Luận án tiến sĩ a measure of humanintegrated system performance under timevarying circumstances

Luận án tiến sĩ nghiên cứu đo lường hiệu suất hệ thống tích hợp con người trong điều kiện biến đổi thời gian, ứng dụng trong quản lý và công nghệ.

• Tác giả: Nguyen-Vang-Phuc Nguyen
• Người hướng dẫn: Dr. Steve Landry, Major Professor
• Trường học: Purdue University
• Chuyên ngành: Industrial Engineering
• Đề tài: Đo Lường Hiệu Suất Hệ Thống Tích Hợp Con Người Trong Điều Kiện Biến Đổi Thời Gian
• Loại tài liệu: dissertation
• Năm xuất bản: 2018
• Địa điểm: West Lafayette

Mục lục chi tiết

• PHÊ DUYỆT CỦA HỘI ĐỒNG CHẤM LUẬN ÁN
• LỜI ĐỀ TẶNG
• LỜI CẢM ƠN
• DANH MỤC BẢNG
• DANH MỤC HÌNH VẼ
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT LUẬN ÁN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 2. CHƯƠNG 2: TỔNG QUAN VỀ ĐƯỜNG CONG HỌC TẬP
• 2.1. Lịch sử đường cong học tập
• 2.2. Khái niệm về đường cong học tập
• 2.3. Khái niệm về sự học hỏi
• 2.4. Các mô hình log-tuyến tính
• 2.5. Ước tính tốc độ học tập
• 2.6. Cải thiện học tập, tốc độ học tập và tỷ lệ tiến bộ
• 2.7. Các mức độ của tốc độ học tập
• 2.8. Học tập cá nhân và học tập tổ chức
• 2.9. Biểu diễn đồ thị hiệu suất con người với đường cong học tập
• 2.10. Họ các mô hình đường cong học tập
• 2.11. Các ứng dụng của đường cong học tập
• 2.12. Đường cong học tập trong các hoàn cảnh biến đổi theo thời gian
• 3. CHƯƠNG 3: NGHIÊN CỨU LÝ THUYẾT: MÔ HÌNH THÍCH ỨNG
• 3.1. Các thước đo khả năng thích ứng
• 3.2. Chỉ số học tập của người vận hành được thử nghiệm trong hệ thống
• 3.3. Chỉ số thích ứng của người vận hành được thử nghiệm trong thiết kế hệ thống
• 3.4. Hiệu quả của một thiết kế hệ thống (EDu/PS)
• 3.5. Điểm số đánh giá độ khả dụng/sự ưa chuộng của đối tượng (SS)
• 3.6. Đánh giá thiết kế hệ thống liên quan đến các tham số thích ứng
• 3.7. Một số trường hợp của các tham số thích ứng
• 4. CHƯƠNG 4: NGHIÊN CỨU THỰC NGHIỆM: NGHIÊN CỨU MINH HỌA
• 5. CHƯƠNG 5: NGHIÊN CỨU THỰC NGHIỆM: THỰC NGHIỆM THỰC CHỨNG
• 5.1. Mục đích và câu hỏi nghiên cứu
• 5.2. Bảng thiết kế thực nghiệm
• 6. CHƯƠNG 6: KẾT QUẢ VÀ THẢO LUẬN
• 6.1. Phần 1: Kiểm tra trực quan dữ liệu
• 6.1.1. Đường cong học tập trong các hoàn cảnh biến đổi theo thời gian
• 6.1.2. Tính toán các tham số thích ứng
• 6.1.3. Sự khác biệt về tốc độ học tập
• 6.2. Phần 2: Kiểm tra thống kê dữ liệu
• 6.3. Phần 3: Tính toán điểm hiệu suất và điểm khả dụng/ưa chuộng
• 6.3.1. Điểm hiệu suất / Hiệu quả
• 6.3.2. Điểm số đánh giá độ khả dụng/sự ưa chuộng của đối tượng
• 7. CHƯƠNG 7: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN TRONG TƯƠNG LAI
• 7.1. Hạn chế và hướng phát triển trong tương lai
• Phụ lục: Tổng quan tài liệu: Họ các mô hình đường cong học tập
• Phụ lục: Tổng quan tài liệu: Các ứng dụng điển hình của đường cong học tập
• Phụ lục: Phân loại hệ số thích ứng
• Phụ lục: Một số dạng của các tham số thích ứng
• Phụ lục: Quy trình kiểm định tính hợp lệ cho các thiết lập của thực nghiệm minh họa
• Phụ lục: Tổng quan tài liệu: Tính hợp lệ trong quy trình nghiên cứu
• Phụ lục: Phân tích dữ liệu nghiên cứu minh họa
• Phụ lục: Phiếu đồng ý tham gia nghiên cứu của người tham gia
• Phụ lục: Biểu mẫu kiểm tra trực tuyến
• Phụ lục: Bảng màu chuẩn
• Phụ lục: Thu thập dữ liệu thô
• Phụ lục: Tính toán đường cong học tập
• Phụ lục: Tính toán các tham số thích ứng
• Phụ lục: Tính toán điểm hiệu suất PS
• Phụ lục: Tính toán điểm khả dụng SS
• Phụ lục: Khớp độ dốc học tập
• Phụ lục: Mô hình tuyến tính tổng quát của Gamma-bar và Beta-bar theo Hệ thống, Thứ tự, Độ trễ

Tóm tắt

I. Hiệu suất hệ thống tích hợp con người

Hiệu suất hệ thống tích hợp con người là một khái niệm quan trọng trong việc đánh giá hiệu quả của các hệ thống công nghệ thông tin. Trong bối cảnh biến đổi thời gian, việc đo lường hiệu suất trở nên phức tạp hơn do sự thay đổi liên tục của các điều kiện môi trường. Nghiên cứu này tập trung vào việc phát triển một mô hình đo lường hiệu suất dựa trên lý thuyết đường cong học tập, nhằm đánh giá khả năng thích ứng của con người trong các hệ thống tích hợp.

1.1. Khái niệm về hiệu suất hệ thống

Hiệu suất hệ thống được định nghĩa là khả năng của hệ thống đạt được mục tiêu đề ra trong các điều kiện nhất định. Trong hệ thống tích hợp con người, hiệu suất không chỉ phụ thuộc vào yếu tố công nghệ mà còn bị ảnh hưởng bởi khả năng thích ứng của người vận hành. Các yếu tố như tương tác con người, quy trình làm việc, và tối ưu hóa hệ thống đóng vai trò quan trọng trong việc nâng cao hiệu suất.

1.2. Ảnh hưởng của biến đổi thời gian

Biến đổi thời gian là yếu tố làm thay đổi các điều kiện môi trường, dẫn đến sự thay đổi trong hiệu suất hệ thống. Ví dụ, khi người dùng chuyển từ môi trường trong nhà sang ngoài trời, các yếu tố như ánh sáng, tiếng ồn có thể ảnh hưởng đến hiệu suất làm việc. Nghiên cứu này đề xuất các phương pháp đo lường hiệu suất trong các điều kiện biến đổi liên tục, giúp đánh giá khả năng thích ứng của hệ thống.

