Article de méthode

Intégrer les facteurs humains dans l’éducation à la gestion des opérations à l’ère Industry 5.0

300 vues

⸱

DOI :

10.3791/69833

⸱

14 avril 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.

Dans cet article

Résumé

Cette étude présente un cadre pour intégrer les facteurs humains dans l’éducation à la gestion des opérations dans le contexte de l’Industrie 5.0. Le protocole applique l’ingénierie concurrente pour intégrer l’évaluation ergonomique lors de la conception du lieu de travail, y compris la collecte de données de production, l’analyse des problèmes, l’établissement d’usine numérique, l’optimisation du modèle et la validation.

Résumé

L’ère de l’Industrie 5.0 met l’accent sur la centralité humaine, la durabilité et la résilience, posant de nouvelles exigences pour orienter la formation des talents dans l’enseignement supérieur moderne. L’enseignement de l’ingénierie s’adapte également et mène le développement de l’Industrie 5.0. Cette étude propose un cadre innovant intégrant les facteurs humains dans le système moderne d’éducation à la gestion des opérations dans l’enseignement supérieur. La gestion des opérations implique la gestion de l’ensemble du processus, y compris la chaîne d’approvisionnement, les stocks, le contrôle qualité, etc. Avec l’évolution de l’Industrie 4.0 à la 5.0, la gestion des opérations est centrée sur les humains, mettant l’accent sur la collaboration homme-machine et l’autonomisation des employés. Par conséquent, le contenu de l’enseignement doit être ajusté pour aider les élèves à apprendre à utiliser les principes des facteurs humains afin d’optimiser les processus de travail, réduire la fatigue des employés et atténuer les risques. Cet article propose l’application des facteurs humains à la gestion des opérations en créant un environnement de production virtuel et interconnecté qui simule de vraies chaînes de montage, détecte les problèmes de facteurs humains et réduit les écarts par analyse numérique. Ce protocole permet d’identifier et d’évaluer les risques ergonomiques dès la phase de conception, en fournissant des mesures d’amélioration ciblées. Ce protocole aide les étudiants à comprendre comment réduire l’incidence des accidents, améliorer l’efficacité au travail et diminuer les coûts supplémentaires associés aux interventions correctives lors de l’enseignement de la gestion des opérations. Grâce à l’ergonomie numérique, les élèves peuvent comprendre et devenir compétents dans les méthodes d’évaluation des risques ergonomiques. Par conséquent, cet article analyse comment mieux intégrer les facteurs humains dans la gestion des opérations, en intégrant la technologie d’ingénierie et les facteurs humains, et en proposant de nouvelles idées et orientations pour l’éducation et la pratique dans le domaine de la gestion des opérations. Dans les applications futures, combiner les facteurs humains avec le jumeau numérique humain (HDT) et le contenu généré par intelligence artificielle (AIGC) permettra une fabrication intelligente et une fabrication intelligente centrée sur l’humain dans la pratique de l’ingénierie.

Introduction

L’Industrie 4.0 a fondamentalement transformé des produits, services et processus grâce à l’intégration de technologies avancées telles que l’Internet des objets, le Big Data, la cybersécurité, l’informatique en nuage, la fabrication additive et la robotiqueavancée 1,2. Avec l’essor de l’intelligence artificielle (IA), l’Industrie 4.0 intègre la technologie IA à diverses technologies avancées, transformant ainsi les paysages de la fabrication et des opérations3. Cependant, bien que l’Industrie 4.0 améliore significativement la productivité et crée de nouvelles opportunités d’emploi pour les travailleurs, elle apporte également des défis tels que des exigences cognitives accrues, des risques professionnels accrus et la nécessité d’une amélioration continue des compétences4. Pour répondre à la question de la négligence des facteurs humains lors du développement rapide de l’Industrie 4.0, la Commission européenne a proposé le concept d’Industrie 5.0, en mettant l’accent sur trois éléments fondamentaux : la centralité humaine, la durabilité et larésilience 5,6. L’Industrie 5.0 met l’accent sur la collaboration entre humains et IA, améliorant la productivité tout en assurant la santé humaine et la durabilité environnementale, permettant ainsi une croissance économiquedurable 7. Horvat et al. ont examiné des données provenant de 1334 entreprises manufacturières, et les résultats de l’étude indiquent que l’Industrie 5.0 centrée sur l’humain améliore la capacité du fabricant à innover dans les produits, la participation des employés étant un facteur important, reflétant l’importance de l’Industrie 5.0 8 centrée surl’humain.

