The past decade has seen an increase in the use of technologies in everyday activities and work environments in which the need for cognitive resources seems to increase. In contrast, the level of physical exertion seems to decrease. The rapid developments of the so-called "Internet of Things" (IoT) and its new automation archetypes in cyber-physical systems, as well as the increased analytical requirements arising from the need to analyze large amounts of data, are some examples of underlying elements that mark an increased cognitive demand of individuals to perform control tasks and get an overview of the distributed systems we are required to monitor. The main reason for measuring mental or cognitive workload is to quantify mental effort in performing specific tasks and assess its implications on human performance. Human Mental Workload (MWL) modeling can be used to support the design of interfaces, technologies and information-processing activities that are better aligned with each individual's mental capabilities. This doctoral dissertation focuses on developing computational models for the dynamic assessment of operator mental fatigue (which is identified as mental workload and/or cognitive workload) and the probability of human error in executing production process-related tasks. Mental fatigue, its measures, dimensions, models, applications and consequences are addressed. This thesis follows a multidisciplinary approach and is not only confined to the field of industrial ergonomics. Recent developments in the context of theoretical models of MWL and practical applications aimed at business support and management of MWL in operations are presented. Therefore, the contributions have been organized into sections where mental fatigue and the probability of human error in the context of production processes are investigated; here, the models developed are based on the information theory presented by Shannon. The thesis work was organized as follows: (a) State-of-the-art analysis of the increasing importance of the human factor in intelligent production systems, paying particular attention to the importance of human mental fatigue in performing tasks with predominantly cognitive rather than physical parts. (b) State-of-the-art analysis of existing methodologies, applied in different fields and for different purposes, used to assess human mental workload in performing a specific task. (c) Innovative proposals for modeling the operator's mental workload and evaluating the related performance, focusing on physiological factors and different types of tasks to be performed. The state-of-the-art analysis of existing methodologies used for MWL assessment, addressed in Chapter 1, helps to understand the shortcomings in analysing human factors related to mental fatigue in production processes. To overcome these limitations, the "n-back" test, a standardised tool for simulating tasks with different cognitive complexities, is presented in Chapter 2. Both objective and subjective methodologies are used here to assess mental workload during experimental sessions. The case study presented in Chapter 2 is used to simulate a real industrial setting that highlights how operators, due to the increase of cognitive tasks within their work activities, must make an increasing number of decisions. Chapter 3 uses the n-back test and literature data to create a new formulation for quantifying operators' mental workload and performance. The formulations presented consider both subjective and objective parameters of operators; in addition, the ageing workforce in advanced market economies and the impact on the evaluation of human factors in production processes in the era of digitalisation are investigated. Chapter 4 examines the complexity of two-dimensional (2D) object recognition tasks. The presented formulation allows modeling the difficulty of the task and the associated mental workload. Finally, in Chapter 5, human performance in repetitive tasks is studied. Here the operator's performance in performing a manual assembly task is evaluated. The modeling of mental workload, assessment of task difficulty and operator performance presented in this thesis can give the designer a hint about the improvement that can be achieved if the task assignment is optimised by considering different types of tasks and operators. Operator well-being will play a crucial role in task assignment. Mental workload assessment can be applied in job rotation programs to minimise mental workload. As explained in the Introduction, the proposed model formulations can fill the gaps in the existing scientific literature related to human factors in the digital factory.

