Operators in nuclear power plants have to acquire information from human system interfaces (HSIs) and the environment in order to create, update, and confirm their understanding of a plant state, as failures of situation assessment may cause wrong decisions for process control and finally errors of commission in nuclear power plants. A few computational models that can be used to predict and quantify the situation awareness of operators have been suggested. However, these models do not sufficiently consider human characteristics for nuclear power plant operators. In this thesis, a computational model for situation assessment of nuclear power plant operators using a Bayesian network is proposed. This model incorporates human factors significantly affecting operators’ situation assessment, such as attention, working memory decay, and mental model.
It is assumed that both the salience level and the information value of information sources are the most significant factors that decide which information sources operators heed. The perception index (PI) is defined as the geometric mean of the salience level and the information value of information sources in this study. The attention allocation rule in the proposed model is defined to direct the operator’s attention to the information source with the largest PI value at that moment. There are two approaches for incorporating a mental model of nuclear power plant operators into a Bayesian network: the deterministic rules and the probabilistic rules. The proposed model adopted the probabilistic rules because the deterministic rules are a special case of the probabilistic rules and the probabilistic rules can describe various skill levels of operators. Two working memory decay mechanisms have been suggested: a power law and an exponential law. The proposed model assumes that the situation awareness stored in the working memory decays exponentially because the exponential decay formulas are more popular and require just one parameter, the half-life. Assumptions for each cognitive factor were incorporated into the proposed model and it was verified that the proposed model produced reasonable results for various situations.
This study also proposes a procedure to apply the developed model to the design of human system interfaces. The concept of the procedure is to identify the key information source, which is expected to guarantee fast and accurate diagnosis when operators attend to it. The developed model is used to search the diagnostic paths and the key information source. An experiment with twelve trained participants was executed to validate the effectiveness of the proposed procedure. Eighteen scenarios covering various accidents were administered twice for each subject, and experimental data were collected and analyzed. As a result of the data analysis, it was validated that the salience level of information sources significantly influences the attention of operators, and the first observation of the key information sources leads operators to a quick and correct situation assessment. Therefore, it is concluded that the proposed procedure for applying the developed model to HSI design is effective.
As this proposed model provides quantitative results of situation assessment and diagnostic performance, it is expected that this model can be used in the design and evaluation of human system interfaces as well as the prediction of situation awareness errors in the human reliability analysis.
원자력발전소 운전원이 올바른 운전계획을 수립하거나 비상상황에 적절히 대처하기 위해서는 발전소 상황을 정확히 이해하는 것이 필수적이다. 이를 위해 운전원은 발전소 운전시 계속하여 각종 계기 및 지시계 등으로부터 정보를 취득하고 수시로 새로운 경보로 갱신한다. 이러한 운전원의 현상황에 대한 이해는 상황인식과 관련되어 있다. Endsley는 상황인식을 현재 가용정보원으로부터 정보를 인식하고, 정보의 의미를 이해하고, 또한 가까운 미래의 상황을 예측하는 것으로 정의하였다.
상황인식에 대한 정량적인 결과를 제공해주는 전산모형은 가상의 상황하에서 사람의 상황인식 정도 및 그 형성과정을 예상하게 해 주기 때문에 원자력, 항공, 그리고 군사 등의 분야에서 개발을 시도하였다. 원자력 분야에서 김만철 등과 Miao 등이 원자력발전소 운전원의 상황인식에 대한 모델을 개발하였다. 그러나 두 모델은 운전원의 인지적 특성에 대한 고려가 매우 미흡하다. 그 결과 운전원의 상황인식 형성 과정이 매우 논리적이고 최적의 결과를 보여주는 단점이 있다. 따라서, 본 연구에서는 인간의 인지적인 요소를 전산모형에 반영하고자 하였다.
상황인식에 심각한 영향을 주는 세가지 인지적 요소인 주의(attention), 정신모형(mental model), 그리고 작업기억 감쇄(working memory decay) 등을 베이지안 네트워크를 이용해 모델링하였다. 주의는 정보원의 현저도(salience level)과 가치(information value)에 의해 영향을 받는다고 가정하였고, 정신모형의 경우 모델링의 유연성을 확보하기 위해 확률적인 규칙을 지원하는 방식을 적용하였다. 작업기억 감쇄는 멱법칙보다는 지수적으로 감쇄함을 가정하였다. 각 모델링 방법과 상호영향에 대한 조사를 수행하여, 개발한 전산모형이 모두 예상과 일치하는 합리적인 결과를 나타냄을 확인하였다. 또한 개발한 전산모형을 통해 주제어실 운전원과 현장운전원간의 의사소통의 효과를 예측할 수 있음을 확인하였다. 전산화된 운전환경에서 발생가능성이 높은 확인편향(confirmation bias)도 confirmation weight를 추가적으로 정의함으로써 모델링이 가능하도록 하였고, 이 경우에 합리적인 결과가 나타남을 확인하였다.
개발한 전산모형은 운전원의 상황인식 결과를 정량적으로 제공하기 때문에, 인간신뢰도분석시 운전원의 실행오류(errors of commission)을 예상할 수 있게 해준다. 또한 본 연구에서는 인간시스템연계(human system interfaces)의 설계에 개발한 전산모형을 활용할 수 있는 절차를 제시하였다. 그 절차의 기본개념은 상황인식은 주의에 의해 영향을 받고, 주의는 정보원의 현저성에 영향을 받으므로, 설계변수인 현저도를 운전원의 신속하고 정확한 진단을 기대할 수 있도록 설계자가 조절하게 하는 것이다. 높은 현저도를 어느 정보원에 부여해야 하는 지는 개발한 전산모형에 의해 탐색할 수 있다 (탐색한 정보원을 key information source라고 한다).
개발한 전산모형의 모델링 타당성 및 응용성을 검증하기 위한 실험을 수행하였다. 18개의 실험시나리오가 준비된 실험에는 12명의 피실험자가 참여했다. 실험데이터 분석결과, 현저도는 피실험자의 주의에 유의한 영향을 주는 것으로 나타났다. 제안한 절차에 따라 현저도를 조절한 화면을 사용한 피실험자는 향상된 수행도를 보여 주었으며, 또한 개발한 전산모형에서 예측한 바와 같이 key information source에 대한 주의는 신속하고 정확한 진단을 보장하는 것으로 나타났다.
결론적으로, 개발한 전산모형은 인지적 요소들을 고려할 수 있어서 기존모형보다 현실적인 결과를 얻을 수 있도록 해주며, 인간신뢰도분석과 인간시스템연계의 설계에도 활용할 수 있는 장점이 있다.
