CN110889082B - 基于系统工程理论的人机工程设备综合评价方法 - Google Patents

Abstract

本发明提供一种基于系统工程理论的人机工程设备综合评价方法，其包括以下步骤：S1，根据设备的自身特点、评估需求和目的基础，确定工效基础指标、任务耦合指标、生理增强指标以及主观验证指标；S2，根据指标确定具体评估步骤；S3，将指标按指标重要度向量降序排列，计算指标间的相对重要度r_p，最后获得指标权重向量；S4，获取指标数据并进行规范化处理；S5，根据规范化指标值矩阵计算人机工程综合评价值；S6，基于灰色关联获得指标间的相关性。本发明，解决了设备评估时的指标难分解提取，评估实施难开展，评估数据难以有效应用的问题，给出了能有效反映设备人机工程设计水平的方法。

Description

基于系统工程理论的人机工程设备综合评价方法

技术领域

本发明涉及人机工程领域，具体为一种基于系统工程理论的人机工程设备综合评价方法。

背景技术

随着科学技术的不断发展，人与装备或产品之间的交互界面不断拓展，交互形式发生了较大变化，交互信息量急剧增加。如何充分协调人机匹配关系，开展人机工程设计与评估，确保设备具有较高的人机工程水平，是保障人员能够安全、有效、高效作业的基础，更是提升设备适用性和作业绩效的关键。

目前，人机工程评估方法主要为定性评估方法。其评估的指标和方法缺乏规范化的依据，过于依赖专家经验；评价指标单一，适用范围受限，难以有效反映装备或产品人机工程设计水平；评估实施可操作性差，评估数据受被试的主观影响大，评估结果缺乏说服力。

综上，迫切需要为研究人员提出一种科学、系统、可量化、可验证的人机工程指标及对应的评估程序、计算和验证方法。

发明内容

为克服现有技术的不足，本发明提出一种基于系统工程理论的人机工程设备综合评价方法，其特点是采用以下步骤：

S1，根据设备的自身特点、评估需求和目的基础，确定工效基础指标、任务耦合指标、生理增强指标以及主观验证指标；

S2，根据步骤S1中确定的指标，确定具体评估步骤来获得指标的具体数值；

S3，将所述步骤S1中确定的q个指标按指标重要度向量降序排列，计算指标间的相对重要度r_p，最后获得指标权重向量；其中q为正整数；

S4，获取指标数据并进行规范化处理，具体包括以下步骤：

S401、将步骤S1中确定的q个指标分为定量指标和定性指标；建立定量指标集

其中

分别代表m₁个定量指标，i′_j表示定量指标集I′中第j个定量指标；建立定性指标集

其中

分别代表m₂个定性指标，i″_j表示定量指标集I″中第j个定量指标；其中m₁+m₂＝q，且m₁和m₂为正整数；

S402、根据步骤S2确定的评估步骤对样本进行N次评估，获得相应的指标值；定量指标集

具体化后为一个N*m₁的矩阵，每一行为1次评估时样本的定量指标值，每一列为N次评估的定量指标i′_j的值y_i；

S403、采用极差变化法，使用式(4)对定量指标进行规范化处理：

其中，y_i表示定量指标i′_j的值，y′_i表示定量指标i′_j的规范化处理值，

表示N次评估在定量指标i′_j中最差的值，

表示N次评估在定量指标i′_j中最好的值；

计算后得到规范化定量指标值矩阵Y′：

S404、采用梯形模糊数方法对定性指标进行规范化处理，得到规范化定性指标值矩阵Y″：

S5，计算人机工程综合评价值，具体包括以下步骤：

S501、合并规范化定量指标值矩阵和规范化定性指标值矩阵构成规范化指标值矩阵；按照逼近理想解排序法，计算规范化指标值矩阵得到N*q的人机工程指标贴近度矩阵C；

S502、按照式(5)计算人机工程综合评价矩阵；

C_a＝C×W^T (5)

