.RU
Карта сайта

Автореферат дисертації на здобуття наукового ступеня - старонка 4

.

Для динамічних показників (наприклад, рухливість нервових процесів) така залежність може набувати ще більшого значення при застосуванні рівневих показників.

Для оцінки поточної працездатності, коли динамічні психофізіологічні характеристики набувають ще більшої вагомості, точки обернення можуть перетворюватись в точки біфуркації, що, як правило, не реєструється як зміни рівнів показника, але змінюється його часова структура і стійкі коливання із стану нестійкої рівноваги переходять в стан розпаду стійкого граничного циклу. Відповідно, зміна функціонального стану може реєструватися або ні, а зміна працездатності не може бути зафіксована, що приводить до помилки в оцінці й прогнозі працездатності оператора. Таким чином, оцінювання лише рівнів психофізіологічних параметрів не дозволяє отримувати надійні прогнози, якщо не враховується еволюція процесу діяльності. Вихід із цієї ситуації – проведення обстеження (оцінка ПВПЯ) з певним інтервалом у часі, який елімінує ефект біоритмів або дозволяє оцінити стійкість динаміки діяльності оператора.

Враховуючи багаторівневий характер психофізіологічних показників, які беруть участь в утворенні працездатного стану оператора, та неоднорідність параметрів, що впливають на функціонування ФСД, а також важливість урахування динамічного характеру ФСД, виникає необхідність вибору адекватного інструментарію для вирішення задач інваріантного моделювання з метою вивчення, розробки і застосування найбільш загальних закономірностей та принципів моделювання складних багатоякісних систем, якими є системи прогнозування працездатності оператора (ППО) на різних рівнях. В якості такого інструментарію для загального опису систем ППО обрана теорія гіперкомплексних динамічних систем (ГДС), розроблена О.Н.Малютою, де гіперкомплексність розуміється як різноякісність даних, а сукупність близьких за якістю складових утворює 1 елемент ГДС, кількість яких визначає порядок ГДС. Важливою особливістю є обов’язкова наявність зв’язку (взаємодії) між елементами.

Розглядаючи систему ППО як трирівневу замкнуту гіперкомплексну динамічну систему, в якій фактори впливу на працездатність СЛТС є елементи ГДС, що взаємодіють один з одним, загальну працездатність можна подати як ГДС першого рівня, вікову – як ГДС другого рівня, поточну – як ГДС третього рівня (рис.6).

Використання гіперкомплексних матриць дозволяє усунути зазначені вади і формально встановити зв’язки між елементами різних рівнів і між елементами того самого рівня.

Фізичний зміст елементів матриці такий:

підматриця Y1.j – показники загальної працездатності (професійної придатності), до яких відносяться:

Y(1.1)(1.1) – параметри інтелекту,

Y(1.2)(1.2) – параметри структури особистості,

Y(1.3)(1.3) – параметри рухливості нервових процесів;

підматриця Y2.2 – показники вікової працездатності (професійне старіння);

підматриця Y3.i – показники поточної працездатності, що складаються з:

Y(3.1)(3.1) – фізіологічні параметри працездатності оператора,

Y(3.2)(3.2) – параметри когнітивної діяльності.

Ненульовий елемент матриці відповідає наявності зв’язку між елементами, відсутність елементу означає відсутність зв’язку між відповідними елементами матриці.

Для загального випадку опису взаємодії елементів структури професійної придатності формалізація проводиться таким чином. Модель „еталонного оператора” являє собою ГДС-модель трьох різноякісних структур: особистісних властивостей (соціально-психологічної), інтелекту (індивідуально-„логічної”), психодинамічної (нейродинамічної). Ідентифікаційний процес полягає в тому, що створюється (будується) системна модель, яка узагальнює названі психофізіологічні структури для конкретної професіональної групи операторів. Далі будується ГДС-модель кожного конкретного претендента на операторську роботу на основі результатів дослідження його індивідуальних якостей і за ступенем розбіжностей між двома моделями перевіряється ступінь відповідності оператора системі вимог професії.

