Methodenartikel

Integration menschlicher Faktoren in die Ausbildung im Betriebsmanagement in der Industry-5.0-Ära

DOI:

10.3791/69833

⸱

14. April 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.

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie bietet einen Rahmen zur Integration menschlicher Faktoren in die Ausbildung im Betriebsmanagement im Kontext von Industrie 5.0. Das Protokoll verwendet Concurrent Engineering, um ergonomische Bewertungen während der Arbeitsplatzgestaltung zu integrieren, einschließlich Erfassung von Produktionsdaten, Problemanalyse, digitaler Fabrikaufbau, Modelloptimierung und Validierung.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Ära von Industrie 5.0 betont menschliche Zentralität, Nachhaltigkeit und Resilienz und stellt neue Anforderungen an die Ausrichtung der Talentförderung in der modernen Hochschulbildung. Die Ingenieurausbildung passt sich ebenfalls an und führt die Entwicklung von Industrie 5.0 an. Diese Studie schlägt einen innovativen Rahmen vor, der menschliche Faktoren in das moderne Operationsmanagement-Bildungssystem im Hochschulbereich integriert. Betriebsmanagement umfasst das Management des gesamten Prozesses, einschließlich Lieferkette, Lagerbestand, Qualitätskontrolle usw. Mit der Entwicklung von Industrie 4.0 zu 5.0 konzentriert sich das Betriebsmanagement auf den Menschen, wobei der Schwerpunkt auf der Zusammenarbeit zwischen Mensch und Maschine sowie die Stärkung der Mitarbeitenden liegt. Daher muss der Lehrinhalt angepasst werden, um den Studierenden zu helfen, die Prinzipien der menschlichen Faktoren anzuwenden, um Arbeitsprozesse zu optimieren, Mitarbeitermüdigkeit zu verringern und Risiken zu minimieren. Dieses Papier schlägt die Anwendung von Human Factors im Betriebsmanagement vor, indem eine virtuelle, miteinander verbundene Produktionsumgebung geschaffen wird, die reale Fließbanden simuliert, Probleme der menschlichen Faktoren erkennt und Abweichungen durch numerische Analyse reduziert. Dieses Protokoll ermöglicht die Identifikation und Bewertung ergonomischer Risiken in der Designphase und bietet gezielte Verbesserungsmaßnahmen. Dieses Protokoll hilft den Schülern zu verstehen, wie man die Unfallhäufigkeit reduzieren, die Arbeitseffizienz verbessern und die zusätzlichen Kosten für Korrekturmaßnahmen während des Betriebsmanagementunterrichts senken kann. Durch digitale Ergonomie können Studierende ergonomische Risikobewertungsmethoden verstehen und darin versiert werden. Daher analysiert dieses Papier, wie Human Factors besser in das Betriebsmanagement integriert werden können, wie die Integration von Ingenieurtechnologie und Human Factors erreicht werden und neue Ideen und Richtungen für Ausbildung und Praxis im Bereich Operations Management vorgeschlagen werden können. In zukünftigen Anwendungen wird die Kombination von Human Factors mit Human Digital Twin (HDT) und künstlich generierten Inhalten (AIGC) intelligente Fertigung stärken und eine menschenzentrierte intelligente Fertigung in der Ingenieurpraxis ermöglichen.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Industrie 4.0 hat Produkte, Dienstleistungen und Prozesse grundlegend transformiert, indem fortschrittliche Technologien wie das Internet der Dinge, Big Data, Cybersicherheit, Cloud Computing, additive Fertigung und Advanced Robotics 1,2 integriert wurden. Mit dem Aufstieg der Künstlichen Intelligenz (KI) integriert Industrie 4.0 KI-Technologie mit verschiedenen fortschrittlichen Technologien und verändert so die Fertigungs- und Betriebslandschaft3. Obwohl Industrie 4.0 die Produktivität erheblich steigert und neue Arbeitsplätze schafft, bringt es auch Herausforderungen wie erhöhte kognitive Anforderungen, höhere Arbeitsrisiken und den Bedarf an kontinuierlicher Kompetenzsteigerungmit sich. Um das Problem der Vernachlässigung menschlicher Faktoren während der raschen Entwicklung von Industrie 4.0 anzugehen, schlug die Europäische Kommission das Konzept Industrie 5.0 vor, das drei Kernelemente betont: menschliche Zentralität, Nachhaltigkeit und Resilienz 5,6. Industrie 5.0 legt großen Wert auf die Zusammenarbeit zwischen Mensch und KI, verbessert die Produktivität und sichert gleichzeitig die menschliche Gesundheit und ökologische Nachhaltigkeit und erreicht so nachhaltiges Wirtschaftswachstum7. Horvat et al. untersuchten Daten von 1334 Fertigungsunternehmen, und die Ergebnisse der Studie zeigen, dass die menschenzentrierte Industrie 5.0 die Innovationsfähigkeit des Herstellers bei Produkten verbessert, wobei die Mitarbeiterbeteiligung ein wichtiger Faktor ist, was die Bedeutung der menschenzentrierten Industrie 5.08 widerspiegelt.

