本文是一篇工程管理论文，本文针对P企业H煤矿VDT作业的主要工效学影响因素为脑力疲劳和工间休息，设计了一套完整的优化方案，以解决当前存在的问题。
第1章 绪论
1.1 研究背景及意义
1.1.1 研究背景
VDT又称为视频显示终端，是使用视频显示终端，如个人电脑、计算机等终端设备进行数据录入、信号处理、图像设计、文字编辑等一类工作形式的总称，随着信息化水平的逐年提高，一些使用智能手机、平板电脑的作业形式也被纳入VDT作业的研究范围以为内[1]。根据美国劳工部的数据统计，其2015年的VDT占有率已达75%，欧洲同时期82%的作业室工作是通过VDT完成的[2-3]。我国互联网络信息中心发布的《互联网络发展状况统计报告》显示，至2021年12月我国互联网的普及率已达73%，其中在线作业的网络用户规模已达到4.69亿，同比增长35.7%，由此可见VDT作业正逐渐成为一种普遍的作业形式。由于VDT作业具有高效、便捷的优势，这种作业形式便被广泛应用在交通监控、医疗诊断等相关领域，近几年还被应用在经智能化改造后的煤炭开采企业中。
在实际工作中，VDT作业人员需长时间注视显示屏幕，并保持精神高度集中，以应对复杂多变的工作内容，在这样的背景下作业人员极易发生作业疲劳，甚至是产生不良情绪，从而影响工作效率或引发工作失误。因此，对VDT作业人员的疲劳变化情况进行研究、对VDT作业进行优化，设计科学合理的工间休息制度，是提高相关作业人员工作绩效，减少工作失误以及保障员工身心健康的关键。
本文主要对某煤炭开采企业智能化综采控制中心的VDT作业进行研究，该企业在智能化改造后，将井下的煤炭开采工作转换为由作业人员在控制中心远程操作完成，使煤炭开采更加安全、便捷。但在这种新的工作模式中，操作人员需要实时注视显示屏幕获取作业信息，并在遇到突发情况时第一时间做出正确反应，且由于每次作业持续时间较长，这便导致作业人员经常出现困倦、注意力不集中的情况，影响作业绩效。因此，如何揭示VDT作业的疲劳机理，对VDT作业进行优化，是当前研究的热点问题。
1.2 国内外研究现状
1.2.1 脑电通道选择的研究现状
(1)国外研究现状
Mohamed等为了最大程度的减少无线脑电仪在数据采集过程中的能耗大小，提出了一种基于有向无环图(DAG)的通道选择算法。实验结果表明，即使在最坏的情况下，该方法令无线脑电仪的通道利用率降低了50%，此时得到的分类准确率为81%[4]。
Nakisa等为了解决采集到的脑电信号数据维度过高的问题，提出了一种基于进化计算算法(EC)的自动搜索EEG信号特征中最优子集的方法，并用两个公开数据集MAHNOB和DEAP中的EEG数据验证该方法的有效性。结果表明，该方法选择出的脑电通道子集在四种情绪分类中具有良好的表现[5]。
Ghorbanzadeh等提出了将顺序搜索算法和遗传算法相结合的脑电通道选择算法，并命名为DGAFF，该方法加快了遗传算法的收敛速度并提高了算法的整体性能，并与其他的通道选择方法相比，该方法在分类准确性和减少通道数量上的表现得更好[6]。
Birjandtalab等为了提高EEG信号进行癫痫发作的自动检测系统的性能，在研究中首先对采集的EEG信号进行频域特征提取，其次使用随机森林算法来确定哪些EEG通道在区分癫痫发作和非发作事件中最有价值，确定了可以有效识别癫痫发作的最优EEG信号通道[7]。
Moctezuma等为了提高使用EEG信号进行身份验证的安全系统的性能，在研究中使用经验模态分解方法对EEG信号进行特征提取后，使用非支配遗传算法对EEG信号的通道进行优化，找到了可以提高身份识别准确率的EEG通道组合[8]。
第2章 基于脑力负荷的某VDT作业优化方案设计
2.1 相关理论基础
2.1.1 VDT作业的特征
与一般的工作相比，VDT作业人员在工作时的交互对象是VDT作业系统，该系统通常由显示器、键盘、鼠标和触摸显示屏等电子设备组成。为收集工作时所需的信息，作业人员的视线一直在各设备之间移动或切换，且整个作业系统的位置基本固定，作业人员在工作中一般长期保持固定的坐姿，极易产生作业疲劳。综上所述，VDT作业具有以下两个特点：
(1)作业人员脑力负荷较高。按照作业人员工作时的任务内容可将VDT作业的类型大致分为两种，一类是监控作业，主要集中在警务、交通、军事和工业生产等领域，此类VDT作业工作内容简单但长期重复；另一类可以总结为信息加工和处理的作业，此类作业需要工作人员完成一套完整的认知流程，通过从显示屏获取并筛选有效信息，再经大脑判断后做出有效操作。两种类型的VDT作业虽然作业任务内容有所不同，但都需要作业人员保持长时间专注的工作状态，因此极易造成作业人员脑力负荷持续累积，引发脑力疲劳。
