+ All Categories
Home > Documents > Fuzzy přístup k jednotlivci

Fuzzy přístup k jednotlivci

Date post: 14-Jan-2016
Category:
Upload: tea
View: 122 times
Download: 3 times
Share this document with a friend
Description:
Fuzzy přístup k jednotlivci. Vágní (neurčitý) způsob hodnocení a měření personálního zdroje. Při modelování chování člověka při výkonu jeho pracovní role se potýkáme se dvěma překážkami: Složitost reality chování člověka, nejsem schopný ve všech kauzálních souvislostech postihnout, - PowerPoint PPT Presentation
19
Fuzzy přístup k jednotlivci Vágní (neurčitý) způsob hodnocení a měření personálního zdroje
Transcript
Page 1: Fuzzy přístup k jednotlivci

Fuzzy přístup k jednotlivci

Vágní (neurčitý) způsob hodnocení a měření personálního zdroje

Page 2: Fuzzy přístup k jednotlivci

2

• Při modelování chování člověka při výkonu jeho pracovní role se potýkáme se dvěma překážkami:– Složitost reality chování člověka, nejsem schopný

ve všech kauzálních souvislostech postihnout,– nebo je modelový popis tak složitý, že je

aplikačně nepoužitelný.

• Na druhé straně je to neurčitost v pozorovaných projevech pracovníka, která je způsobena naší neschopností přesně diferencovat realitu.

• Z přirozené potřeby vyřešit výše uvedené problémy vzniknul systémový aparát, který umožňuje vágním (neurčitým) způsobem hodnotit lidské zdroje a následně zjištěné údaje přesně vyhodnocovat.

Page 3: Fuzzy přístup k jednotlivci

3

Aplikační možnosti fuzzy metodiky do oblasti organizačního chování jsou:

• výběr nejvhodnějšího kandidáta na pracovní pozici;

• přiřazení kombinace a množství zdroje určitému pracovnímu úkolu;

• management pracovního času podle hodnocení únavy pracovníka v průběhu pracovní činnosti;

• návrh výstražného systému při poklesu pozornosti operátora obsluhujícího umělý systém;

• organizační optimalizace podle vývoje svého okolí;

• návrh informačního systému organizace podle charakteristiky komunikační potřeby;

• normování práce a výkonu lidí.

Page 4: Fuzzy přístup k jednotlivci

Jako ilustraci využití fuzzy přístupu v organizační praxi, uvedeme postup sestavení pravidel znalostí, které je možné využít při návrhu výstražného systému. Tento výstražný systém obvykle slouží pro upozorňování člověka (operátora) na nezpůsobilý stav obsluhy nějakého umělého systému (systém vytvořený člověkem)

Motivace návrhu výstražného systému• Všechny umělé systémy, které v současné době

lidstvo využívá, jsou v interakci s člověkem a to ať v roli jejich operátora (obsluhy), uživatele nebo představitele okolí systému.

• Konstrukci umělého systému, na interakci s člověkem zcela nezávislého systému zatím nedovedeme realizovat a je otázkou, kdy to bude možné.

• Z hlediska časového vývoje je možné pozorovat divergenci mezi zvyšující se spolehlivostí umělých systémů (vlivem technického pokroku) a v lepším případě stagnující spolehlivostí lidského činitele, který zastává roli obsluhy tohoto systému.

Page 5: Fuzzy přístup k jednotlivci

Měření pozornosti pracovníků

• Mezi konvenční způsoby, kterými lze sice nepřímo měřit, ale poměrně spolehlivě vyvozovat aktuální pozornost operátora se řadí:– elektromagnetická aktivita mozku – měření elektro-

encefalo-grafických signálů na povrchu hlavy (EEG);– impedance pokožky – snímání změn kožního odporu

proti vedení elektrického proudu;– teplota a frekvence dechu;– krevní tlak – změny krevního tlaku jako symptom

změny stavu bdělosti;– frekvence pohybů očních víček.

Poměrně známá a hojně používána je metoda analýzy elektromagnetické činnosti mozku.

EEG signály mají většinu informací o činnosti mozku koncentrovánu v poměrně úzkém pásmu kmitočtu jeho elektromagnetické činnosti. Toto frekvenční pásmo je u většiny lidí v rozmezí 30 až 50 Hz. Frekvenční rozsah je metodicky rozdělen do několika dílčích pásem nazvaných malými písmeny řecké abecedy a to v pořadí datum jejich objevení.

Page 6: Fuzzy přístup k jednotlivci

Základními frekvenčními pásmy elektromagnetické činnosti mozku jsou:

δ - delta (0,5 – 3,5 Hz) – signály s touto frekvencí doprovází činnost mozku během hlubokého spánku. Velikost amplitudy u delta signálu je 10-

300μV.

- theta (4 – 7 Hz) – signály theta doprovází činnost mozku v určitých fázích spánku (spolu se signály delta). Amplituda signálů theta stoupá při

otevření očí.