Nell’ultimo decennio è incrementato l’utilizzo delle tecnologie nelle attività quotidiane e negli ambienti di lavoro in cui il fabbisogno di risorse cognitive sembra aumentare mentre il livello di sforzo fisico sembra diminuire. I rapidi sviluppi della cosiddetta “Internet delle cose” (Internet of Things - IoT) e dei suoi nuovi archetipi di automazione nei sistemi cyber-fisici, nonché l'aumento dei requisiti analitici derivanti dalla necessità di analizzare una grande quantità di dati sono alcuni esempi di elementi alla base che segnano una maggiore richiesta cognitiva degli individui di svolgere compiti di controllo e ottenere una panoramica dei sistemi distribuiti che siamo tenuti a monitorare. Il motivo principale per misurare il carico di lavoro mentale o cognitivo è quantificare lo sforzo mentale nello svolgere determinate attività e valutare le sue implicazioni sulle prestazioni umane. La modellazione del carico di lavoro mentale umano (Mental Workload - MWL) può essere utilizzata per supportare la progettazione di interfacce, tecnologie e attività di elaborazione delle informazioni meglio allineate con le capacità mentali di ciascun individuo. La presente tesi di dottorato è focalizzata sullo sviluppo di modelli computazionali per la valutazione dinamica della fatica mentale dell'operatore (individuati come carico di lavoro mentale e/o carico di lavoro cognitivo) e della probabilità di errore umano nell’esecuzione di attività legate ai processi produttivi. Viene affrontata la fatica mentale, le sue misure, dimensioni, modelli, applicazioni e conseguenze. Questa tesi segue un approccio multidisciplinare, e non solo confinato al campo dell'ergonomia industriale. Vengono presentati i recenti sviluppi nel contesto dei modelli teorici di MWL e applicazioni pratiche finalizzate al supporto delle attività e alla gestione di MWL nelle operazioni. Pertanto, i contributi sono stati organizzati in sezioni dove si indagano la fatica mentale e la probabilità di errore umano nell'ambito dei processi produttivi; qui i modelli sviluppati si basano sulla teoria dell'informazione presentata da Shannon. Il lavoro di tesi è stato organizzato come segue: a) Analisi dello stato dell'arte sull’importanza crescente del fattore umano nei sistemi di produzione intelligente, prestando particolare attenzione all’importanza della fatica mentale umana nello svolgimento di attività con prevalente parte cognitiva piuttosto che fisica. b) Analisi dello stato dell'arte sulle metodologie esistenti, applicate in diversi settori e per diversi scopi, utilizzate per valutare il carico di lavoro mentale umano nell'esecuzione di un compito specifico. c) Formulazione di proposte innovative per la modellizzazione del carico di lavoro mentale dell'operatore e per la valutazione della relativa prestazione, focalizzando l'attenzione sui fattori fisiologici e sulle differenti tipologie di attività da svolgere. L'analisi dello stato dell'arte delle metodologie esistenti utilizzate per la valutazione del MWL, affrontata nel Capitolo 1, ha aiutato a comprendere le carenze nell'analisi dei fattori umani legati alla fatica mentale nei processi di produzione. Al fine di superare tali limiti, nel Capitolo 2 viene presentato il test “n-back”, uno strumento standardizzato per simulare compiti con diverse complessità cognitive. Qui vengono utilizzate metodologie sia oggettive che soggettive per valutare il carico di lavoro mentale durante le sessioni sperimentali. Il caso di studio presentato nel Capitolo 2 è utilizzato per simulare un reale contesto industriale che evidenzia come gli operatori, a causa dell'aumento dei compiti cognitivi nell’ambito della propria attività lavorativa, debbano prendere un numero sempre più elevato di decisioni. Inoltre, nel Capitolo 3, i dati del test n-back e i dati di letteratura sono utilizzati per creare una nuova formulazione per la quantificazione del carico di lavoro mentale e della prestazione degli operatori. Le formulazioni presentate tengono conto sia di parametri soggettivi degli operatori sia di parametri oggettivi; inoltre è investigato il fenomeno dell'invecchiamento della forza lavoro nelle economie di mercato avanzate e dell’impatto sulla valutazione dei fattori umani nei processi produttivi nell'era della digitalizzazione. Nel Capitolo 4 è esaminata la complessità delle attività di riconoscimento degli oggetti bidimensionali (2D). La formulazione presentata permette di modellare la difficoltà del compito e il relativo carico di lavoro mentale. Infine, nel Capitolo 5, è studiata la performance umana nei compiti ripetitivi. Qui è valutata la prestazione dell'operatore nell’eseguire un'attività di assemblaggio manuale. La modellizzazione del carico di lavoro mentale, la valutazione della difficoltà del compito e della prestazione degli operatori presentate in questa tesi possono dare al progettista un suggerimento sul miglioramento che si può ottenere se l’assegnazione dell’attività è ottimizzata considerando i diversi tipi di compiti e operatori. Il benessere dell'operatore giocherà un ruolo cruciale nell'assegnazione del compito. La valutazione del carico di lavoro mentale può essere applicata nei programmi di rotazione del lavoro (job rotation) al fine di minimizzare il carico di lavoro mentale. Come spiegato nell'Introduzione, le formulazioni dei modelli proposti possono colmare le lacune della letteratura scientifica esistente relativa ai fattori umani nella fabbrica digitale.

