Analyzing Operator States and the Impact of AI-Enhanced Decision Support in Control Rooms: A Human-in-the-Loop Specialized Reinforcement Learning Framework for Intervention Strategies

要約

複雑な産業および化学プロセスの制御室では、安全性と効率性を確保するために効果的な意思決定が不可欠です。
この論文の実験では、動的影響図、隠れマルコフ モデル、および深層強化学習を使用して、改良されたマン マシン インターフェイスに統合された AI ベースの意思決定支援システムの影響と応用を評価します。
強化されたサポート システムは、オペレータの作業負荷を軽減し、状況認識を向上させ、システムと人間のパフォーマンスの両方の現在の状態に適応したさまざまな介入戦略をオペレータに提供することを目的としています。
このようなシステムは、多くのアラームと入力がすべて同じ時間枠内に表示される場合や、トレーニング中の若手オペレーターにとって、情報過多の場合に特に役立ちます。
47 人の参加者と、スマートウォッチの測定基準、視線追跡データ、プロセス ログ、アンケートの回答などのさまざまなデータ ソースを対象として、包括的なクロスデータ分析が実施されました。
この結果は、意思決定を支援し、知覚される作業負荷を軽減し、検討したシナリオに対する状況認識を高めるというアプローチの有効性に関する興味深い洞察を示しています。
さらに、この結果は、個々の参加者がシステムを使用した場合の情報収集スタイルの違いを比較するための貴重な洞察を提供します。
これらの発見は、リアルタイムのプロセスおよびヒューマンマシンインタラクションログを使用して、個々の参加者の全体的なパフォーマンスと、プラントの異常およびそれに関連するアラームを正常に処理する能力を予測する場合に特に関連します。
これらの予測により、より効果的な介入戦略の開発が可能になります。

要約(オリジナル)

In complex industrial and chemical process control rooms, effective decision-making is crucial for safety and effi- ciency. The experiments in this paper evaluate the impact and applications of an AI-based decision support system integrated into an improved human-machine interface, using dynamic influ- ence diagrams, a hidden Markov model, and deep reinforcement learning. The enhanced support system aims to reduce operator workload, improve situational awareness, and provide different intervention strategies to the operator adapted to the current state of both the system and human performance. Such a system can be particularly useful in cases of information overload when many alarms and inputs are presented all within the same time window, or for junior operators during training. A comprehensive cross-data analysis was conducted, involving 47 participants and a diverse range of data sources such as smartwatch metrics, eye- tracking data, process logs, and responses from questionnaires. The results indicate interesting insights regarding the effec- tiveness of the approach in aiding decision-making, decreasing perceived workload, and increasing situational awareness for the scenarios considered. Additionally, the results provide valuable insights to compare differences between styles of information gathering when using the system by individual participants. These findings are particularly relevant when predicting the overall performance of the individual participant and their capacity to successfully handle a plant upset and the alarms connected to it using process and human-machine interaction logs in real-time. These predictions enable the development of more effective intervention strategies.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google