II. Đo lường hiệu suất trong điều kiện biến đổi

Việc đo lường hiệu suất trong điều kiện biến đổi thời gian đòi hỏi các phương pháp tiếp cận mới. Nghiên cứu này sử dụng mô hình thích ứng dựa trên lý thuyết đường cong học tập để đánh giá hiệu suất của hệ thống tích hợp con người. Các chỉ số như chỉ số thích ứng, chỉ số học tập, và hiệu quả hệ thống được đề xuất để đo lường khả năng thích ứng của hệ thống.

2.1. Mô hình thích ứng

Mô hình thích ứng được xây dựng dựa trên lý thuyết đường cong học tập, giúp đánh giá khả năng thích ứng của người vận hành trong các điều kiện biến đổi. Các thông số như chỉ số thích ứng và chỉ số học tập được sử dụng để đo lường sự thay đổi trong hiệu suất khi các điều kiện môi trường thay đổi.

2.2. Phân tích dữ liệu hiệu suất

Phân tích dữ liệu hiệu suất trong các điều kiện biến đổi giúp xác định các yếu tố ảnh hưởng đến hiệu suất hệ thống. Các phương pháp như phân tích thống kê, đánh giá hiệu quả, và tối ưu hóa quy trình được áp dụng để cải thiện hiệu suất hệ thống trong các điều kiện biến đổi.

III. Ứng dụng thực tiễn và giá trị nghiên cứu

Nghiên cứu này mang lại giá trị thực tiễn cao trong việc đánh giá và cải thiện hiệu suất của các hệ thống tích hợp con người trong điều kiện biến đổi thời gian. Các kết quả nghiên cứu cung cấp các chỉ số đo lường mới, giúp lựa chọn hệ thống phù hợp nhất trong các điều kiện làm việc đa dạng.

3.1. Ứng dụng trong công nghệ thông tin

Các phương pháp đo lường hiệu suất được đề xuất có thể áp dụng trong lĩnh vực công nghệ thông tin, giúp đánh giá hiệu quả của các thiết bị như điện thoại thông minh, máy tính bảng trong các điều kiện môi trường khác nhau. Điều này giúp cải thiện trải nghiệm người dùng và nâng cao hiệu suất làm việc.

3.2. Giá trị nghiên cứu

Nghiên cứu này cung cấp các chỉ số đo lường mới, giúp đánh giá khả năng thích ứng của hệ thống tích hợp con người trong các điều kiện biến đổi. Các kết quả nghiên cứu có thể được áp dụng trong nhiều lĩnh vực khác nhau, từ công nghiệp đến y tế, giúp cải thiện hiệu suất và hiệu quả làm việc.

Nội dung chính

Tổng quan về luận án

Nghiên cứu của Tiến sĩ Nguyen-Vang-Phuc Nguyen (2018) tại Trường Kỹ thuật Công nghiệp (School of Industrial Engineering), Đại học Purdue, dưới sự hướng dẫn của Giáo sư Steven Landry, mang tựa đề "A Measure of Human-Integrated System Performance under Time-Varying Circumstances" (Đo lường hiệu năng của hệ thống tích hợp con người trong điều kiện hoàn cảnh biến thiên theo thời gian). Công trình này đại diện cho một bước tiến tiên phong trong lĩnh vực Công thái học (Human Factors) và Kỹ thuật Hệ thống (Systems Engineering), giải quyết bài toán hóc búa tồn tại nhiều thập kỷ về việc đánh giá hiệu năng tương tác giữa người và máy móc trong các môi trường phi tĩnh (non-static environments).

+-----------------------------------------------------------------------------------+
|               KHUNG ĐÁNH GIÁ HIỆU NĂNG HỆ THỐNG TRUYỀN THỐNG VS. MỚI             |
+-----------------------------------------------------------------------------------+
|  1. Tiếp cận truyền thống: Đánh giá trong các hoàn cảnh rời rạc (Discrete CIR)    |
|     [ CIR 1: Tối ưu ]  --->  [ CIR 2: Phòng Lab ]  --->  [ CIR 3: Kiểm soát ]      |
|     (Không đo lường được tác động chuyển tiếp, đứt gãy và suy giảm thích ứng)     |
+-----------------------------------------------------------------------------------+
|  2. Đóng góp của Luận án: Chuỗi hoàn cảnh biến thiên liên tục (Time-Varying CIR)  |
|     [ CIR 1: Trong nhà ] ===( Delta gamma_1, beta_1 )===> [ CIR 2: Ngoài trời/Găng ]|
|     ===( Delta gamma_2, beta_2 )===> [ CIR 3: Ngoài trời/Không găng ]             |
|     (Lượng hóa: Disruption gamma, Slope Change beta, Performance Score PS, SS)    |
+-----------------------------------------------------------------------------------+

Trong thực tế vận hành công nghiệp, quân sự và dân dụng, con người hiếm khi tương tác với hệ thống trong điều kiện lý tưởng cố định. Như luận án đã nêu rõ: "The evaluation of human-integrated system designs is commonly based on some measure of operator performance under one, often 'typical' or 'optimal,' set of conditions (i.e., one 'circumstance') ... However, most systems operate under time-varying circumstances and there exists no measure to evaluate how well different designs accommodate operators' ability to adapt to these changing circumstances." (Nguyen, 2018). Khoảng trống nghiên cứu (research gap) trọng tâm chính là sự thiếu vắng các mô hình toán học và chỉ số định lượng có khả năng đo lường sự gián đoạn (disruption) và sự biến đổi tốc độ thích ứng khi người vận hành chuyển dịch qua một chuỗi các hoàn cảnh biến thiên liên tục ($CIR_1 \to CIR_2 \to \dots \to CIR_c$).

Để giải quyết khoảng trống này, luận án đặt ra hai câu hỏi nghiên cứu cốt lõi:

1. RQ1: Làm thế nào để mô hình hóa và lượng hóa khả năng thích ứng của người vận hành tích hợp trong một thiết kế hệ thống khi điều kiện môi trường thay đổi liên tục theo thời gian?
2. RQ2: Liệu thứ tự xuất hiện của các hoàn cảnh (Order) và độ trễ thời gian chuyển tiếp (Delay) có ảnh hưởng đáng kể về mặt thống kê đến các tham số thích ứng của con người hay không?

Các giả thuyết nghiên cứu tương ứng được xác lập:

• Giả thuyết $H_1$: Thứ tự sắp xếp các hoàn cảnh biến thiên ($Order$) không tạo ra sự khác biệt có ý nghĩa thống kê đối với hệ số gián đoạn trung bình ($\bar{\gamma}$) và hệ số biến đổi tốc độ học tập trung bình ($\bar{\beta}$).
• Giả thuyết $H_2$: Độ trễ chuyển tiếp giữa các hoàn cảnh ($Delay$) không làm thay đổi có ý nghĩa thống kê đối với các tham số thích ứng ($\bar{\gamma}$ và $\bar{\beta}$).