其中，C为人机工程指标贴近度矩阵；W为指标权重向量；W^T为指标权重向量W的转置矩阵，C_a为各维度人机工程综合评价矩阵；

对C_a中所有元素求算术平均数，计算得到人机工程综合评价值；

所述人机工程综合评价值越高则说明设备设计越符合人机工程要求。

优选的，还包括步骤S6，所述步骤S6具体为：

S6，基于灰色关联获得指标间的相关性；

S601、确定分析数列：选择需要进行分析的指标，从所述规范化指标值矩阵中获取相应指标的指标值，按照式(6)形成分析数列矩阵X：

其中，n+1为选择的指标个数，n为正整数且n≤q，N为对样本进行的评估次数，x₀(1),x₀(2),…,x₀(N)列所对应的指标必须是主观验证指标；

S602、按式(7)进行对矩阵X无纲量化处理：

其中，x_i(k)表示分析数列矩阵X中第i列第k行的数值；

S603、按照式(8)计算x′₀(k)与x′_i(k)的灰色关联数ξ_i(k)：

其中，ρ为分辨系数；

S604、按照式(9)计算得到分析数列矩阵X中第i个指标与第0个指标的关联度R_i：

将关联度从大到小排序，关联度越高，说明第i个指标与第0个指标之间的关系更为密切。

优选的，所述步骤S1中，工效基础指标、任务耦合指标、生理增强指标以及主观验证指标分类方式如下：

S101、工效基础指标是从空间布局、人机交互、作业环境及生命保障方面分析确定的具体指标；

S102、结合作业任务来选取可工程考核的任务耦合指标，根据易用性、易读性、容错性、易学性和易记性分析确定的具体指标；

S103、生理增强指标是可测量、表征明确、可工程应用的，根据心电、肌电、心率、脑电、眼动方面分析确定的具体指标；

S104、主观验证指标是与客观评价数据进行相关性分析及验证的主观性的具体指标。

优选的，所述步骤S2具体为；

S201、基于确定的工效基础指标，从工程测量和虚拟仿真方面分析确定具体评估步骤；

S202、基于确定的任务耦合指标，从现场评估、模拟器环境评估及仿真环境评估方面确定具体评估步骤；

S203、基于确定的生理增强指标，选择与任务耦合指标评估的任务场景同步开展的形式进行评估；

S204、基于确定的主观验证指标，选择与任务耦合指标评估、生理增强指标评估的任务场景同步开展的形式进行评估。

优选的，所述步骤S3具体为；

S301、根据步骤S1共确定q个指标，依据G1法中指标评价规则评价所选的工作负荷指标重要度，按照评价进行指标重要度降序排列，得到指标重要度向量U＝[u₁,u₂,……,u_q]，其中u₁,u₂,……,u_q分别表示降序排列后的各指标重要度得分；

S302、按式(1)计算指标间的相对重要度r_p：

其中，p为正整数且1≤p≤q-1，u_p和u_p+1分别为第p个指标和第p+1个测评指标的重要度得分；

S303、按式(2)计算出最后一个指标的权重值，然后再使用式(3)计算各指标的权重值，得到指标权重向量

其中

表示各指标权重值，表示为：

其中，p为正整数且1≤p≤x-1的，x为指标个数，j为正整数，r_p为指标间的相对重要度。

本发明的效果如下：

基于系统工程理论的人机工程综合评价方法，解决了评估的指标难分解提取，评估实施难开展的问题；系统提出了设备的人机工程计算、验证方法，解决了评估数据难以有效应用的问题，有效反映设备人机工程设计水平。

附图说明

图1是本发明的整体流程图；以及

图2是指标的分类。

具体实施方式

人机工程评估包含工效基础评估、任务耦合评估、生理增强评估、主观验证评估等四个维度评估，四维度之间具有相关性，但又具有一定独立性，可相互支撑和验证。本申请对现有人机工程评估技术系统分析，以问题为牵引，提出一套可操作性强，能够直接服务于工程应用的人机工程综合评价方法。