Якщо розглядати кожну структуру як елемент розімкненої ГДС, який піддається зовнішнім діям Ii і зазнає змін dφi під впливом цих дій, з урахуванням питомої інтенсивності взаємодії елементів між собою у процесі реалізації професійної працездатності yij, то можна записати рівняння для першого елемента

dφ1 + I1 = dφ2 y12 dφ3 y13, (7)

де означає ГДС-взаємодію, dφi yij – символ елемента i з одночасним урахуванням його кількісної і якісної сторін. У загальному випадку, спрощуючи запис заміною знаку гіперкомплексної взаємодії знаком звичайного додавання, отримаємо повну систему рівнянь:

dφ1 + dφ2 y12 + dφ3 y13 = I1,

dφ1 y21 + dφ2 + dφ3 y23 = I2, (8)

dφ1 y31 + dφ2 y32 + dφ3 = I3

Слід враховувати в кожному практичному випадку використання апарату ГДС специфіку умов працездатності оперативного персоналу і факторів, що впливають на формування ідеального оператора. У деяких випадках побудова коректної ГДС-моделі може виявитися неможливою і тоді доводиться обмежитися традиційним апаратом статистичного аналізу реальних даних.

У четвертому розділі

розв’язані завданням визначення найбільш інформативних психофізіологічних показників на всіх етапах професійної діяльності оператора, а також розроблення методики побудови оптимальних моделей працездатності оператора та проведення аналізу їх стійкості й надійності. Вирішені завдання є необхідною складовою управління працездатністю оператора на основі систем прогнозування останньої.

Застосовується поняття „управління” як процесу приведення заданого об’єкта у стан, що відповідає поставленій меті. Таке визначення дозволяє розглянути працездатність оператора як об’єкт управління організаційно-психологічними методами, а систему оцінки та прогнозування ПО – як систему управління працездатністю оператора. У загальному випадку ергономічного підходу до аналізу ефективності системи „людина-техніка-середовище” оцінка і мета прогнозу ФС і ПО Û в СЛТС - забезпечити максимальну якість функціонування системи Q, яка залежить від реалізованої працездатності оператора R, організації системи О, стану обладнання E, міжелементного інтерфейсу І, динаміки розвитку СЛТС у часі t. Така задача описується як:

Û(t) = arg max Q(t) = arg max f [ R(t), O(t), E(t), I(t), t] , (9)

Ř,Ŏ,Ě,Ĭ Ř,Ŏ,Ě,Ĭ

де Ř(t)R(t) , Ŏ(t)O(t), Ě(t)E(t), Ĭ(t)I(t).

На коротких інтервалах часу стан обладнання, організацію системи та інтерфейс можна вважати постійними і незалежними від t. У такому випадку E(t) = E, O(t) = O, I(t)= I і

Û(t) = arg max Q(t) = arg max f [ R(t), O, E, I, t] , (10)

Ř,Ŏ,Ě,Ĭ Ř,Ŏ,Ě,Ĭ

Таким чином, якість функціонування СЛТС може змінюватися у часі й залежить від працездатності оператора, може забезпечуватися через оцінку ФС і ПО. Точність оцінки Û суттєво впливає на можливість досягнення максимуму якості й залежить від вибору множини показників ФС або ПО залежно від рівня їх визначення. Мета управління працездатністю оператора формулюється таким чином: для будь-якого управління U = Ψ(F) існує оцінка Û така, що | Û – U | ≤ δ, для якої забезпечується якість праці оператора Q, що QQmax, тобто при заданому рівні вимог до праці оператора ε виконується умова | Q – Qmax | ≤ ε.

У свою чергу, для оптимального управління працездатністю оператора: знайти таке управління, що вартість оцінки E(Û) є функцією від вартості V й часу t обстеження оператора, задана на замкнутій обмеженій множині URr, досягає в певних точках множини свого мінімального значення min E(U), тобто таке, що забезпечує одночасне виконання умов

| Q – Qmax | ≤ ε ,

| Û – U | ≤ δ, (11)

E(Û) = argmin E(U).

