Methodenartikel

Integreren van Human Factors in Operations Management Onderwijs in het Industry 5.0-tijdperk

300 weergaven

⸱

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 dit artikel

Samenvatting

Deze studie presenteert een kader voor het integreren van menselijke factoren in het onderwijs in operations management in de context van Industry 5.0. Het protocol past gelijktijdige engineering toe om ergonomische evaluatie te integreren tijdens het ontwerp van de werkplek, inclusief productiegegevensverzameling, probleemanalyse, digitale fabrieksoprichting, modeloptimalisatie en validatie.

Samenvatting

Het tijdperk van Industrie 5.0 benadrukt menselijke centraliteit, duurzaamheid en veerkracht, wat nieuwe eisen stelt voor de richting van talentontwikkeling in het moderne hoger onderwijs. Ingenieursonderwijs past zich ook aan en leidt de ontwikkeling van Industrie 5.0. Deze studie stelt een innovatief kader voor dat menselijke factoren integreert in het moderne onderwijssysteem voor operations management in het hoger onderwijs. Operations management omvat het beheer van het gehele proces, inclusief supply chain, voorraad, kwaliteitscontrole, enzovoort. Met de evolutie van Industrie 4.0 naar 5.0 richt operationeel management zich op mensen, met nadruk op mens-machine samenwerking en empowerment van medewerkers. Daarom moet de inhoud van het onderwijs worden aangepast om studenten te helpen leren hoe ze human factors-principes kunnen gebruiken om werkprocessen te optimaliseren, vermoeidheid van werknemers te verminderen en risico's te beperken. Dit artikel stelt de toepassing van menselijke factoren voor in operations management door het creëren van een virtuele, onderling verbonden productieomgeving die echte assemblagelijnen simuleert, menselijke factoren detecteert en afwijkingen vermindert via numerieke analyse. Dit protocol maakt het mogelijk om ergonomische risico's in de ontwerpfase te identificeren en te evalueren, en biedt gerichte verbeteringsmaatregelen. Dit protocol helpt studenten te begrijpen hoe ze het aantal ongevallen kunnen verminderen, de werkefficiëntie kunnen verbeteren en de extra kosten van corrigerende interventies tijdens het onderwijs in operations management kunnen verminderen. Door digitale ergonomie kunnen studenten ergonomische risicobeoordelingsmethoden begrijpen en bedreven worden. Daarom analyseert dit artikel hoe menselijke factoren beter kunnen worden geïntegreerd in operations management, waarbij engineeringtechnologie en human factors worden geïntegreerd, en nieuwe ideeën en richtingen worden voorgesteld voor onderwijs en praktijk op het gebied van operations management. In toekomstige toepassingen zal het combineren van menselijke factoren met human digital twin (HDT) en door kunstmatige intelligentie gegenereerde content (AIGC) slimme productie versterken en mensgerichte slimme productie in de engineeringpraktijk mogelijk maken.

Inleiding

Industrie 4.0 heeft producten, diensten en processen fundamenteel getransformeerd door de integratie van geavanceerde technologieën zoals het Internet of Things, Big Data, Cyberbeveiliging, Cloud Computing, Additieve Productie en Geavanceerde Robotica 1,2. Met de opkomst van Kunstmatige Intelligentie (AI) integreert Industrie 4.0 AI-technologie met diverse geavanceerde technologieën, waardoor het landschap van productie en operaties wordt hervormd. Hoewel Industrie 4.0 de productiviteit aanzienlijk verbetert en nieuwe banen creëert voor werknemers, brengt het ook uitdagingen met zich mee zoals verhoogde cognitieve eisen, hogere werkrisico's en de noodzaak van voortdurende vaardigheidsverbetering4. Om het probleem van het verwaarlozen van menselijke factoren tijdens de snelle ontwikkeling van Industrie 4.0 aan te pakken, stelde de Europese Commissie het concept Industrie 5.0 voor, met de nadruk op drie kernelementen: menselijke centraliteit, duurzaamheid en veerkracht 5,6. Industrie 5.0 legt de nadruk op samenwerking tussen mensen en AI, waarbij de productiviteit wordt verbeterd en tegelijkertijd de menselijke gezondheid en milieuduurzaamheid wordt gewaarborgd, en zo duurzame economische groei wordt bereikt7. Horvat et al. onderzochten gegevens van 1334 productiebedrijven, en de resultaten van het onderzoek geven aan dat mensgerichte Industrie 5.0 het vermogen van fabrikanten om te innoveren in producten vergroot, waarbij medewerkersparticipatie een belangrijke factor is, wat het belang van mensgerichte Industrie 5.08 weerspiegelt.