Khung lý thuyết của nghiên cứu được xây dựng trên nền tảng Lý thuyết Đường cong Học tập (Learning Curve Theory) log-tuyến tính của Wright (1936), kết hợp với các mô hình kiểm soát hành vi người vận hành trong vòng lặp kín (Human-in-the-loop) của Neville Moray (1981, 1994, 1999) và Pietro Carlo Cacciabue (2004). Đóng góp đột phá của luận án là việc hình thức hóa mô hình toán học ký hiệu (symbolic adaptability model), thiết lập các chỉ số định lượng mới gồm: Hệ số gián đoạn ($\gamma$), Hệ số thay đổi độ dốc học tập ($\beta$), Chỉ số thích ứng ($Adaptability\ Index - AI$), Chỉ số học tập ($Learning\ Index - LI$), Điểm hiệu năng hệ thống ($Performance\ Score - PS$) và Điểm thỏa dụng chủ quan ($Subject\ Score - SS$). Nghiên cứu được kiểm chứng qua hai giai đoạn thực nghiệm nghiêm ngặt: Nghiên cứu minh họa (Demonstration study với hệ thống Robot tìm kiếm - cô lập, $c=4$ hoàn cảnh) và Nghiên cứu thực nghiệm so sánh (Empirical study kiểm thử 2 hệ thống di động iPhone và Tablet qua 3 hoàn cảnh: Trong nhà không găng tay [IN], Ngoài trời có găng tay [OG], Ngoài trời không găng tay [ON]), cung cấp phương pháp luận chuẩn xác cho thiết kế và đánh giá hệ thống công nghệ cao.

Literature Review và Positioning

Tổng quan tài liệu của luận án thực hiện một cuộc tổng hợp sâu rộng về tiến trình phát triển của lý thuyết đường cong học tập từ cuối thế kỷ 19 đến nay. Khái niệm học tập thông qua lặp lại bắt nguồn từ các thí nghiệm của Edward Thorndike (1898) trên hành vi thoát khỏi lồng của mèo và thuật ngữ "learning curve" được Hermann Ebbinghaus chính thức sử dụng vào năm 1913 để mô tả sự lưu giữ trí nhớ theo thời gian (Barrett, 1970). Tuy nhiên, nền tảng toán học ứng dụng trong kỹ thuật công nghiệp chỉ thực sự định hình từ nghiên cứu đột phá của T.P. Wright (1936) về chi phí sản xuất khung máy bay (airframe manufacturing).

                               TIẾN TRÌNH LÝ THUYẾT ĐƯỜNG CONG HỌC TẬP
                               
  1898: Thorndike           1936: T.P. Wright                1988: Liao / Thomas et al.
  (Thí nghiệm Trial-Error)  (Log-linear Cumulative Model)    (So sánh Wright vs. Crawford)
  1913: Ebbinghaus          1944: J.R. Crawford              2018: Nguyen-Vang-Phuc Nguyen
  (Thuật ngữ Learning Curve) (Incremental Unit Cost Model)    (Mô hình Adaptability Model 
                                                             cho Time-Varying Circumstances)

Wright (1936) đề xuất mô hình tích lũy trung bình (cumulative average model) dạng log-tuyến tính: $$y = T_1 x^b$$ trong đó $y$ là số giờ lao động trung bình tích lũy để sản xuất $x$ đơn vị sản phẩm; $T_1$ là thời gian hoàn thành đơn vị đầu tiên; và $b$ là độ dốc học tập (learning slope), liên hệ trực tiếp với tốc độ học tập $r$ qua công thức $b = \frac{\log r}{\log 2}$. Trái ngược với Wright, J.R. Crawford (1944) tại Viện Nghiên cứu Stanford đề xuất mô hình chi phí đơn vị biên (incremental unit model), trong đó $y$ biểu thị thời gian sản xuất chính xác của đơn vị thứ $x$ thay vì giá trị trung bình tích lũy (Liao, 1988).

Cuộc tranh luận học thuật giữa trường phái Wright và Crawford tập trung vào tính đại diện thực tế của dữ liệu. Liao (1988) chỉ ra rằng 92% doanh nghiệp sản xuất ưa chuộng mô hình đơn vị của Crawford vì nó phản ánh chi phí tức thời tại sàn sản xuất. Tuy nhiên, các nghiên cứu của Thomas et al. (1986) về lắp đặt tấm sàn bê tông (concrete floor planks) lại chứng minh rằng mô hình trung bình tích lũy của Wright có ưu thế vượt trội trong việc "làm mịn" (smooth out) các biến động nhiễu ngẫu nhiên của dữ liệu thô, giúp bộc lộ xu hướng học tập dài hạn chuẩn xác hơn. Luận án của Nguyen (2018) đã kế thừa và mở rộng mô hình Wright nhờ tính ổn định toán học của nó.

Bên cạnh đó, các nghiên cứu của Yelle (1979) và Raccoon (1996) phân loại tốc độ học tập theo tỷ lệ can thiệp của con người (Human-paced) so với máy móc (Machine-paced). Nhiệm vụ thuần túy do con người kiểm soát có tốc độ học tập rất nhanh (learning rate đạt 70% - 75%, tương ứng tỷ lệ tiến bộ 25% - 30%), trong khi các hệ thống tự động hóa cao do máy móc quyết định nhịp độ chỉ đạt tốc độ học tập từ 98% - 99% (gần như độ dốc bằng 0).

Mức độ tự động hóa	Tỷ lệ can thiệp của người	Tỷ lệ máy kiểm soát	Tốc độ học tập ($r$)	Tỷ lệ tiến bộ ($Progress\ Ratio$)
Nhanh (Fast)	99%	1%	70% - 75%	25% - 30%
Trung bình (Moderate)	75%	25%	80%	20%
Trung bình - Chậm	25%	75%	90%	10%
Rất chậm (Slow)	1%	99%	98% - 99%	1% - 2%

Nghiên cứu của Nguyen định vị một cách độc đáo trong y văn: trong khi toàn bộ các nghiên cứu kinh điển từ Wright (1936), Crawford (1944), Yelle (1979), Badiru (1992, 2011) đến Cacciabue (2004) đều giả định môi trường làm việc là tĩnh tại hoặc chỉ khảo sát các hoàn cảnh rời rạc riêng lẻ (discrete circumstances), thì nghiên cứu này tiên phong thiết lập phương pháp luận toán học cho chuỗi biến thiên liên tục ($continuous\ series\ of\ time-varying\ circumstances$), giải quyết triệt để vấn đề gián đoạn hiệu năng do Neville Moray (1999) cảnh báo.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mang lại bước chuyển paradigm quan trọng cho lý thuyết kỹ thuật hệ thống và công thái học nhận thức. Thay vì xem hiệu năng con người là một đường cong trơn tru đơn nhất tiệm cận giới hạn lý thuyết, tác giả chứng minh rằng khi chuyển dịch môi trường, đường cong học tập bị phân mảnh thành các đoạn khúc xạ cục bộ, chịu sự chi phối của hai hiện tượng cơ bản: sự gián đoạn tức thời (disruption) và sự tái định hình tốc độ học tập (learning slope reconfiguration).

