방법 논문

산업 5.0 시대의 운영 관리 교육에 인간 공학 통합

299 조회수

⸱

DOI:

10.3791/69833

⸱

2026년 4월 14일

 ,  ,  ,  ,  ,  ,  , 
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.

이 논문에서

요약

본 연구는 Industry 5.0 맥락에서 운영 관리 교육에 인간 요소를 통합하는 틀을 제시합니다. 이 프로토콜은 생산 데이터 수집, 문제 분석, 디지털 공장 구축, 모델 최적화 및 검증을 포함한 작업 공간 설계 중 인체공학적 평가를 통합하기 위해 동시 엔지니어링을 적용합니다.

초록

산업 5.0 시대는 인간의 중심성, 지속 가능성, 회복력을 강조하며, 현대 고등교육에서 인재 양성의 방향성에 새로운 요구를 제기합니다. 공학 교육도 인더스트리 5.0의 발전을 주도하고 적응하고 있습니다. 본 연구는 고등교육의 현대 운영 관리 교육 시스템에 인간 요소를 통합하는 혁신적인 틀을 제안합니다. 운영 관리는 공급망, 재고, 품질 관리 등 전체 프로세스를 관리하는 것을 포함합니다. 산업 4.0에서 5.0으로의 진화와 함께 운영 관리는 인간에 초점을 맞추며, 인간-기계 협업과 직원 역량 강화를 강조합니다. 따라서 수업 내용은 학생들이 인간공학 원칙을 활용해 업무 프로세스를 최적화하고, 직원 피로를 줄이며, 위험을 완화하는 방법을 배울 수 있도록 조정되어야 합니다. 본 논문은 실제 조립 라인을 시뮬레이션하고, 인간 요인 문제를 감지하며, 수치 분석을 통해 편차를 줄이는 가상 상호 연결된 생산 환경을 구축하여 운영 관리에 인간 요인을 적용할 것을 제안합니다. 이 프로토콜은 설계 단계에서 인체공학적 위험을 식별하고 평가할 수 있게 하여 목표 지향적인 개선 조치를 제공합니다. 이 프로토콜은 학생들이 사고 발생률을 줄이고, 작업 효율성을 향상시키며, 운영 관리 교육 과정에서 시정 개입과 관련된 추가 비용을 줄이는 방법을 이해하는 데 도움을 줍니다. 디지털 인체공학적 인체공학적 기술을 통해 학생들은 인체공학적 위험 평가 방법을 이해하고 능숙해질 수 있습니다. 따라서 본 논문은 인간 요소를 운영 관리에 더 잘 통합하는 방법을 분석하고, 공학 기술과 인간 요인의 통합을 달성하며, 운영 관리 분야에서 교육과 실천을 위한 새로운 아이디어와 방향을 제안합니다. 향후 응용 분야에서는 인간 공학과 인간 디지털 트윈(HDT) 및 인공지능 생성 콘텐츠(AIGC)를 결합함으로써 스마트 제조를 강화하고 공학 현장에서 인간 중심의 스마트 제조를 가능하게 할 것입니다.

서론

인더스트리 4.0은 사물인터넷, 빅데이터, 사이버 보안, 클라우드 컴퓨팅, 적층 제조, 첨단 로봇공학 1,2와 같은 첨단 기술의 통합을 통해 제품, 서비스, 프로세스를 근본적으로 변화시켰습니다. 인공지능(AI)의 부상과 함께 인더스트리 4.0은 AI 기술과 다양한 첨단 기술을 통합하여 제조 및 운영 환경을 재편합니다. 하지만 Industry 4.0은 생산성을 크게 향상시키고 근로자에게 새로운 일자리 기회를 창출하는 동시에, 인지 요구가 증가하고, 작업 위험이 높아지며, 지속적인 기술 향상의 필요성과 같은 도전도 가져옵니다. 산업 4.0의 급속한 발전 과정에서 인간 공학이 소홀히 된 문제를 해결하기 위해, 유럽연합 집행위원회는 인더스트리 5.0 개념을 제안했으며, 인간 중심성, 지속 가능성, 회복력 5,6이라는 세 가지 핵심 요소를 강조했습니다. 인더스트리 5.0은 인간과 AI 간의 협력을 강조하여 생산성을 높이는 동시에 인간의 건강과 환경 지속 가능성을 보장함으로써 지속 가능한 경제 성장을 달성합니다7. Horvat 등은 1334개 제조업체의 데이터를 조사했으며, 연구 결과는 인간 중심의 Industry 5.0이 제조업체의 제품 혁신 능력을 향상시키며, 직원 참여가 중요한 요소임을 보여주며, 이는 인간 중심 Industry 5.08의 중요성을 반영합니다.