L’Industrie 5.0 met l’accent sur la combinaison de la créativité humaine et de la précision technologique, donnant naissance au concept d’Opérateur 5.09. L’opérateur 5.0 place les opérateurs dans des systèmes de production centrés sur l’humain, impliquant des systèmes sociotechniques, la durabilité sociale et l’ingénierie de larésilience 10. Mattsson et Kurdve proposent que l’Opérateur 5.0 inclut 9 facteurs : capacité cognitive/physique à accomplir une tâche, compétences numériques globales, conception universelle, minimisation des événements imprévus, productivité et qualité, sécurité, normes, instructions et supportsde formation 11. Peruzzini et al., s’appuyant sur Operator 5.0, ont proposé le Jumeau Digital Augmenté (ADT) qui intègre machines, robots, environnements, interfaces et personnes, développant ainsi des systèmes de fabrication intelligents centrés surl’humain 12. Yaqot et al. ont proposé le cadre amélioré de symbiose homme-automatisation (EHAS), mettant l’accent sur la réalisation de la symbiose humain-automatisation par l’amélioration physique et sensorielle, l’amélioration cognitive et émotionnelle, l’amélioration de la communication et de la collaboration, l’éthique numérique, la citoyenneté numérique, la vie privée et l’amélioration des droits humains13.

La transition de l’Industrie 4.0 à l’Industrie 5.0 représente un passage de la fabrication centrée sur la technologie à la fabricationcentrée sur la valeur 14. L’enseignement supérieur doit relever les défis posés par l’Industrie 5.0 et réformer les programmes existants pour former la main-d’œuvre future. Les programmes universitaires doivent prendre en compte les compétences requises pour l’Opérateur 5.0 afin de préparer les étudiants recevant une formation en ingénierie à leur développement professionnel futur.

La mise en œuvre de la formation Operator 5.0 a entraîné des changements dans les objectifs pédagogiques des cours de gestion des opérations. En tant que fonction centrale de la gestion d’entreprise moderne, la gestion des opérations englobe l’ensemble du processus, de l’approvisionnement en matières premières à la livraison des produits ou services finaux. Il couvre plusieurs dimensions telles que la gestion de la chaîne d’approvisionnement, la planification et la planification de la production, le travail étudier, la gestion des stocks et le contrôle qualité. L’objectif pédagogique des cours de gestion des opérations est de permettre aux étudiants de comprendre comment optimiser l’allocation des ressources, améliorer l’efficacité, réduire les coûts et garantir que la qualité et la rapidité de livraison des produits ou services répondent aux exigences du marché. En particulier, la composante travail-études aide les étudiants à comprendre en profondeur et à maîtriser les connaissances théoriques des opérateurs en gestion des opérations, à analyser des études de cas complexes et à proposer des solutions innovantes et pratiques par l’apprentissage pratique.

