Строительство — опасная сфера, где человеческий фактор часто становится причиной аварий. Чтобы снизить риски, используют методы анализа надежности персонала (HRA), например, CREAM. Но у него есть слабые места: экспертные оценки субъективны, данные сложно проверить, а взаимосвязи между факторами упрощены.

Исследователи из Наньянского технологического университета (Сингапур) предложили новую систему. Она объединяет самооценку рабочих и объективные данные от экспертов, а для прогнозирования ошибок применяет гибридную модель на основе самоорганизующихся карт (SOM) и байесовских сетей (BN).

Байесовская сеть (BN) — это алгоритм, который вычисляет вероятность события (например, ошибки рабочего), учитывая множество факторов (усталость, опыт, погоду). Он работает как цепь умозаключений: если «А» повышает риск „Б“ на 30%, а „Б“ ведет к „В“ — система предскажет общую опасность.

Результаты опубликованы в издании Smart Construction.

Как это работает:

• Рабочие заполняют анкеты, где оценивают свои условия труда. Эти данные обрабатывают с помощью «Контекстуальной оценки надежности» (CHRS) — метод снижает субъективность.
• Эксперты наблюдают за работой и фиксируют реальные ошибки — это «эталон» для проверки точности модели.
• SOM выявляет скрытые закономерности в данных, а BN прогнозирует, насколько вероятны сбои в работе.

Проверили систему на 35 строителях. Точность прогноза составила 88.57%, тогда как традиционный CREAM не смог надежно отличить безопасные действия от опасных. Дополнительный плюс — модель объясняет свои выводы (например, через SHAP-анализ), поэтому бригадиры видят, кому из рабочих нужен дополнительный инструктаж.

Планы: расширить выборку и адаптировать метод для других отраслей.

Исследование решает три практические проблемы:

1. Объективность. Раньше оценки зависели от экспертов — теперь их корректируют данные от самих рабочих.
2. Предсказуемость. Модель заранее выявляет работников в «группе риска», позволяя предотвратить аварии.
3. Прозрачность. SHAP-анализ показывает, какие факторы (усталость, сложность задачи) влияют на ошибки — это основа для точечных изменений в организации труда.

Особенно полезно для крупных стройплощадок с высокой текучкой кадров, где традиционные методы неэффективны.

Главный недостаток — малая выборка (35 человек). Данные могут быть нерепрезентативными: например, если все участники — опытные рабочие, модель окажется бесполезной для новичков. Также неясно, как система поведет себя в условиях жесткого дедлайна или при нехватке ресурсов — эти факторы могут перекрыть влияние других переменных.

Ранее мы опубликовали 10 инноваций в сфере строительства.