اتوماسیون مدل سازی با تجزیه و تحلیل کار شناختی برای حمایت از هماهنگی خودآموزی انسان

کاترین M. برنز ، گروه مهندسی طراحی سیستم ، دانشگاه واترلو ، خیابان 200 دانشگاه W ، واترلو ، در N2L 3G1 ، کانادا ، ac. oolretawu@snrub4c.

این مقاله تحت شرایط مجوز Creative Commons Attribution-NonCommercial 4. 0 (http://www.creativeecommons.org/licenses/by-nc/4. 0/) توزیع می شود که امکان استفاده غیر تجاری ، تولید مثل و توزیع کار را بدون آن می کندمجوز بیشتر مشروط بر اینکه کار اصلی همانطور که در صفحات SAGE و دسترسی آزاد مشخص شده است (https://us. sagepub.com/en-us/nam/open-access-at-sage) نسبت داده شده است.

خلاصه

تجزیه و تحلیل کار شناختی برای توسعه نمایشگرها برای موقعیت های پیچیده مفید است ، اما در ارائه پشتیبانی از هماهنگی اتمای انسان به خوبی مورد بررسی قرار نگرفته است. برای پر کردن این شکاف ، ما یک رویکرد لایه بندی اتوماسیون (DOA) را که با الگوبرداری از یک دامنه تجارت مالی خودکار ، با هدف پشتیبانی از طراحی رابط در این دامنه ، نشان داده ایم ، پیشنهاد می کنیم. سلسله مراتب انتزاع و نردبان تصمیم گیری هر یک لایه اضافی را اتخاذ کردند ، توابع نقشه برداری اختصاص داده شده به معامله گر و اتوماسیون. علاوه بر نقشه برداری ، ما چهار مرحله اتوماسیون را در نردبان تصمیم گیری مشخص کردیم تا راهنمایی در مورد نمایندگی تخصیص عملکرد در سطح کار ارائه دهیم. در مرحله بعد ، ما رویکرد لایه بندی DOA را با نحوه نمایش اتوماسیون در ادبیات تجزیه و تحلیل کار شناختی مقایسه کردیم. ما دریافتیم که یک نردبان تصمیم به لایه DOA ، که شامل دانش به خوبی توسعه یافته از مراحل و سطح اتوماسیون است ، می تواند در سیستم های خودکار مدرن با DOA های مختلف مناسب باشد. این مطالعه نشان می دهد که رویکرد لایه بندی DOA پیامدهای مهمی در طراحی نمایشگرهای اتوماسیون و تصمیم گیری در مورد مراحل و سطح اتوماسیون دارد و ممکن است یک روش مفید برای مدل سازی اتوماسیون تطبیقی باشد.

واژه های کلیدی: تجزیه و تحلیل کار شناختی ، تعامل انسان سازی انسان ، درجه اتوماسیون ، مراحل و سطح اتوماسیون ، تجارت مالی خودکار ، سلسله مراتب انتزاعی ، نردبان تصمیم گیری

معرفی

سیستم های خودکار در حال گسترش تر هستند و میزان اتوماسیون (DOA) که ممکن است در حال افزایش باشد. به تازگی ، علاقه فزاینده ای به اتوماسیون هوشمند مصنوعی وجود داشته است (شریدان ، 2017). رایانه IBM Watson که یک قهرمان شطرنج انسانی و اتومبیل های خودران را شکست داد ، دو نمونه است که توسط شریدان (2017) پیشنهاد شده است. این دو مثال سیستم های بسیار خودکار است که از الگوریتم های پیشرفته یادگیری ماشین استفاده می شود (شریدان ، 2017). در یک DOA بالا (به عنوان مثال ، مراحل بعدی و سطوح بالاتر در مراحل ؛ ویکنز ، لی ، سانتاماریا ، سوبوک ، و ساتر ، 2010) ، دینامیک کار با ویژگی های خودکار نشان داده می شود ، اما انسان هنوز با شروع تغییرات پارامتری نقش نظارتی را بر عهده می گیرد. کنترل سیستم. به عنوان مثال ، طراحان الگوریتم تجارت مالی اهداف ، دانش و معیارهای مربوط به روند توسعه را مشخص می کنند. پس از اجرای سیستم های خودکار ، کاربران گاهی اوقات باید هنگامی که خرابی های غیر منتظره اتوماسیون یا اختلالات زیست محیطی رخ می دهد ، کنترل کامل را به دست آورد (به عنوان مثال ، راننده باید هنگام ورود یک ماشین خود رانندگی به یک منطقه ساخت و ساز جاده ای که در سیستم ناوبری بدون مدارک وارد می شود ، به طور دستی سرعت را کاهش دهد. بنابراین ، برای سیستم های بسیار خودکار با تمام مراحل و سطح اتوماسیون (Parasuraman ، Sheridan ، & Wickens ، 2000) ، به وضوح نیاز به مداخله گاه به گاه انسان وجود دارد (شریدان ، 2017). درک اینکه در کجا و چگونه انسان با اتوماسیون تعامل خواهد داشت ، همچنان یک چالش است.