Оптимальне управління працездатністю досягається за умови оцінки людини як системи і, відповідно, організації психофізіологічного забезпечення як функціональної системи діяльності. При цьому оцінки на кожному етапі виступають в ролі керуючої інформації в системі управління працездатністю оператора (рис. 7). Інтервал екстраполяції оцінки залежить від рівня працездатності, що оцінюється, і від застосованих засобів оцінювання. У такому випадку управляючими координатами працездатності оператора стають оцінки працездатності, а завдання управління працездатністю формулюється як завдання оптимального управління таким чином. Будемо розглядати об’єкт управління – працездатність оператора F, який описується в фіксований момент часу фазовими векторами загальної працездатності X = (x1, x2,…, xk), вікової працездатності Y = (y1, y 2,…, y l) та поточної працездатності Z = (z1, z 2,…, z m): F = φ(X, Y, Z, t). Таким чином, рівень реалізованої працездатності визначається точкою N-мірного евклідового простору RN, що є фазовим простором ПО, де N = klm.

Рух об’єкта полягає у зміні фазових координат у часі t, тобто фазові вектори є вектор-функціями незалежної координати t, а фазова точка, що відповідає миттєвому положенню об’єкта, описує в просторі фазову траєкторію, яка задається формулою

F(t) = φ(X(t), Y(t), Z(t), t) .

(12)

Нехай у фазовому просторі RN задана деяка множина - сукупність усіх фазових станів, в яких об’єкту керування дозволено знаходитися. Тоді при русі об’єкта його стан f = (f1, f2, … , fN) в кожний момент часу повинен задовольняти умові f Ω., яка є обмеженням на фазові координати – професійними обмеженнями або вимогами (див. рис. 1). Найбільш важливим є випадок, коли множина є замкненою, а фазові траєкторії можуть проходити по її границі, створюючи нестійкий стан працездатності з високим ризиком помилкових дій оператора, який може виходити за обмеження на надійність діяльності. Припустимо, що положення наявних в об’єкті управління засобів „керування” описується в фіксований момент часу r управляючими параметрами u1, u2 …, ur, тобто вектором управління u =( u1, u2 …, ur). Відповідно до трирівневої моделі формування працездатності r = 3. Управляючі дії означають вибір управління, тобто вектор-функції u(t).

Суттєвим моментом, що характеризує керовану систему, є опис множини припустимих управлінь u, тобто сукупності функцій u(t), які відповідно до реальних обставин задачі дозволяється обирати в якості управляючих дій і серед яких шукається оптимальне управління. Ця множина визначається потрібними в конкретний момент часу вимогами до працездатності. Управляючі дії не можуть приймати будь-які значення через реальні умови їх використання (обмеженість ресурсів управління, умови експлуатації тощо). Це означає, що в просторі можливих управлінь Rr вказується деяка множина U, область управління і в будь-який момент часу точка u =( u1, u2 …, ur) повинна належати цій множині

uU. (13)

Окрім обмеження на значення управляючого вектора в будь-який момент часу, необхідно з’ясувати припустимий характер змін цього вектора з часом. Домовимось розглядати в якості управлінь кусочно-безперервні вектор-функції u(t) =( u1(t), u2 (t)…, ur(t)), тобто такі, що існують у всіх точках вказаного інтервалу часу і виконується умова (6). Будь-яку таку функцію u(t) можна називати припустимим управлінням. Щоб визначити, як фазова траєкторія буде визначатися вибраним управлінням з урахуванням початкового фазового стану

f(t0) = f0 = {X0, Y0, Z0, t0}, (14)

потрібно знати закон руху об’єкта, що описує динамічні властивості керованої системи. У загальному випадку описи динаміки професійної працездатності оператора протягом його професійної біографії (тобто на інтервалі часу його існування як оператора) не відомі. Зважаючи на гіперкомплексний характер психофізіологічних механізмів формування працездатності оператора, більш доцільним є пошук не загальної фазової траєкторії, а частково-детермінованих траєкторій на відповідному до оцінювання рівні для конкретних ситуацій. Очевидною є необхідність застосування різних методик оцінювання та прогнозування працездатності оператора на відповідних рівнях її формування.

Обґрунтування теоретичних положень проводили шляхом експериментальної перевірки для кожного рівня працездатності – первинний професійний відбір (загальна працездатність), професійне старіння (вікова працездатність) і поточний контроль (поточна працездатність) – в лабораторних та виробничих умовах з метою перевірки адекватності розроблених методик для наукового і практичного застосування.

