An algorithm for classifying error types of front-line workers based on the SRK framework

Saurin, Tarcísio Abreu; Guimarães, Lia Buarque de Macedo; Costella, Marcelo Fabiano; Ballardin, Lucimara

doi:10.1016/j.ergon.2008.02.017

Cited by 18 publications

(6 citation statements)

References 9 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…26 Se puede observar en la Tabla 1 una secuencia de interrogaciones que inicia con la pregunta: ¿el trabajador conocía los procedimientos y/o fue entrenado para esta tarea? Después de iniciar las preguntas, se verifica que para cada pregunta hay opción de dos respuestas, sí o no, donde la secuencia del algoritmo es dada conforme los caminos que llegan a la clasificación del motivo que contribuyó en la aparición del accidente.…”

Section: Metodologíaunclassified

Fallas Humanas y Accidentes de Trabajo: Una Contribución de las Investigaciones en Prevención, Control de los Riesgos y Accidentes

et al. 2017

View full text Add to dashboard Cite

Section: Metodologíaunclassified

Fallas Humanas y Accidentes de Trabajo: Una Contribución de las Investigaciones en Prevención, Control de los Riesgos y Accidentes

et al. 2017

View full text Add to dashboard Cite

“…Figures 4-6 depict the three human error types linked to SRK taxonomy originally defined by Rasmussen [32] and then further developed by Reason [33], and the associated latent and active factors. These are illustrated using the web diagrams [34]. The associations indicate that one latent or active factor occurs in the presence of another.…”

Section: Skill-rule-knowledge (Srk) Taxonomy Of Self-reported Anomaliesmentioning

confidence: 99%

The Identification of Factors Contributing to Self-Reported Anomalies in Civil Aviation

Andrzejczak

Karwowski

Thompson

2014

International Journal of Occupational Safety and Ergonomics

View full text Add to dashboard Cite

The main objective of this study was to analyze anomalies voluntarily reported by pilots in civil aviation sector and identify factors leading to such anomalies. Experimental data were obtained from the NASA aviation safety reporting system (ASRS) database. These data contained a range of text records spanning 30 years of civilian aviation, both commercial (airline operations) and general aviation (private aircraft). Narrative data as well as categorical data were used. The associations between incident contributing factors and self-reported anomalies were investigated using data mining and correspondence analysis. The results revealed that a broadly defined human factors category and weather conditions were the main contributors to self-reported civil aviation anomalies. New associations between identified factors and reported anomaly conditions were also reported.

show abstract

“…O algoritmo proposto por Saurin et al (2008) consiste de dez perguntas, as quais podem levar a cinco tipos de respostas finais (Figura 1): deslizes, lapsos de memória, violações, erros baseados no conhecimento e não houve erro do trabalhador. A pergunta 1 foi enunciada da seguinte forma: "o trabalhador conhecia os procedimentos e/ou foi treinado para esta tarefa?"…”

Section: Algoritmo Para Classificação De Tipos De Erros Humanosunclassified

“…Por exemplo, o uso de dispositivos à prova de erros é particularmente indicado para combater lapsos de memória e deslizes, visto que esses tipos de erros ocorrem durante comportamentos automatizados, e tais dispositivos, por definição, funcionam independentemente da atenção dos operadores. Já as violações, caracterizadas por desvios deliberados dos métodos de trabalho seguros, tipicamente requerem melhorias nos procedimentos ou melhorias na cultura de segurança (SAURIN et al, 2008).…”

Section: Introductionunclassified

Método para classificação de tipos de erros humanos: estudo de caso em acidentes em canteiros de obras

Saurin

Grando²,

Costella

2012

Prod.

Self Cite

View full text Add to dashboard Cite

ResumoEste trabalho tem como objetivo principal desenvolver melhorias em um método de classificação de tipos de erros humanos de operadores de linha de frente. Tais melhorias foram desenvolvidas com base no teste do método em canteiros de obras, um ambiente no qual ele ainda não havia sido aplicado. Assim, foram investigados 19 acidentes de trabalho ocorridos em uma construtora de pequeno porte, sendo classificados os tipos de erros dos trabalhadores lesionados e de colegas de equipe que se encontravam no cenário do acidente. Os resultados indicaram que não houve nenhum erro em 70,5% das 34 vezes em que o método foi aplicado, evidenciando que as causas dos acidentes estavam fortemente associadas a fatores organizacionais. O estudo apresenta ainda recomendações para a interpretação das perguntas que constituem o método, bem como modificações em algumas dessas perguntas em comparação às versões anteriores. Palavras-chaveInvestigação de acidentes. Erro humano. Segurança no trabalho. Construção civil.

show abstract

An algorithm for classifying error types of front-line workers based on the SRK framework

Cited by 18 publications

References 9 publications

Fallas Humanas y Accidentes de Trabajo: Una Contribución de las Investigaciones en Prevención, Control de los Riesgos y Accidentes

Fallas Humanas y Accidentes de Trabajo: Una Contribución de las Investigaciones en Prevención, Control de los Riesgos y Accidentes

The Identification of Factors Contributing to Self-Reported Anomalies in Civil Aviation

Método para classificação de tipos de erros humanos: estudo de caso em acidentes em canteiros de obras

Contact Info

Product

Resources

About