مقالة منهجية

دمج العوامل البشرية في تعليم إدارة العمليات في عصر الصناعة 5.0

299 مشاهدات

⸱

DOI:

10.3791/69833

⸱

أبريل 14, 2026

 ,  ,  ,  ,  ,  ,  , 
1School of Economics and Management, Jiangsu University of Science and Technology, 2MTM (Shanghai) Enterprise Management Consulting Co., Ltd., 3Suzhou Jiaze Intelligent Control Technology Co., Ltd.

في هذه المقالة

ملخص

تقدم هذه الدراسة إطارا لدمج العوامل البشرية في تعليم إدارة العمليات في سياق الصناعة 5.0. يطبق البروتوكول الهندسة المتزامنة لدمج التقييم الريجونومي أثناء تصميم مكان العمل، بما في ذلك جمع بيانات الإنتاج، وتحليل المشكلات، وتأسيس المصنع الرقمي، وتحسين النماذج، والتحقق.

الملخص

يؤكد عصر الصناعة 5.0 على المركزية البشرية والاستدامة والمرونة، مما يضع متطلبات جديدة لتوجيه تنمية المواهب في التعليم العالي الحديث. كما يتكيف التعليم الهندسي ويقود تطوير الصناعة 5.0. تقترح هذه الدراسة إطارا مبتكرا يدمج العوامل البشرية في نظام التعليم الحديث لإدارة العمليات في التعليم العالي. تشمل إدارة العمليات إدارة العملية بأكملها، بما في ذلك سلسلة التوريد، المخزون، مراقبة الجودة، وغيرها. مع التحول من الصناعة 4.0 إلى 5.0، أصبحت إدارة العمليات تركز على البشر، مع التركيز على التعاون بين الإنسان والآلة وتمكين الموظفين. لذلك، يحتاج محتوى التدريس إلى تعديل لمساعدة الطلاب على تعلم كيفية استخدام مبادئ العوامل البشرية لتحسين عمليات العمل، وتقليل إرهاق الموظفين، وتقليل المخاطر. تقترح هذه الورقة تطبيق العوامل البشرية في إدارة العمليات من خلال إنشاء بيئة إنتاج افتراضية مترابطة تحاكي خطوط التجميع الحقيقية، وتكتشف مشاكل العوامل البشرية، وتقلل الانحرافات من خلال التحليل العددي. يتيح هذا البروتوكول تحديد وتقييم المخاطر المريحة في مرحلة التصميم، مما يوفر تدابير تحسين مستهدفة. يساعد هذا البروتوكول الطلاب على فهم كيفية تقليل حوادث الحوادث، وتحسين كفاءة العمل، وتقليل التكاليف الإضافية المرتبطة بالتدخلات التصحيحية أثناء تدريس إدارة العمليات. من خلال بيئة العمل الرقمية، يمكن للطلاب فهم وتطوير طرق تقييم المخاطر المريحة والحصول على خبرة فيها. لذلك، تحلل هذه الورقة كيفية دمج العوامل البشرية بشكل أفضل في إدارة العمليات، وتحقيق دمج التكنولوجيا الهندسية والعوامل البشرية، واقتراح أفكار واتجاهات جديدة للتعليم والممارسة في مجال إدارة العمليات. في التطبيقات المستقبلية، سيساعد دمج العوامل البشرية مع التوأم الرقمي البشري (HDT) والمحتوى المولد بالذكاء الاصطناعي (AIGC) من تمكين التصنيع الذكي وتمكين التصنيع الذكي المرتكز على الإنسان في الممارسة الهندسية.

المقدمة

لقد غيرت الصناعة 4.0 المنتجات والخدمات والعمليات بشكل جذري من خلال دمج تقنيات متقدمة مثل إنترنت الأشياء، البيانات الضخمة، الأمن السيبراني، الحوسبة السحابية، التصنيع الإضافي، والروبوتاتالمتقدمة 1,2. مع صعود الذكاء الاصطناعي، تدمج الصناعة 4.0 تكنولوجيا الذكاء الاصطناعي مع تقنيات متقدمة متنوعة، مما يعيد تشكيل مشهد التصنيع والتشغيل3. ومع ذلك، بينما تحسن الصناعة 4.0 الإنتاجية بشكل كبير وتخلق فرص عمل جديدة للعمال، إلا أنها تجلب أيضا تحديات مثل زيادة الطلبات الإدراكية، وارتفاع مخاطر العمل، والحاجة إلى تطوير المهارات المستمر4. لمعالجة قضية إهمال العوامل البشرية خلال التطور السريع للصناعة 4.0، اقترحت المفوضية الأوروبية مفهوم الصناعة 5.0، مع التركيز على ثلاثة عناصر أساسية: المركزية البشرية، الاستدامة، والمرونة5،6. تركز الصناعة 5.0 على التعاون بين البشر والذكاء الاصطناعي، مما يعزز الإنتاجية مع ضمان صحة الإنسان واستدامة البيئة، وبالتالي تحقيق نمو اقتصادي مستدام7. قام هورفات وآخرون بدراسة بيانات من 1334 شركة تصنيع، وتشير نتائج الدراسة إلى أن الصناعة 5.0 التي تركز على الإنسان تعزز قدرة المصنع على الابتكار في المنتجات، مع مشاركة الموظفين كعامل مهم، مما يعكس أهمية الصناعة المرتكزة على الإنسان 5.08.