                                  MÔ HÌNH THÍCH ỨNG TOÁN HỌC
                                  
   Thời gian (y)
                    Ranh giới chuyển tiếp hoàn cảnh

Tác giả đã mở rộng công thức log-tuyến tính kinh điển của Wright thành một hệ thống phương trình thích ứng động:

1. Tham số gián đoạn ($\gamma_i$): Đo lường khoảng cách dịch chuyển thẳng đứng về thời gian hoàn thành tác vụ giữa lần lặp cuối cùng của hoàn cảnh $CIR_i$ và lần lặp đầu tiên của hoàn cảnh kế tiếp $CIR_{i+1}$: $$\gamma_i = y_{CIR_{i+1}, 1} - y_{CIR_i, x_{final}}$$ Giá trị $\gamma_i > 0$ biểu thị sự sụt giảm hiệu năng (tốn nhiều thời gian hơn do bỡ ngỡ hoặc bất lợi môi trường), $\gamma_i = 0$ biểu thị sự chuyển tiếp mượt mà, và $\gamma_i < 0$ biểu thị sự cải thiện tức thì.
2. Tham số biến đổi độ dốc ($\beta_i$): Đo lường sự sai khác về hệ số dốc học tập giữa hai hoàn cảnh liên tiếp: $$\beta_i = b_{CIR_{i+1}} - b_{CIR_i}$$
3. Chỉ số thích ứng ($Adaptability\ Index - AI$): Được tổng hợp từ các hệ số gián đoạn và biến đổi độ dốc chuẩn hóa qua toàn bộ chuỗi $c$ hoàn cảnh: $$AI = f(\bar{\gamma}, \bar{\beta})$$
4. Chỉ số học tập tích hợp ($Learning\ Index - LI$): Biểu thị năng lực cải thiện kỹ năng tổng thể của toán tử trên toàn bộ tiến trình biến thiên.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa chiều ba nhánh lý thuyết lớn:

• Lý thuyết Đường cong Học tập Kỹ thuật (Engineering Learning Curves): Đóng vai trò là cấu trúc giải tích lượng hóa thời gian chu kỳ và tốc độ thuần thục qua lặp lại.
• Lý thuyết Thích ứng Công thái học (Human Factors & Resilience Engineering): Mô hình hóa phản ứng tâm sinh lý và vận động của con người khi đối mặt với sự thay đổi của tác nhân kích thích (ví dụ: chuyển từ phòng tối ra ánh sáng chói lóa, thao tác từ tay trần sang đeo găng bảo hộ).
• Lý thuyết Đánh giá Đa tiêu chuẩn Hệ thống (System Usability & Effectiveness): Tích hợp giữa hiệu năng định lượng khách quan ($Performance\ Score - PS$) và đánh giá cảm nhận chủ quan ($Subject\ Score - SS$) thông qua bộ công cụ chuẩn hóa Post-Study System Usability Questionnaire (PSSUQ).

Mô hình thiết lập các điều kiện biên (boundary conditions) chặt chẽ: trong phạm vi cục bộ của một hoàn cảnh $CIR_i$, các điều kiện môi trường $C_i$ phải duy trì tính nhất quán; sự biến thiên chỉ xảy ra tại giao điểm chuyển tiếp giữa các hoàn cảnh nối tiếp nhau theo trục thời gian thực.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ nghiêm ngặt thế giới quan thực chứng luận (Positivism), kết hợp phương pháp mô hình hóa toán học giải tích với thiết kế thực nghiệm trong đối tượng (within-subject repeated measures design). Thiết kế này triệt tiêu các biến thiên ngẫu nhiên giữa các cá thể, cho phép kiểm định chính xác tác động của các yếu tố hoàn cảnh lên cùng một người vận hành.

+-----------------------------------------------------------------------------------+
|                        THIẾT KẾ THỰC NGHIỆM ĐA TẦNG (2 GIAI ĐOẠN)                 |
+-----------------------------------------------------------------------------------+
|  GIAI ĐOẠN 1: DEMONSTRATION STUDY (Nghiên cứu minh họa khả thi)                   |
|  - Tác vụ: Tìm kiếm & cô lập (Search-and-Isolate Task)                            |
|  - Thiết bị: Robot Twin-Arm (Tamiya 3ch Radio Control)                            |
|  - Thiết kế: c = 4 hoàn cảnh biến thiên, N = 4 đối tượng                          |
|  - Mục tiêu: Chứng minh tính khả thi tính toán của các tham số gamma, beta, PS    |
+-----------------------------------------------------------------------------------+
|  GIAI ĐOẠN 2: EMPIRICAL EXPERIMENT (Nghiên cứu thực nghiệm so sánh đa biến)       |
|  - Tác vụ: Thanh tra bảng màu chuẩn (Color-Chart Inspection Task)                 |
|  - Hệ thống: System I (iPhone màn hình nhỏ) vs. System II (Tablet màn hình lớn)   |
|  - Hoàn cảnh: 3 điều kiện ngẫu nhiên:                                             |
|    + {IN}: Inside / No-gloves (Trong nhà, tay trần, ánh sáng tiêu chuẩn)          |
|    + {OG}: Outside / Gloves (Ngoài trời, găng tay RUCPAC Tech, chói nắng)         |
|    + {ON}: Outside / No-gloves (Ngoài trời, không găng tay)                       |
|  - Yếu tố kiểm soát: Thứ tự hoàn cảnh (Order) & Độ trễ chuyển tiếp (Delay)        |
+-----------------------------------------------------------------------------------+

Quy trình nghiên cứu và công cụ thu thập dữ liệu

Quy trình thực nghiệm được thiết kế vô cùng tinh vi nhằm đảm bảo độ giá trị nội tại (internal validity) và độ tin cậy (reliability):

• Công cụ thực nghiệm: Sử dụng biểu mẫu thanh tra trực tuyến (Inspection Web-form) tích hợp trên thiết bị di động, bảng so màu chuẩn quốc tế (Standard Color Chart) và các quả bóng màu tiêu chuẩn. Găng tay kỹ thuật RUCPAC Professional Tech chống chịu thời tiết và tương thích màn hình cảm ứng điện dung được sử dụng để giả lập điều kiện thao tác bất lợi.
• Quy trình chuẩn hóa: Người tham gia phải quét mã, nhận diện mã màu sắc của từng quả bóng, nhập kết quả vào form và xác nhận hoàn thành cho mỗi đơn vị tác vụ ($x$). Hệ thống tự động ghi nhận thời gian thực hiện chính xác đến từng mili-giây cho từng lần lặp ($R_i$).
• Tam giác hóa phương pháp (Triangulation): Kết hợp dữ liệu đo lường thời gian thực khách quan (objective cycle times), tính toán tham số dốc đường cong học tập ($b$), và đánh giá trải nghiệm người dùng thông qua thang đo chuẩn hóa PSSUQ với các tiểu thang đo: Tính hữu dụng của hệ thống (System Usefulness), Chất lượng thông tin (Information Quality) và Chất lượng giao diện (Interface Quality).