Industrie 5.0 legt de nadruk op de combinatie van menselijke creativiteit en technologische precisie, wat leidde tot het concept van Operator 5.09. Operator 5.0 plaatst de operators binnen mensgerichte productiesystemen, waarbij sociotechnische systemen, sociale duurzaamheid en resilience engineering10 betrokken zijn. Mattsson en Kurdve stellen voor dat Operator 5.0 9 factoren omvat: cognitieve/fysieke capaciteit om taken uit te voeren, algemene digitale vaardigheden, universeel ontwerp, het minimaliseren van onverwachte gebeurtenissen, productiviteit en kwaliteit, veiligheid, standaarden, instructies en trainingsmateriaal11. Peruzzini et al., gebaseerd op Operator 5.0, stelden de Augmented Digital Twin (ADT) voor, die machines, robots, omgevingen, interfaces en mensen integreert, en zo mensgerichte slimme productiesystemenontwikkelt. Yaqot et al. stelden het verbeterde human-automation symbiosis (EHAS) kader voor, met de nadruk op het bereiken van menselijk-automatiseringssymbiose via fysieke en zintuiglijke versterking, cognitieve en emotionele versterking, communicatie- en samenwerkingsversterking, digitale ethiek, digitale burgerschap, privacy en mensenrechtenversterking13.

De overgang van Industrie 4.0 naar Industrie 5.0 betekent een verschuiving van technologiegerichte productie naar waardegerichte productie14. Het hoger onderwijs moet de uitdagingen van Industrie 5.0 aangaan en bestaande curricula hervormen om de toekomstige beroepsbevolking op te leiden. Universitaire programma's moeten rekening houden met de competenties die vereist zijn voor Operator 5.0 om studenten die een technische opleiding volgen voor te bereiden op hun toekomstige loopbaanontwikkeling.

De implementatie van Operator 5.0-onderwijs heeft geleid tot veranderingen in de onderwijsdoelstellingen van cursussen operations management. Als kernfunctie van modern ondernemingsmanagement omvat operationeel management het gehele proces van grondstoffeninkoop tot de levering van eindproducten of diensten. Het omvat meerdere dimensies zoals supply chain management, productieplanning en -planning, werkstudie, voorraadbeheer en kwaliteitscontrole. Het onderwijsdoel van cursussen operations management is om studenten in staat te stellen te begrijpen hoe ze de middelenallocatie kunnen optimaliseren, de efficiëntie kunnen verbeteren, kosten kunnen verlagen en ervoor kunnen zorgen dat de kwaliteit en leveringssnelheid van producten of diensten voldoen aan de marktvraag. In het bijzonder helpt het werk-studiecomponent studenten om theoretische kennis van operators in operations management diepgaand te begrijpen en te beheersen, complexe casestudy's te analyseren en innovatieve en praktische oplossingen voor te stellen via praktijkervaring.