La chaîne d’assemblage, en tant que situation de production la plus typique dans la fabrication, est le principal domaine d’application pour la technologie liée à Operator 5.0. L’industrie 5.0 exige que les chaînes de montage répondent à des besoins de production spécifiques. Operator 5.0, grâce à la fusion de la créativité humaine et de l’autonomisation technologique, permet la transition des chaînes d’assemblage de la fabrication de masse vers la personnalisation de masse. L’opérateur 5.0 peut modifier rapidement les procédures de la chaîne d’assemblage en utilisant des jumeaux numériques et des outils de simulation pour répondre aux exigences spécifiques du produit, atteignant ainsi la flexibilité et l’adaptabilité de la chaîned’assemblage 15. Operator 5.0 peut simuler les mouvements et la fatigue des ouvriers de la chaîne via des jumeaux numériques, optimisant la conception des stations de travail, représentant le concept de « l’humain dans la boucle » dans la fabricationintelligente 16. Ainsi, dans la formation de l’Opérateur 5.0, en prenant l’amélioration de la chaîne de montage comme exemple, la Figure 1A illustre les principales étapes actuellement impliquées dans l’identification et la résolution des problèmes sur une chaîne de montage. Les pratiques actuelles ne prennent pas suffisamment en compte les troubles musculosquelettiques (WMSD) liés au travail lors des premières étapes de la conception technique. Les facteurs de risque physiques ergonomiques incluent des postures maladroites, l’effort de force, la manipulation des matériaux, des positions immobiles et la répétition17. Lorsque ces risques sont présents dans les opérations de production réelles, ils provoquent non seulement des ADM chez les travailleurs, mais prolongent aussi les cycles de production et augmentent les coûts opérationnels pour les entreprises lorsque des mesures correctives sont mises en œuvre. Boysen et al. ont fourni une revue systématique des problèmes d’équilibrage de la chaîne de montage, mettant en avant les facteurs humains comme facteur critique pour améliorer les performances de la chaînede montage 18. Ainsi, à l’ère de l’Industrie 5.0, l’importance des facteurs humains dans la gestion des opérations est devenue encore plus marquée, jouant un rôle significatif dans les stratégies commercialescontemporaines 19,20.

Caputo et al. ont introduit la théorie de l’ingénierie concurrente dans la conception des lieux de travail, proposant que les évaluations ergonomiques soient prises en compte au stade de la conception du processus, évitant ainsi potentiellement les risques ergonomiques lors de la phase21 de conception. À l’ère de l’Industrie 4.0, l’attention est insuffisante portée au rôle central de l’ergonomie dans les opérations de production, rendant difficile l’adaptation complète aux exigences de l’ergonomie dans l’Industrie 5.022. Par conséquent, guidée par le concept d’Industrie 5.0, la pratique pédagogique de la gestion des opérations doit intégrer davantage de contenu ergonomique. En prenant la question de l’amélioration de la chaîne de montage comme exemple, la Figure 1B montre que dans le cas d’objectifs et cibles d’amélioration clairs, la mesure du temps et des risques ergonomiques dans chaque procédé est réalisée simultanément, et que les évaluations ergonomiques sont prises en compte à l’étape de la conception du procédé en parallèle avec la réflexion technique concurrente pour l’amélioration de la chaîne de montage.

figure-introduction-1
Figure 1 : Deux types de processus d’amélioration de la chaîne d’assemblage. (A) le processus traditionnel d’amélioration de la chaîne de montage, et (B) celui qui intègre les facteurs humains. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

Dans le cadre Operator 5.0 et les exigences évolutives de l’industrie 5.0, la main-d’œuvre doit acquérir des compétences numériques pertinentes pour s’engager efficacement dans de nouveaux travaux et tâches. 62 % des entreprises manufacturières ont déclaré que le manque d’employés dotés des compétences appropriées constitue un obstacle majeur au succès de la transformationnumérique 23. Hansen et al. ont interrogé 30 entreprises poursuivant la transformation numérique et ont constaté que le succès de la transformation numérique lors de la transition de l’Industrie 4.0 à l’Industrie 5.0 dépend du développement des capacités destravailleurs 24. Les futurs professionnels doivent maîtriser des capacités numériques avancées pour interagir efficacement avec les systèmesintelligents 25. Hermawati et al. ont évalué l’état actuel de l’enseignement en ergonomie et ont constaté qu’il existe un écart entre l’enseignement ergonomique actuel et les exigences de l’Industrie 5.026. Il est donc crucial de former de nouvelles compétences selon les exigences de l’Industrie 5.0, et il est nécessaire de développer les compétences numériques desétudiants 7.

L’émergence des jumeaux numériques intégrant l’évaluation des risques ergonomiques a permis la conception intégrée de la conception du lieu de travail et de l’évaluation ergonomique via la simulation numérique, en appliquant le concept d’ingénierie concurrente. Cela permet de réaliser une conception numérique centrée sur l’humain dans le contexte de l’Industrie 5.0. Caputo et al. ont proposé un modèle de jumeau numérique incluant une évaluation ergonomique pour la conception de lieux de travail, validé sur une chaîne d’assemblage Fiat Chrysler Automobiles (FCA) en utilisant à la fois la fiche d’évaluation ergonomique (EAWS) et le système d’analyse de la posture de travail Ovako (OWAS)21,27. Les études mentionnées ci-dessus ont utilisé le langage de processus Methods-Time Measurement (MTM) dans leurs analyses. La MTM est un type de Système à Temps Prédéterminé (PTS) qui décompose les procédures opérationnelles manuelles en éléments de base des mouvements, en tenant compte des conditions de travail pour déterminer le temps requis pour une tâche. Breznik et al. ont utilisé le système d’analyse universelle MTM (MTM-UAS) ainsi que des logiciels de simulation pour résoudre le problème d’équilibrage de la chaîne de montage (ALBP)28.