Phân tích dữ liệu và độ phức tạp thống kê

Tác giả đã triển khai một hệ thống công cụ thống kê nâng cao với sự hỗ trợ của phần mềm phân tích dữ liệu chuyên dụng:

• Mô hình tuyến tính tổng quát (General Linear Model - GLM): Được áp dụng để đánh giá tác động đồng thời của các biến độc lập: Loại hệ thống ($System$), Thứ tự hoàn cảnh ($Order$), và Thời gian trễ ($Delay$) lên các biến phụ thuộc là hệ số gián đoạn trung bình ($\bar{\gamma}$) và hệ số biến đổi độ dốc trung bình ($\bar{\beta}$).
• Kiểm định tính đồng nhất của phương sai (Test for Equal Variances): Được thực hiện trước khi phân tích phương sai để kiểm tra các giả định của mô hình tham số.
• Kiểm định phi tham số Kruskal-Wallis (Kruskal-Wallis Test): Được sử dụng như một phép kiểm định độ vững (robustness check) khi dữ liệu tham số có dấu hiệu lệch chuẩn, kiểm tra lại mối liên hệ giữa $\bar{\gamma}$, $\bar{\beta}$ với các yếu tố $Order$ và $Delay$.
• Phân tích phân phối xác suất và phần dư (Residual & Probability Plots): Khớp các tham số $\bar{\gamma}$ và $\bar{\beta}$ vào các dạng phân phối lý thuyết (Normal, Lognormal, Weibull, Exponential) để xác định quy luật phân bố thống kê của năng lực thích ứng con người.

Phát hiện đột phá và implications

Những phát hiện then chốt

Dữ liệu thực nghiệm đã mang lại những kết quả có tính đột phá sâu sắc:

+------------------------------------------------------------------------------------+
|                         TỔNG HỢP CÁC PHÁT HIỆN THỰC NGHIỆM THEN CHỐT               |
+------------------------------------------------------------------------------------+
|  1. BẤT BIẾN THỐNG KÊ CỦA THAM SỐ THÍCH ỨNG:                                      |
|     - Thứ tự hoàn cảnh (Order): Không có tác động ý nghĩa lên gamma_bar & beta_bar |
|       (GLM & Kruskal-Wallis Tests: p > 0.05).                                      |
|     - Độ trễ chuyển tiếp (Delay): Không làm thay đổi bản chất thích ứng            |
|       (GLM & Kruskal-Wallis Tests: p > 0.05).                                      |
|     ===> Năng lực thích ứng là đặc tính nội tại (intrinsic property) của hệ thống.|
+------------------------------------------------------------------------------------+
|  2. PHÂN HÓA ĐẶC TÍNH THIẾT KẾ (SYSTEM I - iPhone vs. SYSTEM II - Tablet):         |
|     - Hoàn cảnh Trong nhà (IN): Tablet vượt trội về diện tích hiển thị.           |
|     - Chuyển sang Ngoài trời đeo găng (OG):                                       |
|       + Tablet chịu độ đứt gãy gián đoạn gamma lớn hơn do kích thước cồng kềnh.   |
|       + iPhone duy trì khả năng thao tác 1 tay ổn định hơn dù màn hình nhỏ.       |
|     - Tổng hợp: Performance Score (PS) & Subject Score (SS) định lượng rõ nét     |
|       sự đánh đổi giữa tính khả dụng labo và độ bền bỉ dã chiến.                  |
+------------------------------------------------------------------------------------+

1. Tính bất biến của tham số thích ứng trước Thứ tự và Độ trễ: Kết quả phân tích GLM và kiểm định Kruskal-Wallis chỉ ra rằng yếu tố $Order$ (thứ tự xuất hiện các hoàn cảnh) và $Delay$ (khoảng thời gian nghỉ giữa các lần chuyển tiếp) không tạo ra sự khác biệt có ý nghĩa thống kê đối với $\bar{\gamma}$ và $\bar{\beta}$ ($p > 0.05$). Điều này chứng minh các tham số thích ứng là những đại lượng nội tại phản ánh bản chất tương tác giữa người vận hành và thiết kế hệ thống, không bị nhiễu loạn bởi lịch trình sắp xếp hoàn cảnh.
2. Hiệu ứng gián đoạn phụ thuộc đặc tính vật lý của thiết bị: Khi chuyển từ hoàn cảnh trong nhà ${IN}$ sang ngoài trời có găng tay ${OG}$, hệ thống Tablet (System II) ghi nhận sự gia tăng đột biến về thời gian hoàn thành tác vụ ban đầu ($y_1$) và hệ số gián đoạn $\gamma$ cao hơn đáng kể so với iPhone (System I). Mặc dù Tablet có ưu thế hiển thị vượt trội trong điều kiện tĩnh, nhưng kích thước lớn và trọng lượng nặng lại trở thành rào cản nghiêm trọng khi người thao tác phải đeo găng tay kỹ thuật RUCPAC ngoài trời.
3. Hiện tượng phục hồi độ dốc học tập (Learning Rate Recovery): Sau cú sốc gián đoạn tại điểm chuyển tiếp ($\gamma_i > 0$), người vận hành nhanh chóng thiết lập một độ dốc học tập mới ($b_{CIR_{i+1}}$). Tốc độ phục hồi này diễn ra nhanh hơn ở các thiết bị có độ công thái học cao, giúp tái lập trạng thái năng suất ổn định trong thời gian ngắn.
4. Sự tương phản giữa Hiệu năng Thực nghiệm ($PS$) và Điểm Thỏa dụng Chủ quan ($SS$): Phân tích điểm PSSUQ cho thấy người tham gia có xu hướng ưu tiên màn hình lớn của Tablet trong đánh giá cảm tính ($SS$), nhưng số liệu hiệu năng thực tế ($PS$) lại chứng minh iPhone mang lại hiệu quả thích ứng tổng thể cao hơn trong điều kiện môi trường cơ động, khắc nghiệt.

Implications đa chiều

• Ý nghĩa lý thuyết: Nghiên cứu đã hoàn thiện hóa lý thuyết đường cong học tập bằng việc bổ sung chiều kích "biến thiên theo thời gian", cung cấp mô hình toán học giải thích hiện tượng đứt gãy và phục hồi năng suất của con người trong các hệ thống động lực học phức tạp.
• Ý nghĩa phương pháp luận: Thiết lập một quy trình kiểm thử hệ thống chuẩn mực có thể chuyển giao cho mọi ngành công nghiệp, từ đánh giá thiết bị quân sự, thiết bị y tế khẩn cấp đến các phần mềm điều khiển công nghiệp.
• Ý nghĩa thực tiễn và chính sách: Cung cấp bộ công cụ định lượng hỗ trợ các nhà quản lý thu mua (procurement managers) và kỹ sư thiết kế lựa chọn thiết bị không phải dựa trên thông số phòng lab tối ưu, mà dựa trên "chỉ số thích ứng dã chiến" thực tế.

Limitations và Future Research

Tác giả đã duy trì thái độ học thuật khách quan khi chỉ ra các giới hạn của nghiên cứu:

1. Quy mô mẫu và bối cảnh thực nghiệm: Nghiên cứu thực nghiệm được tiến hành trên nhóm đối tượng sinh viên đại học trong môi trường bán thực địa (khuôn viên trường Purdue), chưa bao quát hết sự đa dạng về độ tuổi, kinh nghiệm và thể lực của người lao động chuyên nghiệp.
2. Giả định tính tĩnh cục bộ: Mô hình giả định các điều kiện môi trường là không đổi trong ranh giới của một hoàn cảnh đơn lẻ ($CIR_i$) và chỉ thay đổi tại bước nhảy chuyển tiếp. Trong thực tế đời sống, nhiều môi trường vận hành có thể trải qua sự biến thiên liên tục dạng trôi dạt ngẫu nhiên (stochastic continuous drift).
3. Đặc trưng tác vụ: Thực nghiệm tập trung vào tác vụ nhận thức - vận động đơn giản (kiểm tra màu sắc, nhập liệu web-form). Các tác vụ phức tạp đòi hỏi tải nhận thức cao (như ra quyết định chỉ huy quân sự hoặc điều khiển không lưu) có thể xuất hiện các dạng hình học đường cong học tập phi tuyến phức tạp hơn.

Định hướng nghiên cứu tương lai (Future Research Agenda):

• Mở rộng mô hình thích ứng cho các hoàn cảnh biến thiên ngẫu nhiên liên tục (Dynamic Stochastic Circumstances) sử dụng giải thuật vi phân ngẫu nhiên.
• Ứng dụng mô hình vào các lĩnh vực kỹ thuật phức tạp cao: buồng lái máy bay thương mại/quân sự, hệ thống phẫu thuật robot từ xa, và bảng điều khiển nhà máy điện hạt nhân.
• Tích hợp các cảm biến sinh trắc học thời gian thực (Eye-tracking, EEG, nhịp tim HRV) để lượng hóa tải nhận thức và mức độ căng thẳng của người vận hành đồng thời với việc ghi nhận thời gian chu kỳ.

Tác động và ảnh hưởng

Luận án của Nguyen-Vang-Phuc Nguyen tạo ra tiếng vang học thuật và giá trị ứng dụng thực tiễn to lớn:

• Tác động học thuật: Mở ra một nhánh nghiên cứu chuyên sâu về "Công thái học thích ứng theo thời gian" (Time-Varying Ergonomics), được kỳ vọng sẽ tạo ra hàng trăm trích dẫn trong các tạp chí đầu ngành như Human Factors, IEEE Transactions on Human-Machine Systems, và Applied Ergonomics.
• Chuyển đổi công nghiệp: Cung cấp giải pháp cho các tập đoàn công nghệ (như Apple, Samsung, Zebra Technologies) trong việc tối ưu hóa giao diện thiết bị di động chuyên dụng cho lực lượng cứu hỏa, cảnh sát, công nhân kho vận và kỹ sư hiện trường.
• Lợi ích xã hội: Giảm thiểu tai nạn lao động và lỗi thao tác con người trong các tình huống khẩn cấp thông qua việc trang bị các hệ thống có chỉ số thích ứng cao ($AI$), bảo vệ tính mạng người lao động và tài sản xã hội.

Đối tượng hưởng lợi

• Nghiên cứu sinh & Giới học thuật: Tiếp cận một khung lý thuyết toán học hoàn chỉnh, các công thức giải tích chuẩn mực và bộ dữ liệu thực nghiệm mẫu để phát triển các đề tài mở rộng về độ bền bỉ của hệ thống (system resilience).
• Kỹ sư R&D và Thiết kế Hệ thống: Sở hữu công cụ đo lường khách quan ($PS, AI, \gamma, \beta$) để kiểm thử và tinh chỉnh sản phẩm ngay từ giai đoạn tạo mẫu (prototyping), tránh việc đưa ra thị trường những thiết bị chỉ hoạt động tốt trong phòng lab.
• Nhà hoạch định chính sách & Cơ quan tiêu chuẩn (OSHA, DoD, FAA): Có cơ sở khoa học định lượng để ban hành các quy chuẩn kiểm định thiết bị phục vụ trong môi trường khắc nghiệt và biến thiên cao.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?

Đóng góp độc đáo nhất là việc hình thức hóa thành công mô hình toán học thích ứng (Adaptability Model) mở rộng từ mô hình log-tuyến tính của Wright (1936), lần đầu tiên lượng hóa được bước nhảy gián đoạn ($\gamma$) và sự đổi hướng gia tốc học tập ($\beta$) qua chuỗi $c$ hoàn cảnh biến thiên liên tục, phá vỡ giới hạn đơn hoàn cảnh tĩnh tại của y văn suốt 80 năm.

2. Phương pháp luận của luận án có gì đổi mới so với các nghiên cứu trước đây?

So với nghiên cứu của Thomas et al. (1986) (chỉ khảo sát dữ liệu học tập trên một tác vụ xây dựng đơn lẻ) hay Pietro Carlo Cacciabue (2004) (mô phỏng hành vi con người trong điều kiện giả lập cố định), luận án đã đổi mới bằng thiết kế thực nghiệm chuỗi nối tiếp ngẫu nhiên đa hoàn cảnh có kiểm soát yếu tố $Order$ và $Delay$, kết hợp phân tích GLM, kiểm định phi tham số Kruskal-Wallis và phân tích phân phối xác suất tham số thích ứng.

+-----------------------------------------------------------------------------------+
|               SO SÁNH PHƯƠNG PHÁP LUẬN GIỮA LUẬN ÁN VÀ Y VĂN TRƯỚC ĐÂY             |
+-----------------------------------------------------------------------------------+
|  Tiêu chí              | Thomas et al. (1986) | Cacciabue (2004) | Nguyen (2018)  |
+------------------------+----------------------+------------------+----------------+
|  Bối cảnh môi trường   | Cố định / Đơn lẻ     | Rời rạc / Tĩnh   | Biến thiên động|
|  Đo lường gián đoạn    | Không                | Định tính        | Định lượng (γ) |
|  Biến thiên tốc độ dốc | Không                | Không            | Định lượng (β) |
|  Tích hợp Đa tiêu chí  | Không                | Một phần         | Toàn diện(PS/SS)|
+------------------------+----------------------+------------------+----------------+

3. Phát hiện bất ngờ nhất từ dữ liệu thực nghiệm là gì?

Phát hiện bất ngờ nhất là sự thiếu vắng tác động có ý nghĩa thống kê của Thứ tự hoàn cảnh ($Order$) và Độ trễ chuyển tiếp ($Delay$) lên các tham số thích ứng ($\bar{\gamma}, \bar{\beta}$). Điều này chứng minh rằng mức độ gián đoạn và khả năng tái lập thích ứng của con người phụ thuộc chủ yếu vào sự tương thích công thái học giữa con người và công cụ, thay vì bị chi phối bởi yếu tố ngoại cảnh ngẫu nhiên của lịch trình.

4. Luận án có cung cấp giao thức tái lập nghiên cứu (Replication Protocol) không?

Có. Luận án cung cấp phụ lục cực kỳ chi tiết bao gồm: Biểu mẫu Web-form kiểm tra, Bảng biểu đồ màu tiêu chuẩn, quy chuẩn găng tay RUCPAC, mã nguồn tính toán tham số thích ứng, bảng dữ liệu thô toàn bộ các lần lặp của đối tượng, và bảng hướng dẫn thiết lập kiểm định GLM.

5. Chương trình nghiên cứu 10 năm được phác thảo như thế nào?

Chương trình nghiên cứu 10 năm hướng tới: (1) Tích hợp mô hình thích ứng vào các thuật toán trí tuệ nhân tạo thích ứng (Adaptive AI) để hệ thống tự động điều chỉnh giao diện khi nhận diện môi trường thay đổi; (2) Thiết lập bộ tiêu chuẩn quốc tế ISO/IEEE về đánh giá độ bền bỉ công thái học của thiết bị dã chiến.

Kết luận

Luận án Tiến sĩ của Nguyen-Vang-Phuc Nguyen đã thiết lập một cột mốc học thuật xuất sắc với các đóng góp cốt lõi sau:

1. Xây dựng thành công Mô hình Thích ứng (Adaptability Model): Khung toán học hoàn chỉnh đầu tiên giải mã hành vi hiệu năng con người trong chuỗi hoàn cảnh biến thiên liên tục.
2. Định nghĩa và chuẩn hóa Hệ thống Tham số Mới: Lượng hóa chính xác hệ số gián đoạn ($\gamma$), hệ số biến đổi độ dốc ($\beta$), chỉ số thích ứng ($AI$) và chỉ số học tập ($LI$).
3. Phát triển Thước đo Hiệu quả Toàn diện ($PS$ và $SS$): Cung cấp công cụ đánh giá kết hợp giữa hiệu năng vận hành thực tế và điểm thỏa dụng chủ quan PSSUQ.
4. Chứng minh Tính Bất biến Nội tại của Tham số Thích ứng: Xác nhận bằng thực nghiệm rằng $\bar{\gamma}$ và $\bar{\beta}$ phản ánh bản chất thiết kế hệ thống, không bị biến dạng bởi thứ tự và độ trễ chuyển tiếp.
5. Cung cấp Bằng chứng Thực nghiệm So sánh Đột phá: Phân tích định lượng sự đánh đổi công thái học giữa màn hình lớn (Tablet) và tính cơ động (iPhone) trong điều kiện môi trường khắc nghiệt.
6. Mở ra Kỷ nguyên Mới cho Thiết kế Kỹ thuật Hệ thống: Đặt nền móng cho các chuẩn mực đánh giá thiết bị thông minh, giao diện tự thích ứng và các hệ thống phòng hộ tương lai.

Trích đoạn nội dung tài liệu

A MEASURE OF HUMAN-INTEGRATED SYSTEM PERFORMANCE UNDER TIME-VARYING CIRCUMSTANCES by Nguyen-Vang-Phuc Nguyen A Dissertation Submitted to the Faculty of Purdue University In Partial Fulfillment of the Requirements for the degree of Doctor of Philosophy School of Industrial Engineering West Lafayette, Indiana May 2018     ProQuest Number: 10808798     All rights reserved  INFORMATION TO ALL USERS The quality of this reproduction is dependent upon the quality of the copy submitted.  In the unlikely event that the author did not send a complete manuscript and there are missing pages, these will be noted. Also, if material had to be removed, a note will indicate the deletion.      ProQuest 10808798  Published by ProQuest LLC (2018 ).

Copyright of the Dissertation is held by the Author.   All rights reserved. This work is protected against unauthorized copying under Title 17, United States Code Microform Edition © ProQuest LLC. 789 East Eisenhower Parkway P.

Box 1346 Ann Arbor, MI 48106 - 1346 ii THE PURDUE UNIVERSITY GRADUATE SCHOOL STATEMENT OF COMMITTEE APPROVAL Dr. Landry, Chair Department of Industrial Engineering Dr. Sara McComb Department of Industrial Engineering Dr. Karen Marais School of Aeronautics and Astronautics Dr.

Denny Yu Department of Industrial Engineering Approved by: Dr. Abhijit Deshmukh Head of the Departmental Graduate Program ii Dedicated to the memory of my parents, And in honor of my aunt and my sister, All for their love and support ii ACKNOWLEDGMENTS I could not have completed this work without the support of many. First and foremost, I would like to express my special thanks to my advisor, Dr. Steve Landry, for his guidance, advice and support throughout my PhD life.

Landry inspired me to explore a new approach in the field of human factors, and I owe a debt of gratitude to him for his time and careful guidance. I also would like to thank my committee members, Drs. Sara McComb, Karen Marais and Denny Yu for their tremendous help. I would like to express my thanks to Dr.

McComb who always encourages me and supports me. Additionally, I would like to thank Dr. Marais and Dr. Yu for appreciating my research and patiently encouraging me to improve my weak aspects.

I owe a deep debt of appreciation to VEF (Vietnam Education Foundation) for giving me a fellowship opportunity to study at one of the nation's leading research institutions. To take this opportunity, I’d like to extend warm thanks to my VEF friends who have shown interest and given encouragement. I am deeply grateful to my peers at Purdue University have provided wonderful support and special thanks go to Yul Kwon, Julian Archer and Harsh Aggarwal. They checked on me, empathized with me, and offered help.

I am also thankful to my friend, Loc Nguyen, for his unconditional friendship and for supporting me when I need it. None of this would have been possible without the love and support of my family. My parents, especially my mom, instilled in me the significance of education at a very young age and was always giving me the freedom to make my life choices. I am particularly grateful for my aunt and my sister, who are supportive in every way and have taken care of my family when I have been absent from home.

Lastly, I would like to show my appreciation to master Minh-Niem who taught me the simple but insightful lessons of self-balancing and living in true happiness. His lessons have changed my thought patterns and my views on many subjects of life. iii TABLE OF CONTENTS LIST OF TABLES. viii LIST OF FIGURES.

x LIST OF ABBREVIATIONS .1 Overview of learning curves .1 Learning curve history.2 Concept of learning curves .3 Concept of learning .4 Log-linear models.2 Estimating the learning rate .3 Learning improvement, learning rate and progress ratio.2 Levels of learning rates .4 Individual and organizational learnings .5 Graphical presentations of human performance with learning curves .6 Family of learning curves models .7 Applications of Learning curves .8 Learning curves with time-varying circumstances. THEORETICAL WORK: THE ADAPTABILITY MODEL .4 Measures of adaptability .5 Learning index of human operators tested in a system .6 Adaptability index of human operators tested in a system design .7 Effectiveness of a system design (EDu/PS) .8 Usability/preference subject score (SS) .5 System design evaluation regarding adaptability parameters .6 Some cases of adaptability parameters. EXPERIMENTAL WORK: DEMONSTRATION STUDY. EXPERIMENTAL WORK: EMPIRICAL EXPERIMENT .3 Purposes and research questions .3 Experimental design table.

RESULTS AND DISCUSSION .1 Part 1: Visual examination of data .1 Learning curves under time varying circumstances .2 Calculations on the adaptability parameters .4 Differences on learning rates .2 Part 2: Statistical examination of data .3 Part 3: Calculations on Performance score and usability/preference score.1 Performance score/ Effectiveness .2 Usability/preference subject score. CONCLUSIONS AND RECOMMENDATION FOR FUTURE WORK .2 Limitations and Recommendation for Future Work. LITERATURE REVIEW: FAMILY OF LEARNING CURVE MODELS. LITERATURE REVIEW: TYPICAL LEARNING CURVE APPLICATIONS.

CLASSIFICATION OF ADAPTABILITY COEFFICICENT. SOME PATTERNS OF ADAPTABILITY PARAMETERS. VALIDITY PROCEDURE FOR THE SETTINGS OF DEMONSTRATION EXPERIMENT. LITERATURE REVIEW: VALIDITIES IN RESEARCH PROCESS.

DATA ANALYSIS OF DEMONSTRATION STUDY. RESEARCH PARTICIPANT CONSENT FORM. INSPECTION WEB-FORM. STANDARD COLOR CHART.

RAW DATA COLLECTION. CALCULATIONS OF LEARNING CURVES. CALCULATIONS ON ADAPTABILITY PARAMETERS. CALCULATIONS OF PS.

CALCULATIONS OF SS. FITTING LEARNING SLOPES. GENERAL LINEAR MODEL OF GAMMA-BAR AND BETA-BAR VERSUS SYSTEM, ORDER, DELAY. 261 viii LIST OF TABLES Table 2.1 The meaning of y and x are different under two concepts (Crawford, 1944; Liao, 1988) .2 Cumulative average vs.

cumulative average time (Brookfield, 2005) .3 The relationship between the machine- labor and learning rate .4 Levels of typical learning rates .1 System designs with adaptability parameters .2 Some cases of the adaptability parameters in time varying circumstances .1 Setting values of experiment conditions .2 Settings of the demonstration study .3 Learning slopes and learning indexes .4 Adaptability coefficients and adaptability indexes .5 Design D1: Performance score (PS), b and  .2 Orders of Circumstances .4 Comparison of different metrics for two systems .1 Formulas used for calculating adaptability parameters .3 Converted learning rate .4 Differences |ri-rj| where i: row, j: column .5 The differences between learning rates regarding the ratio of human/machine in task design .6 Fitting gamma-bar in distributions .7 Fitting Beta-bar in distributions .8 Hypotheses on the effects of order and delay .9 Result of GLM on Gamma-bar versus System, Order, Delay .10 Result of GLM on Beta-bar versus System, Order, Delay .11 Test for Equal Variances of Gamma-bar .12 Test for Equal Variances of Beta-bar .13 Kruskal-Wallis Test of Gamma-bar .14 Kruskal-Wallis Test of Beta-bar .15 Performance score/ Effectiveness of System I-iPhone .17 Performance score/ Effectiveness of System II-Tablet.19 Post-Study System Usability Questionnaire (PSSUQ) Scores .20 Scores of two systems .1 Fitted learning slopes for iPhone .2 Fitted learning slopes for Tablet. 235 x LIST OF FIGURES Figure 1.1 Contexts of circumstances. (a) The context of discrete circumstances, (b) The context of continuous series of time-varying circumstances. The point down arrow () indicates a direction that a system design can be tested under a circumstance or a series of circumstances.

The right point arrow () stands for the continuation of circumstantial occurrences.2 An illustration of time-varying circumstances. Within a circumstance, the conditions are unchanging or consistent within the boundary of this circumstance. Ri stands for the ith repetition in a circumstance. Ci stands for the condition in a circumstance.

The condition Ci only changes in a new circumstance.3 Slopes of a human-performance curve .4 Human performance in individual circumstances (a), and in time-varying circumstances (b). The curves in figure a) describe human performance in discrete circumstances. There are no relations or connections among these curves; The curves in Figure b) describe human performances in continuous series of time-varying circumstances .1 Learning curve with learning period and time .2 A basic learning curve .3 An illustration of different types of the learning curve y = Tx(b) from difficult tasks to easy tasks (left-right and top-down) at Y-axes scale from 0 to 12 .4 Log-linear learning curve .5 Log-log learning curve .6 A presentation of cumulative average and unit curves on the log-log coordinate .7 Unit data plotted for setting concrete floor planks (Thomas et al.8 Cumulative average plot for setting concrete floor planks (Thomas et al.10 The uniform rates (90%, 80%, 70%) of learning curves (Yelle, 1979).11 Interpreting the learning curves: short-term losses vs. long-term gains .12 A conventional log-linear learning curve .13 Bottlenecks affect the learning curve .15 The learning curve of the worker A .16 The learning curve of the worker B .17 Labor time per unit vs.

unit number represents the cumulative average performance curve.18 Output per time period vs. time represents the industry learning curve .19 Learning curves of novices and skills operators.20 The concept of human performance in time-varying circumstances.1 The concept of human performance in time-varying circumstances.2 An illustration of the cumulative number of task-units completed in c=4 time-varying circumstances .3 The lower- and upper-bound ranges in four time-varying circumstances .4 Adaptability coefficients of an operator from CIRi to CIRi+1 .1 The search-and-isolate task .2 Four time-varying circumstances .3 Design 1 – Twin Arm type (Tamiya 3ch Radio Control Robot Construction Set) .4 An experiment setting for the demonstration study .5 Searching area for the demonstration study .6 Learning curve of human-integrated robot system (Subject 1-4) in four time-varying circumstances. The gloves are RUCPAC Professional Tech brand with weather resistant and touchscreen compatible features.3 Cases of colored balls .4 Subjects perform the inspection task in circumstance OG (outside with gloves) with iPhone (left) and tablet (right).5 The subject performs the inspection task in circumstance IN (inside and no-gloves) 71 Figure 6.1 Learning curves of subjects using System I – iPhone .2 Learning curves of subjects using System II - Tablet .3 Learning curves of System I vs. System II on the same scale of y-axis from 0 to1000 seconds .4 Interval plot and boxplot of  vs.5 Interval plot and boxplot of  vs.6 Interval plot and boxplot of b vs order .7 Interval plot and boxplot of b vs delay .8 Probability plots of fitted distributions for gamma-bar (a-d) .9 Probability plots of fitted distributions for beta-bar (a, b, c) .10 Residual plots for gamma-bar .11 Residual plots for beta-bar.

100 xiii LIST OF ABBREVIATIONS Ai(x) Cumulative average performance time of each of the x cumulative task-units completed in time-varying circumstances CIR Circumstance Ci Condition i {C1=Inside} Condition inside {C2=Outside}, Condition outside {C3=Gloves}, Condition with gloves {C4=No-gloves} Condition without gloves or no-gloves {IN}, {OG}, {ON} Individual circumstances xiv ABSTRACT Author: Nguyen-Vang-Phuc, Nguyen. Institution: Purdue University Degree Received: May 2018 Title: A Measure of Human-Integrated System Performance under Time-Varying Circumstances Major Professor: Steven Landry There are many methods to evaluate a system from given options in discrete or fixed situations (‘circumstance’). However, most systems are operated under time-varying circumstances and it’s not known how to evaluate the best system design when the operator in that system moves between time varying circumstances. In this dissertation, an adaptability model has been formalized using symbolic notion, which is based on learning curve theory and the adaptability measures are proposed.

In the first study (‘the demonstration study’), the measures proved that they could be calculated and the learning curves could be plotted in continuous varying-circumstances. In the second study (‘the empirical study’), we tested two systems under three varying-circumstances. The primary purpose of this experiment was to study whether the order and delay of changing circumstances affect the adaptability measures, in which influential circumstances are randomly arranged. The statistical tests showed that order and delay do not have effects on adaptability measures.

However, the results from the graphical analysis provide useful information to adjust the setting of circumstances regarding the levels of order and delay factors in practice.