Industrie 5.0 betont die Kombination aus menschlicher Kreativität und technologischer Präzision, was zum Konzept des Operators 5.09 führte. Operator 5.0 versetzt die Bediener in menschenzentrierte Produktionssysteme, die soziotechnische Systeme, soziale Nachhaltigkeit und Resilienztechnik10 einbeziehen. Mattsson und Kurdve schlagen vor, dass Operator 5.0 9 Faktoren umfasst: kognitive/körperliche Fähigkeit, Aufgaben auszuführen, allgemeine digitale Fähigkeiten, universelles Design, Minimierung unerwarteter Ereignisse, Produktivität und Qualität, Sicherheit, Standards, Anweisungen und Schulungsmaterialien11. Peruzzini et al., basierend auf Operator 5.0, schlugen den Augmented Digital Twin (ADT) vor, der Maschinen, Roboter, Umgebungen, Schnittstellen und Menschen integriert und so menschenzentrierte intelligente Fertigungssystemeentwickelt. Yaqot et al. schlugen das Enhanced Human-Automation Symbiosis (EHAS)-Framework vor, das die Erreichung der Mensch-Automatisierungs-Symbiose durch physische und sensorische Verbesserung, kognitive und emotionale Verbesserung, Kommunikation und Zusammenarbeit, digitale Ethik, digitale Bürgerschaft, Datenschutz und Stärkung der Menschenrechtebetont 13.

Der Übergang von Industrie 4.0 zu Industrie 5.0 stellt einen Wandel von technologiezentrierter Fertigung hin zu wertorientierter Fertigung14. Die Hochschulbildung muss sich den Herausforderungen durch Industrie 5.0 stellen und bestehende Lehrpläne reformieren, um die zukünftige Arbeitswelt auszubilden. Universitätsprogramme müssen die für Operator 5.0 erforderlichen Kompetenzen berücksichtigen, um Studierende, die eine Ingenieurausbildung erhalten, auf ihre zukünftige berufliche Entwicklung vorzubereiten.

Die Einführung der Operator-5.0-Ausbildung hat zu Veränderungen in den Lehrzielen der Operationsmanagement-Kurse geführt. Als Kernfunktion des modernen Unternehmensmanagements umfasst das Betriebsmanagement den gesamten Prozess von der Rohstoffbeschaffung bis zur Lieferung von Endprodukten oder -dienstleistungen. Sie umfasst mehrere Bereiche wie Lieferkettenmanagement, Produktionsplanung und -terminplanung, Arbeitsstudie, Bestandsmanagement und Qualitätskontrolle. Das Lehrziel der Kurse im Betriebsmanagement ist es, den Studierenden zu ermöglichen, zu verstehen, wie man die Ressourcenverteilung optimiert, die Effizienz verbessert, Kosten senkt und sicherstellt, dass Qualität und Liefergeschwindigkeit von Produkten oder Dienstleistungen den Marktanforderungen entsprechen. Insbesondere hilft die Work-Study-Komponente den Studierenden, theoretisches Wissen über Betreiber im Betriebsmanagement tief zu verstehen und zu erlernen, komplexe Fallstudien zu analysieren und innovative sowie praxisnahe Lösungen durch praxisnahes Lernen vorzuschlagen.

Die Fließband ist als typischste Produktionssituation in der Fertigung das wichtigste Anwendungsfeld für Operator 5.0-bezogene Technologien. Industrie 5.0 erfordert Fließbande, um spezifische Produktionsanforderungen zu bewältigen. Operator 5.0 ermöglicht durch die Verbindung von menschlicher Kreativität und technologischer Stärkung den Wechsel von Fließbanden von Massenfertigung zur Massenanpassung. Operator 5.0 kann Fließbandverfahren schnell mit digitalen Zwillingen und Simulationswerkzeugen ändern, um einzigartige Produktanforderungen zu erfüllen und so die Flexibilität und Anpassungsfähigkeit der Montagelinie15 zu erreichen. Operator 5.0 kann die Bewegungen und Erschöpfung von Fließbandarbeitern durch digitale Zwillinge simulieren und so das Workstation-Design optimieren und das Konzept des Human-in-the-loop in der Smart Manufacturing16 widerspiegeln. Daher zeigt Abbildung 1A in der Ausbildung von Bediener 5.0, als Beispiel die Verbesserung des Fließbands, die wichtigsten Schritte zur Identifizierung und Behebung von Problemen in einem Fließband. Aktuelle Praktiken berücksichtigen arbeitsbedingte muskuloskelettale Erkrankungen (WMSDs) in den frühen Phasen des ingenieurtechnischen Designs nicht ausreichend. Zu den physischen ergonomischen Risikofaktoren gehören unbequeme Haltungen, Kraftanstrengung, Materialhandhabung, Stillstandspositionen und Wiederholung17. Wenn diese Risiken in den tatsächlichen Produktionsabläufen vorhanden sind, führen sie nicht nur zu WMSDs unter den Arbeitern, sondern verlängern auch Produktionszyklen und erhöhen die Betriebskosten für Unternehmen, wenn Korrekturmaßnahmen umgesetzt werden. Boysen et al. lieferten eine systematische Übersichtsarbeit zu Fließbandbalancierungsproblemen und hoben menschliche Faktoren als entscheidende Faktoren zur Verbesserung der Fließbandleistunghervor 18. Daher ist im Zeitalter von Industrie 5.0 die Bedeutung menschlicher Faktoren im Betriebsmanagement noch deutlicher geworden und spielen eine bedeutende Rolle in zeitgenössischen Geschäftsstrategien 19,20.