En réponse aux exigences mentionnées précédemment en gestion des opérations — intégration des facteurs de risque physiques ergonomiques lors de la phase initiale de conception technique et développement des compétences numériques des étudiants — cette étude utilise le problème d’amélioration de la chaîne de montage comme exemple. Il intègre l’évaluation ergonomique dans un modèle de jumeau numérique afin de démontrer comment la formation en ingénierie peut s’adapter aux exigences de l’Industrie 5.0, favorisant le développement de l’Opérateur 5.0 grâce à la conception centrée sur l’humain et au développement de capacités numériques.

En résumé, dans le contexte de la transition de l’Industrie 4.0 vers l’Industrie 5.0 centrée sur l’humain, cet article explore l’intégration des facteurs humains dans l’éducation à la gestion des opérations. En prenant l’exemple de l’accompagnement des élèves dans la conception de chaînes de montage au sein des pratiques pédagogiques, il intègre une évaluation ergonomique des risques pour aider les étudiants à comprendre l’essence de l’Opérateur 5.0. En démontrant le processus d’intégration de l’ergonomie dans l’enseignement de la gestion des opérations, cette étude vise à fournir de nouvelles perspectives et orientations tant pour la formation que pour la pratique dans le domaine de la gestion des opérations à l’ère de l’Industrie 5.0.

Ce protocole présente des procédures expérimentales pour mesurer et améliorer les risques temporels et ergonomiques dans la conception de la chaîne de montage. La procédure peut être résumée en cinq étapes : 1) Collecte de l’état de production, 2) Analyse du problème dans le processus de production, 3) Établissement de l’usine numérique, 4) Optimisation du modèle, et 5) Vérification de l’efficacité de l’usine numérique. Si l’une de ces exigences dans les cinq étapes n’est pas remplie, le processus est incomplet et insuffisant pour prouver son efficacité.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Cette étude a été menée conformément aux principes de la Déclaration d’Helsinki et a été approuvée par le Conseil d’Éthique Institutionnelle de l’Université des Sciences et Technologies du Jiangsu. Nous avons obtenu le consentement éclairé des participants à l’expérience pour utiliser et diffuser leurs données.

1. Collecte du statut de production

REMARQUE : La phase de collecte de l’état de production nécessite une mesure du temps du site de production et le tournage de vidéos sur place pour préparer l’analyse ultérieure du problème. Déterminer le flux du processus de production et collecter des informations sur les travailleurs, ainsi que des modèles 3D des équipements, produits et matériaux sur le site de production pour la construction numérique ultérieure de l’usine.

