本研究提出了一种在工业5.0背景下将人因工程融入运营管理教育的框架。该方案采用并行工程方法，在工作场所设计过程中同步整合工效学评估，包括生产数据采集、问题分析、数字化工厂建立、模型优化及验证。
需要JoVE订阅才能观看此内容。 请登录或开始免费试用
本文内容
摘要
摘要
工业5.0时代强调以人为本、可持续性和韧性，对现代高等教育的人才培养方向提出了新的要求。工程教育也在不断适应并引领工业5.0的发展。本研究提出了一种创新性框架，将人因工程因素融入高等教育中的现代运营管理教学体系。运营管理涵盖供应链、库存、质量控制等全过程的管理。随着从工业4.0向工业5.0的演进，运营管理逐渐以人为核心，强调人机协作与员工赋权。因此，教学内容需要相应调整，以帮助学生学习如何运用人因工程原理优化工作流程、降低员工疲劳并减轻风险。本文提出通过构建一个虚拟互联的生产环境，模拟真实装配线，识别其中的人因工程问题，并借助数值分析减少偏差，从而实现人因工程在运营管理中的应用。该方案能够在设计阶段识别和评估人体工学风险，并提供针对性的改进措施。该教学方案有助于学生在学习运营管理的过程中理解如何降低事故发生率、提高工作效率，并减少纠正性干预所带来的额外成本。通过数字人体工学技术，学生能够理解并熟练掌握人体工学风险评估方法。因此，本文分析了如何更好地将人因工程融入运营管理，实现工程技术与人因工程的融合，为运营管理领域的教育与实践提供新的思路与方向。在未来的应用中，将人因工程与人体数字孪生（HDT）以及人工智能生成内容（AIGC）相结合，将进一步赋能智能制造，推动工程实践中以人为核心的智能制造发展。
引言
工业4.0通过整合物联网、大数据、网络安全、云计算、增材制造和先进机器人等先进技术，从根本上改变了产品、服务和生产流程1,2。随着人工智能（AI）的兴起，工业4.0将AI技术与多种先进技术相融合，重塑了制造业和运营格局3。然而，尽管工业4.0显著提高了生产效率并为劳动者创造了新的就业机会，但也带来了认知负荷增加、工作风险升高以及需要持续提升技能等挑战4。为应对工业4.0快速发展过程中忽视人的因素这一问题，欧盟委员会提出了工业5.0的概念，强调三大核心要素：以人为本、可持续性和韧性5,6。工业5.0强调人类与人工智能之间的协作，在提高生产效率的同时保障人类健康和环境可持续性，从而实现可持续的经济增长7。Horvat等人对1334家制造企业的数据进行了研究，结果表明，以人为本的工业5.0增强了制造商在产品方面的创新能力，而员工的参与是其中的重要因素，这体现了以人为本的工业5.0的重要性8。
工业5.0强调人类创造力与技术精确性的结合，由此催生了“操作员5.0”....
访问受限。请登录或开始试用以查看此内容。
方案
本研究遵循《赫尔辛基宣言》的原则，并经江苏科技大学机构审查委员会批准。我们已获得实验参与者对其数据使用和发布的知情同意。
1. 生产状态的收集
注意：生产状态采集阶段需要对生产现场进行时间测量并拍摄现场视频，以准备后续的问题分析。确定生产工艺流程，并收集生产现场的工人信息，以及设备、产品和材料的3D模型，用于后续数字化工厂的建设。
- 收集需要改进的装配线的工作条件。包括装配线节拍、装配线规模与环境布局、所分析生产区域的面积、生产相关设备信息及占地面积、涉及的工位数量、人机协作流程、物料供应类型及方式29。
- 使用秒表法测量工时，获取每种作业类型的时间数据。
- 当工人开始循环动作时，第一次按下机械秒表的表冠。
- 当工人结束循环动作时，第二次按下机械秒表的表冠。
- 读取时间。
- 第三次按下表冠以重置秒表。
- 拍摄现场生产视频，用于后续问题分析。
- 从生产现场收集工人信息。包括人口统计学信息：年龄、性别、国籍，以及人体测量数据（单位为 cm）：（1）身高，（2）眼高，（3）肩高，（4）肘高，（5）指关节高，（6）坐姿高度，（7）坐姿眼高，（8）坐姿肘部支撑高，（9....
访问受限。请登录或开始试用以查看此内容。
结果
根据上述实验操作，本文的代表性结果以典型机械产品——阀体组件的装配为例，展示将人因工程因素整合到作业管理中以实现工作改进的典型成果。本实验代表了已开设的人因工程课程中的实践教学部分，其教学成果已在2025年MTM中国论坛：数字智能时代的工业工程中进行展示。
生产状态数据采集
本文拟改进的装配线包括工步1、工步2、工步3和工步4，如图3所示。该装配线共有7个工位。经秒表实测，该装配线方案的实际节拍时间为5.2秒。
图3
访问受限。请登录或开始试用以查看此内容。
讨论
本研究不仅包含时间效率，还纳入了装配线设计中的人体工程学风险评估。通过整合人体工程学风险测量，可在设计阶段识别潜在的隐性安全风险，确保装配线布局充分考虑人体工程学风险因素。该方案有助于提高员工生产效率，降低事故发生概率及其影响，并推动实现工业5.0背景下的员工福祉。该方案中包含三个需特别关注的关键步骤，下文将对其进行深入详述。
首先，进行人因问题识别与数字化建模。通过行为分析软件对生产视频进行编码与分析，识别出高频的生理负荷动作（如弯腰、转身），并结合秒表法量化作业效率；随后，利用数字化工业工程软件构建虚拟装配线模型，进行任务分配并运行仿真，获取操作人员的EAWS评分，准确定位高风险工位。该阶段的关键是将实际生产问题转化为可量化、可视化的数字模型，为后续优化奠定数据基础。
第二，仿真优化及有效性验证。基于仿真结果，将EAWS评分降低至安全阈值，并通过多次迭代确保模型无异常。随后利用实际生产数据验证数字化工厂的可靠性，证明其在降低工效学风险和提升时间效率方面的有效性。该步骤实现了从理论建模到实际改进的闭环，凸显了数字技术在工业5.......
访问受限。请登录或开始试用以查看此内容。
披露
作者无任何利益冲突需要披露。
致谢
本研究得到国家自然科学基金（72374088、72471105、72001096）、2024年中国高等教育学会高等教育科学研究规划重点课题（24XX0205，人机协同策略提升学习效果的机制研究）、2024年江苏省教育科学规划重点课题（B-b/2024/01/162，基于教育神经科学视角的多模态学习模型构建与实证研究）以及教育部人文社会科学研究基金（24YJCZH445）的资助。
....访问受限。请登录或开始试用以查看此内容。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| ema 软件套件 | imk 工业智能有限公司 | V2.2.0.3 | 数字化工厂的建立 |
| Observer XT | Noldus 信息技术公司 | V12.0 | 生产过程中的问题分析 |
参考文献
- 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).
- Trstenjak, M., Benesova, A., Opetuk, T., Cajner, H. Human factors and ergonomics in industry 5.0-a systematic....
访问受限。请登录或开始试用以查看此内容。