De assemblagelijn, als de meest voorkomende productiesituatie in de productie, is het belangrijkste toepassingsgebied voor Operator 5.0-gerelateerde technologie. Industrie 5.0 vereist assemblagelijnen om specifieke productiebehoeften te kunnen aanpakken. Operator 5.0 maakt, door de samensmelting van menselijke creativiteit en technologische empowerment, de overgang van assemblagelijnen mogelijk van massaproductie naar massamaatwerk. Operator 5.0 kan de assemblagelijnprocedures snel aanpassen met behulp van digitale tweelingen en simulatietools om aan unieke producteisen te voldoen, waardoor de flexibiliteit en aanpassingsvermogen van de assemblagelijn15 wordt bereikt. Operator 5.0 kan de bewegingen en vermoeidheid van assemblagelijnmedewerkers simuleren via digitale tweelingen, waarmee het werkplekontwerp wordt geoptimaliseerd en het concept van Human-in-the-loop in slimme productie16 wordt vertegenwoordigd. Daarom illustreert Figuur 1A in de opleiding van Operator 5.0, met de verbetering van de assemblagelijn als voorbeeld, de belangrijkste stappen die momenteel betrokken zijn bij het identificeren en aanpakken van problemen in een assemblagelijn. Huidige praktijken houden werkgerelateerde musculoskeletale aandoeningen (WMSD's) niet voldoende rekening met werkgerelateerde musculoskeletale aandoeningen (WMSD's) in de vroege fasen van engineering design. Fysieke ergonomische risicofactoren zijn onder andere ongemakkelijke houdingen, krachtinspanning, materiaalhantering, stationaire houdingen en herhaling17. Wanneer deze risico's aanwezig zijn in de daadwerkelijke productie, veroorzaken ze niet alleen WMSD's onder de werknemers, maar verlengen ze ook de productiecycli en verhogen ze de operationele kosten voor ondernemingen wanneer corrigerende maatregelen worden genomen. Boysen et al. gaven een systematisch overzicht van balanceringsproblemen op de lopende band, waarbij menselijke factoren werden benadrukt als een cruciale factor voor het verbeteren van de prestaties van de assemblagelijn18. Daarom is in het tijdperk van Industrie 5.0 het belang van menselijke factoren in operationeel management nog duidelijker geworden, en speelt het een belangrijke rol in hedendaagse bedrijfsstrategieën19,20.

Caputo et al. introduceerden de theorie van concurrent engineering in werkplekontwerp en stelden voor dat ergonomische evaluaties in de fase van het procesontwerp worden meegenomen, waardoor ergonomische risico's in ontwerpfase21 mogelijk worden voorkomen. In het tijdperk van Industrie 4.0 is er onvoldoende aandacht voor de kernrol van ergonomie in productieprocessen, waardoor het moeilijk is om zich volledig aan te passen aan de ergonomische eisen in Industrie 5.022. Daarom moet het onderwijs van operations management, geleid door het concept van Industry 5.0, meer ergonomische inhoud bevatten. Neem het probleem van de verbetering van de assemblagelijn als voorbeeld, Figuur 1B laat zien dat bij duidelijke verbeteringsdoelstellingen en -doelstellingen de meting van tijd- en ergonomische risico's in elk proces gelijktijdig wordt uitgevoerd, en ergonomische evaluaties worden overwogen in de fase van procesontwerp, parallel aan gelijktijdig ingenieursdenken voor assemblagelijnverbetering.

figure-introduction-1
Figuur 1: Twee soorten processen voor verbetering van assemblagelijnen. (A) Het traditionele productieproces voor verbetering van de lopende band, en (B) het proces dat menselijke factoren integreert. Klik hier om een grotere versie van deze figuur te bekijken.

In het Operator 5.0-kader en de veranderende eisen van Industrie 5.0 moet het personeel relevante digitale vaardigheden verwerven om effectief nieuwe taken en taken aan te pakken. 62% van de productiebedrijven gaf aan dat het gebrek aan medewerkers met de juiste vaardigheden een groot obstakel is voor het succes van digitale transformatie23. Hansen et al. ondervroegen 30 bedrijven die digitale transformatie nastreven en ontdekten dat het succes van digitale transformatie tijdens de overgang van Industrie 4.0 naar Industrie 5.0 afhangt van het ontwikkelen van de capaciteiten van werknemers24. Toekomstige professionals moeten geavanceerde digitale mogelijkheden beheersen om effectief met intelligente systemen te kunnen communiceren25. Hermawati et al. beoordeelden de huidige stand van zaken in het ergonomieonderwijs en ontdekten dat er een kloof is tussen het huidige ergonomieonderwijs en de eisen van Industry 5.026. Daarom is het cruciaal om nieuwe vaardigheden te trainen volgens de eisen van Industrie 5.0, en is het noodzakelijk om de digitale competenties van studenten te ontwikkelen7.