У розділі 4 наводяться результати такого обґрунтування на прикладі операторів-спостерігачів гідро- та теплових електростанцій, а також професійних користувачів комп’ютерів (операторів і програмістів).

Як статистичну модель прогнозу групи профпридатності "майбутнього" оператора вибирали множинну регресійну модель, яка відповідала найбільш точному опису персоналу з погляду прогнозованої групи професійної придатності ГПП. Завдання визначення функціональної залежності, що найкращим чином описує експериментальні дані, пов'язано з подоланням ряду принципових труднощів. У загальному випадку для стандартизованих даних функціональну зале-жність показника працездатності y від психофізіологічних параметрів xi можна подати у вигляді

y = f(x1, x2, …, x т)+ε, (15)

де f – заздалегідь невідома функція, що підлягає визначенню; ε - помилка апроксимації, яка використовується як критерій оптимізації моделей.

Найбільш широко вживаною на практиці моделлю є поліном першого ступеня

. (16)

Для побудови моделей використовували покроковий алгоритм відбору найбільш інформативних показників з числа 50 зареєстрованих показників виконання тестів (СМДО, ТСІ, ІКВУР тощо), в ході попереднього обстеження. Побудову моделі в такому випадку виконували наступним чином.

На першому кроці серед множини незалежних змінних (предикторів) {x} вибирали такі дві xi≠0 і xj≠0, що дають максимальний коефіцієнт множинної кореляції R = maxRij з усіх можливих коефіцієнтів R, Rij R. На кожному наступному кроці шукали таку наступна змінну xk ≠ 0 (k≠i, k≠j), для якої Rijk = max Rk.

Процес продовжували до виконання однієї з умов: введена задана кількість предикторів m або досягнуто критичне значення тесту Фішера Fкрит(n–2; a) при рівні значущості a.

Помилку апроксимації розраховували як середній відсоток відхилень оцінки від реальних значень yi по відношенню до діапазону варіювання ymax - ymin по всій вибірці:

ε

апр

=

*100% (17)

Таким чином були побудовані моделі прогнозу професійної працездатності для всіх обстежених ГЕС в цілому yзаг і окремо для кожної yГЕС.

yзаг = - 0.6 – 0.01x7 + 0.02x32 + 0.02x44 + 0.06x9 – 0.03 x11 + 0.01 x38 – 0.02 x18 – 0.03x12

+ 0.01x48 + 0.01x46 . (18)

Для Саяно-Шушенської ГЕС професійну працездатність операторів yСШ обчислювали за моделлю

yСШ = 1.42 – 0.07x12 + 0.02x26 + 0.01x40 - 0.01x7 – 0.06 x13 + 0.02 x44 – 0.01 x46

– 0.06x11 + 0.01x22 - 0.01x42. (19)

Ознаки незалежних змінних ті самі, але їх склад у моделі відрізняється. При цьому середня помилка апроксимації по моделі окремого підприємства склала 5 %, тоді як по узагальненій моделі 19 %, що вказує на необхідність урахування в моделі „еталонного оператора” не тільки суто професійні якості, але й соціально-економічні умови проживання, які суттєво впливають на структуру особистості та створення професійно ефективного виробничого колективу. У територіальному відношенні і, як наслідок, в соціальному плані (престижність професії, соціально-побутова комфортність, професійне навантаження, клінічні умови в місці мешкання, задоволення культурних потреб) умови життя і роботи персоналу обстежених ГЕС Сибіру істотно відрізняються. Це, можливо, зумовило формування колективів з різною вираженістю тих чи інших ПВПЯ, які визначають психофізіологічний портрет операторів кожної конкретної гідроелектростанції. Спроба ж вивести деякий узагальнений портрет (модель) виявилася не дуже вдалою в тому плані, що одержана модель істотно відрізнялася від моделі кожної ГЕС окремо. Отже з метою підвищення точності прогнозу необхідно використовувати моделі, побудовані для кожного окремого підприємства.

З метою дослідження шляхів підвищення ефективності моделей прогнозу та уточнення виду моделей були проаналізовані також можливості гребневої (Ridge) регресії та поліноміальної регресії третього ступеня, результати прогнозування за якими співставляли з лінійними моделями.