Industry 5.0은 인간의 창의성과 기술적 정밀함의 결합을 강조하며, Operator 5.09라는 개념을 탄생시켰습니다. Operator 5.0은 운영자를 인간 중심의 생산 시스템 안에 배치하며, 사회기술 시스템, 사회적 지속 가능성, 회복력 공학10. Mattsson과 Kurdve는 Operator 5.0이 9가지 요소를 포함한다고 제안합니다: 인지적/신체적 작업 수행 능력, 전반적인 디지털 기술, 유니버설 디자인, 예상치 못한 사건 최소화, 생산성 및 품질, 안전, 기준, 지침, 교육 자료11. Peruzzini 등은 Operator 5.0을 기반으로 기계, 로봇, 환경, 인터페이스, 사람을 통합하는 증강 디지털 쌍둥이(ADT)를 제안하여 인간 중심의 스마트제조 시스템을 개발했습니다. Yaqot 등은 신체적·감각적 향상, 인지 및 정서적 향상, 의사소통 및 협업 향상, 디지털 윤리, 디지털 시민의식, 개인정보 보호, 인권 향상을 통해 인간 자동화 공생을 달성하는 것을 강조하는 향상된 인간-자동화 공생(EHAS) 프레임워크를 제안했다.

Industry 4.0에서 Industry 5.0으로의 전환은 기술 중심 제조에서 가치중심 제조로의 전환을 의미합니다. 고등교육은 Industry 5.0이 가져오는 도전에 맞서고 기존 교육과정을 개혁하여 미래 인력을 양성해야 합니다. 대학 프로그램은 엔지니어링 교육을 받는 학생들이 미래 경력 개발을 준비할 수 있도록 Operator 5.0에 필요한 역량을 반드시 고려해야 합니다.

Operator 5.0 교육 도입으로 운영 관리 과정의 교육 목표가 변화했습니다. 현대 기업 경영의 핵심 기능으로서, 운영 관리는 원자재 조달부터 최종 제품 또는 서비스 제공에 이르기까지 전 과정을 포괄합니다. 공급망 관리, 생산 계획 및 일정 관리, 실무 학습, 재고 관리, 품질 관리 등 여러 차원을 다룹니다. 운영 관리 과정의 교육 목표는 학생들이 자원 배분을 최적화하고, 효율성을 높이며, 비용을 절감하고, 제품이나 서비스의 품질과 배송 속도가 시장 요구를 충족하도록 하는 방법을 이해하도록 돕는 것입니다. 특히 근로장학 구성 요소는 학생들이 운영 관리에서 운영자에 대한 이론적 지식을 깊이 이해하고 숙달하며, 복잡한 사례 연구를 분석하고, 실습 학습을 통해 혁신적이고 실용적인 해결책을 제안하도록 돕습니다.

조립 라인은 제조에서 가장 일반적인 생산 환경으로서 Operator 5.0 관련 기술의 주요 응용 분야입니다. Industry 5.0은 특정 생산 요구를 처리하기 위해 조립 라인을 요구합니다. Operator 5.0은 인간의 창의성과 기술 역량 강화의 결합을 통해 조립 라인을 대량 생산에서 대량 맞춤화로 전환할 수 있게 합니다. Operator 5.0은 디지털 트윈과 시뮬레이션 도구를 활용해 조립 라인 절차를 신속하게 변경하여 독특한 제품 요구사항을 충족할 수 있으며, 조립 라인15의 유연성과 적응성을 달성할 수 있습니다. Operator 5.0은 디지털 트윈을 통해 조립 라인 노동자의 움직임과 피로를 시뮬레이션하여 워크스테이션 설계를 최적화하며,스마트 제조의 인간 간 루프 개념을 구현합니다. 따라서 Operator 5.0 교육에서, 조립 라인 개선을 예로 들면, 그림 1A는 조립 라인에서 문제를 식별하고 해결하는 데 현재 진행 중인 주요 단계를 보여줍니다. 현재 관행에서는 공학 설계 초기 단계에서 작업 관련 근골격계 장애(WMSD)를 충분히 고려하지 않고 있습니다. 신체적 인체공학적 위험 요인으로는 어색한 자세, 힘의 과도한 사용, 재료 취급, 정지 상태, 반복 등이포함됩니다. 이러한 위험이 실제 생산 작업에 존재할 경우, 작업자들 사이에 WMSD가 발생할 뿐만 아니라 시정 조치가 시행될 때 생산 주기를 연장하고 운영 비용을 증가시킵니다. Boysen 등은 조립 라인 밸런싱 문제에 대해 체계적인 검토를 제공하며, 인간 요인이 조립 라인 성능 향상에 중요한 요소임을 강조했다18. 따라서 Industry 5.0 시대에 인적 요인의 중요성은 더욱 두드러지게 되어 현대 비즈니스 전략에서 중요한 역할을 하게 되었습니다19,20.