دو رویکرد برای نگه داشتن انسان در حلقه ، دستکاری در DOA برای جلوگیری از موقعیت های بالای DOA یا ارائه اتوماسیون سازگار در هنگام کاربران در زمینه های مختلف DOA بوده است. این رویکردها از تجارت اتوماسیون گرفته شده است (به عنوان مثال ، Bainbridge ، 1983 ؛ Sarter & Woods ، 1995). ممکن است یک رویکرد سوم وجود داشته باشد. یک متاآنالیز اخیر نشان می دهد که نمایشگرهای مؤثر یا "اکولوژیکی" ممکن است تجارت اتوماسیون را اصلاح یا حتی معکوس کند ، به این معنی که DOA بالاتر می تواند عملکردهای روتین و شکست را بهبود بخشد (Oasch ، Wickens ، Li ، & Manzey ، 2014)بشراگرچه مقدماتی ، این پیشنهاد نشان داده است که طراحی نمایشگرهای بهتر برای سیستم های خودکار می تواند یک رویکرد مفید باشد. با این حال ، ما استدلال می کنیم که برای طراحی نمایشگرهای مؤثر یا انتخاب یک DOA مناسب ، ابتدا باید مدلهایی از کار شناختی را که کاربر در زمینه های مختلف DOA تجربه خواهد کرد ، توسعه دهد. این مدل ها می توانند در مواردی که باید اتوماسیون به پایان برسد ، توابع را نشان دهد. علاوه بر این ، از این مدل ها می توان برای کمک به استخراج الزامات طراحی برای نمایشگرهایی که می تواند به کاربران کمک کند بدون از دست دادن آگاهی از وضعیت به کاربران کمک کنند ، کمک کنند.

مطابق با این ایده ، کابر ، رایلی ، برنزه ، و Endsley (2001) اظهار داشتند که نمایشگرهای سیستم خودکار باید انتقال بین حالت های سیستم را برجسته کند و اپراتورهای مربوط به تخصیص مسئولیت های کنترل را آگاه سازند. این پیشنهاد با هدف از رویکرد طراحی رابط زیست محیطی ، ایجاد فرصت های کنترل برای حفظ مهارت و آگاهی مطابقت دارد (به عنوان مثال ، Borst ، Flach ، & Elerbroek ، 2015 ؛ Furukawa & Parasuraman ، 2003 ؛ Kaber et al. ، 2001). بورست و همکاران.(2015) اخیراً درک طراحی رابط زیست محیطی را که برای سیستم های خودکار اعمال می شود ، پیش بینی کرده است ، نشان می دهد که نمایشگرهای زیست محیطی باید با ارائه اطلاعات بیشتر برای پشتیبانی از هماهنگی خودآموزی انسان ، با افزایش DOA هماهنگ شوند. با این حال ، رویکردهای قوی تری برای کمک به تعیین این اطلاعات باید کمک کند.