Caputo et al. führten die Theorie des Concurrent Engineering in das Arbeitsplatzdesign ein und schlugen vor, ergonomische Bewertungen bereits in der Phase des Prozessdesigns zu berücksichtigen, um so ergonomische Risiken in der Designphase21 zu verhindern. Im Zeitalter von Industrie 4.0 wird der Kernrolle der Ergonomie in Produktionsabläufen nicht genügend Aufmerksamkeit geschenkt, was es erschwert, sich vollständig an die Anforderungen der Ergonomie in Industrie 5.022 anzupassen. Daher muss die Lehrpraxis des Betriebsmanagements, geleitet vom Konzept von Industrie 5.0, mehr ergonomische Inhalte einbeziehen. Nehmen wir das Problem der Fließbandverbesserung als Beispiel, zeigt Abbildung 1B , dass bei klaren Verbesserungszielen und -vorgaben die Messung von Zeit- und ergonomischen Risiken in jedem Prozess gleichzeitig durchgeführt wird und ergonomische Bewertungen im Stadium des Prozessdesigns parallel zur gleichzeitigen technischen Überlegung zur Fließbandverbesserung berücksichtigt werden.

figure-introduction-1
Abbildung 1: Zwei Arten von Fließbandverbesserungsprozessen. (A) Der traditionelle Fließband-Verbesserungsprozess und (B) der Integration menschlicher Faktoren. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

Im Rahmen von Operator 5.0 und den sich wandelnden Anforderungen von Industrie 5.0 muss die Belegschaft relevante digitale Fähigkeiten erwerben, um sich effektiv mit neuen Aufgaben und Aufgaben beschäftigen zu können. 62 % der Fertigungsunternehmen gaben an, dass der Mangel an Mitarbeitern mit geeigneten Fähigkeiten ein großes Hindernis für den Erfolg der digitalen Transformation ist23. Hansen et al. befragten 30 Unternehmen, die digitale Transformation verfolgen, und stellten fest, dass der Erfolg der digitalen Transformation während des Übergangs von Industrie 4.0 zu Industrie 5.0 von der Entwicklungder Fähigkeiten der Mitarbeiter abhängt. Zukünftige Fachkräfte müssen fortschrittliche digitale Fähigkeiten beherrschen, um effektiv mit intelligenten Systemen zu interagieren25. Hermawati et al. bewerteten den aktuellen Stand der Ergonomie-Ausbildung und stellten fest, dass es eine Lücke zwischen der aktuellen Ergonomie-Ausbildung und den Anforderungen von Industry 5.026 gibt. Daher ist es entscheidend, neue Fähigkeiten gemäß den Anforderungen von Industrie 5.0 zu schulen, und es ist notwendig, die digitalen Kompetenzen der Studierenden zu entwickeln7.

Das Aufkommen digitaler Zwillinge, die ergonomische Risikobewertung integrieren, hat das integrierte Design von Arbeitsplatzgestaltung und ergonomischer Bewertung durch digitale Simulation ermöglicht, wobei das Konzept des Concurrent Engineering angewendet wird. Dies erreicht ein menschenzentriertes digitales Design im Kontext von Industrie 5.0. Caputo et al. schlugen ein digitales Zwillingsmodell vor, das ergonomische Bewertung für Arbeitsplatzgestaltung beinhaltet und auf einer Fiat Chrysler Automobiles (FCA) Fließband validiert wurde, wobei sowohl das Ergonomic Assessment Worksheet (EAWS) als auch das Ovako Working Posture Analysing System (OWAS) Bewertungsmethoden21,27 verwendet wurden. Die oben genannten Studien verwendeten in ihren Analysen die Methods-Time Measurement (MTM)-Prozesssprache. MTM ist eine Art vorgegebenes Zeitsystem (PTS), das manuelle Betriebsverfahren in grundlegende Elemente von Bewegungen zerlegt und Arbeitsbedingungen berücksichtigt, um die für eine Aufgabe benötigte Zeit zu bestimmen. Breznik et al. nutzten das MTM Universal Analysis System (MTM-UAS) zusammen mit Simulationssoftware, um das Fließband-Balancing-Problem (ALBP)28 zu lösen.