Гребенева регресія використовується для боротьби з надмірністю даних і дозволяє виділити суттєві ознаки. Відповідне рівняння, отримане щодо операторів ГЕС,

yгр = 2.90 – 0.29x7 - 0.08 x22 + 0.16x43 + 0.17x9 – 0.10x12 - 0.11 x11 - 0.08x21 - 0.08x16

- 0.92x39 – 0.07 x5 . (20)

практично не відрізняється від попереднього за складом, але має відмінності в структурному відношенні, що виявилося в порядку відбору предикторів до моделі та більш суттєвих змінах регресійних коефіцієнтів. Якість рівняння характеризується множинним коефіцієнтом кореляції R=0.65 і коефіцієнтом Фішера F = 14.67 при рівні значущості p < 0.001. З цього можна зробити припущення, що перші чотири предиктори є відносно стійкими і значущими для оцінки ГПП.

Результат побудови рівняння поліноміальної регресії:

yп = 3.26 – 1.8x7 - 0.3x9 + 0.7x43 + 2.51 x - 1.3x + 1.2x - 0.9x - 2.8 x + 2.4x (21)

при R=0.68, F = 18.76, p < 0.001.

З порівняння результатів дослідження оцінних можливостей використаних регресійних рів-нянь випливає, що за умови традиційного підходу (використання лінійних регресійних моделей, включення до множини предикторів ≤ 10 змінних) апроксимаційні властивості моделей незалежно від їх виду мають приблизно однакові характеристики і відповідають даним, відомим з літератури.

Але апроксимація даних і екстраполяція мають суттєві відмінності при застосуванні моделей до людини через суттєві психофізіологічні, психологічні, освітянські та інші відмінності, через що особливого значення набуває питання надійності й стійкості моделей до дії „шуму” – застосування їх до об’єктів, параметри яких суттєво відрізняються від параметрів об’єктів, що ввійшли до навчальної вибірки моделі. Особливо це має значення з урахуванням того, що наведений вище аналіз проводився по відношенню до генеральної вибірки (285 обстежених операторів), а, як було показано вище, моделі потребують побудови для кожного окремого підприємства, для чого використовуються вибірки, суттєво менші за генеральну. Постає питання про оптимальність моделей за критеріями точності прогнозу, надійності й стійкості моделей.

Синтезовану оптимальну модель працездатності можна подати у вигляді цільового функціоналу

ПО =

,

(22)

де - дійсні однозначні функції показників професійно важливих якостей; - вагові коефіцієнти ПВПЯ.

Оскільки матриця даних Х

складена за результатами пасивного експерименту, для синтезу моделей в подібних випадках використовують регресійний аналіз, в якому застосовують як критерій оптимальності мінімум середньоквадратичної помилки функціоналу. Проте недоліком методу є те, що критерій є внутрішнім і використовує всю внутрішню інформацію, внаслідок чого згідно з теоремою Трапезникова, чим складнішою є модель, тим точніше вона описує реальний процес. Для технічних систем такий підхід можливо є виправданим і дійсно забезпечує побудову оптимальних моделей. Проте всі живі системи мають досить вузькі діапазони оптимальних значень параметрів існування, що диктується зовнішніми умовами й необхідністю швидкої адепта-ції до них. По відношенню до них більш адекватним є використання ідей Геделя щодо застосуван-ня зовнішнього критерію. У цьому випадку забезпечується аналіз розумової працездатності людини як системи, а моделі є оптимальними, оскільки при ускладненні моделі зовнішній крите-рій проходить через мінімаксне значення, яке визначає єдину модель оптимальної складності.

Критерій оптимізації моделей, що забезпечують максимальну якість діяльності СЛТС через максимальну точність прогнозу ПО, в такому випадку можна представити як

Qopt =| argopt Φ(X1) – Q(X2) | , (23)

де Φ(X1) – коваріаційна матриця оцінок на навчаючій добірці матриці Х1,

Q(X2) – середньоквадратична помилка моделювання на перевірочній матриці Х2.

Критерій Q(X2) є зовнішнім критерієм.

Аналіз можливостей побудови оптимальних моделей проведений на прикладі однієї ГЕС (Саяно-Шушенської), де вимоги до операторів найвищі. Оптимальність моделей прогнозу розглядається з точки зору співвідношення витрат на кількість зареєстрованих параметрів, точність прогнозу за моделями і стійкість моделей до впливу показників людини, параметри якої суттєво відрізняються від параметрів навчальної вибірки моделі.