در این مقاله ، ما رویکردی را برای تبدیل دانش از مدل "مراحل و سطح اتوماسیون" به طراحی الزامات ارائه می دهیم که می تواند هماهنگی اتوماسیون انسان را ترویج کند. با ادغام مدل "مراحل و سطح اتوماسیون" در یک تجزیه و تحلیل ، می توانیم خواص مهم تعامل انسان را کشف کنیم که می تواند در طرح های بهتر نشان داده شود. از آنجا که تجزیه و تحلیل کار شناختی (CWA) موفقیت در تعیین الزامات سیستم های پیچیده را نشان داده است ، منطقی است که چگونگی استفاده از CWA را به طور مؤثر برای تولید نیازهای طراحی برای سیستم های خودکار مورد استفاده قرار دهد. در این مقاله ، ما رویکرد خود را در یک حوزه تجارت مالی خودکار نشان می دهیم. سیستم های مالی یک دامنه حاصلخیز برای کشف تصمیم گیری در مورد انسان ، با پویایی پیچیده و اتوماسیون به طور فزاینده ای گسترده ارائه می دهند. به طور کلی مطالعات بسیاری از عوامل انسانی در مورد سیستم های مالی وجود نداشته است (به عنوان مثال ، رفتار و مدل سازی عملکرد: Achonu & Jamieson ، 2003 ؛ McAndrew & Gore ، 2013 ؛ Systemic Safety: Sundström & Hollnagel ، 2011 ؛ تجزیه و تحلیل حادثه: Leaver & Reader، 2016) ، اما هیچکدام به طور خاص تجارت خودکار را تجزیه و تحلیل نکردند. مطالعه معاملات خودکار بسیاری از فرصت های تحقیقاتی بالقوه را ارائه می دهد. اول ، استفاده از CWA در تجارت خودکار ، استفاده از CWA را در یک دامنه پیچیده مبتنی بر بازار که بر اساس اصول مختلف از سیستم های فیزیکی کار می کند ، گسترش می دهد (به عنوان مثال ، کنترل فرآیند). دوم ، مطالعه تجارت خودکار فرصتی برای پرداختن به تجارت اتوماسیون در یک حوزه مالی است. در بازارهای مالی ، اکنون تعداد بیشترین معاملات با فن آوری های اتوماسیون ، بیشتر از طریق الگوریتم های پیشرفته معاملاتی انجام می شود (IATI ، 2009). در حالی که الگوریتم های معاملاتی توانایی انسانی در استفاده از فرصت های سودآور کوچک را بهبود می بخشند (به عنوان مثال ، یک پنجره کوچک تجارت ممکن است فقط ثانیه ها یا میلی ثانیه به طول انجامد) ، معامله گران ممکن است در هنگام تعامل با الگوریتم های معاملاتی با شکست های توجه روبرو شوند یا عمدی از آنها سوءاستفاده کنند. نمونه ای از خرابی های توجه در تجارت مالی یک لغزش یا از بین رفتن است (به عنوان مثال ، Leaver & Reader ، 2016) ، و نمونه ای از سوء استفاده از اتوماسیون "کلاهبرداری" است - که به طور کلی از دستکاری بازار با تولید عرضه یا تقاضای جعلی سود می برید (به عنوان مثال ، N. D. Ill. v. Sarao ، 2015). آخرین فرصت تحقیق در انعطاف پذیری بسیار زیاد در توسعه الگوریتم های معاملاتی نهفته است. معامله گران ممکن است با استفاده از تمام مراحل و سطح اتوماسیون ، الگوریتم های معاملاتی را توسعه دهند. در اینجا ما دو نمونه از الگوریتم های معاملاتی با DOA های مختلف را ارائه می دهیم.