De opkomst van digitale tweelingen die ergonomische risicoanalyse integreren, heeft het mogelijk gemaakt om werkplekontwerp en ergonomische evaluatie te ontwerpen via digitale simulatie, waarbij het concept van concurrent engineering wordt toegepast. Dit bereikt mensgericht digitaal ontwerp in de context van Industrie 5.0. Caputo et al. stelden een digitaal tweelingmodel voor dat ergonomische evaluatie voor werkplekontwerp bevat, dat werd gevalideerd op een Fiat Chrysler Automobiles (FCA) assemblagelijn met zowel Ergonomic Assessment Worksheet (EAWS) als Ovako Working Posture Analysing System (OWAS) beoordelingsmethoden 21,27. De hierboven genoemde studies maakten gebruik van de Methods-Time Measurement (MTM) procestaal in hun analyses. MTM is een type vooraf bepaald tijdsysteem (PTS) dat handmatige operationele procedures opsplitst in basiselementen van bewegingen, waarbij werkomstandigheden worden meegenomen om de benodigde tijd voor een taak te bepalen. Breznik et al. maakten gebruik van het MTM Universal Analysis System (MTM-UAS) samen met simulatiesoftware om het assemblagelijnbalansprobleem (ALBP)28 aan te pakken.

Als reactie op de eerder genoemde eisen in operations management—het integreren van fysieke ergonomische risicofactoren tijdens de initiële technische ontwerpfase en het ontwikkelen van de digitale competentie van studenten—gebruikt deze studie het probleem van de verbetering van de lopende bandlijn als voorbeeld. Het integreert ergonomische evaluatie in een digitaal tweelingmodel om te laten zien hoe ingenieursonderwijs zich kan aanpassen aan de eisen van Industrie 5.0, wat de ontwikkeling van Operator 5.0 stimuleert door mensgericht ontwerp en digitale capaciteitsopbouw.

Samenvattend, tegen de achtergrond van de overgang van Industrie 4.0 naar mensgerichte Industrie 5.0, onderzoekt dit artikel de integratie van menselijke factoren in het onderwijs over operationeel management. Met het voorbeeld van het begeleiden van studenten bij het ontwerp van lopende banden binnen onderwijspraktijken, bevat het ergonomische risicoanalyse om studenten te helpen de essentie van Operator 5.0 te begrijpen. Door het proces van integratie van ergonomie in het onderwijs in operations management te demonstreren, wil deze studie nieuwe inzichten en richtingen bieden voor zowel onderwijs als praktijk op het gebied van operations management in het tijdperk van Industrie 5.0.

Dit protocol presenteert experimentele procedures om tijd en ergonomische risico's bij het ontwerpen van de assemblagelijn te meten en te verbeteren en te verbeteren. De procedure kan worden samengevat in vijf stappen: 1) Verzameling van de productiestatus, 2) Probleemanalyse in het productieproces, 3) Oprichting van de digitale fabriek, 4) Modeloptimalisatie, en 5) Effectiviteitsverificatie van de digitale fabriek. Als aan een van deze vereisten in de vijf stappen niet wordt voldaan, is het proces onvolledig en onvoldoende om effectiviteit aan te tonen.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Protocol

Deze studie werd uitgevoerd in overeenstemming met de principes van de Verklaring van Helsinki en werd goedgekeurd door de Institutionele Beoordelingscommissie van de Jiangsu Universiteit voor Wetenschap en Technologie. We kregen de geïnformeerde toestemming van de deelnemers aan het experiment om hun gegevens te gebruiken en vrij te geven.