Подальший аналіз полягав у дослідженні впливу кількості предикторів, що включаються до моделі, на точність прогнозу для трьох випадків похибки апроксимації, коли з навчальної вибірки видалялись дані оператора, а прогноз будувався за моделлю, побудованою на решті даних: 1) мак-симальна похибка ERmax, 2) середня ERmean, 3) мінімальна ERmin. Результати аналізу (табл. 1) дозволяють зробити такі висновки:

  1. помилка апроксимації суттєво не відрізняється для всіх трьох варіантів;

  2. як правило, якість апроксимації монотонно зростає із збільшенням кількості предикторів в моделі, що є очікуваним;

  3. якість прогнозу змінюється немонотонно з виразним екстремумом на 9 предикторах;

  4. найбільшу похибку має варіант для оператора з максимальною похибкою апроксимації ERmax. Результат очікуваний, тому що модель будувалась без урахування оператора, який найбільшим чином вносив „збудження” в дані навчальної вибірки,

  5. найбільш стабільний і низький рівень помилки спостерігається в іншому крайньому варіанті – для оператора з мінімальною похибкою ERmin, що також є очікуваним, тому що його дані спричиняють найменші відхилення в даних,

6) найбільш чутливим до кількості предикторів у моделі виявився варіант з видаленням з навчальної вибірки „середнього” оператора ERmean.

З метою усунення впливу нерівномірності представлення в навчальній вибірці операторів з різною похибкою апроксимації весь діапазон можливостей був пронормований відповідно до гістограми частот (рис. 8).

Гістограма частот похибок

ε

пр

за інтервалами вказує на нерівномірність розподілу й необхідність ввести зважену міру похибки трьох випадків: 1) ERmax, 2) ERmean, 3) ERmin. Відповідно позначимо похибки прогнозу як ε1, ε2 та ε3, а ймовірність потрапляння оператора до цих класів як p1, p2 та p3. Середньозважену похибку прогнозу обчислювали як

пр = . (24)

Наприклад, для обстежених 46 операторів Саяно-Шушенської ГЕС середньозважена оцінка ймовірності помилки прогнозу з урахуванням p1 = 0.02, p2 = 0.24, p3= 0.46 дозволила підтвердити існування певного „оптимуму” кількості предикторів, які включаються в модель, що дозволяє на практиці зменшити обсяг обстеження претендентів на операторську посаду із збереженням достатньо високої точності прогнозу.

Таким чином, оптимальним варіантом моделей прогнозу професійної придатності операторів Саяно-Шушенської ГЕС є моделі, що включають 10 або 11 предикторів.

Наведена методика визначення оптимальних моделей була також використана для побудови оптимальних моделей для поточного контролю працездатності операторів, що підтвердило результати попередніх досліджень, отриманих за іншою методикою побудови оптимальних моделей. Співставлення отриманих результатів з відомими даними (С.М. Артюх) підтверджує недостатність використання узагальненої моделі для всієї професійної групи і необхідність побудови моделей з урахуванням специфічних особливостей праці на конкретному підприємстві.

Результати дослідження оптимальних моделей прогнозу працездатності операторів привели до необхідності дослідження такої характеристики використаних рівнянь, як стійкість рішень.

У загальному випадку працездатність можна представити як макроскопічну змінну, вихідну координату нелінійної нерівноважної системи – оператора, що описується нелінійними динамічними рівняннями. Професійна працездатність характеризує функціональну систему діяльності, в якій динамічні змінні Xi мають неперервний характер і залежать від часу, а закони, з яких вони визначаються, формулюються у вигляді диференційних рівнянь Xi=Xi(t) (i=1,2,…,n).

Вектор Xi(t) задовольняє системі диференційних рівнянь

= fi (X1, X2,..., Xn, λ, t), (25)

де fi – деяка нелінійна функція (у загальному випадку);

λ – визначає сукупність параметрів, які описують внутрішні й зовнішні умови діяльності.