Caputo 등은 동시 공학 이론을 작업장 설계에 도입하여, 공정 설계 단계에서 인체공학적 평가를 고려하여 설계단계 21에서 인체공학적 위험을 예방할 수 있다고 제안했습니다. 인더스트리 4.0 시대에는 생산 운영에서 인체공학의 핵심 역할에 대한 충분한 관심이 부족해 인더스트리 5.022의 인체공학 요구사항에 완전히 적응하기 어렵습니다. 따라서 산업 5.0 개념에 따라 운영 관리 교육 실천에는 더 많은 인체공학 내용을 포함해야 합니다. 조립 라인 개선 문제를 예로 들면, 그림 1B 는 명확한 개선 목표와 목표가 있을 경우 각 공정의 시간 및 인체공학적 위험 측정이 동시에 수행되며, 인체공학적 평가는 공정 설계 단계에서 조립 라인 개선을 위한 동시 엔지니어링 사고와 병행하여 고려됨을 보여줍니다.

figure-introduction-1
그림 1: 두 가지 유형의 조립 라인 개선 프로세스. (A) 전통적인 조립 라인 개선 프로세스, 그리고 (B) 인간 요소를 통합하는 프로세스. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

Operator 5.0 프레임워크와 산업 5.0의 변화하는 요구에 따라, 인력은 새로운 업무와 업무에 효과적으로 참여하기 위해 관련 디지털 기술을 습득해야 합니다. 제조업 기업의 62%가 적절한 기술을 갖춘 직원 부족이 디지털 전환 성공의 주요 장애물이라고 보고했습니다23. Hansen 등은 디지털 전환을 추구하는 30개 기업을 설문조사했으며, Industry 4.0에서 Industry 5.0으로의 전환 과정에서 디지털 전환의 성공은 근로자 역량 육성에 달려 있음을 발견했습니다24. 미래의 전문가들은 지능형 시스템과 효과적으로 상호작용하기 위해 고급 디지털 역량을 숙달해야 합니다25. Hermawati 등은 인체공학 교육의 현재 상태를 평가하여 현재 인체공학 교육과 Industry 5.026의 요구사항 사이에 격차가 있음을 발견했습니다. 따라서 Industry 5.0의 요구에 따라 새로운 역량을 양성하는 것이 중요하며, 학생들의 디지털 역량을 개발하는 것이필요합니다.

인체공학적 위험 평가를 통합한 디지털 트윈의 등장은 디지털 시뮬레이션을 통한 직장 설계와 인체공학적 평가의 통합적 설계를 가능하게 했으며, 동시 공학 개념을 적용하고 있습니다. 이는 Industry 5.0 맥락에서 인간 중심의 디지털 디자인을 달성합니다. Caputo 등은 직장 설계를 위한 인체공학적 평가를 포함하는 디지털 트윈 모델을 제안했으며, 이는 피아트 크라이슬러 자동차(FCA) 조립 라인에서 인체공학적 평가 워크시트(EAWS)와 Ovako 작업 자세 분석 시스템(OWAS) 평가 방법을 모두 사용하여 검증되었습니다21,27. 위에서 언급한 연구들은 분석에 Methods-Time Measurement(MTM) 과정 언어를 사용했습니다. MTM은 수동 작업 절차를 기본 동작 요소로 분해하여 작업 조건을 고려하여 작업에 필요한 시간을 산정하는 일종의 예정 시간 시스템(PTS)입니다. Breznik 등은 조립 라인 균형 문제(ALBP)를 해결하기 위해 MTM 범용 분석 시스템(MTM-UAS)과 시뮬레이션 소프트웨어를 사용했습니다28.

