Högskolan i Skövde

Simuleringsverktyg används i industrin för att simulera produktion. Det gör det möjligt att förutsäga händelser, uppskatta tider och planera produktionen, även i tidiga stadier av produktionsutvecklingsprocessen. På motsvarande vis används ergonomisimuleringsverktyg för att simulera människor som arbetar i produktionen. Ergonomisimulering kan till exempel utföras för att bedöma om utformningen av arbetsstationen erbjuder lämpliga ergonomiska förhållanden för arbetarna. Emellertid görs produktionssimuleringar vanligtvis separat från ergonomisimuleringar. Det kan leda till bristfälliga lösningar där en fabrik är optimerad för att förbättra antingen produktivitet eller ergonomi. Denna avhandling utgår från hypotesen att mer optimala lösningar för arbetsstationsutformning, layout och linje-balansering kan uppnås i simuleringar genom att samtidigt optimera produktivitetsfaktorer och ergonomiska faktorer istället för att beakta dem separat. Målet är därför att utforska utvecklingen av en simulerings- och flermålsbaserad optimeringsmetod för produktivitetsfaktorer och ergonomiska faktorer och att realisera metoden som ett mjukvaruverktyg för att testa och beskriva den. Ur ett tillämpnings- och samhällspåverkansperspektiv är det övergripande målet att erbjuda ett nytt tillvägagångssätt för att utforma produktionssystem som fokuserar på både systemprestanda och människans välbefinnande, som stödjer ingenjörer i deras dagliga arbete för att hitta goda lösningar, och hjälper industrin att skapa mer produktiva och hållbara arbetsplatser.

Den här avhandlingen undersöker Kognitivt Inspirerad Design (eng. Cognitively Inspired Desig) vilket benämner processen att applicera kognitiva ramverk och teorier i en annan kontext. Avhandlingen studerar relationen mellan kognitionsvetenskap och den traditionella systemutvecklingsprocessen. Det finns flera olikheter och utmaningar som gör det svårt att designa ett nytt kognitivt system utifrån kognitionsvetenskap. För att undersöka denna process har flerlagersmodellen från Guest och Martin (2021) använts. Modellen består av en sekvens av sex lager som en forskare följer i steg från ett kognitivt ramverk till ett empiriskt experiment. Den här flerlagersmodellen är en banfunktion (eng. path function) där varje lager tar input från det tidigare lagret och ger output till nästföljande lager. Avhandlingens genomförs i kontexten av självkörande bilar. Självkörande bilar anses behöva en hög nivå av intelligens och kognitiva förmågor i och med att de måste agera i faktiska körsituationer där felbeslut kan kosta människoliv. Avhandlingen analyserar Kognitivt Inspirerad Design inom ramen för tre huvudsakliga studier.

Den första studien gör en jämförande teoretisk analys kring hur kognitiva paradigm och nuvarande AI-tekniker i självkörande bilar förhåller sig till varandra. Avhandlingen argumenterar för att det emergenta paradigmet är outforskat i denna kontext och bör studeras mer. Det emergenta paradigmet fokuserar på den interaktiva karaktären av mänsklig kognition. Analysen presenterar vilka möjligheter som öppnas för utvecklingen av självkörande bilar genom att applicera emergenta paradigmets olika egenskaper.

Den andra studien fokuserar på flerlagersmodellen i kontexten av en specifik teori inom det emergenta paradigmet. Studien fokuserar på hur människor lär sig från olika hypotetiska scenarier innan de faktiskt behöver träffa på dem i den verkliga världen, med särskilt fokus på ovanliga situationer som sällan inträffar. Studien undersöker hur mekanismer automatiskt kan skapa de här hypotetiska scenarierna, det vill säga utan att någon mänsklig utvecklar behöver manuellt designa situationerna. Studien använder sig av ”gradvis inlärning” (eng. curriculum learning) som en möjlig teoribas som med hjälp av flerlagersmodellen överförs till ett experiment som undersöker relationen mellan gradvis inlärning som teori för människor och för artificiella kognitiva system.

Den tredje studien fokuserar på mer omdebatterade teorier inom det emergenta paradigmet, nämligen så kallad enaktiv (eng. enactive) och förkroppslig (eng. embodied) kognition. De här teorierna har väckt uppmärksamhet på grund av deras möjliga förbättringspotential av artificiella kognitiva system. Flerlagersmodellen används i det här fallet för att undersöka hur dessa teorier kan appliceras på självkörande bilar. Studien beaktar hur de stödjer respektive hindrar appliceringen på självkörande bilar.

Avhandlingen avslutas med en diskussion om var Kognitivt Inspirerad Design står idag och vilka aspekter forskare och utvecklare behöver tänka på före, under och efter transformationen från teori till utvecklat system.

Generellt sett har denna avhandling studerat kognitiva teorier främst från ett ingenjörsperspektiv. Avhandlingens fokus har varit på att studera Kognitiv Inspirerad Design utifrån ett transformationsprocessperspektiv; målet har alltså inte varit att faktiskt skapa ett nytt kognitivt system.