تركز الصناعة 5.0 على الجمع بين الإبداع البشري والدقة التكنولوجية، مما أدى إلى ظهور مفهوم المشغل 5.09. يضع المشغل 5.0 المشغلين ضمن أنظمة إنتاج تركز على الإنسان، تشمل الأنظمة الاجتماعية التقنية، والاستدامة الاجتماعية، وهندسة المرونة10. يقترح ماتسون وكوردفي أن المشغل 5.0 يشمل 9 عوامل: القدرة المعرفية/الجسدية على أداء المهمة، المهارات الرقمية العامة، التصميم الشامل، تقليل الأحداث غير المتوقعة، الإنتاجية والجودة، السلامة، المعايير، التعليمات، ومواد التدريب11. اقترح بيروزيني وآخرون، استنادا إلى المشغل 5.0، التوأم الرقمي المعزز (ADT) الذي يدمج الآلات والروبوتات والبيئات والواجهات والأشخاص، مما يطور أنظمة تصنيع ذكية تركز على الإنسان12. اقترح يعقوب وآخرون إطار عمل التعايش المعزز بين الإنسان والأتمتة (EHAS)، الذي يركز على تحقيق التعايش بين الإنسان والأتمتة من خلال تعزيز الجسد والحسي، والتعزيز الإدراكي والعاطفي، وتعزيز التواصل والتعاون، والأخلاقيات الرقمية، والمواطنة الرقمية، والخصوصية، وتعزيز حقوق الإنسان13.

يمثل الانتقال من الصناعة 4.0 إلى الصناعة 5.0 تحولا من التصنيع المعتمد على التكنولوجيا إلى التصنيع القائم على القيمة14. يجب على التعليم العالي مواجهة التحديات التي تجلبها الصناعة 5.0 وإصلاح المناهج القائمة لتدريب القوى العاملة المستقبلية. يجب على برامج الجامعات النظر في الكفاءات المطلوبة لبرنامج المشغل 5.0 لإعداد الطلاب الذين يتلقون تعليما هندسيا لتطوير مسيرتهم المهنية المستقبلية.

أدى تطبيق تعليم المشغل 5.0 إلى تغييرات في أهداف تدريس دورات إدارة العمليات. باعتبارها وظيفة أساسية في إدارة المؤسسات الحديثة، تشمل إدارة العمليات العملية بأكملها من شراء المواد الخام إلى تسليم المنتجات أو الخدمات النهائية. يغطي عدة أبعاد مثل إدارة سلسلة التوريد، تخطيط الإنتاج والجدولة، دراسة العمل، إدارة المخزون، ومراقبة الجودة. الهدف التعليمي من دورات إدارة العمليات هو تمكين الطلاب من فهم كيفية تحسين تخصيص الموارد، وتحسين الكفاءة، وتقليل التكاليف، وضمان تلبية جودة وسرعة تسليم المنتجات أو الخدمات لمتطلبات السوق. على وجه الخصوص، يساعد مكون العمل والدراسة الطلاب على فهم وإتقان المعرفة النظرية للمشغلين في إدارة العمليات بشكل عميق، وتحليل دراسات الحالة المعقدة، واقتراح حلول مبتكرة وعملية من خلال التعلم العملي.

خط التجميع، كأكثر حالات الإنتاج شيوعا في التصنيع، هو المجال الرئيسي للتطبيق لتقنية المشغل 5.0. تتطلب الصناعة 5.0 خطوط التجميع لتلبية احتياجات الإنتاج المحددة. المشغل 5.0، من خلال دمج الإبداع البشري وتمكين التكنولوجيا، يتيح انتقال خطوط التجميع من التصنيع الضخم إلى التخصيص الضخم. يمكن للمشغل 5.0 تعديل إجراءات خط التجميع بسرعة باستخدام التوائم الرقمية وأدوات المحاكاة لتلبية متطلبات المنتج الفريدة، محققا المرونة والقدرة على التكيف في خط التجميع15. يمكن للمشغل 5.0 محاكاة حركات وتعب عمال خط التجميع من خلال التوائم الرقمية، مما يحسن تصميم محطات العمل، ويعكس مفهوم الإنسان في الحلقة في التصنيع الذكي16. لذلك، في تعليم المشغل 5.0، وأخذ تحسين خط التجميع كمثال، يوضح الشكل 1A الخطوات الرئيسية الحالية في تحديد ومعالجة المشكلات في خط التجميع. الممارسات الحالية لا تأخذ في الاعتبار بشكل كاف اضطرابات الجهاز العضلي الهيكلي المرتبطة بالعمل (WMSDs) خلال المراحل الأولى من التصميم الهندسي. تشمل عوامل الخطر الجسدية المريحة الوضعيات غير المريحة، وبذل القوة، ومناولة المواد، والوضعيات الثابتة، والتكرار17. عندما تكون هذه المخاطر موجودة في عمليات الإنتاج الفعلية، فإنها لا تسبب فقط اضطرابات WMSD بين العمال، بل تؤدي أيضا إلى إطالة دورات الإنتاج وزيادة التكاليف التشغيلية للمؤسسات عند تنفيذ الإجراءات التصحيحية. قدم بويسن وآخرون مراجعة منهجية لقضايا توازن خطوط التجميع، مسلطين الضوء على العوامل البشرية كعامل حاسم في تحسين أداء خطوط التجميع18. لذلك، في عصر الصناعة 5.0، أصبحت أهمية العوامل البشرية في إدارة العمليات أكثر وضوحا، حيث لعبت دورا مهما في استراتيجيات الأعمال المعاصرة 19,20.

قدم كابوتو وآخرون نظرية الهندسة المتزامنة في تصميم مكان العمل، مقترحين النظر في التقييمات المريحة في مرحلة تصميم العمليات، مما قد يمنع المخاطر المريحة في مرحلة التصميم21. في عصر الصناعة 4.0، لا يوجد اهتمام كاف بالدور الأساسي للبيئة في عمليات الإنتاج، مما يصعب التكيف الكامل مع متطلبات علم البيئة في الصناعة 5.022. لذلك، وبتوجيه من مفهوم الصناعة 5.0، يحتاج التدريس لإدارة العمليات إلى دمج المزيد من محتوى بيئة العمليات. بأخذ قضية تحسين خط التجميع كمثال، يوضح الشكل 1B أنه في حالة وجود أهداف وأهداف تحسين واضحة، يتم قياس الوقت والمخاطر المريحة في كل عملية في نفس الوقت، وتؤخذ التقييمات المريحة في الاعتبار في مرحلة تصميم العملية بالتوازي مع التفكير الهندسي المتزامن لتحسين خطوط التجميع.

figure-introduction-1
الشكل 1: نوعان من عمليات تحسين خطوط التجميع. (أ) عملية تحسين خطوط التجميع التقليدية، و(ب) العملية التي تدمج العوامل البشرية. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