앞서 언급한 운영 관리 요구사항—초기 엔지니어링 설계 단계에서 신체적 인체공학적 위험 요인 통합과 학생들의 디지털 역량 개발—에 대응하기 위해, 본 연구는 조립 라인 개선 문제를 예로 들어 사용합니다. 인체공학적 평가를 디지털 트윈 모델에 통합하여 공학 교육이 인더스트리 5.0의 요구에 어떻게 적응할 수 있는지를 보여주고, 인간 중심 설계와 디지털 역량 구축을 통해 Operator 5.0 개발을 촉진합니다.

요약하자면, Industry 4.0에서 인간 중심의 Industry 5.0으로의 전환을 배경으로, 이 논문은 휴먼 팩토를 운영 관리 교육에 통합하는 방식을 탐구합니다. 학생들이 조립 라인 설계를 교수 실천 내에서 안내하는 사례를 사용하여, 인체공학적 위험 평가를 포함하여 학생들이 Operator 5.0의 본질을 이해할 수 있도록 돕습니다. 인체공학을 운영 관리 교육에 통합하는 과정을 시연함으로써, 본 연구는 Industry 5.0 시대의 운영 관리 분야의 교육과 실무에 새로운 통찰과 방향을 제공하는 것을 목표로 합니다.

이 프로토콜은 조립 라인 설계에서 시간 측정과 인체공학적 위험을 측정하고 개선하기 위한 실험적 절차를 제시합니다. 절차는 다섯 단계로 요약할 수 있습니다: 1) 생산 상태 수집, 2) 생산 공정 문제 분석, 3) 디지털 공장 구축, 4) 모델 최적화, 5) 디지털 공장의 효과성 검증. 이 다섯 단계 중 어느 하나라도 충족되지 않으면, 이 과정은 불완전하며 효과를 입증하기에 불충분합니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

프로토콜

이 연구는 헬싱키 선언 원칙에 따라 수행되었으며, 장쑤 과학기술대학교 기관심사위원회의 승인을 받았습니다. 우리는 실험 참가자들의 데이터 사용 및 공개에 대한 사전 동의를 받았습니다.

1. 생산 상태 수집

참고: 생산 상태 수집 단계에서는 제작 현장의 시간 측정과 현장 영상 촬영을 통해 이후 문제 분석을 준비해야 합니다. 생산 공정 흐름을 파악하고, 작업 현장에서 작업자 정보와 장비, 제품, 자재의 3D 모델을 수집하여 이후 디지털 공장 건설을 준비합니다.

  1. 개선이 필요한 조립 라인의 작업 조건을 수집하세요. 여기에는 조립 라인 속도, 조립 라인 규모 및 환경 배치, 분석된 생산 구역 면적, 생산 관련 장비 정보 및 현장 공간, 참여 위치 수, 인간-기계 협업 프로세스, 자재 공급 유형, 방법(방법 29)이 포함됩니다.
  2. 스톱워치 방법을 사용하여 각 작업 유형별 시간 데이터를 얻기 위해 인력을 측정하세요.
    1. 작업자가 순환 동작을 시작할 때 처음으로 기계식 스톱워치의 핸드휠을 누릅니다.
    2. 작업자가 순환 동작을 끝낼 때 두 번째로 손바퀴를 누릅니다.
    3. 시간을 읽어보세요.
    4. 손잡이를 세 번째로 눌러 스톱워치를 재설정하세요.
  3. 현장 제작 영상을 촬영해 문제 분석을 위한 것.
  4. 생산 현장에서 근로자 정보를 수집하세요. 여기에는 연령, 성별, 국적, 인체측정 데이터(단위는 cm)가 포함됩니다: (1) 키, (2) 눈높이, (3) 어깨 높이, (4) 팔꿈치 높이, (5) 손가락 마디 높이, (6) 앉은 높이, (7) 눈높이, (8) 팔꿈치 받침대 높이, (9) 허벅지 높이, (10) 무릎 높이, (11) 엉덩이-무릎 거리, 앉기, (12) 슬와높이, (13) 가슴 깊이, (14) 팔꿈치-팔꿈치 너비, (15) 엉덩이 너비, 앉은30.
  5. 제품, 재료, 장비의 3D 모델을 수집하며, 여기에는 제품의 3D 조립 도면, 재료의 3D 모델, 기계 및 장비의 3D 모델, 도구 등이 포함됩니다.
    1. 수작업 및 취급에 관련된 부품과 도구의 품질을 수집하세요(단위는 킬로그램 단위입니다). 작업 흐름에서 필요한 핵심 힘을 수집하세요. 예를 들어 물체를 들어 올리는 힘이나 볼트를 조이는 데 필요한 토크(유닛은 뉴턴 단위)입니다.