Als Antwort auf die oben genannten Anforderungen im Betriebsmanagement – die Integration physischer ergonomischer Risikofaktoren in der ersten Ingenieursplanungsphase und die Entwicklung der digitalen Kompetenz der Studierenden – verwendet diese Studie das Fließbandverbesserungsproblem als Beispiel. Es integriert ergonomische Bewertungen in ein digitales Zwillingsmodell, um zu zeigen, wie sich die Ingenieurausbildung an die Anforderungen von Industrie 5.0 anpassen kann, und fördert so die Entwicklung von Operator 5.0 durch menschenzentriertes Design und digitalen Kompetenzaufbau.

Zusammenfassend untersucht dieses Papier vor dem Hintergrund des Übergangs von Industrie 4.0 zur menschenzentrierten Industrie 5.0 die Integration menschlicher Faktoren in die Ausbildung des Betriebsmanagements. Am Beispiel der Begleitung von Schülern im Fließbanddesign innerhalb der Lehrpraxis integriert es ergonomische Risikobewertung, um den Kern von Operator 5.0 zu helfen, das Wesentliche von Operator 5.0 zu verstehen. Durch die Demonstration des Prozesses der Integration von Ergonomie in die Ausbildung im Betriebsmanagement soll diese Studie neue Einblicke und Richtungen für Ausbildung und Praxis im Bereich des Betriebsmanagements im Zeitalter von Industrie 5.0 bieten.

Dieses Protokoll stellt experimentelle Verfahren zur Messung und Verbesserung von Zeit- und ergonomischen Risiken bei der Fließbandkonstruktion vor. Das Verfahren lässt sich in fünf Schritte zusammenfassen: 1) Erfassung des Produktionsstatus, 2) Problemanalyse im Produktionsprozess, 3) Errichtung der digitalen Fabrik, 4) Modelloptimierung und 5) Wirksamkeitsprüfung der digitalen Fabrik. Wenn eine dieser Anforderungen in den fünf Schritten nicht erfüllt wird, ist der Prozess unvollständig und unzureichend, um die Wirksamkeit nachzuweisen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie wurde gemäß den Grundsätzen der Helsinkier Erklärung durchgeführt und vom Institutional Review Board der Jiangsu University of Science and Technology genehmigt. Wir holten die informierte Zustimmung der Teilnehmer des Experiments ein, um ihre Daten zu verwenden und freizugeben.

1. Sammlung des Produktionsstatus

HINWEIS: Die Produktionsstatuserfassungsphase erfordert eine Zeitmessung des Produktionsstandorts und das Filmen vor Ort von Videos zur Vorbereitung auf die anschließende Problemanalyse. Bestimmen Sie den Produktionsablauf und sammeln Sie Mitarbeiterinformationen sowie 3D-Modelle von Geräten, Produkten und Materialien am Produktionsstandort für den späteren digitalen Fabrikaufbau.

  1. Sammeln Sie die Arbeitsbedingungen der Fließbande, die verbessert werden müssen. Dazu gehören das Tempo des Fließbands, die Größe des Fließbands und das Umweltlayout, die analysierte Produktionsfläche, produktionsbezogene Ausrüstungsinformationen und Bodenfläche, die Anzahl der beteiligten Positionen, Prozesse der Zusammenarbeit zwischen Mensch und Maschine, Materialliefertypen und Methoden29.
  2. Man misst die Arbeitsstunden mit der Stoppuhrmethode, um Zeitdaten für jeden Arbeitstyp zu erhalten.
    1. Drücken Sie zum ersten Mal das Handrad der mechanischen Stoppuhr, wenn der Arbeiter zyklische Bewegungen startet.
    2. Drücken Sie das Handrad ein zweites Mal, wenn der Arbeiter die zyklischen Bewegungen beendet.
    3. Lesen Sie die Uhrzeit.
    4. Drücken Sie zum dritten Mal das Handrad, um die Stoppuhr zurückzusetzen.
  3. Drehen Sie vor Ort Produktionsvideos zur anschließenden Problemanalyse.
  4. Sammeln Sie Mitarbeiterinformationen vom Produktionsstandort. Dazu gehören demografische Daten: Alter, Geschlecht, Nationalität und anthropometrische Daten (die Einheit ist cm): (1) Statur, (2) Augenhöhe, (3) Schulterhöhe, (4) Ellbogenhöhe, (5) Knöchelhöhe, (6) Körpergröße, Sitzen, (7) Augenhöhe, Sitzen, (8) Ellbogenstützenhöhe, Sitzen, (9) Oberschenkelhöhe, (10) Kniehöhe, Sitzen, (11) Gesäß-Knie-Abstand, Sitzen, (12) Poplitealhöhe, Sitzen, (13) Brusttiefe, (14) Ellbogen-Ellbogenbreite, (15) Hüftbreite, Sitz30.
  5. Sammeln Sie 3D-Modelle von Produkten, Materialien und Ausrüstungen, einschließlich: 3D-Montagezeichnungen von Produkten, 3D-Modelle von Materialien, 3D-Modelle von Maschinen und Ausrüstungen sowie Werkzeuge.
    1. Sammeln Sie die Qualität der Komponenten und Werkzeuge, die für den manuellen Betrieb und die Handhabung verwendet werden (die Einheit ist Kilogramm). Sammeln Sie die wichtigsten Kräfte, die im Workflow notwendig sind, wie die Kraft, die zum Anheben von Objekten benötigt wird, oder das Drehmoment, das zum Anziehen von Schrauben erforderlich ist (die Einheit ist Newtons).

