Description:
Jedes Jahr ereignen sich weltweit Millionen von Arbeitsunfällen, die zahlreiche Opfer fordern und enorme wirtschaftliche Verluste zur Folge haben. Vorangegangene Studien aus dem Feld der Risikoeinschätzung zeigten, dass es wichtig ist die Wahrscheinlichkeit von Faktoren, welche zum Auftreten von Unfällen beitragen, zu quantifizieren. Mehrere Methoden, wie z. B. die Technik zur Vorhersage der menschlichen Fehlerrate (Technique for Human Error Rate Prediction, THERP), wurden dafür vorgeschlagen, potenzielle Risikofaktoren zu bewerten und die Systemsicherheit zu verbessern. Diese Methoden haben jedoch einige Einschränkungen, wie z.B. ihre geringe Generalisierbarkeit, die Behandlung von Unfallursachen und menschlichem Einfluss als zwei voneinander getrennte Forschungsthemen, die Notwendigkeit ausgiebiger Datensätze, oder die ausschließliche Abhängigkeit von Expertenwissen. Um diese Einschränkungen zu überwinden, 1) klassifiziert diese Dissertation die Systeme in zwei Kategorien. Zum einen in von menschlichem Einfluss separierte Systeme (Human Performance Separated System, HPSS) und zum anderen in Systeme mit menschlichem Einfluss (Human Performance Included System, HPIS); 2) entwickelt ein auf Bayes‘schen Netzwerken (BN) basierendes Unfallkausalitätsmodell, das auf beide Arten von Systemen angewendet werden kann, um den Einfluss menschlicher Wahrnehmung in HPSS und den Einfluss menschlichen Versagens in HPIS zu untersuchen; 3) untersucht zwei Methoden zur Analyse menschlichen Versagens. Die erste Methode geht von einer kognitiven Wahrnehmung aus und die zweite behandelt das menschliche Versagen als essenziellen Teil des Systems. 4) schlägt eine innovative Taxonomie namens Contributors Taxonomy for construction Occupational Accidents (CTCOA) für HPIS vor, die nicht nur auf die Unfallkausalität abzielt, sondern auch zur Rückverfolgung menschlichen Versagens im Bauwesen verwendet werden kann. 5) erstellt BN-Beispielmodelle aus unterschiedlichen Industriesektoren. Dazu zählen Gasturbinenausfälle als typisches Beispiel ...
Publisher:
Hannover : Institutionelles Repositorium der Gottfried Wilhelm Leibniz Unviersität Hannover
Year of Publication:
2023
Document Type:
status-type:publishedVersion ; doc-type:DoctoralThesis ; doc-type:Text ; [Doctoral and postdoctoral thesis]
Subjects:
Accident causation model ; Human error ; Bayesian network ; Human performance separated system ; Human performance included system ; contains research data ; Unfallkausalitätsmodell ; Menschlichem Einfluss ; Bayes 'schen Netzwerken ; menschlichem Einfluss separierte Systeme ; Systeme mit menschlichem Einfluss ; enhält Forschungsdaten ; ddc:000
Rights:
CC BY 3.0 DE ; http://creativecommons.org/licenses/by/3.0/de/ ; frei zugänglich
Content Provider:
Institutionelles Repositorium der Leibniz Universität Hannover
Further nameInstitutional Repository of Leibniz Universität Hannover 
