método del índice de probabilidad de éxito

El método del índice de probabilidad de éxito (SLIM) es una técnica utilizada en el campo de la evaluación de la fiabilidad humana (HRA, por sus siglas en inglés) para evaluar la probabilidad de que ocurra un error humano durante la realización de una tarea específica. A partir de estos análisis, se pueden tomar medidas para reducir la probabilidad de que ocurran errores dentro de un sistema y, por lo tanto, conducir a una mejora en los niveles generales de seguridad. Existen tres razones principales para realizar una HRA: identificación de errores, cuantificación de errores y reducción de errores. Dado que existen varias técnicas utilizadas para estos fines, se pueden dividir en dos clasificaciones: técnicas de primera generación y técnicas de segunda generación. Las técnicas de primera generación funcionan sobre la base de la simple dicotomía de "encaja/no encaja" en la correspondencia de la situación de error con el contexto de la identificación y cuantificación de errores relacionados, mientras que las técnicas de segunda generación se basan más en la teoría en su evaluación y cuantificación de errores. Las técnicas HRA se han utilizado en una variedad de industrias, incluyendo la atención médica , la ingeniería , la energía nuclear, el transporte y el sector empresarial; cada técnica tiene diferentes usos dentro de diferentes disciplinas.

SLIM es un enfoque de análisis de decisiones para la evaluación de recursos humanos que utiliza el juicio de expertos para cuantificar los factores que influyen en el desempeño (PSF, por sus siglas en inglés); factores relacionados con los individuos, el entorno o la tarea, que pueden afectar positiva o negativamente el desempeño, por ejemplo, el tiempo disponible para la tarea. Estos factores se utilizan para derivar un índice de probabilidad de éxito (SLI, por sus siglas en inglés), un tipo de índice de preferencia, que se calibra con datos existentes para obtener una probabilidad final de error humano (HEP, por sus siglas en inglés). Los expertos eligen los PSF que deben considerarse, y son aquellos factores que se consideran más significativos en relación con el contexto en cuestión.

La técnica consta de dos módulos: MAUD ( descomposición de utilidad multiatributo ), que ajusta la probabilidad relativa de éxito al realizar una serie de tareas, dados los factores de rendimiento del sistema (PSF) que probablemente afecten al rendimiento humano; y SARAH (enfoque sistemático para la evaluación de la fiabilidad de los seres humanos), que calibra estas puntuaciones de éxito con tareas con valores HEP conocidos, para proporcionar una cifra global.

SLIM fue desarrollado por Embrey et al. [1] para su uso en la industria nuclear estadounidense. Mediante este método, se establecen probabilidades relativas de éxito para diversas tareas, las cuales se calibran posteriormente mediante una transformación logarítmica .

La metodología SLIM se divide en diez pasos, de los cuales los pasos 1 a 7 corresponden a SLIM-MAUD y los pasos 8 a 10 a SLIM-SARAH.

1. Definición de situaciones y subconjuntos

   Tras la selección de un panel de expertos que llevará a cabo la evaluación, se les proporciona una descripción lo más detallada posible de la tarea, incluyendo la persona designada para realizarla y otros factores que probablemente influyan en su éxito. Una descripción exhaustiva es fundamental para garantizar que todos los miembros del grupo evaluador compartan una comprensión común de la tarea. Esto puede reforzarse mediante un debate grupal previo a la sesión del panel para alcanzar un consenso. Tras este debate, las tareas se clasifican en varios grupos según la homogeneidad de los factores de seguridad del producto (PSF) que las afectan. De este modo, se definen subconjuntos por aquellas tareas que comparten PSF específicos y por su ponderación dentro de cada subgrupo; esta ponderación es solo una aproximación en esta etapa del proceso.

2. Obtención de PSF

   Se presentan conjuntos aleatorios de 3 tareas a expertos, quienes deben comparar una con las otras dos e identificar un aspecto en el que la tarea destacada difiera de las restantes; esta diferencia debe ser una característica que afecte la probabilidad de completar la tarea con éxito. A continuación, se les pide a los expertos que identifiquen los extremos inferior y superior del factor de estrés del sistema (PSF) identificado, es decir, la optimización del PSF en el contexto de la tarea dada. Por ejemplo, el PSF puede ser la presión del tiempo, por lo que los extremos de la escala podrían ser "Alto nivel de presión" a "Bajo nivel de presión". Otros posibles PSF pueden ser los niveles de estrés, la complejidad de la tarea o el grado de trabajo en equipo requerido. El objetivo de esta etapa es identificar los PSF que más influyen en las tareas, en lugar de obtener todos los posibles factores influyentes.

3. Evaluación de las tareas en los PSF

   Los extremos de cada PSF individual, según lo identificado por el experto, se asignan a los valores 1 y 9 en una escala lineal . Utilizando esta escala, el experto debe asignar a cada tarea una calificación, entre los dos extremos, que refleje con precisión, según su criterio, las condiciones que se presentan en la tarea en cuestión. Es óptimo considerar cada factor por separado para que los juicios emitidos sean independientes de la influencia de otros factores que podrían afectar la opinión.