1. Verzameling van productiestatus

OPMERKING: De fase van het verzamelen van productiestatus vereist tijdmeting van de productielocatie en het filmen van video's ter voorbereiding op de volgende probleemanalyse. Bepaal de productieprocesstroom en verzamel informatie van werknemers, evenals 3D-modellen van apparatuur, producten en materialen op de productielocatie voor de daaropvolgende digitale fabrieksbouw.

  1. Verzamel de werkomstandigheden van assemblagelijnen die verbetering nodig hebben. Dit omvat het tempo van de assemblagelijn, de schaal van de assemblagelijn en de omgevingsindeling, het geanalyseerde productiegebied, informatie over productiegerelateerde apparatuur en vloeroppervlak, het aantal betrokken functies, samenwerkingsprocessen tussen mens en machine, soorten materiaalvoorraad en methoden29.
  2. Meet manuren met de stopwatchmethode om tijdgegevens voor elk werktype te verkrijgen.
    1. Druk voor het eerst op het handwiel van de mechanische stopwatch wanneer de werknemer cyclische handelingen start.
    2. Druk voor de tweede keer op het handwiel wanneer de werknemer de cyclische handelingen beëindigt.
    3. Lees de tijd.
    4. Druk voor de derde keer op het handwiel om de stopwatch te resetten.
  3. Ter plaatse productievideo's voor de daaropvolgende probleemanalyse.
  4. Verzamel informatie van werknemers op de productielocatie. Dit omvat demografie: leeftijd, geslacht, nationaliteit en antropometrische gegevens (de eenheid is cm): (1) Gestalte, (2) Ooghoogte, (3) Schouderhoogte, (4) Ellebooghoogte, (5) Knokkelhoogte, (6) Lengte, zitten, (7) Ooghoogte, zittend, (8) Hoogte van elleboogsteun, zittend, (9) Dijhoogte, (10) Kniehoogte, zittend, (11) Bil-knie afstand, zittend, (12) Popliteale hoogte, zittend, (13) Borsthoogte, (14) Elleboog-elleboogbreedte, (15) Heupbreedte, zittend30.
  5. Verzamel 3D-modellen van producten, materialen en apparatuur, waaronder: 3D-assemblagetekeningen van producten, 3D-modellen van materialen, 3D-modellen van machines en apparatuur, en gereedschap.
    1. Verzamel de kwaliteit van componenten en gereedschappen die betrokken zijn bij handmatige bediening en hantering (de eenheid is kilogram). Verzamel de belangrijkste krachten die nodig zijn in de workflow, zoals de kracht die nodig is om objecten op te tillen of het koppel dat nodig is om bouten aan te draaien (de eenheid is Newtons).

2. Probleemanalyse in het productieproces

OPMERKING: Op basis van de verzamelde productiestatusgegevens gebruik je gedragsanalysesoftware om productievideo's op locatie te analyseren en vervolgens problemen te identificeren tijdens de digitale fabrieksbouwfase. De basisstappen van gedragsanalysesoftware omvatten softwarebasisinstellingen, softwarecoderingsinstellingen en videoanalyse. De toegankelijkheid van de software voor het web is https://noldus.com/observer-xt-human.