Xi(t) є розв’язком системи рівнянь і утворює траєкторію у фазовому просторі рішень. За теоремою Ляпунова, якщо для довільного моменту часу t (або події) для будь-якого значення ε > 0 (помилка прогнозу) можна знайти таке значення δ (ε, t0) > 0, що для будь-якого розв’язку i(t), який задовольняє умові |i(t0) - Xi(t0) | < δ має місце | i(t) - Xi(t) | < ε . Ці умови означають, що для стійкого процесу фазові траєкторії не розбігаються, а умова

| i(t) - Xi(t) | → 0 при t → ∞ (26)

означає, що всі траєкторії асимптотично наближаються до стійкої траєкторії і рівняння-розв’язки системи, побудовані на навчальній вибірці (початкові умови t0) залишаються валідними для будь-якого випадку t > t0. Перевірка цих умов у практичному відношенні забезпечується шляхом розбивки добірки на навчальну й перевірочну з оцінкою статистики похибок прогнозу.

Зважаючи на дискретний характер практичної реалізації вимірів працездатності оператора, рівняння описують дискретний процес і рішення є статистичними моделями опису динамічної працездатності. У такому випадку аналогом стійкості розв’язків системи (4.19) є рівняння

, (27)

яке також є динамічним рівнянням, причому вагові коефіцієнти (регресії) також залежать від параметру t, в ролі якого для професійного відбору виступає процес подій.

Стійкість за Ляпуновим означає також, що мала зміна початкових умов не може викликати великих змін рішення. Якщо підходити до професійного відбору з традиційних (типових на сьогодні) позицій, то будь-яке рішення не буде стійким, оскільки, як було показано вище, воно залежатиме від навчальної вибірки для побудови моделі. Але у випадку використання методики середньозважених оцінок з’являється можливість підвищення надійності й стійкості прогностичних оцінок, що забезпечує високо точний прогноз працездатності оператора.

У п’ятому розділі

вирішено завдання розробки принципів синтезу систем високоточного прогнозу працездатності операторів на різних стадіях їх професійної біографії.

Відповідно до запропонованої концепції базовою психодіагностичною системою є система для психофізіологічних досліджень в лабораторних умовах (СПФІ), створення якої вимагає урахування наступних принципів: адекватності тестів, що використовуються, досліджуваним функціям; мінімальної дії; урахування часового чинника; спеціалізованої СУБД; використання динамічної бази даних.

Принципи й структура систем прогнозування професійної придатності оператора: викорис-тання зовнішнього критерію для оцінки профпридатності індивідуума до операторської діяльності; визначення ступеня відповідності рівня розвитку ПВПЯ індивіда професійним вимогам; багатофу-нкціональність; оцінювання „вертикальної” структури психофізіологічних показників; використа-ння моделі «еталонного» оператора для конкретної професійної групи певного типу підприємств.

Як зовнішній критерій використовується група професійної придатності, кількість яких дорівнює 4, а методичні особливості їх побудови за експертним оцінюванням і використання в енергетиці розвинуті спільно з О.В. Герасимовим. Системи первинного психофізіологічного контролю (профвідбору) направлені на оцінку неспецифічних професійно значущих якостей, що допомагають (або перешкоджають) оволодінню обраною професією або роботі за професією. Засоби й методи оцінки повинні бути достатніми для того, щоб зробити висновок про потенційну професійну придатність R конкретного кандидата на операторську професію як інтегральний показник, а також щодо рівня розвитку окремих інформативних ПВПЯ Qi. Якщо Qi ≤ Qкритич, рекомендується індивідуальний тренінг цих ПВПЯ з подальшим контролем наприкінці етапу навчання. Таким чином, принцип реалізується як виконання умов

R G = {gi} =




{g3, g4 } → професійна придатність без обмежень

g2, QiQкритич, → умовна професійна придатність (28)

g1 → професійна непридатність,

де i=1…4 .

Принципи й структура систем оцінки професійного старіння оператора: відповідність віковим змінам ПВПЯ; оцінка еволюції адаптаційних можливостей оператора; урахування об’єктивних фізіологічних показників і психофізіологічних, суб’єктивних псисихологічних оцінок; аналізу динаміки показників професійного старіння; індивідуального „профілю старіння”.

Принципи побудови систем щоденного контролю були підтверджені на розширеній вибірці професіональних операторів у порівнянні з попередніми розробками.