في إطار عمل المشغل 5.0 والمتطلبات المتطورة لصناعة 5.0، يحتاج القوى العاملة إلى اكتساب المهارات الرقمية ذات الصلة للمشاركة بفعالية في الأعمال والمهام الجديدة. أفادت 62٪ من شركات التصنيع بأن نقص الموظفين ذوي المهارات المناسبة يمثل عقبة رئيسية أمام نجاح التحول الرقمي23. أجرى هانسن وآخرون مسحا ل 30 شركة تسعى لتحقيق التحول الرقمي ووجدوا أن نجاح التحول الرقمي خلال الانتقال من الصناعة 4.0 إلى الصناعة 5.0 يعتمد على تنمية قدرات العاملين24. يحتاج المحترفون المستقبليون إلى إتقان القدرات الرقمية المتقدمة للتفاعل بفعالية مع الأنظمة الذكية25. قام هيرماواتي وآخرون بتقييم الحالة الحالية لتعليم علم الراحة ووجدوا وجود فجوة بين التعليم الحالي في مجال الراحة ومتطلبات الصناعة 5.026. لذلك، من الضروري تدريب مهارات جديدة وفقا لمتطلبات الصناعة 5.0، ومن الضروري تطوير الكفاءات الرقمية للطلاب.7.

ظهور التوائم الرقمية التي تدمج تقييم المخاطر المريحة مكن من التصميم المتكامل لتصميم مكان العمل والتقييم المريح من خلال المحاكاة الرقمية، مع تطبيق مفهوم الهندسة المتزامنة. هذا يحقق تصميما رقميا يركز على الإنسان في سياق الصناعة 5.0. اقترح كابوتو وآخرون نموذجا رقميا للتوأم يشمل التقييم المريح لتصميم أماكن العمل، وقد تم التحقق منه على خط تجميع فيات كرايسلر للسيارات (FCA) باستخدام كل من ورقة عمل التقييم المريحة (EAWS) ونظام تحليل وضعية العمل أوفاكو(OWAS) 21,27. استخدمت الدراسات المذكورة أعلاه لغة عملية قياس الوقت (MTM) في تحليلاتها. MTM هو نوع من أنظمة الوقت المحدد مسبقا (PTS) الذي يفكك الإجراءات التشغيلية اليدوية إلى عناصر أساسية من الحركات، مع أخذ ظروف العمل في الاعتبار لتحديد الوقت المطلوب للمهمة. استخدم بريزنيك وآخرون نظام التحليل الشامل لتقنية MTM (MTM-UAS) إلى جانب برامج المحاكاة لمعالجة مشكلة توازن خطوط التجميع (ALBP)28.

استجابة للمتطلبات المذكورة أعلاه في إدارة العمليات — دمج عوامل المخاطر الفيزيائية المريحة خلال مرحلة التصميم الهندسي الأولية وتطوير الكفاءة الرقمية للطلاب — تستخدم هذه الدراسة مشكلة تحسين خط التجميع كمثال. يدمج التقييم العملي في نموذج التوأم الرقمي لإظهار كيف يمكن لتعليم الهندسة التكيف مع متطلبات الصناعة 5.0، مما يعزز تطوير المشغل 5.0 من خلال التصميم المرتكز على الإنسان وبناء القدرات الرقمية.

باختصار، في ظل الانتقال من الصناعة 4.0 إلى الصناعة 5.0 التي تركز على الإنسان، تستكشف هذه الورقة دمج العوامل البشرية في تعليم إدارة العمليات. باستخدام مثال توجيه الطلاب في تصميم خطوط التجميع ضمن ممارسات التدريس، يدمج تقييم المخاطر المريح لمساعدة الطلاب على فهم جوهر المشغل 5.0. من خلال إظهار عملية دمج بيئة العمل في تعليم إدارة العمليات، تهدف هذه الدراسة إلى تقديم رؤى واتجاهات جديدة لكل من التعليم والممارسة في مجال إدارة العمليات في عصر الصناعة 5.0.

يقدم هذا البروتوكول إجراءات تجريبية لقياس وتحسين مخاطر الوقت والراحة في تصميم خطوط التجميع. يمكن تلخيص الإجراء في خمس خطوات: 1) جمع حالة الإنتاج، 2) تحليل المشكلات في عملية الإنتاج، 3) إنشاء المصنع الرقمي، 4) تحسين النماذج، و5) التحقق من فعالية المصنع الرقمي. إذا لم يتم استيفاء أي من هذه المتطلبات في الخطوات الخمس، فإن العملية تكون غير مكتملة وغير كافية لإثبات الفعالية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

أجريت هذه الدراسة وفقا لمبادئ إعلان هلسنكي وتمت الموافقة عليها من قبل مجلس المراجعة المؤسسية في جامعة جيانغسو للعلوم والتكنولوجيا. حصلنا على موافقة مستنيرة من المشاركين في التجربة لاستخدام بياناتهم وإصدارها.

1. جمع حالة الإنتاج

ملاحظة: مرحلة جمع حالة الإنتاج تتطلب قياس الوقت لموقع الإنتاج وتصوير مقاطع الفيديو في الموقع استعدادا لتحليل المشكلات لاحقا. تحديد تدفق عملية الإنتاج، وجمع معلومات العمال، بالإضافة إلى النماذج ثلاثية الأبعاد للمعدات والمنتجات والمواد في موقع الإنتاج لبناء المصنع الرقمي لاحقا.