2. Problemanalyse im Produktionsprozess

HINWEIS: Basierend auf den gesammelten Produktionsstatusdaten werden Verhaltensanalyse-Software verwendet, um die Vor-Ort-Produktionsvideos zu analysieren und anschließend während der digitalen Fabrikbauphase Probleme zu identifizieren. Die grundlegenden Schritte der Verhaltensanalyse-Software umfassen grundlegende Softwareeinstellungen, Softwarecodierungseinstellungen und Videoanalyse. Die Software-Webzugänglichkeit ist https://noldus.com/observer-xt-human.

  1. Setze Grundeinstellungen.
    HINWEIS: Diese Phase beinhaltet das Setzen von Beispielparametern für die Software. Wählen Sie basierend auf dem gefilmten Video einen geeigneten Sample-Typ (kontinuierliches oder diskontinuierliches Sample). Nach Abschluss der Grundeinstellungen kann das Video importiert werden.
    1. Doppelklick, um die Verhaltensanalyse-Software zu öffnen.
    2. Klicken Sie auf Neues Projekt erstellen und dann auf Neu.
    3. Geben Sie den Dateinamen unter Name des neuen Projekts ein.
    4. Klicke im Pop-up-Fenster auf Projekt einrichten.
    5. Wählen Sie in der Beobachtungsmethode kontinuierliche und sofortige Stichproben kombinieren, da das bestehende Produktionsvideo eine Probe diskontinuierlicher Videokombinationen ist.
  2. Richte Software-Programmierung ein.
    HINWEIS: Diese Phase beinhaltet die Einrichtung von Software-Codierung. Während der anschließenden Videoanalyse ist eine schnelle Codierung des Videos erforderlich, um Problempunkte zu zählen, und dieser Schritt richtet die Codierung für diesen Zweck vor. Nach Abschluss dieses Schrittes kann das Video importiert und analysiert werden.
    1. Stellen Sie die Codiermethode im Codierschema unter Setup ein. Klicken Sie auf Codierungsschema, dann auf Instantaneous Sampling und Subjekt.
    2. Klicken Sie in der Verhaltensoberfläche auf Verhaltensgruppe hinzufügen.
    3. Geben Sie ergonomisches Risiko im Gruppennamen ein.
    4. Geben Sie unten in Verhaltensweisen "Bücken", "Umdrehen" und "Seitlich" ein, wählen Sie "Nein" in Dauer, da dies alles sofortige Aktionen sind. Select Behaviors in diesem Gruppentyp können sich überschneiden, da diese Phänomene gleichzeitig mit anderen möglichen Situationen auftreten können, dann klicken Sie nach Abschluss auf OK.
      HINWEIS: Dieser Schritt ergänzt alle ergonomischen Risiken, die im Video erscheinen könnten, zur späteren Analyse.
    5. Ändere die Codierung in der Behaviors-Schnittstelle, indem du die Start- und Endtasten für Bücken, Umdrehen und Seitwärts als 1, 2 und 3 einstellst.
      HINWEIS: Das erste Drücken von 1 zeigt das Auftreten eines Bückverhaltens an, und ein erneutes Drücken von 1 zeigt das Ende des Bückverhaltens an. Codierungsverhalten hilft Analysten, Problempunkte im Video schnell zu identifizieren und für die anschließende Analyse zu verwenden.
  3. Führen Sie Videoanalysen durch.
    HINWEIS: Dieser Schritt umfasst Videoimport, Programmierung und Problem-Statistiken.
    1. Analysieren Sie das Video in Observations of Project Explorer. Klicken Sie auf Beobachtungen, wählen Sie im Pop-up-Fenster "Neue Beobachtung erstellen", geben Sie den gewünschten Dateinamen im Beobachtungsnamen ein und klicken Sie auf OK.
    2. Finden Sie das zu analysierende Video im Pop-up-Fenster und klicken Sie auf Öffnen.
    3. Klicken Sie auf die Schaltfläche "Beobachtung starten " auf der Benutzeroberfläche, um die Videoanalyse zu starten, und drücken Sie die voreingestellte Codenummer, wenn Sie einen Problempunkt identifizieren, zum Beispiel indem Sie 1 auf der Tastatur drücken, wenn Sie eine Biegbewegung beobachten. Klicken Sie nach Abschluss auf der Seite auf 'Speichern unter Datei' speichern, um die Daten zu speichern und so eine schnelle Dokumentation aller im Video auftretenden Problempunkte zu ermöglichen.
    4. Sehen Sie sich die Analysedaten in den Analysen von Project Explorer an. Klicken Sie auf Data Profile, um die Zeitachsendaten der Codierung anzuzeigen. Überprüfen Sie, ob im Video hochfrequente physiologische Belastungsbewegungen auftreten, einschließlich Bücken, Drehen und seitliche Bewegungen.
    5. Zählen Sie die Häufigkeit hochfrequenter physiologischer Belastungsbewegungen.

