زمينه و هدف: امروزه، انسان به عنوان طراح، برنامهريز و کاربر سيستمها، تجهيزات و ماشينآلات نقش بسيار مهمی ‌در ايمنی آنها دارد. در يک سيستم پيچيده، رفتار کاربر، دارای پتانسيل بروز اشتباهاتی است که ميتواند توانمندی سيستم را تحت تأثير قرار دهد. در پژوهش حاضر خطاهای انسانی اپراتورهای پست‌های 400 کيلوولت شناسايی ، تحليل و اثر بخشی راه کارهای کاهش آن بررسی گرديده است.

  روش بررسی: پس از شناسايی مشاغل کليدی اثرگذار بر پايداری صنعت برق ، شغل اپراتور پستهای 400 کيلو و لت به عنوان پست حساس و کليدی انتخاب گرديد و با استفاده از روش تحليل سلسله مراتبی وظايف (HTA) تحليل گرديد. همچنين با استفاده از روش تحليل نظاممند، پيشبينی و کاهش خطای انسانی ( SHERPA) ، خطاهای احتمالی اپراتور پيش‌بينی، تحليل و اثر بخشی راههای کنترل آن مطالعه شد.

  يافتهها: نتايج بدست آمده نشان داد که در 107 مورد خطای پيش‌بينی شده در 6 وظيفه اصلی و 61 زيروظيفه اپراتور کنترل پست 400 کيلوولت، بيشترين نوع خطا، خطای عملکردی و بيشترين خطای پيش‌بينی شده مربوط به وظيفه انجام مانور ميباشد. نتايج همچنين نشان داد که حدود 95 درصد از ريسکهای ناشی از خطاهای شناسايی شده، در سطح غير قابل قبول و نامطلوب هستند . درصورت بکارگيری روشهای کنترلی پيشنهادی پيش‌بينی می‌گردد ريسک‌های غير قابل قبول به صفر و ريسک‌های نامطلوب به 5/7 درصد کاهش يابد.

  بحث و نتيجه‌گيری: با روش تحليل نظاممند پيش‌بينی و کاهش خطای انسانی (SHERPA) می‌توان خطاهای انسانی در اتاق‌های کنترل را شناسايی و تحليل کرد و آن‌ها را کاهش داد.

  Background and Aims: Human being as the designer, programmer, and operator of systems, equipment and machineries plays a significant role in their safety at present time. In a sophisticated system, the operators’ behavior has the potential of errors that can influence the capability of the system. In the present study, human errors of 400 kV posts were identified, analyzed and their reduction due to the application of proposed control measures were predicted.

  Methods: After identification of key jobs affective on electric industry’s stability, the operator of 400 kV posts was selected as the sensitive and key joband analyzed using Hierarchical Task Analysis (HTA). The operator’s probable errors and their reduction were predicted using Systematic Human Error Reduction and Prediction (SHERPA).

  Results: The results revealed that in 107 predicted errors at 6 main tasks and 61 sub tasks of 400 kV posts, the most frequent type of error was action error and the maximum predicted error was related to maneuvering task. The results also showed that about 95% of identified risks from errors were at unacceptable and undesirable level. It was predicted that if the recommended control measures were applied the unacceptable and undesirable risks would be reduced to 0 and 7.5% respectively.

  Conclusion: It is possible to predict, identify and reduce the human errors in control rooms using SHERPA.