  1. Recueillez les conditions de travail des chaînes de montage qui nécessitent des améliorations. Cela inclut le rythme de la chaîne d’assemblage, l’échelle de la chaîne d’assemblage et la disposition environnementale, la zone de production analysée, les informations sur les équipements et l’espace de sol liés à la production, le nombre de postes impliqués, les processus de collaboration homme-machine, les types d’approvisionnement en matériaux etles méthodes 29.
  2. Mesurez les heures-homme à l’aide de la méthode chronomètre pour obtenir des données de temps pour chaque type de travail.
    1. Appuyez sur la roue manuelle du chronomètre mécanique pour la première fois lorsque l’ouvrier démarre les actions cycliques.
    2. Appuyez sur la volante une seconde fois lorsque l’ouvrier met fin à ses actions cycliques.
    3. Lisez l’heure.
    4. Appuyez sur la volante pour la troisième fois pour réinitialiser le chronomètre.
  3. Filmez des vidéos de production sur site pour une analyse ultérieure des problèmes.
  4. Collectez les informations des ouvriers sur le site de production. Cela inclut les données démographiques : âge, sexe, nationalité et données anthropométriques (l’unité est en cm) : (1) Taille, (2) Taille des yeux, (3) Hauteur des épaules, (4) Hauteur des coudes, (5) Hauteur des phalanges, (6) Taille, assis, (7) Hauteur des yeux, assis, (8) Hauteur du repose-coudes, assis, (9) Hauteur du dégagement des cuisses, (10) Hauteur genou, assis, (11) Distance fessier-genou, assis, (12) Hauteur poplitée, assis, (13) Profondeur de la poitrine, (14) Largeur coude-coude, (15) largeur des hanches,assis 30.
  5. Collectez des modèles 3D de produits, matériaux et équipements, y compris : des plans d’assemblage 3D de produits, des modèles 3D des matériaux, des modèles 3D de machines et équipements, ainsi que des outils.
    1. Recueillez la qualité des composants et outils impliqués dans l’opération et la manipulation manuelles (l’unité est en kilogrammes). Collectez les forces clés nécessaires dans le flux de travail, comme la force nécessaire pour soulever des objets ou le couple nécessaire pour serrer les boulons (l’unité est Newtons).

2. Analyse du problème dans le processus de production

REMARQUE : Sur la base des données collectées sur l’état de la production, utilisez un logiciel d’analyse comportementale pour analyser les vidéos de production sur site, puis identifiez les problèmes lors de la phase de construction de l’usine numérique. Les étapes de base du logiciel d’analyse comportementale incluent les paramètres de base du logiciel, les paramètres de codage logiciel et l’analyse vidéo. Le logiciel d’accessibilité web est https://noldus.com/observer-xt-human.

  1. Réglez les réglages de base.
    REMARQUE : Cette phase consiste à définir les paramètres d’échantillon pour le logiciel. Sélectionnez un type d’échantillon approprié (continu ou discontinu) en fonction de la vidéo filmée. Après avoir complété les réglages de base, la vidéo peut être importée.
    1. Double-cliquez pour ouvrir le logiciel d’analyse du comportement.
    2. Cliquez sur Créer un nouveau projet puis sur Nouveau.
    3. Saisissez le nom du fichier dans le nom du nouveau projet.
    4. Cliquez sur Configurer le projet dans la fenêtre pop-up nouvelle fenêtre.
    5. Sélectionnez Combiner échantillonnage continu et instantané dans la méthode d’observation puisque la vidéo de production existante est un échantillon de combinaisons vidéo discontinues.
  2. Configurez le codage logiciel.
    REMARQUE : Cette phase implique la mise en place du codage logiciel. Lors de l’analyse vidéo ultérieure, un codage rapide de la vidéo est nécessaire pour compter les points problématiques, et cette étape prépare le codage à cet effet. Après avoir terminé cette étape, la vidéo peut être importée et analysée.
    1. Définissez la méthode de codage dans le schéma de codage sous Configuration. Cliquez sur schéma de codage, puis sur Échantillonnage instantané et Sujet.
    2. Cliquez sur Ajouter un groupe de comportements dans l’interface Comportements.
    3. Voici le risque ergonomique dans le nom du groupe.
    4. Entrez penché, demi-tour et latéral dans Comportements ci-dessous, sélectionnez Non dans Durée, car ce sont toutes des actions instantanées. Les comportements sélectionnés dans ce type de groupe peuvent se chevaucher, car ces phénomènes peuvent se produire simultanément avec d’autres situations possibles, puis cliquez sur OK après la fin de la transaction.
      REMARQUE : Cette étape ajoute tous les risques ergonomiques qui peuvent apparaître dans la vidéo pour une analyse ultérieure.
    5. Modifiez le codage dans l’interface Comportements, en réglant les touches de début et de fin pour pencher, reculer et latéralement en 1, 2 et 3, respectivement.
      REMARQUE : Appuyer sur 1 pour la première fois indique l’apparition d’un comportement de penche, et appuyer à nouveau sur 1 indique l’arrêt du comportement de se pencher. Les comportements de codage aident les analystes à identifier rapidement les points problématiques dans la vidéo et à les utiliser pour des analyses ultérieures.
  3. Effectuez une analyse vidéo.
    REMARQUE : Cette étape implique l’importation vidéo, le codage et les statistiques de problèmes.
    1. Analysez la vidéo dans Observations of Project Explorer. Cliquez sur Observations, sélectionnez Créer une nouvelle observation dans la fenêtre contextuelle, entrez le nom de fichier désiré dans le nom d’Observation, puis cliquez sur OK.
    2. Localisez la vidéo à analyser dans la fenêtre contextuelle et cliquez sur Ouvrir.
    3. Cliquez sur le bouton Start Observation dans l’interface pour lancer l’analyse vidéo, puis appuyez sur le code prédéfini lors de l’identification d’un point problématique, par exemple en appuyant sur 1 sur le clavier en observant un mouvement de flexion. Cliquez sur Enregistrer sous Fichier en haut de la page à la fin pour stocker les données, permettant ainsi une documentation rapide de tous les points problématiques apparaissant dans la vidéo.
    4. Consultez les données d’analyse dans les Analyses de Project Explorer. Cliquez sur Profil de données pour voir les données de l’axe temporel du codage. Vérifiez si des actions de charges physiologiques à haute fréquence apparaissent dans la vidéo, y compris se pencher, tourner et se déplacer latéralement.
    5. Comptez la fréquence des actions de charge physiologique à haute fréquence.