(2)作业人员连续长时间工作。VDT作业一般缺乏固定的休息制度，工作期间作业人员通常自主安排休息时间或忽视休息的重要性，而长时间的久坐又会引发骨骼肌肉疲劳，危害作业人员身心健康和工作绩效。
2.2 某企业VDT作业现状
2.2.1 智能化综采控制中心系统分析
本文VDT作业的研究对象为P企业的智能化综采控制中心的操作人员，P企业成立于上世纪90年代，是一家以煤炭生产、运输、销售和煤化工为主营业务的大型综合型企业。目前，P企业拥有子公司43家，矿井6座，其业务范围已延伸至全国15个省份，所生产的煤矿多为优质的动力煤，具有低磷、低硫、低灰、热值较高等优点。
P企业下属的H煤矿是该企业6座煤矿中产能最大的一座，年产能约为200万吨，其具有储量丰富，煤质优良以及开采成本低等特点。随着煤矿智能化建设逐渐成为煤炭行业的发展新趋势，H煤矿于2021年开始进行技术改造更新，引入了智能化综采控制中心系统，将传统煤炭开采的大部分工作集中在该矿井上的生产调度指挥中心完成，实现了煤炭开采的远程操控，另作业人员仅通过综采控制平台即可完成对相关设备的智能化操控、实现采煤机自动割煤、刮板机的运输规模监控等煤炭开采可视化控制、促使控制指令迅速送达相关设备，极大程度的提高了采煤机的工作效率，减少了采煤工作所需要的人员数量。
2.2.2 控制中心工作人员作业流程
智能化综采控制台是煤矿进行智能化改造后的作业终端，控制台将传统的煤矿开采作业进行集中整合，作业人员仅通过操作控制台即可完成煤矿开采的一系列工作，综采控制台主要由显示器、作业控制器、键盘、鼠标、麦克风等组成，控制台的操作工作具有VDT作业的特点，其主要组成部分及功能如表2.2所示。
第3章 VDT作业的EEG实验设计与数据预处理 ............................ 21
3.1 实验的目的及意义 ..................................... 21
3.2 实验方案设计 ..................................... 22
第4章 基于特征选择的疲劳敏感通道选择方法研究 ................. 34
4.1特征提取方法的对比与选择 .................................... 34
4.1.1 傅里叶变换与离散傅里叶变换 ........................ 35
4.1.2 周期图法与Welch法 ............................ 35
第5章 基于脑力负荷模型的某VDT作业优化设计 ........................... 50
5.1 EEG数据时频分析方法选择 ............................ 50
5.1.1 短时傅里叶变换 .......................... 50
5.1.2 连续小波变换 ................................ 51
第5章 基于脑力负荷模型的某VDT作业优化设计
5.1 EEG数据时频分析方法选择
信号的时频分析是一种用于综合研究信号在时间和频率两个维度特性的方法，对于常见的信号如音乐、语音、雷达和声纳信号等，它们的频率信息皆会随着时间的变化而发生变化，而时频分析的目的就揭示各种信号的频率信息随时间变化的情况，及不同波段随时间的几何变化性质。
作为一种直接反映人体大脑活动的无创手段，EEG信号被广泛应用在包括脑科学、医疗等多个领域中，它的产生是大脑神经网络活动的复合结果，其中蕴涵了丰富的信息，不仅包含了大脑不同功能区域的活动状态，还反映了神经元群体间复杂的动态交互过程。考虑到EEG信号的复杂性和动态性，简单的时域或频域分析不能完全揭示其变化的情况，也无法满足本文的研究内容，因此，选择对脑电信号进行时频分析，可以更好的理解大脑如何根据不同的认知任务或者感知刺激，调整其神经元网络的活动模式，换言之，通过对EEG信号的时频分析可以帮助我们了解被试人员在工作时的大脑行为，对其疲劳变化情况进行分析和预测。
第6章 结论与展望
6.1 结论
本文针对P企业H煤矿VDT作业的主要工效学影响因素为脑力疲劳和工间休息，设计了一套完整的优化方案，以解决当前存在的问题。通过设计VDT作业的模拟实验，采集被试人员的EEG数据，并运用机器学习的方法对VDT作业疲劳问题的最优脑电通道进行研究，最终使用最优通道的数据构建被试人员的脑力负荷评价模型，建立了考虑作业人员工作时间和累积脑力负荷水平的工间休息优化模型，求得的结果在保证一定的工作时间的前提下，有效的降低了作业人员工作期间的脑力负荷水平并提高了该项作业的作业绩效,为该企业VDT作业优化提供参考。本文的主要结论如下
(1)针对工效学影响因素众多，如何有效寻找关键因素进行优化的问题，构建了基于工效学理论的VDT作业优化方案。运用DEMATEL模型对
