Methoden zum Erstellen bedingter Wahrscheinlichkeitstabellen von Bayes’schen Glaubenssatznetzwerken aus begrenztem Urteil: Eine Bewertung für die Anwendung der menschlichen Zuverlässigkeit
Die vorliegende Arbeit bewertet fünf Methoden zum Erstellen bedingter Wahrscheinlichkeitstabellen (CPTs) von Bayes’schen Glaubenssatznetzwerken (BBNs) aus partiellen Experteninformationen: funktionale Interpolation, die Elicitation BBN, der Cain-Rechner, Fenton et al. und Røed et al. Methoden. Die Bewertung berücksichtigt die Anwendung auf ein bestimmtes Gebiet der Risikoanalyse, die Human Reliability Analysis (HRA). Die fünf Methoden eignen sich besonders für HRA-Modelle zur Berechnung der menschlichen Fehlerwahrscheinlichkeit in Abhängigkeit von Einflussfaktorbewertungen. Die Leistung der Methoden wird an zwei einfachen Beispielen bewertet, um (aber nicht ausschließlich) für die HRA relevante Aspekte zu testen: die Darstellung starker Faktoreinflüsse und Wechselwirkungen, die Darstellung der Unsicherheit in den BBN-Beziehungen und die Methodenanforderungen mit zunehmender BBN-Größe. Die Bewertung unterstreicht die Einschränkungen der Modellierung im Zusammenhang mit der Behandlung von Multifaktor-Interdependenzen und unterschiedlichen Unsicherheitsgraden in den Faktorbeziehungen. Die funktionale Interpolationsmethode ist am wenigsten anfällig für diese Einschränkungen; Die Anforderungen an die Auslösung wachsen jedoch exponentiell mit der Modellgröße. Neben der fachlichen Beurteilung umfassen HRA-Anwendungen von BBNs die Verwendung empirischer Daten, die Kombination von Daten und Urteilen sowie Informationen aus bestehenden HRA-Methoden: Der Aufbau der CPTs in diesen Anwendungen liegt außerhalb des Anwendungsbereichs der Bewertung.