Загальна структура стадій психофізіологічного контролю працездатності операторів включає три рівня оцінки й прогнозування функціонального стану та працездатності, а базою узагальненої системи є база даних ПВПЯ, які вимірюються та оцінюються на кожному рівні формування працездатності оператора (рис. 9).

У шостому розділі

вирішено завдання аналізу ефективності розроблених систем (психофізіологічного забезпечення працездатності операторів СПЗО, та її підсистем психофізіологічного професійного відбору ППВ і передзмінного контролю СПОРО) з точки зору їх використання для нових досліджень, практичного впровадження, а також економічної та ергономічної ефективності (по відношенню до базового зразка).

Розроблені принципи і критерії функціонування інформаційної технології управління працездатністю операторів-спостерігачів були реалізовані у вигляді комп’ютерних систем психофізіологічної підтримки операторської праці й впроваджені на підприємствах енергетики Росії і України, а система психофізіологічних досліджень (СПФД), крім того, в університеті й Медичній академії м. Гронінген (Нідерланди). Використання СПФД дозволило підтвердити існування в коливальній структурі виконання когнітивних задач певних „смуг”, які частково співпадають зі „смугами” частот у фізіологічних параметрах розумової діяльності. Крім того, встановлено, що періодична складова 0.1 Гц виділяється також у часовій структурі виконання когнітивних задач і є інформативною по відношенню до динаміки розумової діяльності.

Системи професійного відбору були використані для прийому на роботу персоналу Зміївської ДРЕС, персоналу чотирьох ГЕС Сибіренерго, а також застосовані для обстеження персоналу Укрпатенту, що дозволило побудувати надійні моделі прогнозу спеціалістів підприємств і впровадити системи для подальшого застосування.

Системи щоденного контролю, раніше розроблені для міні-ЕОМ і випробувані на Конаковській ДРЕС (КонДРЕС), були доопрацьовані в методичному й технічному відношенні та впроваджені на персональних комп’ютерах для операторів ГЕС, що дозволило отримати порівняльні дані для подальшого вивчення специфіки операторської праці різних професійних груп – Красноярської (КГЕС) і Саяно-Шушенської (СШГЕС) ГЕС, а також диспетчерів Красноярськенерго (табл. 2).

Використання для моделей прогнозу в системі СПОРО параметрів зовнішніх факторів (досліджено вплив показників щільності й швидкості сонячного вітру, а також стану геомагнітного поля) дозволяє збільшити точність прогнозу продуктивності праці когнітивного типу до 98.3%, що значно перевищує інші відомі методи.

Аналіз техніко-економічної ефективності в результаті використання ергономічного забезпечення операторської праці проведений з використанням офіційних даних Міненерго України. Беручи за базовий варіант систем прогнозування професійної придатності до операторської професії розробки, теоретичною верхнею межею точності яких відповідно до опублікованих даних вважається в середньому 75%, тобто ймовірність помилкового прийому на роботу в яких р

ППВ

дорівнює 0.25, з урахуванням ймовірності аварій внаслідок помилки прогнозу профпридатності операторів у базовій моделі рта за результатами використання СПЗО р. Ефект від впровадження СПЗО як ергономічного забезпечення U

СПЗО

у порівнянні з базовим зразком U

б

обчислено через зменшення кількості можливих аварій Пп

:



ΔU = UСПЗОв - Uб = Пп · р- Пп · р= Пп - р). (29)

Показано, що впровадження СПЗО в частині професійного відбору може дати зменшення кількості аварій внаслідок підвищення точності прогнозу профпридатності потенційних операторів на 52 випадки щорічно. При щоденному контролі впровадження системи СПОРО на енергопідприємствах України дозволяє за таким розрахунками отримати зменшення статистично реєстрованих порушень на 32 щорічно.

Таким чином, аналіз результатів розробки та використання СПЗО на промислових підприємствах доводить ефективність розробленого ергономічного забезпечення у вигляді комп’ютерних систем психофізіологічного прогнозування працездатності операторів, що підтверджується актами промислового впровадження.
2014-07-19 18:44
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • Контрольная работа
  • © sanaalar.ru
    Образовательные документы для студентов.