مثال اول تجارت با فرکانس بالا ، با یک الگوریتم اجرای سفت و سخت برای تجارت در میلی ثانیه است. این الگوریتم به طور معمول دارای DOA بالایی است که به حداقل مداخله انسان نیاز دارد. بنابراین ، خطر جدیدی برای بزرگنمایی تلفات ارزش بازار را ایجاد می کند. به همین دلایل ، سیستم های معاملاتی با فرکانس بالا فشار نظارتی را افزایش داده اند. به عنوان مثال ، معامله گرانی که از فناوری های با فرکانس بالا استفاده می کنند ، توسط تنظیم کننده ها از نزدیک مورد نظارت قرار می گیرند (Fabozzi ، Focardi ، & Jonas ، 2011). در موارد خاص ، معامله گران ممکن است تمایل بیشتری به سمت توسعه الگوریتم های متوسط DOA یا تجارت دستی داشته باشند (لی ، برنز ، و هو ، 2015). به عنوان نمونه دیگر ، در ادبیات گزارش شده است که معامله گران با استفاده از الگوریتم های پیشرفته تر ممکن است کاملاً از رقبای خود که مجهز به فن آوری های پیشرفته کمتری هستند ، بهتر عمل کرده و سود ببرد. این پدیده ای است که به عنوان "داوری با کیفیت" شناخته می شود (دیویس ، کومیگا ، و ون ویت ، 2013). ما فرصت های تحقیق مورد بحث را تاکنون خلاصه می کنیم: پیچیدگی های تجارت مالی خودکار نشان می دهد که تحقیقات عوامل انسانی در این زمینه می تواند به درک جدید تصمیم گیری های انسانی و پیشرفت در نرم افزار تجارت مالی کمک کند. تحقیقات در مورد چگونگی تعامل معامله گران با الگوریتم های مختلف DOA می تواند درک خودکار تجارت مالی و اتوماسیون را به طور کلی بهبود بخشد.

قسمت باقیمانده این مقاله به شرح زیر سازماندهی شده است. ما ابتدا دو سناریوی تجارت مالی خودکار را معرفی می کنیم: یکی برای DOA کم ، دیگری برای DOA High. پس از آن ، ما یک رویکرد لایه بندی DOA را پیشنهاد می کنیم ، نشان می دهد که چگونه می توان از CWA برای مدل سازی این سناریوها با گسترش تجزیه و تحلیل دامنه کار (WDA) و تجزیه و تحلیل وظیفه کنترل (CONTA) استفاده کرد تا DOA را به خود اختصاص دهد. به عنوان بخشی از این کار ، ما در مورد تفاوت در رویکرد لایه بندی DOA پیشنهادی و نحوه نمایش اتوماسیون در ادبیات CWA بحث می کنیم. سپس ما در مورد پیامدهای استفاده از رویکرد لایه بندی DOA - مواردی برای طراحی صفحه نمایش و پیامدهای برای طراحی اتوماسیون بحث می کنیم. سرانجام ، ما بحث می کنیم که یک برنامه آینده برای رویکرد لایه بندی DOA ، نشان دادن تخصیص عملکرد است که در طول تغییر DOA تغییر می کند ، برای مدل سازی اتوماسیون تطبیقی.

سناریوهای معاملاتی مالی خودکار

دو سناریوی معاملات مالی برای این تجزیه و تحلیل استفاده می شود - تجارت و روند پس از تجارت. این دو سیستم تجاری در DOA های خود متفاوت هستند و عمدتاً از دانش به دست آمده از یک بررسی ادبیات (به عنوان مثال ، چان ، 2009) و بحث و گفتگو با متخصصان دامنه موضوع الهام گرفته شده اند.