2. 생산 공정에서의 문제 분석

참고: 수집된 생산 상태 데이터를 바탕으로 행동 분석 소프트웨어를 사용해 현장 생산 영상을 분석하고, 디지털 공장 건설 단계에서 문제를 식별하세요. 행동 분석 소프트웨어의 기본 단계에는 소프트웨어 기본 설정, 소프트웨어 코딩 설정, 비디오 분석이 포함됩니다. 소프트웨어 웹 접근성은 https://noldus.com/observer-xt-human.

  1. 기본 설정을 설정하세요.
    참고: 이 단계는 소프트웨어의 샘플 매개변수를 설정하는 것을 포함합니다. 촬영된 영상을 기준으로 적절한 샘플 유형(연속 또는 불연속 샘플)을 선택하세요. 기본 설정을 완료하면 영상을 가져올 수 있습니다.
    1. 행동 분석 소프트웨어를 열려면 더블 클릭하세요.
    2. 새 프로젝트 만들기를 클릭한 후 새로 시작하세요.
    3. 새 프로젝트 이름에 파일 이름을 입력 하세요.
    4. 팝업 새 창에서 프로젝트 설정 버튼을 클릭하세요.
    5. 관찰 방법에서 연속 및 순간 샘플링을 결합하라. 기존 제작 비디오는 불연속 비디오 조합의 샘플이기 때문이다.
  2. 소프트웨어 코딩을 설정하세요.
    참고: 이 단계는 소프트웨어 코딩을 설정하는 과정입니다. 이후 비디오 분석 중에는 문제 포인트를 세기 위해 빠른 코딩이 필요하며, 이 단계가 이를 위한 코딩을 준비합니다. 이 단계를 완료하면 영상을 가져와 분석할 수 있습니다.
    1. 설정 모드에서 코딩 방식을 설정하세요. 코딩 스킴을 클릭한 다음, 즉각적인 샘플링과 주제를 클릭하세요.
    2. Behaviors 인터페이스에서 Behavior Group을 추가하세요.
    3. 그룹 이름에 인체공학적 위험을 입력하세요.
    4. 아래 행동 항목에 '스숅', '턴백', '사이드웨이즈'를 입력하고, 지속 시간 내에서는 '안 된다'를 선택하세요. 이 모든 행동은 즉각적인 행동입니다. 이 그룹 유형의 행동 선택은 겹칠 수 있는데, 이 현상들이 다른 가능한 상황과 동시에 발생할 수 있기 때문입니다. 그리고 완료 후 확인 버튼을 누릅니다.
      참고: 이 단계는 영상에 나타날 수 있는 모든 인체공학적 위험을 추가 분석에 추가합니다.
    5. Behaviors 인터페이스에서 코딩을 수정하여 스툙, 턴백, 사이드웨이즈의 시작과 종료 키를 각각 1, 2, 3으로 설정하세요.
      참고: 처음으로 1 을 누르면 굽히는 행동이 발생했고 , 1을 다시 누르면 굽히는 행동이 멈췄다는 뜻입니다. 코딩 행동은 분석가가 영상에서 문제 지점을 빠르게 파악하고 이를 후속 분석에 활용하는 데 도움을 줍니다.
  3. 영상 분석을 수행하세요.
    참고: 이 단계에는 비디오 가져오기, 코딩, 문제 통계가 포함됩니다.
    1. 프로젝트 익스플로러 관찰 영상을 분석해 보세요. 관찰을 클릭하고, 팝업 창에서 새 관찰 생성을 선택한 뒤, 관찰 이름에 원하는 파일 이름을 입력한 후 확인을 클릭하세요.
    2. 팝업 창에서 분석할 영상을 찾아 열기를 클릭하세요.
    3. 인터페이스에서 관찰 시작 버튼을 클릭하여 비디오 분석을 시작하고, 문제 지점을 식별할 때(예: 굽힘 동작을 관찰할 때 키보드 1을 누르는 경우) 미리 설정된 코드 번호를 누르세요. 완성 시 페이지 상단의 파일 저장 버튼을 클릭하여 데이터를 저장하여, 영상에 나타나는 모든 문제 지점을 빠르게 문서화할 수 있습니다.
    4. 프로젝트 익스플로러 분석 자료에서 분석 데이터를 확인하세요. 데이터 프로필을 클릭하여 코딩의 시간축 데이터를 확인하세요. 영상에 고주파 생리적 하중 작용이 나타나는지 확인해 보세요. 여기에는 몸을 숙이기, 회전하기, 옆으로 움직이는 동작이 포함됩니다.
    5. 고주파 생리학적 하중 작용의 빈도를 세어보세요.

3. 디지털 팩토리 설립

참고: 위에서 언급한 문제 포인트 분석에 따르면, 조립 라인은 과도한 업무 할당, 긴 근무 시간, 작업장 간 작업 부담 불균형, 직위 간 작업 중(work-in-process) 축적, 빈번한 허리 굽히기, 회전, 옆으로 움직이는 등의 문제가 있습니다. 이러한 문제를 해결하기 위해서는 해결책이 필요합니다. 이 논문은 디지털 공장을 구축하여 인간의 작업 과정을 시뮬레이션하고 조립 라인을 조정하는 것을 제안합니다. 전통적인 현장 개선과 비교할 때, 디지털 공장 구축은 현장 인력의 상태에 영향을 받지 않는 생산 공정 데이터 측정을 보장합니다. 또한, 모든 개선 프로토콜은 반복적인 현장 조정 없이도 소프트웨어에서 검증 및 최적화할 수 있어 개선 과정 중 시간과 비용 낭비를 크게 줄일 수 있습니다. 소프트웨어 웹 접근성은 https://imk-ema.com/en/ema-work-designer.

  1. 디지털 산업공학 소프트웨어를 사용해 조립 라인을 시뮬레이션합니다.
    1. 디지털 산업공학 소프트웨어를 열어보세요. 팝업 창에서 새 프로젝트 만들기를 클릭하세요.
    2. 기본 프로젝트 정보, 주기 시간 등을 페이지 상단의 시뮬레이션 프로젝트에서 설정하세요.
    3. 페이지 상단의 Objects 탭에서 '파일 추가', '마니킨 추가', '라이브러리에서 항목 추가' 버튼을 사용하여, 섹션 1에서 얻은 작업자 정보와 선반, 부품 및 기타 구성 요소의 3D 모델을 가져와야 합니다.
    4. 페이지 하단의 3D 뷰에서 모델을 레이아웃하세요.
      1. 먼저, 왼쪽 드롭다운 메뉴에서 제어 모드를 레이아웃으로 전환하고, 3D 뷰에서 모델을 선택하여 이동, 회전 등을 진행하세요. 디지털 조립 라인의 레이아웃을 완성하며, 구조 목록에서 객체를 드래그하고 이동시키거나, 더블 클릭으로 객체의 이름, 색상, 주석을 편집하거나 부모 객체를 정의합니다. 객체 구조를 병합하고, 오른쪽 클릭 서브메뉴를 통해 객체에 대한 참조를 생성하며, 객체를 그룹화하고, 하위 관계를 설정하며, 참조 객체를 설정하고, 색상, 객체 질량, 그립 자세 등 매개변수를 수정하여 이후 동적 시뮬레이션을 수행합니다.
    5. 소프트웨어 페이지 상단의 작업 탭에서 공정 흐름의 조립 순서에 따라 조립 작업을 해당 디지털 휴먼 모델에 할당하세요. 작업 페이지의 왼쪽 목록에서 필요한 조립 작업을 디지털 휴먼 모델의 액션 축으로 드래그하세요.
      1. 작업 페이지 왼쪽 목록에서 조립 작업을 찾으세요. 여기에는 객체 취급 작업(객체 선택, 배치, 객체 결합 등), 몸 움직임 작업(걷기, 무릎 꿇기 등), 그리고 기타 일반적인 산업 생산 관련 작업 작업이 포함됩니다.
      2. 그 다음, 현재 작업의 시뮬레이션 및 프로세스 요구사항에 따라 해당 매개변수를 채우세요. 예를 들어, 조작할 객체, 객체를 배치해야 할 목표 위치, 동작 실행 중 신체 자세 제한 선택, 작업 프로세스 설명(도달 거리, 배치 정확도, 손가락 및 팔 힘 요구 사항 등)을 지정하세요.
  2. 시뮬레이션 아이콘을 클릭하면 시뮬레이션을 실행하고, 소프트웨어가 자동으로 시뮬레이션 애니메이션과 분석 결과를 생성합니다. 오류 메시지가 나타나거나 시뮬레이션 결과가 요구사항을 충족하지 못하면 3.1단계에 따라 시뮬레이션 프로젝트를 조정하세요.
  3. 페이지 상단의 결과 버튼을 클릭하여 모델 운영 결과를 확인하세요. 각 왼쪽 탭에서 시간, 인간 인체공학, 보행 경로 등의 평가 결과를 보고, 인체공학을 클릭하면 근로자의 EAWS 점수를 얻을 수 있습니다.
    참고: EAWS는 국제 전문가 팀이 개발한 생체역학적 부하 위험 평가 방법으로, 작업 중 작업자가 노출될 수 있는 WMSD 위험을 평가하는 데 사용됩니다.
  4. EAWS 평가 등급표(그림 2)에 따라 개선이 필요한 워크스테이션을 확인하세요. 한편, 소프트웨어의 인체공학 결과에서 상세한 평가 데이터를 확인하여 개선이 필요한 가장 중요한 운영 작업을 더 파악하세요.