Computational models for the dynamic assessment of operator’s mental fatigue and the human error probability in production processes / Cavallo, Daniela. - ELETTRONICO. - (2022). [10.60576/poliba/iris/cavallo-daniela_phd2022]

Computational models for the dynamic assessment of operator’s mental fatigue and the human error probability in production processes

Cavallo, Daniela
2022-01-01

Abstract

The past decade has seen an increase in the use of technologies in everyday activities and work environments in which the need for cognitive resources seems to increase. In contrast, the level of physical exertion seems to decrease. The rapid developments of the so-called "Internet of Things" (IoT) and its new automation archetypes in cyber-physical systems, as well as the increased analytical requirements arising from the need to analyze large amounts of data, are some examples of underlying elements that mark an increased cognitive demand of individuals to perform control tasks and get an overview of the distributed systems we are required to monitor. The main reason for measuring mental or cognitive workload is to quantify mental effort in performing specific tasks and assess its implications on human performance. Human Mental Workload (MWL) modeling can be used to support the design of interfaces, technologies and information-processing activities that are better aligned with each individual's mental capabilities. This doctoral dissertation focuses on developing computational models for the dynamic assessment of operator mental fatigue (which is identified as mental workload and/or cognitive workload) and the probability of human error in executing production process-related tasks. Mental fatigue, its measures, dimensions, models, applications and consequences are addressed. This thesis follows a multidisciplinary approach and is not only confined to the field of industrial ergonomics. Recent developments in the context of theoretical models of MWL and practical applications aimed at business support and management of MWL in operations are presented. Therefore, the contributions have been organized into sections where mental fatigue and the probability of human error in the context of production processes are investigated; here, the models developed are based on the information theory presented by Shannon. The thesis work was organized as follows: (a) State-of-the-art analysis of the increasing importance of the human factor in intelligent production systems, paying particular attention to the importance of human mental fatigue in performing tasks with predominantly cognitive rather than physical parts. (b) State-of-the-art analysis of existing methodologies, applied in different fields and for different purposes, used to assess human mental workload in performing a specific task. (c) Innovative proposals for modeling the operator's mental workload and evaluating the related performance, focusing on physiological factors and different types of tasks to be performed. The state-of-the-art analysis of existing methodologies used for MWL assessment, addressed in Chapter 1, helps to understand the shortcomings in analysing human factors related to mental fatigue in production processes. To overcome these limitations, the "n-back" test, a standardised tool for simulating tasks with different cognitive complexities, is presented in Chapter 2. Both objective and subjective methodologies are used here to assess mental workload during experimental sessions. The case study presented in Chapter 2 is used to simulate a real industrial setting that highlights how operators, due to the increase of cognitive tasks within their work activities, must make an increasing number of decisions. Chapter 3 uses the n-back test and literature data to create a new formulation for quantifying operators' mental workload and performance. The formulations presented consider both subjective and objective parameters of operators; in addition, the ageing workforce in advanced market economies and the impact on the evaluation of human factors in production processes in the era of digitalisation are investigated. Chapter 4 examines the complexity of two-dimensional (2D) object recognition tasks. The presented formulation allows modeling the difficulty of the task and the associated mental workload. Finally, in Chapter 5, human performance in repetitive tasks is studied. Here the operator's performance in performing a manual assembly task is evaluated. The modeling of mental workload, assessment of task difficulty and operator performance presented in this thesis can give the designer a hint about the improvement that can be achieved if the task assignment is optimised by considering different types of tasks and operators. Operator well-being will play a crucial role in task assignment. Mental workload assessment can be applied in job rotation programs to minimise mental workload. As explained in the Introduction, the proposed model formulations can fill the gaps in the existing scientific literature related to human factors in the digital factory.
2022