参照图1，本发明基于系统工程的人机工程评估方法的具体步骤如下：

S1，确定评估的指标，

根据设备的自身特点、评估需求和目的基础上，确定工效基础指标、任务耦合指标、生理增强指标以及主观验证指标。如图2所示，被选择的指标通常分为以下几类：

S101、工效基础指标是从空间布局、人机交互、作业环境及生命保障等方面分析确定的具体指标，具体包括工作、通行及维修空间的高度、宽度长度，显示装置布置的水平视区、垂直视区、视距，控制器的结构尺寸、间距、行程，信息显示的数量、显示方式及显示位置，控制器的操纵力、编码、响应时间，振动、噪声及照明等指标；

S102、结合作业任务来选取可工程考核的任务耦合指标，根据易用性、易读性、容错性、易学性和易记性等方面分析确定的具体指标，具体包括完成任务的时间、正确获得特定信息的时间、修正错误所用的时间、重复操作任务时的相对效率等指标；

S103、生理增强指标是现有技术可测量、表征明确、可工程应用的，根据心电、肌电、心率、脑电、眼动方面分析确定的具体指标，具体包括心率变异性、事件相关电位、脑电活动、注视时间、眨眼率、眼跳数目、瞳孔直径等指标；

S104、主观验证指标是与客观评价数据进行相关性分析及验证的主观性的具体指标，具体包括满意度、舒适度等指标。

S2，根据指标确定评估步骤，

基于确定的指标，根据现有技术确定具体评估步骤，通常采用工程测量、虚拟仿真或现场评估等现有技术来获得指标的具体数值，具体为：

S201、基于确定的工效基础指标，从工程测量和虚拟仿真等方面分析确定具体评估步骤。

S202、基于确定的任务耦合指标，从现场评估、模拟器环境评估及仿真环境评估等方面确定具体评估步骤。

S203、基于确定的生理增强指标，选择与任务耦合指标评估的任务场景同步开展的形式进行评估。

S204、基于确定的主观验证指标，选择与任务耦合指标评估、生理增强指标评估的任务场景同步开展的形式进行评估。

S3，计算指标权重，

S301、根据步骤S1共确定q个指标，依据G1法中指标评价规则评价所选的工作负荷指标重要度，按照评价进行指标重要度降序排列，得到指标重要度向量U＝[u₁,u₂,……,u_q]，其中u₁,u₂,……,u_q分别表示降序排列后的各指标重要度得分。现有技术G1法是通过对AHP(层次分析法)进行改进提出的一种无需一致性检验的方法。

S302、按式(1)计算指标间的相对重要度r_p：

其中，p为正整数且1≤p≤q-1，u_p和u_p+1分别为第p个指标和第p+1个测评指标的重要度得分；

S303、按式(2)计算出最后一个指标的权重值，然后再使用式(3)计算各指标的权重值，得到指标权重向量

其中

表示各指标权重值，表示为：

其中，p为正整数且1≤p≤x-1的，x为指标个数，j为正整数，r_p为指标间的相对重要度，

S4，获取指标数据并进行规范化处理，

S401、基于确定的指标根据现有技术将指标分为定量指标和定性指标，其中定量指标是指可用数字量化的指标；定性指标是指只能用语言等方式描述好坏的程度。建立定量指标集

其中

分别代表m₁个定量指标，i′_j表示定量指标集I′中第j个定量指标；建立定性指标集

其中

分别代表m₂个定性指标，i″_j表示定量指标集I″中第j个定量指标；其中m₁+m₂＝q，且m₁和m₂为正整数。

S402、根据步骤S2确定的评估步骤对样本进行N次评估，获得相应的指标值，在本实施例中N次评估使用不同的样本。定量指标集

具体化后为一个N*m₁的矩阵，每一行为1次评估时样本的定量指标值，每一列为N次评估的定量指标i′_j的值y_i，N次评估使用不同的样本。

S403、对定量指标进行规范化处理：采用现有技术的极差变化法，按式(4)对定量指标规范化处理：

其中，y_i表示定量指标i′_j的值，y′_i表示定量指标i′_j的规范化处理值，

表示N次评估在定量指标i′_j中最差的值，

表示N次评估在定量指标i′_j中最好的值。

计算后得到规范化定量指标值矩阵Y′：

S404、定性指标规范化处理：采用现有的梯形模糊数方法，对定性指标进行规范化处理，得到规范化定性指标值矩阵Y″。

S5，计算人机工程综合评价值并得出结论，

S501、合并规范化定量指标值矩阵和规范化定性指标值矩阵构成规范化指标值矩阵，规范化指标值矩阵中每一行为一次评估的指标值，每一列为一个指标的N次评估的指标值，规范化指标值矩阵中指标的顺序必须和指标权重向量W中指标的权重值所对应的指标顺序一一对应。

