管理意外情况：算子行为数据及其在预测正确报警响应中的价值
人机交互
2025-08-18 v1 人工智能
摘要
来自心理生理测量的数据可以为控制室算子的行为、认知和心理负荷状态提供新见解。这在结合对可能的关键工厂条件（即关键报警响应情景）应激能力的评估时尤其有帮助。然而，眼动追踪和 EEG 帽等可穿戴生理测量工具可能被视为不具侵入性，不适合在日常操作中使用。因此，本文考察了使用在异常情景下算子与系统交互期间可记录和检索的过程和算子系统交互数据的潜力，这些数据可从分布式控制系统的历史记录或过程日志中获取，其 capacity 能提供有关算子行为的见解并预测其响应结果，而不会干扰日常任务。本研究的数据来自于使用正己酸生产工厂模拟器和四种人类在环实验支持配置的设计实验。本文呈现了不同配置在行为和绩效方面的比较。使用逐步逻辑回归和贝叶斯网络模型来实现这一目标。结果识别出一些预测性指标，并讨论了它们作为整体系统绩效在报警响应情景中作为先导或预测因子的价值。对相关且可实时获取的预测性行为指标的了解，能够更好地为决策者提供预测结果并提供及时支持措施的能力。
引用
@article{arxiv.2508.10917,
title = {Managing the unexpected: Operator behavioural data and its value in predicting correct alarm responses},
author = {Chidera W. Amazu and Joseph Mietkiewicz and Ammar N. Abbas and Gabriele Baldissone and Davide Fissore and Micaela Demichela and Anders L. Madsen and Maria Chiara Leva},
journal= {arXiv preprint arXiv:2508.10917},
year = {2025}
}