  1. Stel basisinstellingen in.
    OPMERKING: Deze fase omvat het instellen van voorbeeldparameters voor de software. Kies een geschikt type sample (continu of discontinu sample) op basis van de opgenomen video. Na het voltooien van de basisinstellingen kan de video worden geïmporteerd.
    1. Dubbelklik om de gedragsanalysesoftware te openen.
    2. Klik op Nieuw Project aanmaken en daarna op Nieuw.
    3. Voer de bestandsnaam in Naam van Nieuw Project.
    4. Klik op Project instellen in het pop-up nieuw venster.
    5. Selecteer Continue en Instantane Steekproef combineren in de Observatiemethode, aangezien de bestaande productievideo een steekproef is van discontinue videocombinaties.
  2. Stel software-codering in.
    OPMERKING: Deze fase omvat het opzetten van softwarecodering. Tijdens de daaropvolgende video-analyse is snelle codering van de video nodig om probleempunten te tellen, en deze stap zet de codering voor dit doel op. Na het voltooien van deze stap kan de video worden geïmporteerd en geanalyseerd.
    1. Stel de coderingsmethode in in het coderingsschema onder Setup. Klik op coderingsschema, dan op Instantaneous Sampling en Subject.
    2. Klik op Gedragsgroep toevoegen in de Gedragsinterface.
    3. Voer ergonomisch risico in in de naam van de groep.
    4. Voer hieronder bukken, omdraaien en zijwaarts in Gedrag in, selecteer Nee in Duur, omdat dit allemaal onmiddellijke acties zijn. Select Behaviors in dit groepstype kunnen overlappen, omdat deze fenomenen gelijktijdig kunnen optreden met andere mogelijke situaties, en klik dan op OK na voltooiing.
      OPMERKING: Deze stap voegt alle ergonomische risico's toe die in de video kunnen verschijnen voor latere analyse.
    5. Pas de codering aan in de Behaviors-interface, waarbij je de start- en eindtoetsen voor buk, terugdraaien en zijwaarts respectievelijk als 1, 2 en 3 instellen.
      OPMERKING: Het eerste indrukken van 1 geeft het optreden van een gebukt gedrag aan, en opnieuw op 1 drukken betekent het stoppen van het bukgedrag van het gebogen gedrag. Codeergedrag helpt analisten snel probleempunten in de video te identificeren en deze te gebruiken voor verdere analyse.
  3. Voer video-analyse uit.
    OPMERKING: Deze stap omvat video-import, codering en probleemstatistieken.
    1. Analyseer de video in Observations of Project Explorer. Klik op Observations, kies in het pop-upvenster 'Maak een nieuwe observatie', voer de gewenste bestandsnaam in in Observation name en klik op OK.
    2. Zoek de video die geanalyseerd moet worden in het pop-upvenster en klik op Openen.
    3. Klik op de knop Start Observation op de interface om video-analyse te starten, en druk het vooraf ingestelde codenummer in bij het identificeren van een probleempunt, zoals het indrukken van 1 op het toetsenbord bij het observeren van een buigbeweging. Klik bovenaan de pagina op Bestand opslaan na voltooiing om de gegevens op te slaan, waarmee je snel alle probleempunten in de video kunt documenteren.
    4. Bekijk analysegegevens in de Analyses van Project Explorer. Klik op Data Profile om de tijd-asgegevens van de code te bekijken. Controleer of er in de video fysiologische belastingsacties met hoge frequenties voorkomen, waaronder bukken, draaien en zijwaartse bewegingen.
    5. Tel de frequentie van hoogfrequente fysiologische belastingsacties.

3. Oprichting van de digitale fabriek

OPMERKING: De assemblagelijn heeft een overmatige taaktoewijzing, lange werktijden, ongelijke werkdruk tussen de stations, opeenhoping van werk in uitvoering tussen posities, en frequente bukken, draaien en zijwaartse bewegingen onder lopende bandmedewerkers, volgens de hierboven genoemde probleempuntanalyse. Om deze problemen op te lossen, zijn oplossingen nodig. Dit artikel stelt voor om menselijke bedrijfsprocessen te simuleren en de assemblagelijn in de digitale fabriek aan te passen door een digitale fabriek op te zetten. In vergelijking met traditionele verbeteringen op locatie zorgt het opzetten van een digitale fabriek ervoor dat de meting van productieprocesgegevens niet wordt beïnvloed door de staat van het personeel ter plaatse. Daarnaast kunnen alle verbeteringsprotocollen in de software worden geverifieerd en geoptimaliseerd zonder herhaalde aanpassingen ter plaatse, waardoor tijd- en kostenverspilling tijdens het verbeteringsproces aanzienlijk wordt verminderd. De toegankelijkheid van de software is https://imk-ema.com/en/ema-work-designer.