α - alfa (8 – 13 Hz) – signály alfa se objevují při zavření očí v bdělém stavu. K jejich tlumení dochází vedle otevřeného stavu očí také mentálními pochody. Amplituda těchto signálů je v rozsahu 20-100 μV.

ß – beta (14 – 30 Hz) – signály beta jsou doprovodním jevem logicko- analytického myšlení, ale také při subjektivním pocitu neklidu

člověka. Amplituda signálu beta osciluje okol hodnoty 30 μV.

γ - gama (31 – 50 Hz) – signály, jejichž technika měření je v praxi dost obtížně

realizována (obvykle jsou snímány velice tenkou elektrodou zanořenou do mozku).

Page 7: Fuzzy přístup k jednotlivci

Bdělost a pozornost • V daném okamžiku operátorovy obsluhy systému (stroje)

má k dispozici omezenou velikost pozornosti ze své kapacity úhrnné pozornosti. Tato celková kapacita pozornosti je obsluhou systému postupně vyčerpávána. V procesu poklesu pozornosti v závislosti na čase obsluhy jistého zařízení můžeme odlišit čtyři na sebe navazují fáze:

1. Časové pásmo plné pozornosti (t1) – při kterém je operátor optimálně naladěn na vnímání funkčních stimulů (jiné vlivy (disfunkční šum) více méně nevnímá).

2. Časové pásmo relaxace (t2) – na proces ovládání systému je sice vynakládána menší než plná pozornost, ale stále ještě (z hlediska aktivní bezpečnosti) postačující pozornost.

3. Časové pásmo únavy (somnolence) (t3) – úroveň pozornosti věnovaná procesu ovládání zde poklesne pod přijatelnou hranici.

Page 8: Fuzzy přístup k jednotlivci

4. Časové pásmo usínání (hypnagogikum) (t4 ) – v tomto časovém pásmu je úroveň pozornosti zcela pod přijatelnou hranicí a může dojít k tzv. mikrospánku (micro-sleep) – označený jako (tMS).

Jednotlivá časová pásma pozornosti a průběh poklesu této pozornosti je ilustrováno na následujícím snímku. Úroveň pozornosti LAT (Level of Attention), je v souladu výše uvedené charakteristiky, rozdělen do čtyř časových pásem, která jsou vymezena v závislosti na čtyřech referenčních hodnotách (hranicích).

Page 9: Fuzzy přístup k jednotlivci

9

Průběh poklesu pozornosti operátora LAT v čase

tMS

Maximální hranice mikrospánku

Minimální hranice mikrospánku

úroveň pozornosti (LAT)

Minimální hranice plného soustředění

t4t3t2t1

čas

Minimální hranice relaxace

Minimální hranice somnolence

Page 10: Fuzzy přístup k jednotlivci

Vytvoření pravidel znalostí varovného systému operátora

• V prvém kroku definujeme vstupy do výstražného systému. Vstupy jsou hodnoty základních frekvenčních pásem elektromagnetické činnosti mozku. Z hlediska pozornosti jsou významné – δ delta, – theta a α – alfa signály. Pro tyto tři vstupní proměnné zavedeme fuzzy množinu I (input), která bude obsahovat 3 podmnožiny:

VESTMAI ,,

kde MA znamená malá hodnota, ST střední hodnota a VE velká hodnota prvku fuzzy množiny I.Přitom fuzzy množina I je tvořená všemi prvky X (vstupy δ, ,α)

A dále funkčními hodnotami těchto vstupů μI(x).

Funkční hodnota vstupů je obvykle definována v intervalu od nuly do jedničky.

X je v teorii fuzzy množin nazýván jako univerzum (tj. univerzální označení vstupu)

Page 11: Fuzzy přístup k jednotlivci

11

• Tedy můžeme psát, že univerzum X je složeno z prvků x, kde:

,,x a funkce fuzzy množiny I: 1,0xI

)(, xXI I

VESTMAI ,,

Zápisem je fuzzy množina I (inputů) definována jako uspořádaná dvojice univerza vstupu X a funkcí příslušného vstupu

Nyní je potřeba určit takzvanou funkci příslušnosti. Funkce příslušnosti představuje vytvoření pravidla, podle kterého budeme změřené hodnoty amplitud přiřazovat k fuzzy množině:

xI

I.,, VESTMA

)(, II V 120,...,2,1,0 VESTMAI ,,)(

Pro delta aktivitu zavedeme fuzzy množinu I, kde vstupem jsou hodnoty amplitudy EEG (δ (μV)) a výstupem fuzzifikace pomněné δ je , která nabývá tří hodnot:

Page 12: Fuzzy přístup k jednotlivci

Fuzzifikace proměnné delta

120

15% ST

50% MA

1

0 10060 7030 40

MA ST VE

Vstupní hodnota = 33 μV

Amplituda δ (μV)

)( I

Page 13: Fuzzy přístup k jednotlivci

13

• Přiřazení změřených hodnot (amplitud frekvenčního záření δ) k fuzzy množině, reprezentovanou třemi podmnožinami

( ) je provedeno metodou takzvaného odhadu funkce příslušnosti parametrickým způsobem.

