGraph
- arxiv url: http://arxiv.org/abs/2507.00066v1
- Date: Sat, 28 Jun 2025 02:04:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-03 14:22:58.237695
- Title: InSight-R: A Framework for Risk-informed Human Failure Event Identification and Interface-Induced Risk Assessment Driven by AutoGraph
- Title（参考訳）: InSight-R:AutoGraphによるリスクインフォームドヒューマン障害事象同定とインタフェースによるリスク評価のためのフレームワーク
- Authors: Xingyu Xiao, Jiejuan Tong, Peng Chen, Jun Sun, Zhe Sui, Jingang Liang, Hongru Zhao, Jun Zhao, Haitao Wang,
- Abstract要約: 原子力などの安全上重要な領域では、人間の信頼性が重要な問題となっている。
現在の手法は、人間の失敗事象(HFE)を特定し、パフォーマンスに影響する要因(PIF)を割り当てる専門家の判断に大きく依存している。
本研究では,オートグラフ(InSight-R)によるリスク情報に基づくヒューマン障害事象識別とインターフェースリスク評価のためのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 9.484700902829578
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human reliability remains a critical concern in safety-critical domains such as nuclear power, where operational failures are often linked to human error. While conventional human reliability analysis (HRA) methods have been widely adopted, they rely heavily on expert judgment for identifying human failure events (HFEs) and assigning performance influencing factors (PIFs). This reliance introduces challenges related to reproducibility, subjectivity, and limited integration of interface-level data. In particular, current approaches lack the capacity to rigorously assess how human-machine interface design contributes to operator performance variability and error susceptibility. To address these limitations, this study proposes a framework for risk-informed human failure event identification and interface-induced risk assessment driven by AutoGraph (InSight-R). By linking empirical behavioral data to the interface-embedded knowledge graph (IE-KG) constructed by the automated graph-based execution framework (AutoGraph), the InSight-R framework enables automated HFE identification based on both error-prone and time-deviated operational paths. Furthermore, we discuss the relationship between designer-user conflicts and human error. The results demonstrate that InSight-R not only enhances the objectivity and interpretability of HFE identification but also provides a scalable pathway toward dynamic, real-time human reliability assessment in digitalized control environments. This framework offers actionable insights for interface design optimization and contributes to the advancement of mechanism-driven HRA methodologies.
- Abstract（参考訳）: 人間の信頼性は、運用上の失敗がヒューマンエラーと結びつくことの多い原子力などの安全上重要な領域において、依然として重要な関心事である。
従来のヒューマン信頼性分析(HRA)手法は広く採用されているが、人間の障害事象(HFE)を特定し、パフォーマンスに影響する要因(PIF)を割り当てる専門家の判断に大きく依存している。
この依存は、再現性、主観性、インタフェースレベルのデータの限定的な統合に関連する課題をもたらす。
特に、現在のアプローチでは、ヒューマン・マシン・インタフェース設計がオペレータのパフォーマンスのばらつきとエラーの感受性にどのように貢献するかを厳格に評価する能力が欠如している。