Nell’ultimo decennio è incrementato l’utilizzo delle tecnologie nelle attività quotidiane e negli ambienti di lavoro in cui il fabbisogno di risorse cognitive sembra aumentare mentre il livello di sforzo fisico sembra diminuire. I rapidi sviluppi della cosiddetta “Internet delle cose” (Internet of Things - IoT) e dei suoi nuovi archetipi di automazione nei sistemi cyber-fisici, nonché l'aumento dei requisiti analitici derivanti dalla necessità di analizzare una grande quantità di dati sono alcuni esempi di elementi alla base che segnano una maggiore richiesta cognitiva degli individui di svolgere compiti di controllo e ottenere una panoramica dei sistemi distribuiti che siamo tenuti a monitorare. Il motivo principale per misurare il carico di lavoro mentale o cognitivo è quantificare lo sforzo mentale nello svolgere determinate attività e valutare le sue implicazioni sulle prestazioni umane. La modellazione del carico di lavoro mentale umano (Mental Workload - MWL) può essere utilizzata per supportare la progettazione di interfacce, tecnologie e attività di elaborazione delle informazioni meglio allineate con le capacità mentali di ciascun individuo. La presente tesi di dottorato è focalizzata sullo sviluppo di modelli computazionali per la valutazione dinamica della fatica mentale dell'operatore (individuati come carico di lavoro mentale e/o carico di lavoro cognitivo) e della probabilità di errore umano nell’esecuzione di attività legate ai processi produttivi. Viene affrontata la fatica mentale, le sue misure, dimensioni, modelli, applicazioni e conseguenze. Questa tesi segue un approccio multidisciplinare, e non solo confinato al campo dell'ergonomia industriale. Vengono presentati i recenti sviluppi nel contesto dei modelli teorici di MWL e applicazioni pratiche finalizzate al supporto delle attività e alla gestione di MWL nelle operazioni. Pertanto, i contributi sono stati organizzati in sezioni dove si indagano la fatica mentale e la probabilità di errore umano nell'ambito dei processi produttivi; qui i modelli sviluppati si basano sulla teoria dell'informazione presentata da Shannon. Il lavoro di tesi è stato organizzato come segue: a) Analisi dello stato dell'arte sull’importanza crescente del fattore umano nei sistemi di produzione intelligente, prestando particolare attenzione all’importanza della fatica mentale umana nello svolgimento di attività con prevalente parte cognitiva piuttosto che fisica. b) Analisi dello stato dell'arte sulle metodologie esistenti, applicate in diversi settori e per diversi scopi, utilizzate per valutare il carico di lavoro mentale umano nell'esecuzione di un compito specifico. c) Formulazione di proposte innovative per la modellizzazione del carico di lavoro mentale dell'operatore e per la valutazione della relativa prestazione, focalizzando l'attenzione sui fattori fisiologici e sulle differenti tipologie di attività da svolgere. L'analisi dello stato dell'arte delle metodologie esistenti utilizzate per la valutazione del MWL, affrontata nel Capitolo 1, ha aiutato a comprendere le carenze nell'analisi dei fattori umani legati alla fatica mentale nei processi di produzione. Al fine di superare tali limiti, nel Capitolo 2 viene presentato il test “n-back”, uno strumento standardizzato per simulare compiti con diverse complessità cognitive. Qui vengono utilizzate metodologie sia oggettive che soggettive per valutare il carico di lavoro mentale durante le sessioni sperimentali. Il caso di studio presentato nel Capitolo 2 è utilizzato per simulare un reale contesto industriale che evidenzia come gli operatori, a causa dell'aumento dei compiti cognitivi nell’ambito della propria attività lavorativa, debbano prendere un numero sempre più elevato di decisioni. Inoltre, nel Capitolo 3, i dati del test n-back e i dati di letteratura sono utilizzati per creare una nuova formulazione per la quantificazione del carico di lavoro mentale e della prestazione degli operatori. Le formulazioni presentate tengono conto sia di parametri soggettivi degli operatori sia di parametri oggettivi; inoltre è investigato il fenomeno dell'invecchiamento della forza lavoro nelle economie di mercato avanzate e dell’impatto sulla valutazione dei fattori umani nei processi produttivi nell'era della digitalizzazione. Nel Capitolo 4 è esaminata la complessità delle attività di riconoscimento degli oggetti bidimensionali (2D). La formulazione presentata permette di modellare la difficoltà del compito e il relativo carico di lavoro mentale. Infine, nel Capitolo 5, è studiata la performance umana nei compiti ripetitivi. Qui è valutata la prestazione dell'operatore nell’eseguire un'attività di assemblaggio manuale. La modellizzazione del carico di lavoro mentale, la valutazione della difficoltà del compito e della prestazione degli operatori presentate in questa tesi possono dare al progettista un suggerimento sul miglioramento che si può ottenere se l’assegnazione dell’attività è ottimizzata considerando i diversi tipi di compiti e operatori. Il benessere dell'operatore giocherà un ruolo cruciale nell'assegnazione del compito. La valutazione del carico di lavoro mentale può essere applicata nei programmi di rotazione del lavoro (job rotation) al fine di minimizzare il carico di lavoro mentale. Come spiegato nell'Introduzione, le formulazioni dei modelli proposti possono colmare le lacune della letteratura scientifica esistente relativa ai fattori umani nella fabbrica digitale.
cognitive task; mental workload; smart operator; information-based model; digital factory; operator’s performance
Compiti cognitivi; carico di lavoro mentale; operatore smart; modelli basati sulla teoria dell'informazione; fabbrica intelligente; performance degli operatori
Computational models for the dynamic assessment of operator’s mental fatigue and the human error probability in production processes / Cavallo, Daniela. - ELETTRONICO. - (2022). [10.60576/poliba/iris/cavallo-daniela_phd2022]
File in questo prodotto:
File Dimensione Formato  
35 ciclo - CAVALLO Daniela.pdf

accesso aperto

Tipologia: Tesi di dottorato
Licenza: Creative commons
Dimensione 2.57 MB
Formato Adobe PDF
2.57 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11589/245804
Citazioni
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact