AS 3

Automazione e Strumentazione n Aprile 2024 Tecnica 95 CONTROLLO tetica degli stati del processo e delle azioni che deve compiere in risposta a tali stati (ad esempio con un formalismo grafico che potrebbe prendere le mosse dalle figure 1 , 2 , 3 , 4 riportate, meglio se animate in modo da seguire l’evoluzione degli eventi); l’idea è quella, cioè, di supportare l’operatore, anche negli impianti più complessi, nel non perdere mai di vista i suoi compiti primari (consegne, anomalie ecc.). - Gestire le attività in sala controllo attraverso registri elettronici, per tracciare le attività svolte (eLogBook), il passaggio di consegne tra i diversi turni (Shift-Handover), le istruzioni di lavoro (Work Instructions), in modo che sia agevole per il personale addetto all’esercizio essere consapevole sul già fatto e sul da farsi; in parallelo si possono implementare dei ‘digi- tal twins’ dell’operatore ovvero dei flow-chart delle tipiche operazioni da effettuare, che pos- sono essere mandati in esecuzione come guida virtuale oppure anche agendo direttamente sul sistema di controllo reale. - Introdurre algoritmi per la valutazione, su scala temporale di media durata, della qualità della risposta nelle varie situazioni corrispon- denti al Mental Load e in modo da valutare l’incidenza della complessità del processo sul fattore umano e quindi sull’esercizio del sistema di automazione ad esempio il numero di manovre manuali, il tempo medio di rico- noscimento allarmi, il numero di allarmi per operatore, la frequenza di cambio di pagina grafica e i tipici pattern di navigazione, facendo sempre comunque riferimento alle diverse complessità di impianto. Conclusioni Pur essendoci accordo sulla rilevanza del carico mentale degli operatori sugli effetti di una gestione ottimale degli impianti di produ- zione, si sente una certa mancanza di tratta- zione sistematica in relazione ai molti processi da controllare nei settori oil&gas, chimico, far- maceutico, metallurgico ecc. Si auspica, con il presente contributo, di aver stimolato alla riflessione su questi argomenti in modo che anche la valutazione del Mental Load possa entrare a far parte della prassi con- solidata della progettazione e realizzazione dei sistemi di automazione e controllo. Bibliografia [1] J. Rasmussen, “Skill,Rules, and Knowledge; Signals, Signs and Symbols, and other Distinctions in Human Performance Model”, IEEE Transactions on Systems, Man, and Cybernetics, No 3, May 1983. [2] S. Franzen, “The Cognitive Process”, Con- ference c/o Chalmers 2005. [3] M. Hamed, “Cognitive Decision Making Model & Aviation”, http://avia- tionknowledge.wikidot.com , 2012 . [4] P. C. Cacciabue, Guide to Applying Human Factors Methods , ISBN 978-1-85233-705-6, Springer - Verlag, 2004. [5] M. Maini, M. Veronesi, “Co-Operatori Umani ed Automatici nel Controllo di Pro- cesso 4.0”, Automazione & Strumentazione , Fiera Milano Media, novembre 2019. [6] Mostafa Mohammadian, Hosein Parsaei, Hamidreza Mokarami, Reza Kazemi, “Cognitive demands and mental workload: A filed study of the miningcontrol room operators”. Journal homepage: www.cell. com/heliyon, 2022. [7] Per Øivind Braarud, Giovanni Pignoni, “Behavioral Indicators - An Approach for Assessing Control Room Operators’ Excessive Cognitive Workload?”. [8] Institute for Energy Technology/NEA Halden Human Technology Organisation Project, Norway. Human Factors and Simu- lation , Vol. 83, 2023. n Impianto Consegne Anomalie Produzioni Interazioni ML Totale Ciclo Combinato 2 1 2 - 7 Biomassa 4 2 1 1 8 Termovalorizzatore 6 2 1 2 11 Raffineria 10 5 3 2 20 Tabella 1 - Valutazione del Mental Load nei casi di studio

RkJQdWJsaXNoZXIy Mzg4NjYz