Capítulo 32 — Fatores humanos e política cibernética: confiabilidade
Mapa da aula
Aula 32 publicada. Mapa, exemplo, EX094.
flowchart TD
N0["32.1 Confiabilidade humana"]
N1["32.2 Verificações independentes"]
N2["Laboratório — Falha independente e de causa comum da"]
N3["32.3 Falhas de causa comum"]
N4["Síntese"]
N0 --> N1 --> N2 --> N3 --> N4
N4 --> EX["Exemplo resolvido"]
EX --> Q["Exercício EX094"]
Desenho lógico
flowchart LR
N0["32.1 Confiabilidade humana"]
N1["32.2 Verificações independentes"]
N2["Laboratório — Falha independente e de causa comum da"]
N3["32.3 Falhas de causa comum"]
N4["Síntese"]
N0 --> N1 --> N2 --> N3 --> N4 --> Q["EX094"]
[32.1 Confiabilidade humana]
|
v
[32.2 Verificações independentes]
|
v
[Laboratório — Falha independente e de causa comum da]
|
v
[32.3 Falhas de causa comum]
|
v
[Síntese]
|
v
[Exemplo resolvido] --> [Exercício EX094]
Objetivos de aprendizagem
Você vai (1) analisar a confiabilidade de controles que dependem de pessoas; (2) calcular o efeito de verificações independentes; (3) reconhecer falhas de causa comum.
32.1 Confiabilidade humana
Todo controle que depende de uma pessoa pode falhar quando ela está cansada, apressada ou distraída. Aiko trata o controle de retorno de ligação como um sistema com uma probabilidade de falha. Se um analista pula o retorno em cinco por cento dos casos sob pressão, um controle com um único analista falha cerca de uma vez em vinte. Uma segunda verificação independente reduz isso, mas só se as verificações forem de fato independentes. A análise de confiabilidade ajuda a Greyford a ver onde acrescentar verificações e onde um controle técnico seria mais confiável do que qualquer procedimento.
32.2 Verificações independentes
O laboratório calcula a probabilidade de uma mudança fraudulenta de pagamento passar quando cada uma de uma, duas ou três verificações independentes falha com determinada probabilidade. Com uma taxa de falha de 5%, duas verificações independentes falham juntas em 0,25% dos casos. Em seguida, o laboratório acrescenta uma causa comum, como a pressão de fim de mês afetando os dois analistas ao mesmo tempo, e mostra que a falha conjunta sobe bruscamente. Isso mostra por que a Greyford escala outra equipe para as segundas verificações no fim do mês e não confia apenas na aritmética da independência.
Laboratório — Falha independente e de causa comum das verificações
# Probability a fraudulent payment change passes all checks (synthetic rates).
p = 0.05
for k in (1, 2, 3): print(f"{k} independent check(s): {p ** k:.4%}")
# Common cause: on 10% of days (month-end), each check fails with 0.35 and failures are shared.
q, pc = 0.10, 0.35
both = (1 - q) * p * p + q * pc * pc
print(f"2 checks with month-end common cause: {both:.2%}")
Execute com python3 lab_reliability.py. Saída verificada:
1 independent check(s): 5.0000%
2 independent check(s): 0.2500%
3 independent check(s): 0.0125%
2 checks with month-end common cause: 1.45%
32.3 Falhas de causa comum
Causas comuns incluem pressão compartilhada, informação enganosa compartilhada e confiança compartilhada em um nome conhecido. Se o e-mail fraudulento convence o primeiro analista, o segundo pode ver o mesmo e-mail e ser convencido também. Por isso, Aiko desenha a segunda verificação para usar informação diferente, o número do cadastro do fornecedor em vez do e-mail, e uma equipe diferente. Ela observa que a independência é uma propriedade de projeto que precisa ser construída, e não presumida, e a escreve na descrição do controle para que ela sobreviva às trocas de pessoal.
Exemplo resolvido
Aiko modela a confiabilidade do retorno de ligação, mostra que verificações independentes reduzem a falha e desenha o controle contra causas comuns.
Caso sintético. As probabilidades são sintéticas.
Erros e limites
Taxas reais de falha são difíceis de medir. A independência pode se desgastar com o tempo.
Exercícios
- EX094 — Duas verificações. Qual é a taxa de falha conjunta de duas verificações independentes de 5%? Rubrica: 3 = 0,25%;; 2 = 0,0025;; 1 = 10%;; 0 = nenhuma.
- EX095 — Causa comum no laboratório. Como uma causa comum alterou a falha conjunta? Rubrica: 3 = a falha conjunta subiu de 0,25% para 1,45%;; 2 = aumento;; 1 = vago;; 0 = nenhuma.
- EX096 — Construir a independência. Como Aiko construiu a independência na segunda verificação? Rubrica: 3 = informação diferente e equipe diferente;; 2 = diferente;; 1 = mesmo e-mail;; 0 = nenhuma.
Síntese
Controles que dependem de pessoas só são confiáveis quando as verificações são genuinamente independentes e as causas comuns são eliminadas no desenho.
Continue estudando — aula 32 (capítulo 32 de 50)
← Capítulo 31 · Índice das aulas · Capítulo 33 →
Continue para a próxima aula já escrita.