Modifying a Manufacturing Task for Teamwork between Humans and AI; Initial Data Collection to Guide Requirements Specifications
Notice bibliographique
Résumé
Recent advances in AI, above all machine and deep learning, have brought about unprecedented possibilities in automation, prediction and problem solving with impact on operators and their way of working and interacting with automation on the shop floor.While the expected effects are focusing on increasing the efficiency, flexibility, and productivity of operations in the industrial and service sector, there is justified scepticism towards its implementation due also to the challenge of integrating AI into operator's current way of working and practices in a way that actually supports also the human in the loop.Therefore, it is now time to consider the user's side from an employees' point of view in order to foster AI in a human-technology relationship.The present paper is exploring the preliminary steps taken in this direction while trying to identify a problem definition and its suitable solutions for, firstly, improving the human automation interaction and, secondly, reduce the time variability and improve efficiency in a milling process for large metal metal components of a wind turbine at a manufacturing facility.To complement this description, a data analysis of the manufacturing process status is provided.The analysed data sets contain general information of relevant parameters of the manufacturing system as well as the required inputs from the operators.The purpose of this report is to establish the basis on which a thorough operational description of the overall man-automation process is defined and the usefulness of including a better integration for the manual tasks in it.The operational description of the tasks is a key ingredient to achieve better requirements specifications and how we can enhance the human performance of the operators by increasing their situational awareness on the shop floor.Moreover this task mapping can account of a lot of missing information regarding variability of execution time in the process and to support scheduling of manual activities for the operator to perform while the automated task may not need direct supervision.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».