3. Gründung der digitalen Fabrik

HINWEIS: Das Fließband weist laut der oben genannten Problempunktanalyse eine übermäßige Arbeitsverteilung, lange Arbeitszeiten, ungleiche Arbeitsbelastung zwischen den Stationen, eine Ansammlung von Arbeit zwischen den Positionen sowie häufiges Bücken, Drehen und seitliche Bewegungen unter den Fließbandarbeitern auf. Um diese Probleme zu lösen, sind Lösungen erforderlich. Dieses Papier schlägt vor, menschliche Betriebsprozesse zu simulieren und die Fließband in der digitalen Fabrik durch die Einrichtung einer digitalen Fabrik anzupassen. Im Vergleich zu traditionellen Verbesserungen vor Ort stellt die Einrichtung einer digitalen Fabrik sicher, dass die Messung der Produktionsprozessdaten nicht vom Zustand des vor Ort beeinträchtigten Personals bleibt. Zusätzlich können alle Verbesserungsprotokolle in der Software überprüft und optimiert werden, ohne wiederholte Vor-Ort-Anpassungen, was Zeit- und Kostenverschwendung während des Verbesserungsprozesses erheblich reduziert. Die Software-Web-Barrierefreiheit ist https://imk-ema.com/en/ema-work-designer.

  1. Simulieren Sie die Fließband mit digitaler Software für Wirtschaftsingenieurwesen.
    1. Öffnen Sie die digitale Industrieingenieur-Software. Klicken Sie im Pop-up-Fenster auf Neues Projekt erstellen.
    2. Setze grundlegende Projektinformationen, Zykluszeit usw. im Simulationsprojekt oben auf der Seite.
    3. Verwenden Sie die Buttons "Objekte aus Datei hinzufügen", Manikin hinzufügen und "Artikel aus der Bibliothek hinzufügen" im Reiter Objekte oben auf der Seite, um ein menschliches Modell zu importieren, das mit den in Abschnitt 1 erhaltenen Arbeitsinformationen übereinstimmt, zusammen mit 3D-Modellen von Regalen, Teilen und anderen Komponenten.
    4. Layouten Sie die Modelle in der 3D-Ansicht am unteren Rand der Seite.
      1. Zuerst schalten Sie den Steuerungsmodus im linken Dropdown-Menü auf Layout um, wählen Sie dann Modelle in der 3D-Ansicht aus, um zu bewegen, zu drehen usw., das Layout der digitalen Fließband abzuschließen und durch Ziehen und Verschieben des Objekts in der Strukturliste, Doppelklick zum Bearbeiten von Namen, Farbe und Anmerkungen oder Definition des übergeordneten Objekts, Zusammenführen der Objektstruktur und Erzeugung von Referenzen für das Objekt über das Rechtsklick-Untermenü, Gruppieren der Objekte, Etablierung von Unterordnungsbeziehungen, Festlegung von Referenzobjekten und Anpassung von Parametern wie Farbe, Objektmasse und Griffhaltung für eine anschließende dynamische Simulation.
    5. Weisen Sie den entsprechenden digitalen menschlichen Modellen gemäß der Montagereihenfolge des Prozessablaufs im Reiter Aufgaben oben auf der Softwareseite Assemblierungsaufgaben zu. Ziehen Sie die erforderlichen Assembleraufgaben von der linken Liste auf der Aufgabenseite auf die Aktionsachse des digitalen menschlichen Modells.
      1. Finden Sie Assemblierungsaufgaben in der linken Liste der Aufgabenseite, einschließlich Objekthandhabungsaufgaben (Objekt auswählen, Objekte platzieren, Objekte verbinden usw.), Körperbewegungsaufgaben (gehen, knien usw.) und andere gängige industrielle Produktionsaktionsaufgaben.
      2. Anschließend werden die entsprechenden Parameter entsprechend den Simulations- und Prozessanforderungen der aktuellen Aufgabe eingefüllt, wie z. B. die Angabe des zu bedienenden Objekts, der Zielposition, an der das Objekt platziert werden soll, Auswahl der Körperhaltungsbeschränkungen während der Ausführung der Aktion und Beschreibung des Aufgabenprozesses (Reichweite, Platzierungsgenauigkeit, Anforderungen an Finger- und Armkraft usw.).
  2. Klicken Sie auf das Simulationssymbol, um die Simulation auszuführen, und die Software generiert automatisch eine Simulationsanimation und Analyseergebnisse. Wenn eine Fehlermeldung erscheint oder die Simulationsergebnisse die Anforderungen nicht erfüllen, passen Sie das Simulationsprojekt gemäß Schritt 3.1 an.
  3. Klicken Sie auf die Schaltfläche "Ergebnisse" oben auf der Seite, um die Ergebnisse der Modelloperationen anzuzeigen. Sehen Sie sich Bewertungsergebnisse wie Zeit, menschliche Ergonomie und Gehweg in jedem linken Tab an und klicken Sie auf Ergonomie, um den EAWS-Wert des Mitarbeiters zu erhalten.
    HINWEIS: EAWS ist eine biomechanische Last-Risikobewertungsmethode, die von einem internationalen Expertenteam entwickelt wurde und zur Bewertung des WMSD-Risikos verwendet wird, dem Betreiber während der Arbeit ausgesetzt sein könnten.
  4. Bestätigen Sie die Arbeitsplätze, die gemäß der EAWS-Bewertungstabelle (Abbildung 2) verbessert werden müssen. Sehen Sie sich hingegen detaillierte Bewertungsdaten in den ergonomischen Ergebnissen der Software an, um die kritischsten operativen Aufgaben, die verbessert werden müssen, weiter zu identifizieren.