VESTMA ,,

Princip spočívá v expertním odhadu (s využitím znalostí odborníka), tří bodů (parametrů) vstupní funkce, a to pro každou podmnožinu .,, VESTMA

Bod (parametr), který je nejvíce vlevo, do fuzzy množiny ještě nepatří (pro podmnožinu MA se jedná o bod [0,0]).

Druhý bod, který určujeme je takový, který určitě do dané fuzzy podmnožiny patří. Pro náš případ podmnožiny MA se jedná o hodnotu amplitudy příslušející k vrcholu „trojúhelníku“ MA, tedy o bod [20,0]. Pokud tento bod určitě do dané fuzzy podmnožiny patří, můžeme tuto jistotu příslušnosti ohodnotit 100 %, tj. v naší škále hodnotou 1.

Třetím parametrem, který určujeme je bod, který již do fuzzy podmnožiny MA nepatří. V našem případě se jedná o hodnotu [40,0]. Po tomto určení parametrů už můžeme definovat fuzzy podmnožiny MA. Její geometrická interpretace zastoupená trojúhelníkem MA se získá spojením tří zjištěných parametrů, tj. bodů [0,0], [20,1] a [40,0].

Page 14: Fuzzy přístup k jednotlivci

14

• Analogickým způsobem bychom, jak ukazuje obrázek na snímku 12, zjistili i zbylé dvě podmnožiny ST a VE.

• Po zjištění fuzzy vstupů , , , jsou v druhé fázi tyto vstupy převedeny do hodnoty výstupu (defuzzifikovány). Výstupem jsou zde únavové stavy operátora , (kde O= output), kdy z hlediska bezpečnosti je významný stav vigility - VG (plné pozornosti), relaxace - RE a somnolence - SO (přicházející usínání). Výstražný systém operátora je tedy ovládán právě těmito třemi fuzzy

výstupy.

)( I )( I )( I

)(uO

Page 15: Fuzzy přístup k jednotlivci

15

Výstupní fuzzy množina pro určení stavu únavy v závislosti na akční veličině elektrického napětí

napětí (V)

1

0 705020 35

VG RE SO

)(uO

Page 16: Fuzzy přístup k jednotlivci

16

• Slide15 ukazuje únavový stav pracovníka v závislosti na hodnotách elektrického napětí. Hodnota tohoto napětí je řízena

podle aktuálních hodnot, které operátor nabývá ve vstupech

• Nyní musíme formulovat pravidla, platící mezi vstupem (hodnotami amplitud δ, théta, α ) a výstupem (stavy VG, RE, SO).

• Pro charakteristiku těchto pravidel se obvykle používá podmíněného výroku pomocí implikace (jestliže - IF) a spojky (a – AND). Výstup je charakterizovaný spojkou pak – THEN. Počet těchto pravidel je dán počtem kombinací k, které můžeme udělat se třemi vstupy, n = 3: (δ, théta, α), přičemž každý vstup může

nabývat tří hodnot, h = 3: (MA, ST, VE).

),( I ),( I ),(I

Page 17: Fuzzy přístup k jednotlivci

17

nhk

V našem případě pro n = 3 a h = 3 je

pravidelk 2733

.

Tvorba pravidel se řídí vágním popisem stavů MA, ST, VE a dále jsou tyto pravidla určena expertním způsobem. Tak například v situaci, kdy všechny vstupy přísluší do podmnožiny charakterizující malé hodnoty MA, můžeme přiřadit hodnotu výstupu (únavy) jako stav vigility (bdělosti):

)( I )( I )( I )(uOIF ( = MA) AND ( = MA) AND ( =MA) THEN ( = VG).

Kompletní báze znalostních pravidel je uvedena v následující tabulce:

Page 18: Fuzzy přístup k jednotlivci

18

Pravidla znalostí mezi kombinací vstupů a příslušným výstupem

iVstupy

1 MA MA MA VG

2 MA MA ST RE

3 MA MA VE RE

4 MA ST MA SO

5 MA ST ST RE

6 MA ST VE RE

7 MA VE MA SO

8 MA VE ST RE

9 MA VE VE SO

10 ST MA MA VG

11 ST MA ST VG

12 ST MA VE RE

13 ST ST MA SO

14 ST ST ST SO

15 ST ST VE RE

16 ST VE MA SO

17 ST VE ST SO

Výstup

)( I)( I )(uO)( I

Page 19: Fuzzy přístup k jednotlivci

19

i

18 ST VE VE SO

19 VE MA MA SO

20 VE MA ST SO

21 VE MA VE SO

22 VE ST MA SO

23 VE ST ST SO

24 VE ST VE SO

25 VE VE MA SO

26 VE VE ST SO

27 VE VE VE SO

)( I )( I )( I )(uO


Recommended