  1. اجمع ظروف العمل في خطوط التجميع التي تحتاج إلى تحسين. يشمل ذلك وتيرة خط التجميع، حجم خط التجميع وتخطيطه البيئي، مساحة منطقة الإنتاج التي تم تحليلها، معلومات المعدات المتعلقة بالإنتاج ومساحة الأرضية، عدد المواقع المعنية، عمليات التعاون بين الإنسان والآلة، أنواع توريد المواد، والأساليب29.
  2. قس ساعات العمل باستخدام طريقة ساعة التوقيت للحصول على بيانات الوقت لكل نوع عمل.
    1. اضغط على عجلة اليد في ساعة التوقيت الميكانيكية لأول مرة عندما يبدأ العامل في الحركات الدورية.
    2. اضغط على عجلة اليد للمرة الثانية عندما ينهي العامل الإجراءات الدورية.
    3. اقرأ الوقت.
    4. اضغط على عجلة اليد للمرة الثالثة لإعادة ضبط الساعة.
  3. فيديوهات إنتاج الأفلام في الموقع لتحليل المشكلات لاحقا.
  4. اجمع معلومات العامل من موقع الإنتاج. يشمل ذلك التركيبة السكانية: العمر، الجنس، الجنسية، وبيانات الأنثروبومترية (الوحدة هي السم): (1) القامة، (2) طول العين، (3) طول الكتف، (4) ارتفاع الكوع، (5) ارتفاع المفاصل، (6) الطول، الجلوس، (7) ارتفاع العين، الجلوس، (8) ارتفاع مسند المرفق، الجلوس، (9) ارتفاع الفخذ، (10) ارتفاع الركبة، الجلوس، (11) مسافة الأرداف والركبة، الجلوس، (12) ارتفاع المصاب، الجلس، (13) عمق الصدر، (14) عرض الكوع إلى الكوع، (15) عرض الورك،الجلوس 30.
  5. جمع النماذج ثلاثية الأبعاد للمنتجات والمواد والمعدات، بما في ذلك: رسومات التجميع ثلاثية الأبعاد للمنتجات، نماذج ثلاثية الأبعاد للمواد، نماذج ثلاثية الأبعاد للآلات والمعدات، والأدوات.
    1. اجمع جودة المكونات والأدوات المستخدمة في التشغيل اليدوي والمناولة (الوحدة هي كيلوغرامات). اجمع القوى الأساسية اللازمة في سير العمل، مثل القوة اللازمة لرفع الأشياء أو العزم اللازم لشد البراغي (الوحدة هي نيوتن).

2. تحليل المشكلات في عملية الإنتاج

ملاحظة: استنادا إلى بيانات حالة الإنتاج المجمعة، استخدم برامج تحليل السلوك لتحليل فيديوهات الإنتاج في الموقع، ثم حدد المشكلات خلال مرحلة بناء المصنع الرقمي. تشمل الخطوات الأساسية لبرنامج تحليل السلوك إعدادات البرمجيات الأساسية، إعدادات البرمجة البرمجية، وتحليل الفيديو. سهولة الوصول إلى الويب في البرمجيات https://noldus.com/observer-xt-human.

  1. اضبط الإعدادات الأساسية.
    ملاحظة: تتضمن هذه المرحلة تعيين معلمات عينة للبرنامج. اختر نوع العينة المناسب (عينة مستمرة أو غير مستمرة) بناء على الفيديو المصور. بعد إكمال الإعدادات الأساسية، يمكن استيراد الفيديو.
    1. انقر مرتين لفتح برنامج تحليل السلوك.
    2. انقر على إنشاء مشروع جديد ثم جديد.
    3. أدخل اسم الملف في اسم المشروع الجديد.
    4. انقر على إعداد المشروع في نافذة النافذة المنبثقة الجديدة.
    5. اختر دمج العينة المستمرة واللحظية في طريقة الملاحظة لأن الفيديو الإنتاجي الحالي هو عينة من تركيبات الفيديو غير المستمرة.
  2. قم بإعداد برمجة البرمجيات.
    ملاحظة: تتضمن هذه المرحلة إعداد برمجة البرمجيات. خلال تحليل الفيديو اللاحق، يتطلب الأمر ترميزا سريعا للفيديو لعد نقاط المشكلة، وهذه الخطوة تجهز الترميز لهذا الغرض. بعد إكمال هذه الخطوة، يمكن استيراد الفيديو وتحليله.
    1. قم بتعيين طريقة الترميز في نظام الترميز تحت اسم Setup. انقر على مخطط الترميز، ثم أخذ عينات فورية وموضوع.
    2. انقر على إضافة مجموعة سلوك في واجهة السلوكيات.
    3. هنا يأتي دور المخاطر المريحة في اسم المجموعة.
    4. أدخل إلى الزاوية المنحنية، والاستدارة، والانحراف الجانبي في السلوكيات أدناه، اختر لا في المدة، لأن هذه كلها إجراءات فورية. يمكن أن تتداخل السلوكيات المختارة في هذا النوع من المجموعة، حيث يمكن أن تحدث هذه الظواهر في نفس الوقت مع مواقف محتملة أخرى، ثم انقر على موافق بعد الانتهاء.
      ملاحظة: تضيف هذه الخطوة جميع المخاطر المريحة التي قد تظهر في الفيديو للتحليل لاحقا.
    5. عدل البرمجة في واجهة السلوكيات، مع ضبط مفاتيح البداية والنهاية للانحناء، والعودة، والجوانب على 1، 2، و3 على التوالي.
      ملاحظة: الضغط على 1 لأول مرة يشير إلى حدوث سلوك الانحناء، والضغط مرة أخرى على 1 يشير إلى توقف سلوك الانحناء. تساعد سلوكيات الترميز المحللين على تحديد نقاط المشكلة بسرعة في الفيديو واستخدامها في التحليل اللاحق.
  3. قم بتحليل الفيديو.
    ملاحظة: تتضمن هذه الخطوة استيراد الفيديو، والترميز، وإحصائيات المشكلات.
    1. حلل الفيديو في ملاحظات مشروع المستكشف. انقر على الملاحظات، اختر إنشاء ملاحظة جديدة في نافذة النافذة المنبثقة، أدخل اسم الملف المطلوب في اسم الملاحظة، ثم اضغط موافق.
    2. حدد الفيديو المراد تحليله في نافذة المنبثقة واضغط على فتح.
    3. انقر على زر بدء الملاحظة في الواجهة لبدء تحليل الفيديو، واضغط على رقم الرمز المحدد مسبقا عند تحديد نقطة المشكلة، مثل الضغط على 1 على لوحة المفاتيح عند ملاحظة حركة انحناء. انقر على الحفظ تحت ملف أعلى الصفحة عند الانتهاء لتخزين البيانات، مما يتيح توثيقا سريعا لجميع نقاط المشكلة التي تظهر في الفيديو.
    4. عرض بيانات التحليل في تحليلات مشروع إكسبلورر. انقر على ملف تعريف البيانات لعرض بيانات محور الزمن للترميز. تحقق مما إذا كانت تظهر حركات فسيولوجية عالية التردد في الفيديو، بما في ذلك الانحناء والدوران والحركات الجانبية.
    5. عد تكرار تأثيرات الحمل الفسيولوجي عالية التردد.