figure-protocol-1
Abbildung 2: EAWS-Bewertungsniveau. Der Standard zur Klassifizierung ergonomischer Risikostufen basierend auf EAWS-Werten. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzusehen.

4. Modelloptimierung

HINWEIS: Ziel dieses Schrittes ist es, den EAWS-Risikowert der Produktionsarbeiter auf ein geringes Risikoniveau zu reduzieren.

  1. Beobachten Sie die EAWS-Ergebnisse der Mitarbeiter an den Arbeitsplätzen, die in der vorherigen Phase für Verbesserungen identifiziert wurden. Wechseln Sie auf der Ergonomie-Ergebnisseite zwischen verschiedenen Arbeitern und Bewertungsmodulen (Körperhaltung, Handkraft, Lasthandhabung usw.), um die risikoreichsten Faktoren zu identifizieren.
  2. Identifizieren Sie verwandte Maßnahmen der risikoreichsten Beitragenden, um sich auf weitere Verbesserungen vorzubereiten.
  3. Entwickeln Sie Verbesserungsstrategien auf Basis von Risikopunkten, passen Sie das Modell in der Software an und führen Sie die Simulationsbewertung erneut durch.
    1. Klicken Sie auf Aufgaben, finden Sie die Werkbank des Arbeiters mit dem höchsten Risiko im Baumdiagramm. Klicken Sie oben links auf Objekt(e) hinzufügen, importieren Sie das neue Design-Gerätemodell und fügen Sie das Gerät unter das Workbench-Verzeichnis hinzu, um die Aktionen der Arbeiter zu vereinfachen.
    2. Klicken Sie auf Aufgaben, klicken Sie auf die Aktionsachse von worker2_human, finden Sie die geänderte operative Aufgabe und beenden Sie redundante Aktionen in diesem Verbesserungsschema. Klicken Sie auf die hohlen Punkte links neben den Bewegungshänden, um zu zielen und zu aktivieren, bis sie zu blauen rechten Pfeilpunkten im Hintergrund werden, um die aktuelle Aktionssimulation abzubrechen.
    3. Klicken Sie auf Simulieren, um das Modell auszuführen, und prüfen Sie nach Abschluss auf Anomalien, um logische Fehler durch das Hinzufügen neuer Geräte zu vermeiden.
      1. Wenn Anomalien existieren, passen Sie den Inhalt der zugehörigen Aktionen entsprechend der hinzugefügten Ausrüstung und Änderungen an.
    4. Führe das Modell erneut aus und wiederhole die obigen Schritte, bis keine Anomalien mehr in der Aktionsachse vorhanden sind.
    5. Klicken Sie auf Ergebnisse, wählen Sie Ergonomie aus und beobachten, ob der EAWS-Risikowert des Arbeitnehmers auf grün gefallen ist.
      1. Wenn sie nicht auf Grün gefallen ist, sollten Sie in der Spalte "Gemeinsam" auf der Seite Ergonomie eine Erhöhung der Ruhedauer in Betracht ziehen oder weiterhin die Materialversorgungspositionen, Betriebsabläufe und Werkzeugdesign anpassen.
    6. Wiederhole die oben genannten Schritte, bis das EAWS-Risiko auf grün fällt.
  4. Führen Sie das Modell durch und prüfen Sie, ob die EAWS Whole Body und EAWS Upper Limbs des Mitarbeiters in den Ergebnissen beide innerhalb der Sicherheitsgrenze liegen. Die Sicherheitsschwelle verlangt, dass der EAWS-Wert unter 50 Punkten liegt, wie in Abbildung 2 zu sehen ist, und die Farbe ist entweder grün oder gelb.
  5. Klicken Sie auf MTM-UAS-Analyse, um zu prüfen, ob die verbesserten Arbeitsstunden im Vergleich zu früheren Arbeitsstunden reduziert werden, wodurch das Ziel erreicht wird, die Arbeitsstunden zu reduzieren und die ergonomischen Risiken während der Fließbandverbesserung innerhalb der Sicherheitsgrenze zu halten.