figure-protocol-1
그림 2: EAWS 평가 수준. EAWS 점수를 기반으로 인체공학적 위험 수준을 분류하는 표준입니다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭해 주세요.

4. 모델 최적화

참고: 이 단계의 목적은 생산 노동자의 EAWS 위험 가치를 낮은 위험 수준으로 낮추는 것입니다.

  1. 이전 단계에서 개선이 필요한 작업대에서 EAWS 점수를 관찰하세요. 인체공학 결과 페이지에서 다양한 작업자와 평가 모듈(신체 자세, 손 힘, 하중 처리 등)을 전환하여 가장 위험한 기여자를 식별하세요.
  2. 가장 위험한 기여자들로부터 관련 조치를 식별하여 이후 개선에 대비하세요.
  3. 위험 지점을 기반으로 개선 전략을 개발하고, 소프트웨어에서 모델을 조정하며, 시뮬레이션 평가를 재실행하세요.
    1. 작업(Tasks)을 클릭하고, 트리 다이어그램에서 가장 위험한 기여를 한 작업대를 찾아보세요. 왼쪽 상단의 '파일 객체 추가'를 클릭하고, 새 설계 장치 모델을 가져오고, 작업대 디렉터리 아래에 장치를 추가하여 작업자의 작업을 단순화하세요.
    2. 작업(Tasks)을 클릭하고, worker2_human의 액션 축을 클릭하며, 변경된 운영 작업을 찾아내고, 이 개선 계획에서 중복된 액션을 취소하세요. 이동 손 왼쪽의 빈 점들을 클릭해 타겟팅하고 작동시키면 현재 동작 시뮬레이션을 취소할 수 있는 파란색 배경의 오른쪽 화살표 점으로 변합니다.
    3. 시뮬레이션을 클릭하여 모델을 실행하고, 완료 후 이상 현상을 확인하여 새 장치 추가로 인한 논리적 오류를 방지하세요.
      1. 이상 현상이 있을 경우, 추가 장비와 변경 사항에 따라 관련 행동의 내용을 수정하세요.
    4. 동작 축에 이상 현상이 없을 때까지 위의 단계를 반복하며 모델을 다시 실행하세요.
    5. 결과를 클릭하고 인체공학을 선택한 후, 근로자의 EAWS 위험 값이 녹색으로 떨어졌는지 관찰하세요.
      1. 녹색으로 떨어지지 않았다면, 인체공학 페이지의 공통 열에서 휴식 시간을 늘리거나 자재 공급 위치, 운용 순서, 공구 설계 등을 계속 조정해 보세요.
    6. 위 단계를 반복하여 EAWS 위험이 초록색으로 떨어질 때까지 반복하세요.
  4. 모델을 실행하여 결과에서 작업자의 EAWS 전신과 EAWS 상지가 모두 안전 기준 내에 있는지 확인하세요. 안전 기준은 그림 2에서 볼 수 있듯이 EAWS 점수가 50점 미만이어야 하며, 색상은 녹색 또는 노란색이어야 합니다.
  5. MTM-UAS 분석을 클릭하여 향상된 인력 시간이 이전 인력 시간에 비해 감소했는지 확인하여 조립 라인 개선 시 인력 시간을 줄이고 인체공학적 위험을 안전 기준 내에 유지하는 목표를 달성합니다.