سناریوی پایین DOA: تجارت سبد

سیستم های معاملاتی سبد در جامعه تاجران نهادی محبوب هستند. برای استفاده از یک سیستم معاملات سبد ، معامله گر ابتدا الگوریتم "تجزیه و تحلیل داده ها و تولید سفارش" را پیکربندی می کند تا یک لیست کوتاه از محصولات مالی برای تجارت ایجاد کند. معامله گر سپس الگوریتم را برای تولید سبد سفارشات اجرا می کند. با اتمام کلیه سفارشات موجود در سبد ، معامله گر می تواند بدون تغییر در تخصیص نمونه کارها ، دارایی های خود را تنظیم کند. به عنوان بخشی از هدف تجارت سبد ، سبد سفارشات باید همزمان اجرا شود ، اگرچه حرکات قیمت محصولات مالی سریع است. سبد سفارشات برای رسیدن به مبادله بازار باید از یک بستر معاملاتی عبور کند. یا بستر معاملاتی توسط شرکت های کارگزاری معامله گر (به عنوان مثال ، کارگزاران تعاملی) ارائه شده است ، یا این نرم افزار خنثی کارگزار است (به عنوان مثال ، ترمینال بلومبرگ). چان (2009) سیستم تجارت سبد را به طور معمول "فقط چند بار در روز در حال اجرا برای تولید یک یا چند موج سفارش" توصیف کرد. این توضیحات نشان داد که سیستم تجارت سبد یک سیستم نیمه تمام DOA پایین است. ماهیت ناهمزمان تجارت سبد (به عنوان مثال ، جمع آوری داده ها و سفارشات تولید) مربوط به تجزیه و تحلیل اطلاعات و تصمیم گیری است. در شرایط عادی ، اجرای سفارش با بازار مالی همزمان است. در موارد دیگر ، اگر امکان اجرای همه سفارشات به صورت همزمان (به عنوان مثال ، در یک بازار بی ثبات) امکان پذیر نباشد ، سیستم تجارت سبد می تواند شکست بخورد. معامله گر همچنین ممکن است در مورد نسبت محصول مالی موجود در سبد تصمیم اشتباهی اتخاذ کند.

سناریوی بلند DOA: روند زیر تجارت

با استفاده از WDA برای مدل سازی اتوماسیون

ما این دو سناریوی تجارت مالی خودکار را با استفاده از WDA الگوبرداری می کنیم. ما ابتدا یک سلسله مراتب انتزاعی پایه (AH) از دامنه می سازیم و سپس یک رویکرد لایه بندی DOA را برای نمایندگی DOA پیشنهاد می کنیم.

پایه آه

ما پیشنهاد می کنیم که یک پایه AH همانطور که به طور معمول در CWA انجام می شود ، توسعه یابد. پایه AH باید پنج سطح معمول انتزاع را شامل شود ، همانطور که در رویکرد اصلی AH راسموسن (1986) و ویسنته (1999). دامنه پایه AH محدود به سیستم تحت کنترل کاربر یا اتوماسیون است و اتوماسیون را شامل نمی شود. پس از توسعه ، پایه AH می تواند به عنوان الگویی برای نقشه برداری از تأثیر اتوماسیون در دامنه باشد.

ما با استفاده از دو سناریوی تجارت مالی مالی ، یک پایه AH برای نمایندگی دامنه تجارت مالی ایجاد کردیم. از آنجا که توضیحات سناریوها به طور کلی کار خاص است ، ما سناریوها را با کارشناسان دامنه سوژه خود مرور کردیم و سناریوها را در توابع دامنه تقطیر کردیم (به عنوان مثال ، عملکردهای خرید و فروش در هر دو سناریو). بعداً ، توابع دامنه به استثنای توابع خاص DOA (به عنوان مثال ، سبد سفارشات در سناریوی پایین DOA و تجزیه و تحلیل فنی متوسط در حال حرکت در سناریوی High DOA) سازماندهی شد.

در نتیجه ، پایه AH نشان می دهد که جریان اوراق بهادار تا حد زیادی در مورد خرید و فروش است و توسط اصولی مانند قانون عرضه و تقاضا و جریان سرمایه اداره می شود. در پاراگرافهای بعدی ، پایه AH به تفصیل شرح داده شده است ، با اعداد مربوط به برچسب های موجود در شکل 1.

سلسله مراتب انتزاع پایه تجارت مالی.

1. هدف کاربردی

هدف عملکردی اهداف تجارت را نشان می دهد. فعالیت های مالی دارای یک هدف رایج است که سودآوری دارد. در عین حال ، فعالیت های مالی محدودیت های نظارتی مانند اصول و قوانین بازار را دریافت می کنند. محدودیت های نظارتی اطمینان حاصل می کند که معامله گران و اتوماسیون به دنبال سود به روش های قانونی هستند.

