现代大规模复杂人—机系统中,人因诱发事故的概率呈上升趋势。国内外事故统计资料表明,人误对事故的贡献率达到了80%左右。因此如何有效的分析、定量和预防人因失误已成为人因可靠性分析中最迫切的问题。本文着重研究人误概率的计算方法,以期为人误的分析、定量、预防做出贡献。全文的主要工作如下。首先,本文分析了大规模数字化系统中人误的基本理论及其分类,从总体上明确人因失误产生的原因、机理。然后介绍了比较常用的人因可靠性分析方法及其发展历程,并指出人因可靠性分析方法在事故分析中的重要性。其次,在前文介绍的人因可靠性分析方法基础上,分析各种方法的优缺点。提出在缺乏数据支持的情况下SLIM方法在数据获取方面的重要性,并指出该方法的不足之处。再次,分三个方面对SLIM的关键环节进行改进。第一,CREAM对人因可靠性分析方法进行了变革,强调了情景环境对人误的诱发作用,总结归纳了影响人因可靠性的九大因素。因此,考虑使用CREAM的理论思想支持SLIM行为形成因子的确定。第二,专家对行为形成因子权重的判断有很大的主观性,因此利用贝叶斯方法对专家判断结果进行修正,以得到更加准确的后验权重。第三,SLIM在任务等级确定方面也存在主观性因素过大的问题,这里考虑用模糊集描述任务等级,并通过合理的隶属函数与之联系使任务等级的确定更加合理。最后,通过算例演示改进后的SLIM使用过程并对以后的工作进行展望。SLIM在数据获取方面有其独特的优势,但其过分依赖于专家的判断,使得其应用性和可靠性存在明显的不足。本文在保留SLIM本身特点的同时,对其关键环节进行改进,使之在人员可靠性相关数据取得方面发挥更大的作用,为HRA理论提供补充,进一步完善HRA体系。