按照现有的逼近理想解排序法，计算规范化指标值矩阵得到N*q的人机工程指标贴近度矩阵C。

S502、按照式(5)计算人机工程综合评价矩阵：

C_a＝C×W^T (5)

其中，C为人机工程指标贴近度矩阵；W为指标权重向量；W^T为指标权重向量W的转置矩阵，C_a为各维度人机工程综合评价矩阵。

对C_a中所有元素求算术平均数，计算得到人机工程综合评价值，人机工程综合评价值越高则说明设备设计越符合人机工程要求。针对不同的设备，本领域技术人员可以根据需要设定不同的等级标准。

除了使用C_a实现对人机工程设备的综合评价外，还可以进一步包括指标之间的相关性，作为对人机工程设备的综合评价的补充。

S6，基于灰色关联获得指标间的相关性，

S601、确定分析数列：选择需要进行分析的指标，从规范化指标值矩阵中获取相应指标的指标值，按照式(6)形成分析数列矩阵X：

其中，n+1为选择的指标个数，n为正整数且n≤q，N为对样本进行的评估次数，分析数列矩阵X为N*(n+1)的一个矩阵，分析数列矩阵X中的数值都是从规范化指标值矩阵中直接获得的，x₀(1),x₀(2),…,x₀(N)列所对应的指标必须是主观验证指标；

S602、按式(7)进行对矩阵X无纲量化处理：

其中，x_i(k)表示分析数列矩阵X中第i列第k行的数值；

S603、按照式(8)计算x′₀(k)与x′_i(k)的灰色关联数ξ_i(k)：

其中，ρ为分辨系数，一般ρ的取值区间为(0,1)，具体取值可视情况而定。

S604、按照式(9)计算得到分析数列矩阵X中第i个指标与第0个指标的关联度R_i：

将关联度从大到小排序，关联度越高，说明第i个指标与第0个指标之间的关系更为密切。

在使用C_a对人机工程设备的综合评价的同时，进一步增加工效基础指标、任务耦合指标以及生理增强指标与主观验证指标之间的关联度，以更好的在后续对设备进行调整和改进。

以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (3)

1.一种基于系统工程理论的人机工程设备综合评价方法，其特征在于，其包括以下步骤：

S1，根据设备的自身特点、评估需求和目的基础，确定工效基础指标、任务耦合指标、生理增强指标以及主观验证指标，具体分类方式如下：

S101、工效基础指标是从空间布局、人机交互、作业环境及生命保障方面分析确定的具体指标；

S102、结合作业任务来选取可工程考核的任务耦合指标，根据易用性、易读性、容错性、易学性和易记性分析确定的具体指标；

S103、生理增强指标是可测量、表征明确、可工程应用的，根据心电、肌电、心率、脑电、眼动方面分析确定的具体指标；

S104、主观验证指标是与客观评价数据进行相关性分析及验证的主观性的具体指标;

S2，根据步骤S1中确定的指标，确定具体评估步骤来获得指标的具体数值；具体为：

S201、基于确定的工效基础指标，从工程测量和虚拟仿真方面分析确定具体评估步骤；

S202、基于确定的任务耦合指标，从现场评估、模拟器环境评估及仿真环境评估方面确定具体评估步骤；

S203、基于确定的生理增强指标，选择与任务耦合指标评估的任务场景同步开展的形式进行评估；

S204、基于确定的主观验证指标，选择与任务耦合指标评估、生理增强指标评估的任务场景同步开展的形式进行评估;