2. عملکرد انتزاعی

عملکرد انتزاعی اصول ، اولویت ها و مقادیر را برای دستیابی به هدف عملکردی تعریف می کند. ما دو گروه از کارکردهای انتزاعی را شناسایی کردیم: اصول تصمیم گیری مالی و محدودیت های بازار. اصول تصمیم گیری مالی شامل قانون عرضه و تقاضا است ، قانونی که حاکم بر فعالیتهای مالی در اساسی ترین سطح است ، همانطور که در کتاب 1776 آدام اسمیت "ثروت ملل نامگذاری شده است. ما اولویت را مشخص کردیم که برای تعادل سود و زیان ، تصدیق می کنیم که نقطه تعادل ایده آل سود و زیان با هدف سود و همچنین سطح ریسک قابل قبول تعامل دارد. به عنوان مثال ، یک معامله گر ممکن است هدف خود را برای حفظ یک سبد متنوع برای محافظت از خود در برابر خطر نوسانات حفظ کند ، در حالی که سایر معامله گران ممکن است در معرض خطر بیشتری به دنبال سود بالاتری باشند. محصولات مالی باید با توجه به ارزش های سیستم تجارت از نظر اخلاقی معامله شوند. در غیر این صورت ، می تواند مشکلات اخلاقی مانند سقوط بازار وجود داشته باشد (دیویس و همکاران ، 2013). در مجموعه دوم عملکردهای انتزاعی ، محدودیت های بازار ، ما جریان سرمایه ، اطلاعات بازار و قوانین و مقررات را نشان داده ایم. جریان سرمایه تأثیر می گذارد به این دلیل که هیچ معامله گر نمی تواند فراتر از حد مجاز سرمایه شخصی باشد ، و سرمایه باید در بین شرکت کنندگان در بازار جریان یابد تا بازار نقدینگی را حفظ کند. اطلاعات بازار نیز باید به دنبال یک پروتکل خاص ، برای فعال کردن تصمیمات جریان یابد. به عنوان مثال ، معرفی شده در سال 1992 ، پروتکل تبادل اطلاعات مالی پروتکل استاندارد ارتباطات الکترونیکی de facto است. پروتکل تبادل اطلاعات مالی جریان اطلاعات را در یک بازار مالی تنظیم می کند و داده های معاملاتی در زمان واقعی مربوط به اوراق بهادار ، سفارشات و معاملات بین معامله گران و کارگزاران را مبادله می کند (هو و وات ، 2014). علاوه بر این ، بازارها مشمول مقررات و سیاست هایی هستند که ممکن است بر معاملات فردی ، اوراق بهادار و رفتار بازار به طور کلی تأثیر بگذارد.

3. عملکرد تعمیم یافته

در سطح عملکرد عمومی ، ما چهار فرآیند اصلی را شناسایی کردیم: (1) برای خرید ، و در نتیجه سود موقعیت یک نمونه کارها.(2) فروش ، و در نتیجه ضرر موقعیت یک نمونه کارها.(3) برای به دست آوردن اطلاعات بازار مانند نقل قول ها و کتاب های سفارش. و (4) برای تدوین استراتژی های تجاری موفق.

4. عملکرد فیزیکی

سطح عملکرد فیزیکی اجزای فیزیکی ، از جمله (1) Exchange ، یک بازار حراج رایانه ای را نشان می دهد (به عنوان مثال ، بورس اوراق بهادار نیویورک ؛ معامله گران و اتوماسیون ممکن است به صرافی های متعدد دسترسی داشته باشند و به آنها امکان اجرای استراتژی های داوری را در صرافی ها می دهند).(2) خریدار و (3) فروشنده (که می تواند معامله گر یا اتوماسیون نماینده مشتری تجارت باشد).(4) اوراق بهادار ، شناسایی محصولات مالی در حال معامله شدن (سیستم عامل های معاملاتی Multiasset به طور هم زمان از اوراق بهادار استفاده می کنند)..(6) حساب و (7) موقعیت ، نشان دادن ظرفیت معامله گر در قالب پول نقد و دارایی. و (8) واسطه ها ، که به طور معمول کارگزاران ارائه می دهند به تعدادی از مشتری های تجاری و مبادلات بازار خدمات ارائه می دهند.

