心智模型
检查用户能否预测运动、停止条件与恢复后果。
部署评估 · 15
人因
与实际执行工作的人一起测试可预测性、可见性、工作负担、信任、警报含义、介入与重启。
证据状态工程判断框架 · 须按具体应用验证最近核验：2026年8月13日
15
FUURAA 核心判断
如果人无法可靠理解或使用，技术上安全的功能仍可能形成不安全工作。
工程拆解
把标题拆成可以观察、测量与复核的工程对象。
每一层都说明需要建立什么边界，以及什么证据能够支持下一步决定。
负担与人体工学
测量注意力、等待、别扭伸手、重复、节奏与警报负担。
参与与学习
让劳动者参与设计、测试、变更评审、事件学习与培训。
验证问题
先把问题写清，再决定需要演示、测试、试点还是长期运行证据。
问题应有明确对象、条件、分母、阈值和负责作出决定的人。
- 01
用户能否理解机器人为何减速或停止？
- 02
工作站是否把身体负担转化为监控负担？
- 03
作业说明在时间压力下是否可用？
- 04
如何记录并解决劳动者关切？
应保留的证据
让下一位读者能够重建条件、结果、失效和决定。
只保留结论会丢失复核能力；原始记录、配置与排除项同样重要。
- 01
证据包 1
代表性用户任务观察
- 02
证据包 2
工作负担、人体工学与可用性发现
- 03
证据包 3
劳动者反馈、培训与变更响应记录
适用边界
页面明确说明这组证据仍然不能外推什么。
- 01
培训不能弥补不良设计，也不能替代工程控制。
- 02
本页是工程阅读与决策框架，不替代针对具体应用的风险评估、符合性工作、采购验收或专业意见。
来源与证据状态
把标准范围、测量证据与应用结论分开阅读。
来源日期与核验状态均公开；外部来源在新窗口打开。