| dc.description.abstract | Samfunnet i dag er i rask endring grunnet økt kompleksitet i teknologiske systemer. Dette skaper nye farekilder og endrer årsakene til hvorfor ulykker oppstår. Flere ulykkesmodeller klarer ikke lenger å fange opp samspillet mellom mennesker og teknologi som eksisterer i dagens komplekse systemer. Denne oppgaven vil derfor sammenligne hvordan ulike ulykkesmodeller fanger opp kompleksiteten til ulykker og hvordan de viser systemteori i praksis.
Problemstillingen til oppgaven besvares ved å utføre totalt ni analyser med tre forskjellige ulykkesmodeller som har ulike tilnærminger til systemteori og kompleksitet. Dette gjøres for å sammenligne analyseresultatene med hverandre og dermed identifisere likheter og ulikheter mellom ulykkesmodellene. De gjeldende ulykkesmodellene for denne oppgaven er STAMP, OAM og MLCM. Tematikken vil utforskes med et teoretisk grunnlag om ulykker, kategoriene av ulykkesmodeller, kompleksitet i systemer og systemteori.
Masteroppgaven er tilknyttet forskningsprosjektet DiSCo som har som mål å utvikle kunnskap og metoder for å anvende maskinlæring i bygg- og anleggsnæringen for å forbedre sikkerheten og redusere antall ulykker. I denne sammenhengen vil denne masteroppgaven anvende ulike ulykkesmodeller i praksis.
Funnene fra oppgaven viser at det er forskjeller i hvordan ulykkesmodellene bruker systemteori i praksis. Under analysene ble det oppdaget at systemmodeller krever mye ressurser, både i tid og datakrav, og de gir ikke en enkel grafisk oversikt over ulykkeshendelsen. Fordelene er derimot at de kan vise systemet i sin helhet og tar hensyn til de komplekse interaksjonene mellom systemkomponentene. Systemmodeller viser den hierarkiske kontrollstrukturen for et system, roller og ansvar, sikkerhetsbegrensninger og tilbakemeldinger. Det som er spesielt gunstig med STAMP er at analysen viser konteksten og årsaken til de usikre beslutningene og kontrollhandlingene fra systemkomponentene. Dette gir leseren en dypere forståelse av ulykkeshendelsen enn ved bruk av OAM og MLCM.
For videre forskning vil det blant annet være interessant med flere studier knyttet til bruk av systemmodeller i granskning av komplekse ulykker, som inkluderer forskning på ressursbruk og kost-nytte. Denne oppgaven gjorde analyser med sekundærkilder, og det er derfor interessant å gjøre like analyser, men med bruk av primærkilder. I tillegg vil det være nyttig å utvide forskningen i denne oppgaven til å inkludere flere ulykkesmodeller. | |
| dc.description.abstract | Society today is undergoing rapid changes due to increased complexity in technological systems. This creates new hazards and alters the causes of accidents. Several accident models are no longer able to capture the interaction between humans and technology that exists in today's complex systems. Therefore, this thesis aims to compare how different accident models capture the complexity of accidents and demonstrate system theory in practice.
The research question of this thesis is addressed by conducting a total of nine analyses using three different accident models that have varying approaches to system theory and complexity. This is done to compare the analysis results with each other and identify similarities and differences between the accident models. The relevant accident models for this thesis are STAMP, OAM, and MLCM. The topic will be explored with a theoretical foundation on accidents, categories of accident models, complexity in systems, and system theory.
The master's thesis is affiliated with the research project DiSCo, which aims to develop knowledge and methods for applying machine learning in the construction industry to improve safety and reduce the number of accidents. In this context, this master's thesis will apply different accident models in practice.
The findings from this thesis indicate that there are differences in how the accident models apply system theory in practice. During the analyses, it was discovered that system models require significant resources, both in terms of time and data requirements, and they do not provide a simple graphical overview of the accident event. However, they have advantages in that they can depict the entire system and account for the complex interactions among system components. System models illustrate the hierarchical control structure of a system, roles and responsibilities, safety constraints, and feedback. What is particularly beneficial about STAMP is that the analysis reveals the context and causes behind the uncertain decisions and control actions taken by the system components. This provides readers with a deeper understanding of the accident event compared to the use of OAM and MLCM.
For further research, it would be interesting to conduct additional studies related to the use of system models in investigating complex accidents, including research on resource utilization and cost-effectiveness. This thesis conducted analyses using secondary sources, so it would be valuable to perform similar analyses using primary sources. Additionally, expanding the research to include more accident models would be beneficial. | |