3. Création de l’usine numérique

REMARQUE : La chaîne de montage présente une allocation excessive des tâches, de longues heures de travail, une charge de travail inégale entre les stations, une accumulation de travail en cours entre les postes, ainsi que des courbes fréquentes, des virages et des mouvements latéraux chez les ouvriers de la chaîne de montage, selon l’analyse des points problématiques mentionnée ci-dessus. Pour résoudre ces problèmes, des solutions sont nécessaires. Cet article propose de simuler les processus d’exploitation humaine et d’ajuster la chaîne de montage dans l’usine numérique en établissant une usine numérique. Comparé aux améliorations traditionnelles sur site, la création d’une usine numérique garantit que la mesure des données des processus de production n’est pas affectée par l’état du personnel sur site. De plus, tous les protocoles d’amélioration peuvent être vérifiés et optimisés dans le logiciel sans ajustements répétés sur site, réduisant ainsi de manière significative le temps et les coûts perdus durant le processus d’amélioration. L’accessibilité web du logiciel est https://imk-ema.com/en/ema-work-designer.

  1. Simulez la chaîne de montage à l’aide d’un logiciel de génie industriel numérique.
    1. Ouvre le logiciel de génie industriel numérique. Cliquez sur Créer un nouveau projet dans la fenêtre contextuelle.
    2. Inscrivez les informations de base du projet, le temps de cycle, etc., dans le Projet de Simulation en haut de la page.
    3. Utilisez les boutons Ajouter ou plusieurs objets depuis le fichier, ajouter un mannequin et Ajouter un objet depuis la bibliothèque dans l’onglet Objets en haut de la page pour importer un modèle humain correspondant aux informations de l’ouvrier obtenues dans la section 1, ainsi que des modèles 3D d’étagères, de pièces et d’autres composants.
    4. Mettez en page les modèles dans la vue 3D en bas de la page.
      1. Commencez par changer le mode de contrôle dans le menu déroulant de gauche sur Mise en page, puis sélectionnez les modèles dans la vue 3D pour les déplacer, les faire pivoter, etc., compléter la disposition de la chaîne d’assemblage numérique, et en faisant glisser et déplacer l’objet dans la liste de structure, double-cliquer pour modifier le nom, la couleur et les annotations de l’objet, ou définir l’objet parent, fusionner la structure de l’objet et générer des références pour l’objet via le sous-menu du clic droit, regrouper les objets, établir des relations de subordination, définir les objets de référence et modifier des paramètres tels que la couleur, la masse de l’objet et la posture de prise pour une simulation dynamique ultérieure.
    5. Attribuez les tâches d’assemblage aux modèles humains numériques correspondants selon la séquence d’assemblage du flux de processus dans l’onglet Tâches en haut de la page logicielle. Faites glisser les tâches d’assemblage requises de la liste de gauche sur la page des tâches vers l’axe d’action du modèle humain numérique.
      1. Trouvez les tâches d’assemblage dans la liste de gauche de la page Tâches, y compris les tâches de manipulation d’objets (choisir un objet, placer l’objet, joindre des objets, etc.), les tâches de mouvement du corps (marcher, s’agenouiller, etc.) et d’autres tâches courantes liées à la production industrielle.
      2. Ensuite, remplissez les paramètres correspondants selon les exigences de simulation et de processus de la tâche en cours, tels que la spécification de l’objet à utiliser, la position cible où l’objet doit être placé, la sélection des restrictions de posture corporelle lors de l’exécution de l’action, et la description du processus de la tâche (niveau d’atteinte, précision de position, exigences de force des doigts et des bras, etc.).
  2. Cliquez sur l’icône simuler pour lancer la simulation, et le logiciel génère automatiquement une animation de simulation et des résultats d’analyse. Si un message d’erreur apparaît ou si les résultats de la simulation ne répondent pas aux exigences, ajustez le projet de simulation selon l’étape 3.1.