4. Determinación del punto ideal y cálculos de escalado

   A continuación, se selecciona la calificación “ideal” para cada PSF en la escala construida. El ideal es el punto en el que el PSF degrada menos el rendimiento; por ejemplo, tanto una presión de tiempo baja como alta pueden contribuir a aumentar la probabilidad de fallo. El software MAUD reescala entonces todas las demás calificaciones realizadas en la escala en función de su distancia a este punto ideal, asignando un 1 a la más cercana y un 0 a la más alejada. Este proceso se repite para todos los PSF hasta que los expertos coinciden en que la lista de PSF se ha agotado y que todas las posiciones identificadas en la escala son correctas.

5. controles de independencia

   Utilizando las cifras que representan la importancia relativa de cada tarea y su calificación en la escala correspondiente, se multiplican para obtener un Índice de Probabilidad de Éxito (IPE) para cada tarea. Para mejorar la validez del proceso, es necesario confirmar que cada una de las escalas utilizadas sea independiente, a fin de evitar solapamientos o dobles conteos en el cálculo general del índice.

   Para facilitar esta tarea de validación, el software MAUD comprueba las correlaciones entre las puntuaciones de los expertos en las diferentes escalas. Si las puntuaciones de las escalas indican una alta correlación , se consulta a los expertos para determinar si coinciden en sus interpretaciones de las puntuaciones en las dos escalas que muestran similitudes. En tal caso, se les pide que definan una nueva escala que combine el significado de las dos escalas correlacionadas individualmente. Si la correlación no es significativa, las escalas se consideran independientes. En este caso, el facilitador responsable debe tomar una decisión informada sobre si los PSF que muestran similitudes son realmente similares y, por lo tanto, debe garantizar una justificación sólida para la decisión final.

6. Procedimiento de ponderación

   Esta etapa del proceso se centra en determinar la importancia que debe otorgarse a cada uno de los factores de seguridad del producto (PSF) en función de su influencia en el éxito de una tarea. Para ello, se consulta a los expertos sobre la probabilidad de éxito entre pares de tareas, considerando dos PSF previamente identificados. Al observar los cambios en la opinión de los expertos, se puede inferir la ponderación del efecto de cada PSF en el éxito de la tarea. Para mejorar la precisión del resultado, esta etapa debe realizarse de forma iterativa.

7. Cálculo del SLI

   El índice de probabilidad de éxito para cada tarea se deduce utilizando la siguiente fórmula:

   ${\displaystyle {\mbox{SLI}}_{j}=\sum _{i}R_{ij}W_{i}}$

   Dónde

   • SLI _j es el SLI para la tarea j
   • W _i es el peso de importancia para la i- ésima PSF
   • R _ij es la calificación escalada de la tarea j en la i- ésima PSF
   • x representa el número de PSF consideradas.

   Estos SLI son estimaciones de la probabilidad con la que pueden ocurrir diferentes tipos de errores.

8. Conversión de SLI a probabilidades

   Los SLI calculados previamente deben transformarse en HEP, ya que son solo medidas relativas de la probabilidad de éxito de cada una de las tareas consideradas.

   La relación

   ${\displaystyle \log P=a\,{\mbox{SLI}}+b}$

   Se supone que existe entre los SLI y los HEP. P es la probabilidad de éxito y a y b son constantes; a y b se calculan a partir de los SLI de dos tareas donde el HEP ya se ha establecido.

9. Análisis de límites de incertidumbre

   Los límites de incertidumbre pueden estimarse utilizando métodos de juicio de expertos, como el juicio de probabilidad absoluta (APJ).

10. Uso de SLIM-SARAH para análisis de costo-efectividad

    Dado que SLIM evalúa los HEP en función de los PSF, considerados los principales factores determinantes de la fiabilidad humana, es posible realizar un análisis de sensibilidad modificando las puntuaciones de los PSF. Al considerar los PSF que pueden modificarse, el grado de cambio que se puede lograr y su importancia, es posible realizar un análisis de costo-beneficio para determinar la conveniencia de las mejoras propuestas (es decir, un análisis de escenarios) y la forma óptima de reducir los HEP calculados.

El siguiente ejemplo ilustra bien cómo se utiliza la metodología SLIM en la práctica en el ámbito de la evaluación de riesgos para la salud (HRA, por sus siglas en inglés).

• EMBREY, DE, Humphreys, PC, rRosa, EA, Kirwan, B. y Rea, K., SLIM-MAUD: Un enfoque para evaluar las probabilidades de error humano utilizando el juicio estructurado de expertos. NUREG/CR-3518. 1984, Comisión Reguladora Nuclear de EE. UU.: Washington D. C.
• Humphreys, P. (1995) Guía del evaluador de confiabilidad humana. Grupo de factores humanos en confiabilidad.
• Kirwan, B. (1994). Una guía práctica para la evaluación de la confiabilidad humana. CPC Press.
• Corlett, EN, & Wilson, JR (1995). Evaluación del trabajo humano: una metodología ergonómica práctica. Taylor & Francis.