概念地圖・THERP 人因可靠度事件樹
作者 山姆（謝冠生）・喵喵書評創辦人
發布
分類：生產力
這一頁不只是把一個概念解釋一遍——一張自己畫的結構圖，加上拿台灣情境從頭走一次的實例演練、這個框架什麼時候會騙你，以及它接回 P.A.I.N. 之後長什麼樣。一頁必須交付的三層 →
THERP 人因可靠度事件樹：追出覆核漏失
漆彈場的行前名冊印好了，取消的團體還在上面；覆核的人沿著同一份舊訊息又勾了一次。兩個簽名齊了，錯誤也一起留下。THERP 人因可靠度事件樹把一次工作拆成人的動作，再沿著做對、出錯、補救成功或漏失的分支往下走。它逼你追問：前一步已經錯了，下一個人還有多少機會抓到？——分母換了，第二道關卡的估計也要跟著換。
分支旁的機率，究竟以誰為分母
先把事件 A 定為初始出錯，事件 B 定為覆核仍漏掉。這張簡圖假設直接做對後就結束，覆核只處理 A 已發生的路徑。以下每個分母都對應這個邊界。
| 圖中位置 | 機率的意思 | 算回全部作業 |
|---|---|---|
| 直接正確 | 全部作業中，第一步正確為 0.98 | 末端 0.98，也就是 98% |
| 初始錯誤 | 全部作業中，A 發生為 0.02 | 這是中途節點，繼續分到兩個末端 |
| 覆核攔下 | 已出錯的作業中，攔下為 0.75 | 0.02 × 0.75＝0.015，即 1.5% |
| 覆核仍漏掉 | 已出錯的作業中，B 發生為 0.25 | 0.02 × 0.25＝0.005，即 0.5% |
| 全部末端 | 直接正確、出錯被攔、出錯漏失互斥 | 0.98＋0.015＋0.005＝1 |
最終漏失的乘法是 P（A）× P（B｜A），後半段已經放入「A 發生」這個條件。0.25 在這裡代表錯誤群中的漏失比例——拿去說全部工作有四分之一漏失，分母就跑掉了。三個末端相加等於一，中途的 0.02 已分配完畢，別再加一次。
Swain 與 Guttmann 的 NUREG/CR-1278 手冊第 5 章把 THERP 放在人因可靠度分析中：先分解任務，再估人誤與復原機會，最後組合結果。原方法包含表列估計與工作條件判斷。本文圖示直接假設條件機率，供讀者練習分母與分支；任何一個小數都沒有被當成漆彈場的查表常數。
覆核之前，先查三個條件
一、失敗要能落在一次交付上。把這次作業切成「收到取消通知後，更新並交付一份行前名冊」，失敗定義為交付時仍留著已取消團體。保留通知時間、名冊版本與交付時間，才有辦法回查。若只記「今天很亂」，每個人心裡各有一張不同的圖——連一次算什麼都對不上。自問：失敗事件是否能從一次作業觀測？
二、沿著消息追第二個勾。初做的人看舊群組訊息，覆核的人也看同一段截圖，兩個動作就可能被同一份過期資訊拖住。記下第二人實際查看的來源、時間戳與核對項目；有沒有另外打開取消紀錄，比紙上有幾枚簽名更能解釋那條分支——資訊共用，錯誤也可能共用。自問：覆核資訊來源與初做是否共用？
三、讓每份名冊都有去處。這張簡圖的三個末端，分別接住直接正確、改好才交付、帶錯交付。若現場還有逾時未交付，或覆核誤把正確名冊改錯，就得補出相應路徑，再重算分配。別讓「還沒印」的那幾份悄悄消失——加總做得再漂亮，漏掉的結果仍會留在櫃檯上。自問：是否已把所有互斥末端逐一加總？
漆彈場的取消通知，沿事件樹走一遍
底下這家台灣中部的漆彈場，是為了把這個結構講清楚而編出來的示意情境，沒有指涉任何真實公司。回到開場那份印好的名冊：這一輪改用初始錯誤率 0.03，觀察覆核沿用舊訊息時，取消通知如何被漏下。
- 先固定初始工作：假設每次取消名冊更新，初始正確率為 0.97，錯誤率為 0.03。直接正確就結束；其餘進覆核。若用一萬次同條件作業換算期望次數，分別是 9,700 次與 300 次。先守住同一個起點
- 沿用舊訊息的覆核：直接假設「初始已錯」之下，覆核漏失機率為 0.20，攔下機率為 0.80。因此攔下錯誤為 0.03 × 0.80＝0.024，即 2.4%；最終漏失為 0.03 × 0.20＝0.006，即 0.6%。一萬次作業的期望漏失是 60 次——印刷與交班完成，取消資料仍未更新。兩次勾選仍可留下同一筆錯