  3. Cliquez sur le bouton Résultats en haut de la page pour consulter les résultats des opérations de modèle. Consultez les résultats d’évaluation tels que le temps, l’ergonomie humaine et le parcours de marche depuis chaque onglet de gauche, puis cliquez sur Ergonomie pour obtenir le score EAWS du travailleur.
    REMARQUE : L’EAWS est une méthode biomécanique d’évaluation du risque de charge développée par une équipe d’experts internationale, utilisée pour évaluer le risque des WMSDs auquel les opérateurs peuvent être exposés pendant le travail.
  4. Confirmez les postes de travail nécessitant des améliorations selon le tableau des notes d’évaluation EAWS (Figure 2). Parallèlement, consultez les données d’évaluation détaillées dans les résultats ergonomiques du logiciel afin d’identifier davantage les tâches opérationnelles les plus critiques nécessitant des améliorations.

figure-protocol-1
Figure 2 : niveau d’évaluation EAWS. La norme pour classer les niveaux de risque ergonomique en fonction des scores EAWS. Veuillez cliquer ici pour voir une version agrandie de cette figurine.

4. Optimisation du modèle

REMARQUE : Le but de cette étape est de réduire la valeur de risque EAWS des travailleurs de la production à un niveau de risque faible.

  1. Observez les scores EAWS de travailleurs aux postes de travail identifiés pour amélioration lors de la phase précédente. Alternez entre différents travailleurs et modules d’évaluation (posture corporelle, force des mains, gestion de la charge, etc.) dans la page des résultats ergonomiques pour identifier les contributeurs les plus à risque.
  2. Identifier les actions associées des contributeurs à risque élevé afin de préparer les améliorations ultérieures.
  3. Développer des stratégies d’amélioration basées sur les points de risque, ajuster le modèle dans le logiciel et relancer l’évaluation de la simulation.
    1. Cliquez sur Tâches, localisez l’établi de l’ouvrier ayant la contribution à risque le plus élevé dans le diagramme arborescente. Cliquez sur Ajouter un objet ou des objets depuis Fichier en haut à gauche, importez le nouveau modèle de dispositif de conception, puis ajoutez le périphérique dans le répertoire de l’établi pour simplifier les actions des travailleurs.
    2. Cliquez sur Tâches, cliquez sur l’axe d’action de worker2_human, localisez la tâche opérationnelle modifiée, et annulez les actions redondantes dans ce schéma d’amélioration. Cliquez sur les points creux à gauche des mains de déplacement pour cibler et actionner jusqu’à ce qu’ils se transforment en des flèches droites bleues pour annuler la simulation d’action en cours.
    3. Cliquez sur Simuler pour exécuter le modèle, et vérifiez les anomalies après la fin afin d’éviter les erreurs logiques causées par l’ajout de nouveaux appareils.
      1. Si des anomalies existent, modifiez le contenu des actions associées en fonction de l’équipement et des modifications ajoutés.
    4. Exécutez à nouveau le modèle, en répétant les étapes ci-dessus jusqu’à ce qu’aucune anomalie n’existe dans l’axe d’action.
    5. Cliquez sur Résultats, sélectionnez Ergonomie, et observez si la valeur de risque EAWS de l’employé est tombée au vert.
      1. Si elle n’est pas passée au vert, envisagez d’augmenter la durée de repos dans la colonne Commun de la page Ergonomie, ou continuez à ajuster les positions d’approvisionnement des matériaux, les séquences opérationnelles et la conception des outillages.
    6. Répétez les étapes ci-dessus jusqu’à ce que le risque EAWS tombe au vert.
  4. Exécutez le modèle et vérifiez si les membres EAWS Whole Body et EAWS Upper Membres du travailleur dans les résultats sont tous deux dans le seuil de sécurité. Le seuil de sécurité exige que le score EAWS soit inférieur à 50 points, comme montré à la Figure 2, et que la couleur soit verte soit jaune.
  5. Cliquez sur MTM-UAS Analysis pour vérifier si les heures de travail améliorées sont réduites par rapport aux heures de travail précédentes, atteignant ainsi l’objectif de réduire les heures de travail et de maintenir les risques ergonomiques dans le seuil de sécurité lors de l’amélioration de la chaîne de montage.

