Bayesian methodology has been used widely used in various research fields. It is a method of inference using Bayes` rule to update the estimation of probability for certain hypotheses when additional evidence is acquired. According to current research, malfunctions of nuclear power plant can be detected using this Bayesian inference, which consistently piles up newly incoming data and updates the estimation. However, those studies have been based on the assumption that people work like computers, perfectly, which supposition can be criticized and may cause a problem in real world applications. Studies in cognitive psychology indicate that when the amount of information to be processed becomes larger, people cannot save the whole set of data in their heads because people have limited memory capacity, which is well-known as working memory; people also have the problem of limited attention.
The purpose of our research is to consider how actual human behavior contrasts with our expectations, and how such disparity, if at all, affects the results of the conventional Bayesian inference. We compared an ideal operator with a real operator and, for the real operator, we will use both text-based HMI and infographic-based HMI to further compare two existing real operators. When a malfunction was occurred, ideal operator found the malfunction nearly 100% using Bayesian inference. However practical operators found the right malfunction 72% among the 50 subjects in the simple diagnosis case, and 60% among same subjects in the complex diagnosis case in the text-based HMI. In addition we did another experiment using improved HMI(infographic HMI) which was designed considering human information processing. The result of this experiment was that probability of subjects who have good situation awareness is 93.48% in the simple diagnosis case and 84.78% in the complex diagnosis case.
This paper shows the difference between human information processing and computerized information processing. In addition, human information processing is affected HMI, so it also shows the importance of HMI.
선행 연구들을 살펴보면 운전원들을 이상적이라고 가정을 하고 연구들을 진행한 경우가 많았다. 운전원들이 매우 경험이 많거나 이상적으로 가정하여 모든 것에 집중할 수 있고, 기억력도 무한하다고 가정하고 진행한 연구들을 보며 의구심이 들었다. 물론 선행 연구들에서 가정했던 것처럼 30년 경력 이상의 굉장히 이상적인 운전원들도 있겠지만 이제 막 시작하는 노비스 단계의 운전원들도 있을 텐데 과연 모든 운전원들이 이상적인 운전원들 처럼 상황인지를 할 수 있을지 검증을 하고자 하였다.
이러한 궁금증으로 실제 사람들을 대상으로 상황인지 능력 평가 실험을 해보게 되었다. 실험은 사람의 기억력의 한계라고 여겨지는 magic number인 7~9를 기준으로 나누어 사람이 봐야하는 계측기의 수를 magic number보다 작은 경우 (simple diagnosis case) 와 그것보다 큰 경우 (complex diagnosis case) 로 나누어 진행하였다. 또한 실험을 하기에 앞서 운전원들이 이상적이라면 상황인지를 어느 정도 할 수 있는지를 Bayesian inference를 이용해 계산을 해보았다. 그 결과 이상적인 운전원들의 상황인지 능력은 simple diagnosis case에서는 100%, complex diagnosis case에서는 99.98%가 나왔다.
실험은 총 2번을 진행하였다. 첫 실험은 50명을 대상으로 numerical HMI에서의 상황인지능력을 평가해보았으며, 두 번째 실험은 같은 피실험자들 46명을 대상으로 infographic HMI 에서 상황인지를 평가해보았다. 그 결과 numerical HMI 에서는 상황인지능력이 simple diagnosis case에서는 72%, complex diagnosis case에서는 60%가 나왔다. 반면 infographic HMI 에서는 simple diangosis case에서는 93.48%, complex diagnosis case에서는 84.78%가 나왔다. 즉 우리가 사용한 infographic HMI는 운전원의 situation awareness를 22~25%정도 좋게 해주는 것을 확인할 수 있었다.
물론 우리가 두 번째 실험에 사용했던 디자인이 최선이라고 할 수는 없지만, 두 실험과 Bayesian inference를 통해 계산해본 아이디얼 오퍼레이터의 계산을 가지고 생각해볼 때, human information processing과 computational information processing이 기억력과 집중력에 따른 차이로 다르기 때문에 아무리 좋은 HMI를 사용하더라도 이상적인 운전원만큼 상황인지를 할 수는 없을 것이라 생각된다. 하지만 user friendly한 HMI를 사용할 경우에는 아무리 초보자라고 하더라도 거의 숙련된 이상적인 운전원 수준의 상황인지 능력을 할 수 있다는 것을 확인할 수 있었다.
결론적으로 운전원들은 상황인지를 하는데 있어서 HMI의 영향을 상당히 크게 받는다. 어떤 HMI를 선택하느냐에 따라 상황인지능력이 달라지며, 좋은 HMI를 선택하면 초보적인 수준의 운전원들도 이상적인 운전원에 가깝게 상황인지를 할 수 있었다. 이를 통해 발전소의 HMI의 중요성에 대해서도 확인해 볼 수 있었다.
