MétaCan
Menu
Retour à la cohorte
Enregistrement W2325357499 · doi:10.1177/154193120504902308

Establishing Human Performance Improvements and Economic Benefit for a Human-Centered Operator Interface: An Industrial Evaluation

2005· article· en· W2325357499 sur OpenAlexaff
Jamie Errington, Dal Vernon C. Reising, Peter Bullemer, Tim DeMaere, Dave Coppard, Keath Doe, Charles P. Bloom

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2005
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensNova Chemicals (Canada)
Organismes subventionnairesnon disponible
Mots-clésInterface (matter)Operator (biology)Process (computing)FidelityComputer scienceUpsetMonte Carlo methodHuman interface deviceMatching (statistics)SimulationReliability engineeringIndustrial engineeringHuman–computer interactionEngineeringMechanical engineeringOperating systemTelecommunicationsMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

A controlled comparison of a human-centered operator interface to that of a traditional distributed control system interface was conducted to establish the human performance improvement. Twenty-one professional petrochemical plant operators completed a series of matching process upset scenarios on their respective plants' high-fidelity training simulators. Each scenario contained an equipment or process failure previously experienced in the real plants. The results indicated that operators using the human-centered design completed scenarios an average of 7.5 minutes faster (41% improvement over the traditional interface), successfully dealt with failures in 96% of the cases (a 26% improvement), and recognized the presence of the failure before the first process alarm in 48% of the cases (a 38% improvement). These performance results were then used as input to a Monte Carlo simulation that estimated the economic benefit for the human-centered interface at $1,090,000 CAD per year for a plant of comparable size.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,106
Score d'incertitude au seuil0,916

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,059
Tête enseignante GPT0,346
Écart entre enseignants0,287 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207