3. تأسيس المصنع الرقمي

ملاحظة: يحتوي خط التجميع على تخصيص وظائف مفرط، وساعات عمل طويلة، وعبء عمل غير متساو بين المحطات، وتراكم العمل أثناء العمليات بين المواقع، وحركات متكررة للانحناء والدوران والتحرك الجانبي بين عمال خط التجميع، وفقا لتحليل نقاط المشكلة المذكورة أعلاه. لحل هذه المشكلات، هناك حاجة إلى حلول. تقترح هذه الورقة محاكاة عمليات التشغيل البشري وتعديل خط التجميع في المصنع الرقمي من خلال إنشاء مصنع رقمي. مقارنة بالتحسينات التقليدية في الموقع، يضمن إنشاء مصنع رقمي أن قياس بيانات عملية الإنتاج لا يتأثر بحالة الموظفين في الموقع. بالإضافة إلى ذلك، يمكن التحقق من جميع بروتوكولات التحسين وتحسينها في البرنامج دون تكرار التعديلات الميدانية، مما يقلل بشكل كبير من الوقت والتكاليف خلال عملية التحسين. سهولة الوصول إلى الويب في البرمجيات https://imk-ema.com/en/ema-work-designer.

  1. محاكاة خط التجميع باستخدام برامج الهندسة الصناعية الرقمية.
    1. افتح برنامج الهندسة الصناعية الرقمية. انقر على إنشاء مشروع جديد في نافذة النوافذ المنبثقة.
    2. حدد معلومات المشروع الأساسية، ووقت الدورة، وما إلى ذلك، في مشروع المحاكاة في أعلى الصفحة.
    3. استخدم أزرار Add Object(s) From File، Add Manikin، وAdd Item From Library في تبويب الكائنات في أعلى الصفحة لاستيراد نموذج بشري يطابق معلومات العامل التي تم الحصول عليها في القسم 1، بالإضافة إلى نماذج ثلاثية الأبعاد للرفوف والأجزاء ومكونات أخرى.
    4. قم بتخطيط النماذج في العرض ثلاثي الأبعاد في أسفل الصفحة.
      1. أولا، قم بتغيير وضع التحكم في القائمة المنسدلة اليسرى إلى التخطيط، ثم اختر النماذج في العرض ثلاثي الأبعاد للتحريك أو الدوران وما إلى ذلك، وإكمال تخطيط خط التجميع الرقمي، وعن طريق سحب وتحريك الكائن في قائمة الهيكل، أو النقر المزدوج لتحرير اسم الكائن أو لونه وتعليقاته، أو تحديد الكائن الأم. من خلال دمج بنية الكائنات، وتوليد المراجع للكائن عبر قائمة النقر بزر الفأرة الأيمن، تجميع الكائنات، إنشاء علاقات تبعية، تعيين الكائنات المرجعية، وتعديل معلمات مثل اللون، وكتلة الجسم، ووضعية القبضة لمحاكاة ديناميكية لاحقة.
    5. قم بتعيين مهام التجميع للنماذج البشرية الرقمية المقابلة وفقا لتسلسل التجميع لتدفق العملية في تبويب المهام في أعلى صفحة البرمجيات. اسحب مهام التجميع المطلوبة من القائمة اليسرى في صفحة المهام إلى محور الفعل في النموذج الرقمي البشري.
      1. ابحث عن مهام التجميع في القائمة اليسرى من صفحة المهام، بما في ذلك مهام التعامل مع الكائنات (اختيار الشيء، وضع الشيء، الانضمام إلى الأشياء، إلخ)، مهام حركة الجسم (المشي، الركوع، إلخ)، وغيرها من مهام العمل الشائعة المتعلقة بالإنتاج الصناعي.
      2. ثم يتم ملء المعايير المقابلة وفقا لمتطلبات المحاكاة والعملية للمهمة الحالية، مثل تحديد الجسم المراد تشغيله، ووضع الهدف الذي يجب وضع الجسم فيه، واختيار قيود وضعية الجسم أثناء تنفيذ العمل، ووصف عملية المهمة (مستوى الوصول، دقة الوضع، متطلبات قوة الأصابع والذراع، إلخ).
  2. انقر على أيقونة المحاكاة لتشغيل المحاكاة، ويقوم البرنامج تلقائيا بإنشاء رسوم متحركة ونتائج تحليل المحاكاة. إذا ظهرت رسالة خطأ أو لم تستوف نتائج المحاكاة المتطلبات، قم بتعديل مشروع المحاكاة وفقا للخطوة 3.1.
  3. انقر على زر النتائج في أعلى الصفحة لعرض نتائج عمليات النموذج. عرض نتائج التقييم مثل الوقت، وبيئة الإنسان، ومسار المشي من كل تبويب يسار، وانقر على إرجونوميك للحصول على درجة EAWS للعامل.
    ملاحظة: EAWS هو طريقة تقييم مخاطر الحمل البيوميكانيكي طورها فريق خبراء دولي، تستخدم لتقييم مخاطر WMSD التي قد يتعرض لها المشغلون أثناء العمل.
  4. تأكد من محطات العمل التي تحتاج إلى تحسين وفقا لجدول تقييم EAWS (الشكل 2). وفي الوقت نفسه، اطلع على بيانات التقييم التفصيلية في نتائج بيئة العمل للبرنامج لتحديد المهام التشغيلية الأكثر أهمية التي تحتاج إلى تحسين.

figure-protocol-1
الشكل 2: مستوى تقييم EAWS. المعيار لتصنيف مستويات المخاطر المريحة بناء على درجات EAWS. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

4. تحسين النموذج

ملاحظة: الغرض من هذه الخطوة هو تقليل قيمة المخاطر في EAWS لعمال الإنتاج إلى مستوى منخفض المخاطر.