- 有額外資訊支援的改善假設：覆核改看另行維護的取消紀錄，逐筆核對通知時間與團體編號。假設這些資訊足以支持較低依賴，另設條件漏失機率為 0.04，攔下為 0.96。初始錯誤率仍維持 0.03，得到攔下 0.0288，即 2.88%；漏失 0.0012，即 0.12%，換算一萬次作業的期望漏失是 12 次。改善幅度先列為待驗證假設
- 把兩張末端帳關起來：原情境為 97%＋2.4%＋0.6%＝100%；改善假設為 97%＋2.88%＋0.12%＝100%。兩者只改條件覆核率，直接正確的比例保持原值。差異落在第二關拿到什麼
那張舊截圖值得留下。它可以幫你追到取消通知在哪裡中斷，也能說明覆核為何照著原路再錯一次。0.20 與 0.04 都是演練設定；從另一本紀錄查核，仍可能共用最早那個漏登來源，因此還要觀察資料怎麼進來、怎麼更新。第二個人的職稱、資歷或簽字，本身不足以證成獨立。把每次被攔下的錯也記錄起來——等累積了可比較的任務紀錄，才有材料重新估第二條分支。以上為說明結構用的示意情境，僅供理解框架之用。
人誤估計什麼時候會騙你
- 把別的任務的基礎數字原封搬來。手冊原本服務於核電廠相關分析，表列人誤估計有對應任務與適用條件。取消通知怎麼進來、工作被打斷多久、名冊有幾個版本，都會左右這裡的判斷。拿到一個看似權威的小數，先寫出適用前提——精確到小數第四位，並不會替你補回遺失的背景。
- 把第二個人當成自動獨立。手冊第 10 章的依賴模型分為零、低、中、高、完全依賴，藉此把基礎人誤率轉成前一步結果給定下的條件失誤率。兩人共讀舊訊息，就是應追查的依賴線索——依賴等級還要靠具體任務證據判斷。本文直接設定兩種條件率，沒有代入那些等級公式。
- 三片葉子畫完，就宣告工作全被涵蓋。簡圖預設初始正確者直接結束，也預設覆核只有攔下與漏掉。現場若有通知重複、名冊未交付，或覆核引進新錯誤，模型就要展開。三片葉子的機率加總為一，只能確認所畫分支的算術收攏——還要把真實工作逐件放進去，檢查有沒有找不到位置的結果。
用痛點的眼光追那次重工
兩枚簽名背後，可能只流過一份消息。
取消的團體留在行前名冊，現場就有人得打電話確認、重印資料，再把新的安排說一遍。第二次勾選耗掉的時間，此刻又付了一次。這張圖畫得出錯誤穿過覆核的路徑，畫不出誰為那次漏失多忙了半個下午。P.A.I.N. 要你沿著這筆重工追到人：誰先發現，誰被迫停下手邊的事，誰得向團體聯絡人重說一次。行政交付的漏失率，還要接上這些人的代價——同一個小數，在不同時段可能留下不同長度的折返。今晚挑最近一張改印名冊，把初做與覆核各自打開的訊息截圖並排，圈出時間戳；再問接手重印的人，那次多做的第一件事是什麼。
THERP，常被問到的幾件事
多加一個覆核的人，可靠度就一定提高嗎？
效果取決於多出的那一步如何工作。第二人若照抄同一份過期訊息，就容易跟著前一步漏掉取消通知。可以先觀察他有沒有取得更新來源、核對團體編號、確認訊息時間，以及能否退回修改——這些都是依賴判斷的材料。新增人數本身無法替 0.04 這個假設背書；改善後還得追蹤被攔下與最終漏失的紀錄。
沒有現場機率資料，要怎麼開始畫 THERP？
先拆任務、界定失敗與時點，再把可觀測的路徑畫出來。資料不足時，可以將數值列為假設，明示依據與不確定性，讓不同條件率各算一次。蒐集紀錄時尤其要留住「初始錯誤已發生」的那一群，才能估覆核的條件漏失率——只統計所有名冊的最後正確率，會把中途攔下的功勞藏起來。
THERP 和一般事件樹分析有什麼差異？
兩者都能沿分支整理結果、以條件機率計算路徑。THERP 另外把重心放在人員任務分解、人誤估計、影響表現的條件，以及動作間的依賴與復原機會。一般事件樹可以涵蓋更廣的事件後續。本篇只示範行政名冊的一小段——正式人因可靠度評估還需要完整任務資料、適用判斷與不確定性處理，這些假設數字不能作為安全核准值。
留下漏掉通知的路徑，再用事件樹分析展開後續結果；瑞士乳酪模型則適合盤點每道防線的缺口。把那份有兩個勾的名冊攤開，從第二次讀到的訊息開始追。
喜歡這篇文章嗎？
每週幫你拆二本好書，把判斷力、好書金句、好問題，直送你的信箱。
不適合你可隨時退訂 · 每週兩封，陪你把書讀進生活。
送出即表示同意我們依隱私權政策使用你的 email。