5. فرم فیزیکی

سطح پایین ، فرم فیزیکی ، شرایط عملیاتی یا ویژگی ها را نشان می دهد. پنج دسته وجود دارد: (1) هزینه ، از جمله هزینه های متغیر و ثابت برای تجارت.(2) زمان ، نشان دادن چرخه زندگی یک استراتژی تجارت ، زمان بازار و سفارش و تأخیر.(3) وضعیت بازار و موقعیت ؛(4) قیمت ، از جمله قیمت بازار ، قیمت سفارش و قیمت نمونه کارها در یک ارز خاص. و (5) حجم ، از جمله بازار ، سفارش و حجم موقعیت در سهام. بسیاری از این ویژگی ها را می توان مستقیماً از طریق تجسم پلت فرم تجارت مشاهده کرد.

لایه بندی DOA روی پایه آه

ما دامنه معاملات مالی را تا حد امکان وسیع الگوبرداری کرده ایم و از این طریق هر دو سناریوی مالی خودکار را با همان پایه AH نشان می دهیم. یک پایه ثابت AH می تواند به عنوان زمینه مشترک برای به تصویر کشیدن اطلاعات خاص DOA که از پایه AH حذف شده است استفاده شود.

با تکمیل این مدل ، ما رویکرد لایه بندی DOA را پیشنهاد می کنیم ، اتوماسیون لایه بندی در پایه AH. نکته اصلی این رویکرد شناسایی مسئولیت هر عملکرد در پایه AH است. یک عملکرد در پایه AH می تواند به عنوان تنها مسئولیت یک معامله گر یا اتوماسیون یا مسئولیت مشترک ارائه شود. برای سادگی ، در مثال های زیر از لایه بندی DOA ، ما توابعی را نشان می دهیم که صرفاً به معامله گر یا اتوماسیون اختصاص می یابد ، به استثنای تخصیص عملکرد مشترک.

تخصیص عملکرد مبتنی بر دانش دامنه بود ، و بسیاری از دانش از بررسی ادبیات (به عنوان مثال ، چان ، 2009) ، تجربه مردم نگاری در یک شرکت نرم افزاری تجارت و بحث و گفتگو با معامله گران در مورد کارکنان این شرکت. نویسنده اول در یک مطالعه مشاهده ای در شرکت Quantica Trading ، یک شرکت نرم افزاری تجارت خودکار مستقر در Kitchener ، کانادا شرکت داشته است. وی بخشی از یک تیم چند رشته ای ، از جمله بازرگانان کارمندان ، برای طراحی مجدد یک بستر معاملاتی خودکار بود. جزئیات این مطالعه مشاهده ای در مقاله قبلی گزارش شده است (لی و همکاران ، 2015). در موارد خاص ، جزئیاتی که در تعیین تخصیص عملکرد مؤثر باشد در ادبیات در دسترس نبود. به ویژه در این حوزه ، جزئیات مربوط به یک سیستم تجارت به ندرت منتشر می شود ، زیرا صنعت مالی برای محرمانه بودن دقیق و محافظت از مشتریان نهادی بی نظیر است. این ویژگی منحصر به فرد صنعت مالی نیز منجر به محدودیت قابل توجهی در قادر به مشاهده مستقیم معامله گران حرفه ای شد. برای کاهش این نگرانی ها ، ما با متخصصان موضوع ، معامله گران کارمندان ، در مورد تخصیص عملکرد که در این دو سناریو وجود ندارد ، در این شرکت بحث کردیم. به عنوان مثال ، سناریوی بالای DOA نشان می دهد که هدف عملکردی "برای دستیابی به حداکثر نرخ درآمد سودآور" به اتوماسیون اختصاص می یابد. هدف کاربردی "برای تحقق محدودیت های قانونی و بازار" در ادبیات سناریو شرح داده نشده است ، اما بحث و گفتگو با کارشناسان موضوع نشان می دهد که این عملکرد به بهترین وجه به معامله گر اختصاص یافته است.