これらの制約に対処するため,オートグラフ(InSight-R)によるリスクインフォームドヒューマン障害事象識別とインタフェースによるリスク評価のためのフレームワークを提案する。
InSight-Rフレームワークは、経験的行動データを、自動グラフベースの実行フレームワーク(AutoGraph)によって構築されたインターフェース埋め込み知識グラフ(IE-KG)にリンクすることにより、エラー発生経路と時間逸脱経路の両方に基づいて、自動HFE識別を可能にする。
さらに,設計者とユーザ間の衝突とヒューマンエラーの関係についても考察する。
その結果、InSight-Rは、HFE識別の客観性と解釈可能性を高めるだけでなく、デジタル化された制御環境における動的でリアルタイムな人間信頼性評価へのスケーラブルな経路を提供することが示された。
このフレームワークはインタフェース設計の最適化に実用的な洞察を与え、機構駆動型HRA手法の進歩に寄与する。
関連論文リスト
- A Cognitive-Mechanistic Human Reliability Analysis Framework: A Nuclear Power Plant Case Study [7.583754429526051]
本研究では,IDHEAS-ECA方法論を強化する認知機械的枠組み(COGMIF)を提案する。
ACT-Rベースのヒューマンデジタルツイン(HDT)とTimeGAN強化シミュレーションを統合している。
TimeGANはACT-R生成時系列データに基づいてトレーニングされ、高忠実な合成演算子挙動データセットを生成する。
論文 参考訳（メタデータ） (2025-04-25T00:46:00Z) - Context-Awareness and Interpretability of Rare Occurrences for Discovery and Formalization of Critical Failure Modes [3.140125449151061]
視覚システムは、監視、法執行、交通といった重要な領域にますます配備されている。
これらの課題に対処するために,レアオカレンス(CAIRO)の文脈認識と解釈可能性を導入する。
CAIROは、AIブラックボックスモデルにおける誤検出、敵攻撃、幻覚から生じる臨界性のテストと評価のために、ループ内の人間にインセンティブを与える。
論文 参考訳（メタデータ） (2025-04-18T17:12:37Z) - Interactive Agents to Overcome Ambiguity in Software Engineering [61.40183840499932]
AIエージェントは、あいまいで不明確なユーザー指示に基づいて、タスクを自動化するためにますますデプロイされている。
不安定な仮定をし、明確な質問をしないことは、最適以下の結果につながる可能性がある。
対話型コード生成設定において,LLMエージェントが不明瞭な命令を処理する能力について,プロプライエタリモデルとオープンウェイトモデルを評価して検討する。
論文 参考訳（メタデータ） (2025-02-18T17:12:26Z) - Fragility-aware Classification for Understanding Risk and Improving Generalization [6.926253982569273]
リスク・リバースの観点から分類性能を評価する新しい指標であるFragility Index(FI)を導入する。
我々は, クロスエントロピー損失, ヒンジ型損失, リプシッツ損失の正確な修正を導き, 深層学習モデルへのアプローチを拡張した。
論文 参考訳（メタデータ） (2025-02-18T16:44:03Z) - Understanding Human Activity with Uncertainty Measure for Novelty in Graph Convolutional Networks [2.223052975765005]
本稿では,テンポラルフュージョングラフ畳み込みネットワークについて紹介する。
これは、アクティビティストリーム内の個々のアクションの境界推定が不十分であることを是正することを目的としている。
また、時間次元における過分割の問題も緩和する。
論文 参考訳（メタデータ） (2024-10-10T13:44:18Z) - Analyzing Adversarial Inputs in Deep Reinforcement Learning [53.3760591018817]
本稿では, 正当性検証のレンズを用いて, 逆入力の特性を包括的に解析する。
このような摂動に対する感受性に基づいてモデルを分類するために、新しい計量である逆数率(Adversarial Rate)を導入する。
本分析は, 直交入力が所定のDRLシステムの安全性にどのように影響するかを実証的に示す。
論文 参考訳（メタデータ） (2024-02-07T21:58:40Z) - Seeing is not Believing: Robust Reinforcement Learning against Spurious
Correlation [57.351098530477124]
国家の異なる部分には、保存されていない共同設立者が引き起こす相関関係が存在しない。
このような役に立たないあるいは有害な相関を学習するモデルは、テストケースの共同創設者がトレーニングケースから逸脱したときに破滅的に失敗する可能性がある。
したがって、単純かつ非構造的な不確実性集合を仮定する既存の頑健なアルゴリズムは、この問題に対処するには不十分である。
論文 参考訳（メタデータ） (2023-07-15T23:53:37Z) - Towards Assessing and Characterizing the Semantic Robustness of Face
Recognition [55.258476405537344]
ディープニューラルネットワーク(DNN)に基づく顔認識モデル(FRM)がこの脆弱性を継承する。
本研究では,入力に対する意味摂動に対するFRMの頑健性を評価し,評価する手法を提案する。
論文 参考訳（メタデータ） (2022-02-10T12:22:09Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。