  1. راقب درجات EAWS للموظفين في محطات العمل التي تم تحديدها للتحسين في المرحلة السابقة. التبديل بين العمال ووحدات التقييم المختلفة (وضعية الجسم، قوة اليد، التعامل مع الأحمال، إلخ) في صفحة نتائج علم بيئة العمل لتحديد المساهمين الأكثر خطورة.
  2. حدد الإجراءات ذات الصلة من المساهمين الأعلى خطورة استعدادا للتحسينات القادمة.
  3. تطوير استراتيجيات تحسين بناء على نقاط المخاطر، تعديل النموذج في البرنامج، وإعادة إجراء تقييم المحاكاة.
    1. انقر على المهام، وحدد موقع طاولة العمل للعامل الذي يحمل أعلى مساهمة مخاطرة في مخطط الشجرة. انقر على إضافة كائن(ات) من الملف في الزاوية العلوية اليسرى، واستورد نموذج جهاز التصميم الجديد، وأضف الجهاز تحت دليل Workbench لتبسيط إجراءات الموظف.
    2. انقر على المهام، ثم على محور الفعل في worker2_human، وحدد موقع المهمة التشغيلية المعدلة، وألغي الإجراءات المتكررة في نظام التحسين هذا. انقر على النقاط المجوفة على يسار عقارب الحركة للاستهداف وتحريك حتى تتحول إلى نقاط زرقاء على السهم الأيمن لإلغاء محاكاة الحركة الحالية.
    3. انقر على محاكاة لتشغيل النموذج، وتحقق من الشذوذات بعد الانتهاء لمنع الأخطاء المنطقية الناتجة عن إضافة أجهزة جديدة.
      1. إذا كانت هناك شذوذات، قم بتعديل محتوى الإجراءات ذات الصلة حسب المعدات المضافة والتغييرات.
    4. شغل النموذج مرة أخرى، وكرر الخطوات السابقة حتى لا توجد شذوذات في محور الفعل.
    5. انقر على النتائج، اختر قسم التجربة النفسية، وراقب ما إذا كانت قيمة مخاطر EAWS للعامل قد انخفضت إلى اللون الأخضر.
      1. إذا لم ينخفض إلى اللون الأخضر، فكر في زيادة مدة الراحة في عمود Common في صفحة الإرجونوميك، أو استمر في تعديل مواقع إمداد المواد، وتسلسلات التشغيل، وتصميم الأدوات.
    6. كرر الخطوات السابقة حتى ينخفض خطر EAWS إلى اللون الأخضر.
  4. قم بتشغيل النموذج، وتحقق مما إذا كانت EAWS الجسم الكامل والأطراف العلوية للعامل في النتائج ضمن عتبة السلامة. يتطلب حد السلامة أن تكون درجة EAWS أقل من 50 نقطة، كما هو موضح في الشكل 2، ويكون اللون إما أخضر أو أصفر.
  5. انقر على تحليل MTM-UAS للتحقق مما إذا كانت ساعات العمل المحسنة قد انخفضت مقارنة بساعات العمل السابقة، لتحقيق هدف تقليل ساعات العمل والحفاظ على مخاطر الراحة ضمن عتبة السلامة أثناء تحسين خط الإنتاج.

5. التحقق من فعالية المصنع الرقمي

ملاحظة: الخطوات السابقة حققت تصميم وتحسين خط التجميع في المصنع الرقمي. الغرض من هذه المرحلة هو التأكد من أن نتائج محاكاة البرمجيات تطابق الحالة الفعلية المقاسة لخط التجميع بعد تنفيذ التحسين. إذا كانت متسقة، يمكن اعتماد هذه الطريقة التجريبية لتحسين تصميم خطوط التجميع المستقبلية.

  1. تحقق من نتائج ساعات العمل.
    1. قس ساعات العمل في موقع الإنتاج المحسن كما هو موضح في الخطوة 1.2.
    2. قارن نتائج ساعات العمل مع نتائج البرمجيات.
  2. تحقق من نتائج المخاطر المريحة (Ergonomous).
    1. قس المخاطر المريحة في الموقع المحسن كما هو موضح في الخطوتين 2.2 و2.3.
    2. قارن نتائج المخاطر المريحة الناتجة عن مخرجات البرمجيات.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

استنادا إلى العمليات التجريبية المذكورة أعلاه، تأخذ النتائج التمثيلية لهذه الورقة تجميع منتج ميكانيكي نموذجي — مكون جسم الصمام — كمثال لتوضيح النتائج النموذجية لدمج العوامل البشرية في إدارة العمليات لتحسين العمل. تمثل هذه التجربة المكون العملي للتدريس في دورة العوامل البشرية المعتمدة بالفعل، وقد تم إثبات نتائجها التعليمية في منتدى MTM الصيني لعام 2025: الهندسة الصناعية في عصر الذكاء الرقمي.

مجموعة حالة الإنتاج
خطوط التجميع التي سيتم تحسينها...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

تتضمن هذه الدراسة ليس فقط كفاءة الوقت، بل أيضا قياس المخاطر المريحة في تصميم خطوط التجميع. من خلال دمج القياس الريجونومي للمخاطر، يمكن تحديد المخاطر الأمنية الخفية المحتملة خلال مرحلة التصميم، مما يضمن أن تأخذ خطوط الإنتاج عوامل المخاطر المريحة في الاعتبار. يعزز هذا البروتوكول إنتاجية الموظفين، ويقلل من احتمالية وتأثير الحوادث، ويساهم في تحقيق رفاهية الموظفين بموجب الصناعة 5.0. هناك ثلاث خطوات حاسمة ضمن البروتوكول تستحق الانتباه إليها، وسيتم تفصيلها بتفصيل هنا بتفصيل كبير.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

المؤلفون ليس لديهم ما يكشفون عنه.