5. 디지털 팩토리의 효과성 검증

참고: 위의 단계들은 디지털 공장 조립 라인의 설계와 최적화를 실현한 것입니다. 이 검증 단계의 목적은 소프트웨어 시뮬레이션 결과가 최적화 구현 후 조립 라인의 실제 측정 상태와 일치하는지 확인하는 것입니다. 일관성이 있다면, 이 실험적 운영 방식은 향후 조립 라인 설계 최적화에 채택될 수 있습니다.

  1. 인력 시간 결과를 확인하세요.
    1. 1.2단계에서 설명한 개선된 생산 현장에서의 인력 시간을 측정합니다.
    2. 인력 시간과 소프트웨어 결과물을 비교해 보세요.
  2. 인체공학적 위험 결과를 확인하세요.
    1. 개선된 부지에서 2.2 및 2.3단계에서 설명한 인체공학적 위험을 측정합니다.
    2. 소프트웨어 출력물에서 발생하는 인체공학적 위험 결과를 비교해 보세요.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

결과

위의 실험 작업을 바탕으로, 본 논문의 대표적인 결과는 전형적인 기계 제품인 밸브 바디 부품의 조립을 예로 삼아 작업 개선을 위한 운영 관리에 인간 요소를 통합했을 때의 전형적인 결과를 보여줍니다. 이 실험은 이미 확립된 인간공학 강좌의 실습 교육 요소이며, 그 교육 결과는 2025년 MTM 중국 포럼: 디지털 인텔리전스 시대의 산업공학에서 입증되었습니다.

생산 상태 수집
이 논문에서 개선할 조립 라인은 작업 단계 1, 작업 단계 2, 작업 단계 3, 작업 단계 4로 구성되어 있으며, 이는 그림 3에 나타난 것입니다. 총 7개의 역이 있습니다. 스톱워치를 사용해 테스트한 이 조립 라인 솔루션의 실제 사이클 시간은 5.2초입니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

토론

이 연구는 시간 효율성뿐만 아니라 조립 라인 설계에서 인체공학적 위험 측정도 포함합니다. 인체공학적 위험 측정을 통합함으로써 설계 단계에서 잠재적인 숨겨진 안전 위험을 식별할 수 있어, 조립 라인 레이아웃이 인체공학적 위험 요소를 반영하도록 보장합니다. 이 프로토콜은 직원 생산성을 높이고, 사고의 확률과 영향을 줄이며, Industry 5.0 하에서 직원들의 복지 실현에 기여합니다. 프로토콜 내에서 특히 주의할 만한 세 가지 중요한 단계가 있으며, 여기서 자세히 설명하겠습니다.

첫째, 인간 요인 문제인 식별과 디지털 모델링입니다. 행동 분석 소프트웨어로 제작 영상을 인코딩하고 분석하여, 고빈도 생리적 부하 움직임(예: 허리를 굽히거나 회전하는 동작)을 식별하고, 스톱워치 기법과 결합해 작업 효율을 정량화합니다; 그 후 디지털 산업공학 소프트웨어를 사용해 가상 조립 라인 모델을 구축하고, 작업을 할당하며, 시뮬레이션을 실...

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

공개 사항

저자들은 공개할 것이 없습니다.

감사의 글

이 연구는 중국국가자연과학기금(72374088, 72471105, 72001096), 2024년 중국 고등교육협회 고등교육 과학 연구 기획 중점프로젝트(24XX0205, 학습 성과 향상을 위한 인간-AI 협력 전략의 메커니즘), 장쑤성 교육과학기획 중점프로젝트(B-b/2024/01/162, 교육 관점에서의 다중 모달 학습 모델 구축 및 실증 연구)의 지원을 받았습니다 신경과학) 그리고 중국 교육부 인문사회과학기금(24YJCZH445)을 포함하고 있습니다.

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
ema 소프트웨어 스위트imk 산업 인텔리전스 GmbHV2.2.0.3디지털 팩토리 설립
옵서버 XT놀더스 정보 기술V12.0생산 공정에서의 문제 분석

참고문헌

  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).

액세스가 제한되었습니다. 이 콘텐츠를 보려면 로그인하거나 체험판을 시작하세요.

재인쇄 및 허가

이 JoVE 논문의 텍스트 또는 그림 재사용 허가 요청

허가 요청

태그

관련 논문