5. Wirksamkeitsprüfung der digitalen Fabrik

HINWEIS: Die oben genannten Schritte haben das Design und die Optimierung der Fließband in der digitalen Fabrik realisiert. Zweck dieser Verifikationsphase ist es, sicherzustellen, dass die Ergebnisse der Softwaresimulation mit dem tatsächlichen gemessenen Zustand der Fließband nach der Optimierungsumsetzung übereinstimmen. Wenn sie konsistent ist, kann diese experimentelle Betriebsmethode für die zukünftige Optimierung des Fließbanddesigns übernommen werden.

  1. Überprüfe die Ergebnisse der Arbeitsstunde.
    1. Missen Sie die Arbeitsstunden an der verbesserten Produktionsstätte, wie in Schritt 1.2 beschrieben.
    2. Vergleichen Sie die Ergebnisse der Arbeitsstunden mit der Softwareausgabe.
  2. Überprüfen Sie die Ergebnisse des ergonomischen Risikos.
    1. Messung der ergonomischen Risiken am verbesserten Standort, wie in den Schritten 2.2 und 2.3 beschrieben.
    2. Vergleichen Sie die Ergebnisse ergonomischer Risiken aus Softwareausgaben.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Basierend auf den oben genannten experimentellen Operationen nehmen die repräsentativen Ergebnisse dieses Artikels die Montage eines typischen mechanischen Produkts – der Ventilkörperkomponente – als Beispiel, um die typischen Ergebnisse der Integration menschlicher Faktoren in das Betriebsmanagement zur Verbesserung der Arbeit zu demonstrieren. Dieses Experiment stellt die praktische Lehrkomponente des bereits etablierten Human Factors-Kurses dar, und seine Lehrergebnisse wurden auf dem...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie berücksichtigt nicht nur die Zeiteffizienz, sondern auch die Messung ergonomischer Risiken im Fließbanddesign. Durch die Integration ergonomischer Risikomessung können potenziell versteckte Sicherheitsrisiken bereits in der Designphase identifiziert werden, sodass Fließbandlayouts ergonomische Risikofaktoren berücksichtigen. Dieses Protokoll steigert die Produktivität der Mitarbeiter, verringert die Wahrscheinlichkeit und Auswirkungen von Unfällen und trägt zur Verwirklichun...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben nichts offenzulegen.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie wurde unterstützt von der National Natural Science Foundation of China (72374088, 72471105, 72001096), 2024 Key Project of Higher Education Science Research Planning der China Association of Higher Education (24XX0205, Mechanismen der Zusammenarbeit zwischen Mensch und KI zur Verbesserung der Lernergebnisse), 2024 Key Project of Education Science Planning in der Provinz Jiangsu (B-b/2024/01/162), Modellbau und empirische Forschung zum multimodalen Lernen aus der Perspektive der Bildung Neurowissenschaften) und dem Fonds für Geistes- und Sozialwissenschaften des chinesischen Bildungsministeriums (24YJCZH445).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
EMA Software Suiteimk Industrial Intelligence GmbHV2.2.0.3Gründung der digitalen Fabrik
Observer XTNoldus InformationstechnologieV12.0Problemanalyse im Produktionsprozess

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  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).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

IngenieurausbildungMensch Maschine KollaborationEmployee Empowermentergonomische Risikobewertungdigitale Ergonomiedigitaler Mensch Zwillingintelligente Fertigung

Verwandte Artikel