МЕТОД АВТОМАТИЗОВАНОГО ВИЯВЛЕННЯ НЕБЕЗПЕЧНИХ ФАКТОРІВ ВТОМИ У НАВІГАТОРІВ НА ОСНОВІ ПОКАЗНИКІВ СНУ
https://doi.org/10.33815/2313-4763.2024.1.28.006-021
Анотація
Проблема втоми серед навігаторів під час виконання їх обов'язків становить значний ризик для безпеки мореплавства, причому людський фактор є основною причиною морських аварій. Метою цього дослідження є розробка та тестування автоматизованого методу виявлення небезпечних факторів втоми у навігаторів на основі показників сну. Це дослідження вирішує проблему точної діагностики втоми, яка часто недооцінюється або неправильно інтерпретується самими навігаторами. Дослідження включало довгостроковий моніторинг психофізіологічного стану навігаторів під час виконання своїх обов'язків та періодів відпочинку на суднах: "Олександр" IMO 9433353, "Brigitte M" IMO 9155913 та "LONGWOOD" IMO 9504138. У дослідженні використовувалися різні статистичні та динамічні методи аналізу, зокрема регресійний аналіз, аналіз часових рядів та критерій Стьюдента.
Експерименти показали значний зв'язок між тривалістю глибокого сну та зменшенням періодів неспання, що свідчить про те, що триваліші періоди глибокого сну зменшують вплив втоми. Було встановлено, що збільшення часу глибокого сну на 1% призводить до зменшення часу неспання в середньому на 0,736% до 0,98%. Коефіцієнт кореляції між тривалістю глибокого сну та рівнем стресу склав від 0,73 до 0,98, що підтверджує високий ступінь зв'язку. Значення похибки апроксимації становило від 0,34% до 12,44%, що свідчить про задовільну якість моделі.
Розроблена автоматизована система для виявлення втоми показала перспективні результати у підвищенні безпеки навігації, забезпечуючи аналіз у реальному часі та адаптивне планування вахт на основі стану екіпажу. Система здатна автоматично коригувати графіки вахт та періодів відпочинку, забезпечуючи оптимальний баланс між робочим навантаженням та відпочинком. Практична значущість системи полягає у її потенціалі знизити вплив людського фактора на безпеку мореплавства на 18–28% та оптимізувати час плавання, сприяючи економії палива та енергії. Система також може автоматично втручатися у випадку критичного зниження продуктивності навігатора, наприклад, шляхом автоматичного переключення на допоміжні системи управління (автопілот) або надсилання сигналу тривоги іншим членам екіпажу або до центру управління.
Теоретичне значення отриманих результатів полягає у експериментальному доведенні ефективності використання показників сну для моніторингу та аналізу стану втоми навігаторів у реальному часі. Практичне значення результатів полягає у розробці системи, яка забезпечує своєчасне виявлення небезпечних станів навігаторів, знижує ризик аварій та підвищує загальну безпеку навігації.
Посилання
2. Zhang, Daiyong & Chu, Xiumin & Liu, Chenguang & He, Zhibo & Zhang, Pulin & Wu, Wenxiang (2024). A Review on Motion Prediction for Intelligent Ship Navigation. Journal of Marine Science and Engineering. 12. 107. 10.3390/jmse12010107.
3. Guo, Jian & Guo, Hua (2023). Real-Time Risk Detection Method and Protection Strategy for Intelligent Ship Network Security Based on Cloud Computing. Symmetry. 15. 988. 10.3390/sym15050988.
4. Nosov, P., Zinchenko, S., Ben, A., Prokopchuk, Y., Mamenko, P., Popovych, I., Moiseienko, V., Kruglyj, D. (2021). Navigation safety control system development through navigator action prediction by Data mining means. Eastern-European Journal of Enterprise Technolo-gies, 2 (9 (110)), 55–68. doi: https://doi.org/10.15587/1729-4061.2021.229237.
5. Nosov, P., Koretsky, O., Zinchenko, S., Prokopchuk, Y., Gritsuk, I., Sokol, I., Kyrychenko, K. (2023). Devising an approach to safety management of vessel control through the identification of navigator’s state. Eastern-European Journal 1of Enterprise Technologies, 4 (3 (124)), 19–32. doi: https://doi.org/10.15587/1729-4061.2023.286156.
6. Чала Ю. М., Шахрайчук А. М. (2018). Психодіагностика: навчальний посібник / Ю. М. Чала, А. М. Шахрайчук. Харків: НТУ «ХПІ».
7. Ma, Xiaoxue & Shen, Jun & Liu, Yang & Qiao, Weiliang (2020). A Methodology to Evaluate the Effectiveness of Intelligent Ship Navigational Information Monitoring System. IEEE Access. 8. 10.1109/ACCESS.2020.3032543.