5. Vérification de l’efficacité de l’usine numérique

REMARQUE : Les étapes ci-dessus ont permis de concevoir et d’optimiser la chaîne de montage dans l’usine numérique. L’objectif de cette étape de vérification est de s’assurer que les résultats de la simulation logicielle correspondent à l’état réel mesuré de la chaîne de montage après la mise en œuvre de l’optimisation. Si elle est cohérente, cette méthode expérimentale peut être adoptée pour l’optimisation future de la conception de la chaîne d’assemblage.

  1. Vérifiez les résultats des heures de travail.
    1. Mesurez les heures de travail sur le site de production amélioré comme décrit à l’étape 1.2.
    2. Comparez les résultats des heures de travail avec la sortie logicielle.
  2. Vérifiez les résultats de risque ergonomique.
    1. Mesurez les risques ergonomiques sur le site amélioré comme décrit aux étapes 2.2 et 2.3.
    2. Comparez les résultats des risques ergonomiques issus de la sortie logicielle.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Sur la base des opérations expérimentales ci-dessus, les résultats représentatifs de cet article prennent l’assemblage d’un produit mécanique typique — le composant du corps de soupape — comme exemple pour démontrer les résultats typiques de l’intégration des facteurs humains dans la gestion des opérations pour améliorer le travail. Cette expérience représente la composante pédagogique pratique du cours déjà établi sur les facteurs humains, et ses résultats pédagogiques ont été démontrés...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Cette étude intègre non seulement l’efficacité temporelle, mais aussi la mesure des risques ergonomiques dans la conception de la chaîne de montage. En intégrant la mesure des risques ergonomiques, les risques potentiels cachés peuvent être identifiés lors de la phase de conception, garantissant que les plans de la chaîne de montage tiennent compte des facteurs de risque ergonomiques. Ce protocole améliore la productivité des employés, réduit la probabilité et l’impact des accidents, et ...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Remerciements

Cette étude a été soutenue par la Fondation nationale des sciences naturelles de Chine (72374088, 72471105, 72001096), 2024 Projet clé de planification de la recherche en sciences de l’enseignement supérieur de l’Association chinoise de l’enseignement supérieur (24XX0205, Mécanismes de stratégies de collaboration humain-IA pour améliorer les résultats d’apprentissage), 2024 Projet clé de planification des sciences de l’éducation dans la province du Jiangsu (B-b/2024/01/162, Construction de modèles et recherche empirique sur l’apprentissage multimodal du point de vue de l’éducation Neurosciences) et le Fonds des Sciences Humaines et Sociales du Ministère de l’Éducation de Chine (24YJCZH445).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Suite logicielle emaimk Industrial Intelligence GmbHV2.2.0.3Création de l’usine numérique
Observateur XTNoldus Information TechnologyV12.0Analyse du problème dans le processus de production

Références

  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).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Demander l’autorisation de réutiliser le texte ou les figures de cet article JoVE

Demander une autorisation

Mots-clés

ducation l ing nieriecollaboration homme machineautonomisation des employ svaluation des risques ergonomiquesergonomie num riquejumeau num rique humainfabrication intelligente

Articles connexes