شكر وتقدير

وقد دعمت هذه الدراسة المؤسسة الوطنية للعلوم الطبيعية في الصين (72374088، 72471105، 72001096)، مشروع رئيسي لتخطيط أبحاث العلوم في التعليم العالي لعام 2024 لجمعية التعليم العالي الصينية (24XX0205، آليات استراتيجيات التعاون بين الإنسان والذكاء الاصطناعي لتعزيز نتائج التعلم)، ومشروع 2024 الرئيسي لتخطيط علوم التعليم في مقاطعة جيانغسو (B-b/2024/01/162، بناء النماذج والبحث التجريبي في التعلم متعدد الوسائط من منظور التعليم علوم الأعصاب) وصندوق العلوم الإنسانية والاجتماعية التابع لوزارة التعليم الصينية (24YJCZH445).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
حزمة برمجيات إيماشركة IMK إندستريال إنتيليجنس GmbHV2.2.0.3تأسيس المصنع الرقمي
أوبزرفر XTنولدوس لتقنية المعلوماتV12.0تحليل المشكلات في عملية الإنتاج

المراجع

  1. Moeuf, A., Pellerin, R., Lamouri, S., Tamayo-Giraldo, S., Barbaray, R. The industrial management of SMES in the era of Industry 4.0. Int J Prod Res. 56 (3), 1118-1136 (2018).
  2. Trstenjak, M., Benesova, A., Opetuk, T., Cajner, H. Human factors and ergonomics in industry 5.0-a systematic literature review. Appl Sci. 15 (4), 2123(2025).
  3. Jackson, I., Ivanov, D., Dolgui, A., Namdar, J. Generative artificial intelligence in supply chain and operations management: A capability-based framework for analysis and implementation. Int J Prod Res. 62 (17), 6120-6145 (2024).
  4. Alves, J., Lima, T. M., Gaspar, P. D. Is Industry 5.0 a human-centred approach? A systematic review. Processes. 11 (1), 193(2023).
  5. Castagnoli, R., Cugno, M., Maroncelli, S., Cugno, A. A new research agenda for human-centric manufacturing: A systematic literature review. IEEE Trans Eng Manag. 71, 15236-15253 (2024).
  6. Ivanov, D. The industry 5.0 framework: Viability-based integration of the resilience, sustainability, and human-centricity perspectives. Int J Prod Res. 61 (5), 1683-1695 (2023).
  7. Bolis, I., Marques, J. N., Cagno, E., Morioka, S. N. Digital technologies, sustainability, and work: How can these themes be brought together to promote a human-centered future in industry 5.0 implementation. Appl Ergon. 125, 104475(2025).
  8. Horvat, D., Jäger, A., Lerch, C. M. Fostering innovation by complementing human competences and emerging technologies: An industry 5.0 perspective. Int J Prod Res. 63 (3), 1126-1149 (2025).
  9. Gladysz, B., et al. Current development on the operator 4.0 and transition towards the operator 5.0: A systematic literature review in light of industry 5.0. J Manuf Syst. 70, 160-185 (2023).
  10. Verdugo-Cedeño, M., Jaiswal, S., Ojanen, V., Hannola, L., Mikkola, A. Simulation-based digital twins enabling smart services for machine operations: An industry 5.0 approach. Int J Hum Comput Interact. 40 (20), 6327-6343 (2024).
  11. Mattsson, S., Kurdve, M. Skills and Information Needed for Operator 5.0 in Emergency Production. Advances in Production Management Systems. Production Management Systems for Volatile, Uncertain, Complex, and Ambiguous Environments. APMS 2024. , IFIP Advances in Information and Communication Technology. Springer. Cham. (2024).
  12. Peruzzini, M., Prati, E., Pelicciari, M. A framework to design smart manufacturing systems for industry 5.0 based on the human-automation symbiosis. Int J Comput Integr Manuf. 37 (10-11), 1426-1443 (2024).
  13. Yaqot, M., Menezes, B., Mohammed, A., Moloney, K. A State-of-the-Art Review and Framework for Human-Centric Automation in Industry 5.0. Advances in Production Management Systems. Production Management Systems for Volatile, Uncertain, Complex, and Ambiguous Environments. APMS 2024. , IFIP Advances in Information and Communication Technology. Springer. Cham. (2024).
  14. Enang, E., Bashiri, M., Jarvis, D. Exploring the transition from techno centric industry 4.0 towards value centric industry 5.0: A systematic literature review. Int J Prod Res. 61 (22), 7866-7902 (2023).
  15. Durugbo, C. M. Uncertainties of supply chain transition and integration for industry 5.0: A review of operations management literature. Int J Prod Res. 63 (18), 6915-6937 (2025).
  16. Kim, D. B., et al. Human-in-the-loop in smart manufacturing (h-sm): A review and perspective. J Manuf Syst. 82, 178-199 (2025).
  17. Otto, A., Battaïa, O. Reducing physical ergonomic risks at assembly lines by line balancing and job rotation: A survey. Comput Ind Eng. 111, 467-480 (2017).
  18. Boysen, N., Schulze, P., Scholl, A. Assembly line balancing: What happened in the last fifteen years. Eur J Oper Res. 301 (3), 797-814 (2022).
  19. Hasanain, B. The role of ergonomic and human factors in sustainable manufacturing: A review. Machines. 12 (3), 159(2024).
  20. Reiman, A., Takala, E. -P., Parviainen, E., Kaivo-Oja, J. Human work in strategic technology transitions in manufacturing. Int J Hum Factors Ergon. 11 (3), 266-288 (2024).
  21. Caputo, F., Greco, A., Fera, M., Macchiaroli, R. Digital twins to enhance the integration of ergonomics in the workplace design. Int J Ind Ergon. 71, 20-31 (2019).
  22. Brunner, S., Yuching, C. K., Bengler, K. Streamlining operations management by classifying methods and concepts of lean and ergonomics within a sociotechnical framework. Oper Manag Res. 17 (3), 1172-1196 (2024).
  23. Investment Report 2022/2023: Resilience and renewal in Europe. , European Investment Bank. Luxembourg. https://www.eib.org/en/publications/online/all/investment-report-2022-2023 (2023).