8. Психологія стресу та стресових розладів (2023): навч. посіб. / П86 Уклад. О. Ю. Овчаренко. К.: Університет «Україна». 266 с. ISBN 978-966-388-665-7.
9. HANDBOOK OF PSYCHOPHYSIOLOGY/John T. Cacioppo University of Chicago Louis G. Tassinary TexasA&M University Gary G. Berntson/ Cambridge University Press 2007.
10. Solovey, O., Ben, A., Dudchenko, S., Nosov, P. (2020). Development of control model for loading operations on Heavy Lift vessels based on inverse algorithm. Eastern European Journal of Enterprise Technologies, 5/2 (107), 48–56. https://doi.org/10.15587/1729-4061.2020.214856.
11. ІМО GUIDANCE ON FATIGUE MITIGATION AND MANAGEMENT 12 June 2001.
12. The Sleep Solution WHY YOUR SLEEP IS BROKEN AND HOW TO FIX IT By W. CHRIS WINTER, M.D. 4 April 2017, Penguin Random House.
13. Xinyi, Wang (2024). The applications and prospects of intelligent services robots in medicine. Applied and Computational Engineering. 35. 104–109. 10.54254/2755-2721/35/20230375.
14. Amana, Anthony & Ngang Bassey Ph.D., Engr.Dr.Ngang (2021). Intelligent agent based-Real time monitoring and Evaluation of GSM quality of service. Journal of Information & Knowledge Management. 11. 35–49. 10.7176/IKM/11-4-05.
15. Ibrahim, & Syahputra, Hindra & Sugito, Bambang & Iqbal, Muhammad & Wijaya, Rian (2023). Optimizing Logistics System Monitoring with FIFO Method Using Intelligent System. International Journal Of Computer Sciences and Mathematics Engineering. 2. 276–280. 10.61306/ijecom.v2i2.53.
16. Dohare, Sushil & K, Deeba & Pamulaparthy, Laxmi & Abdufattokhov, Shokhjakhon & Venkata, Janjhyam & Ramesh, Janjhyam & El-Ebiary, Yousef & Thenmozhi, E. (2024). Enhancing Diabetes Management: A Hybrid Adaptive Machine Learning Approach for Intelligent Patient Monitoring in e-Health Systems. 10.14569/IJACSA.2024.0150162.
17. Wu, Zhong & She, Qiping & Zhou, Chuan (2024). Intelligent Customer Service System Optimization Based on Artificial Intelligence. Journal of Organizational and End User Computing. 36. 1–27. 10.4018/JOEUC.336923.
18. Zhang, Xinwei (2023). Innovative Applications of Image Media and Intelligent Service Systems. Scientific and Social Research. 5. 22–29. 10.26689/ssr.v5i12.5772.
19. Wang, Yanli (2022). Engineering Safety Management System Based on Robot Intelligent Monitoring. Advances in Multimedia. 1–10. 10.1155/2022/8940678.
20. Lin, Chin-Te & Lu, Hong-Ji (2024). An Intelligent Product-Driven Manufacturing System Using Data Distribution Service. IEEE Access. PP. 1–1. 10.1109/ACCESS.2024.3359228.
21. Zhao, Yixin & Liu, Yanzhong & Zhou, Haiyang & Wei, Yuxuan & Yu, Yansuo & Lu, Sichao & An, Xiang & Liu, Qiang (2023). Intelligent Gateway Based Human Cardiopulmonary Health Monitoring System. Journal of Sensors. 1–16. 10.1155/2023/3534224.
22. Holub, Halyna & Voronko, Iryna & Azizov, Borys & Chernenko, Vitalii & Moseichuk, Mykola & Ishchenko, Vitalii (2023). Analytical aspects of application of intelligent methods of management of computer systems in transport infrastructure projects. Technology audit and production reserves. 3. 25–29. 10.15587/2706-5448.2023.284578.
23. Zhao, Huadong & Sun, Shaoming (2023). Research on the Application of Intelligent Transportation System in Transportation Management. Academic Journal of Science and Technology. 4. 1–4. 10.54097/ajst.v4i2.3865.
24. Економетрія (2012). Ч. 1: навч. посібник / О. Волошин, Н. Галайко. Львів: Львівський державний університет внутрішніх справ. 192 с.
25. Економетрика (2015): навчальний посібник для студентів напряму підготовки "Економічна кібернетика" всіх форм навчання / Л. С. Гур'янова, Т. С. Клебанова, О. А. Сергієнко, С. В. Прокопович. Х. : ХНЕУ ім. С. Кузнеця. 384 с.