S3，将所述步骤S1中确定的q个指标按指标重要度向量降序排列，计算指标间的相对重要度r_p，最后获得指标权重向量；其中q为正整数；

S4，获取指标数据并进行规范化处理，具体包括以下步骤：

S401、将步骤S1中确定的q个指标分为定量指标和定性指标；建立定量指标集

其中

分别代表m₁个定量指标，i′_j表示定量指标集I′中第j个定量指标；建立定性指标集

其中

分别代表m₂个定性指标，i″_j表示定量指标集I″中第j个定量指标；其中m₁+m₂＝q，且m₁和m₂为正整数；

S402、根据步骤S2确定的评估步骤对样本进行N次评估，获得相应的指标值；定量指标集

具体化后为一个N*m₁的矩阵，每一行为1次评估时样本的定量指标值，每一列为N次评估的定量指标i′_j的值y_i；

S403、采用极差变化法，使用式(4)对定量指标进行规范化处理，

其中，y_i表示定量指标i′_j的值，y′_i表示定量指标i′_j的规范化处理值，

表示N次评估在定量指标i′_j中最差的值，

表示N次评估在定量指标i′_j中最好的值；

计算后得到规范化定量指标值矩阵Y′：

S404、采用梯形模糊数方法对定性指标进行规范化处理，得到规范化定性指标值矩阵Y″：

S5，计算人机工程综合评价值，具体包括以下步骤：

S501、合并规范化定量指标值矩阵和规范化定性指标值矩阵构成规范化指标值矩阵；按照逼近理想解排序法，计算规范化指标值矩阵得到N*q的人机工程指标贴近度矩阵C；

S502、按照式(5)计算人机工程综合评价矩阵：

C_a＝C×W^T (5)

其中，C为人机工程指标贴近度矩阵；W为指标权重向量；W^T为指标权重向量W的转置矩阵，C_a为各维度人机工程综合评价矩阵；

对C_a中所有元素求算术平均数，计算得到人机工程综合评价值；

所述人机工程综合评价值越高则说明设备设计越符合人机工程要求。

2.根据权利要求1所述的基于系统工程理论的人机工程设备综合评价方法，其特征在于，在所述步骤S5后还包括步骤S6，所述步骤S6具体为：

S6，基于灰色关联获得指标间的相关性：

S601、确定分析数列：选择需要进行分析的指标，从所述规范化指标值矩阵中获取相应指标的指标值，按照式(6)形成分析数列矩阵X：

其中，n+1为选择的指标个数，n为正整数且n≤q，N为对样本进行的评估次数，x₀(1)，x₀(2)，...，x₀(N)列所对应的指标必须是主观验证指标；

S602、按式(7)进行对矩阵X无纲量化处理；

其中，x_i(k)表示分析数列矩阵X中第i列第k行的数值；

S603、按照式(8)计算x₀′(k)与x_i′(k)的灰色关联数ξ_i(k)：

其中，ρ为分辨系数；

S604、按照式(9)计算得到分析数列矩阵X中第i个指标与第0个指标的关联度R_i：

将关联度从大到小排序，关联度越高，说明第i个指标与第0个指标之间的关系更为密切。

3.根据权利要求1所述的基于系统工程理论的人机工程设备综合评价方法，其特征在于，所述步骤S3具体为：

S301、根据步骤S1共确定q个指标，依据G1法中指标评价规则评价所选的工作负荷指标重要度，按照评价进行指标重要度降序排列，得到指标重要度向量U＝[u₁，u₂，......，u_q]，其中u₁，u₂，......，u_q分别表示降序排列后的各指标重要度得分；

S302、按式(1)计算指标间的相对重要度r_p：

其中，p为正整数且1≤p≤q-1，u_p和u_p+1分别为第p个指标和第p+1个测评指标的重要度得分；

S303、按式(2)计算出最后一个指标的权重值，然后再使用式(3)计算各指标的权重值，得到指标权重向量

其中

表示各指标权重值，表示为：

其中，p为正整数且1≤p≤x-1的，x为指标个数，j为正整数，r_p为指标间的相对重要度。

Images