  24. Hansen, A. K., Christiansen, L., Lassen, A. H. Technology isn't enough for industry 4.0: On smes and hindrances to digital transformation. Int J Prod Res. 63 (18), 6585-6605 (2025).
  25. Xu, X., Lu, Y. Q., Vogel-Heuser, B., Wang, L. H. Industry 4.0 and industry 5.0-inception, conception and perception. J Manuf Syst. 61, 530-535 (2021).
  26. Hermawati, S., Correa, R., Mohan, M., Lawson, G., Houghton, R. Defining human-centricity in Industry 5.0 and assessing the readiness of ergonomics/human factors communities in UK. Ergonomics. 68 (6), 857-876 (2025).
  27. Caputo, F., Greco, A., Fera, M., Macchiaroli, R. Workplace design ergonomic validation based on multiple human factors assessment methods and simulation. Prod Manuf Res. 7 (1), 195-222 (2019).
  28. Breznik, M., Buchmeister, B., Herzog, N. V. Assembly line optimization using mtm time standard and simulation modeling-a case study. Appl Sci. 13 (10), 6265(2023).
  29. Stephens, M. P. Manufacturing Facilities Design & Material Handling. , 6th ed, Purdue University Press. West Lafayette. (2019).
  30. Sanders, M. S., Mccormick, E. J. Human Factors in Engineering and Design. , 7th ed, McGraw-Hill Education. New York. (1993).
  31. Gualtieri, L., et al. Updating design guidelines for cognitive ergonomics in human-centred collaborative robotics applications: An expert survey. Appl Ergon. 117, 104246(2024).
  32. Lucchese, A., Mummolo, G. Human-centric assistive technologies in manual picking and assembly tasks: A literature review. Manag Prod Eng Rev. , https://journals.pan.pl/dlibra/show-content?id=132156 (2024).
  33. Su, C., Tang, X., Han, Y., Wang, T., Jiang, D. S. Cognitive digital twin in manufacturing process: integrating the knowledge graph for enhanced human-centric Industry 5.0. Int J Prod Res. , (2024).
  34. Huang, K., et al. Spatial relationship-aware rapid entire body fuzzy assessment method for prevention of work-related musculoskeletal disorders. Appl Ergon. 115, 104176(2024).
  35. Breznik, M., Buchmeister, B., Herzog, N. V. Evaluation of the EAWS ergonomic analysis on the assembly line: Xsens vs. Manual expert method-a case study. Sensors. 25 (15), 4564(2025).
  36. Simeone, A., Grant, R., Ye, W., Caggiano, A. A human-cyber-physical system for operator 5.0 smart risk assessment. Int J Adv Manuf Technol. 129 (5), 2763-2782 (2023).
  37. Zheng, T., Grosse, E. H., Morana, S., Glock, C. H. A review of digital assistants in production and logistics: Applications, benefits, and challenges. Int J Prod Res. 62 (21), 8022-8048 (2024).
  38. Dolgui, A., Ivanov, D. Metaverse supply chain and operations management. Int J Prod Res. 61 (23), 8179-8191 (2023).
  39. Langendorf, L. N., Khalid, M. S. Systematic literature review on usability and training outcomes of using digital training technologies in industry. Comput Hum Behav Rep. 17, 100604(2025).
  40. Mourtzis, D., Angelopoulos, J. Development of an extended reality-based collaborative platform for engineering education: Operator 5.0. Electronics. 12 (17), 3663(2023).
  41. Guo, J., et al. Industrial metaverse towards industry 5.0: Connotation, architecture, enablers, and challenges. J Manuf Syst. 76, 25-42 (2024).
  42. Leng, J., et al. Digital twins-based remote semi-physical commissioning of flow-type smart manufacturing systems. J Clean Prod. 306, 127278(2021).
  43. Rožanec, J. M., et al. Human-centric artificial intelligence architecture for Industry 5.0 applications. Int J Prod Res. 61 (20), 6847-6872 (2023).
  44. Ni, M. Z., Wang, T., Leng, J. W., Chen, C., Cheng, L. L. A large language model-based manufacturing process planning approach under Industry 5.0. Int J Prod Res. , (2025).
  45. Ma, Y., Zheng, S., Yang, Z., Pan, H., Hong, J. A knowledge-graph enhanced large language model-based fault diagnostic reasoning and maintenance decision support pipeline towards Industry 5.0. Int J Prod Res. , (2025).
  46. Leng, J., et al. Resilient manufacturing: A review of disruptions, assessment, and pathways. J Manuf Syst. 79, 563-583 (2025).
  47. Leng, J., et al. Review of manufacturing system design in the interplay of industry 4.0 and industry 5.0 (part I): Design thinking and modeling methods. J Manuf Syst. 76, 158-187 (2024).
  48. Leng, J., et al. Review of manufacturing system design in the interplay of industry 4.0 and industry 5.0 (part ii): Design processes and enablers. J Manuf Syst. 79, 528-562 (2025).
  49. Yan, J., et al. Human-centric artificial intelligence towards industry 5.0: Retrospect and prospect. J Ind Inf Integr. 47, 100903(2025).
  50. Leng, J., et al. Aigc-empowered smart manufacturing: Prospects and challenges. Rob Comput Integr Manuf. 97, 103076(2026).
  51. Wang, B., et al. Human digital twin in the context of Industry 5.0. Rob Comput Integr Manuf. 85, 102626(2024).
  52. Bucci, I., Fani, V., Bandinelli, R. Towards human-centric manufacturing: Exploring the role of human digital twins in industry 5.0. Sustainability. 17 (1), 129(2025).
  53. Gaffinet, B., Ali, J. A., Naudet, Y., Panetto, H. Human digital twins: A systematic literature review and concept disambiguation for Industry 5.0. Comput Ind. 166, 104230(2025).
  54. Caterino, M., Rinaldi, M., Fera, M. Digital ergonomics: An evaluation framework for the ergonomic risk assessment of heterogeneous workers. Int J Comput Integr Manuf. 36 (2), 239-259 (2023).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

مقالات ذات صلة