  1. Simuleer de assemblagelijn met digitale industriële engineeringsoftware.
    1. Open de digitale industriële engineeringsoftware. Klik op Nieuw Project aanmaken in het pop-upvenster.
    2. Stel basisprojectinformatie, cyclustijd, enzovoort in in het Simulatieproject bovenaan de pagina.
    3. Gebruik de knoppen Object(en) Toevoegen Van-bestand, Manikin toevoegen en Item Uit Bibliotheek toevoegen in het tabblad Objecten bovenaan de pagina om een menselijk model te importeren dat overeenkomt met de werkerinformatie uit sectie 1, samen met 3D-modellen van planken, onderdelen en andere componenten.
    4. Maak de modellen in de 3D-weergave onderaan de pagina.
      1. Schakel eerst de besturingsmodus in het linker dropdownmenu naar Layout, selecteer vervolgens modellen in de 3D-weergave om te verplaatsen, te roteren, enzovoort, de lay-out van de digitale assemblagelijn af te ronden, en door het object in de structuurlijst te slepen en te verplaatsen, dubbelklikken om de naam, kleur en annotaties van het object te bewerken, of het ouderobject te definiëren, het samenvoegen van de objectstructuur en het genereren van referenties voor het object via het rechtermuismenu, groeperen de objecten, ondergeschiktheidsrelaties opstellen, referentieobjecten instellen en parameters zoals kleur, objectmassa en griphouding aanpassen voor de volgende dynamische simulatie.
    5. Wijs assemblagetaken toe aan de bijbehorende digitale menselijke modellen volgens de assemblagevolgorde van de processtroom in het tabblad Taken bovenaan de softwarepagina. Sleep de benodigde assemblagetaken van de linkerlijst op de takenpagina naar de actie-as van het digitale menselijke model.
      1. Vind assemblagetaken in de linkerlijst van de takenpagina, waaronder objectafhandelingstaken (object kiezen, object plaatsen, objecten verbinden, enz.), lichaamsbewegingstaken (lopen, knielen, enz.) en andere veelvoorkomende industriële productiegerelateerde actietaken.
      2. Vul vervolgens de bijbehorende parameters in volgens de simulatie- en procesvereisten van de huidige taak, zoals het specificeren van het te bedienen object, de doelpositie waar het object geplaatst moet worden, het selecteren van lichaamshoudingsbeperkingen tijdens de uitvoering van de actie, en de beschrijving van het taakproces (bereikniveau, plaatsingsnauwkeurigheid, vinger- en armkrachtvereisten, enz.).
  2. Klik op het simulatie-icoon om de simulatie uit te voeren, en de software genereert automatisch een simulatieanimatie en analyseresultaten. Als er een foutmelding verschijnt of de simulatieresultaten niet aan de eisen voldoen, pas het simulatieproject aan volgens stap 3.1.
  3. Klik op de knop Resultaten bovenaan de pagina om de resultaten van modeloperaties te bekijken. Bekijk evaluatieresultaten zoals tijd, menselijke ergonomie en wandelpad vanaf elk linker tabblad, en klik op Ergonomie om de EAWS-score van de werknemer te krijgen.
    OPMERKING: EAWS is een biomechanische risicobeoordelingsmethode voor belasting, ontwikkeld door een internationaal expertteam, gebruikt om het risico van de WMSD's te evalueren waaraan operators tijdens het werk kunnen worden blootgesteld.
  4. Bevestig de werkstations die verbetering vereisen volgens de EAWS-beoordelingscijfertabel (Figuur 2). Bekijk ondertussen gedetailleerde evaluatiegegevens in de ergonomieresultaten van de software om de meest kritieke operationele taken die verbetering vereisen verder te identificeren.

figure-protocol-1
Figuur 2: EAWS-beoordelingsniveau. De standaard voor het classificeren van ergonomische risiconiveaus op basis van EAWS-scores. Klik hier om een grotere versie van deze figuur te bekijken.

4. Modeloptimalisatie

OPMERKING: Het doel van deze stap is om de EAWS-risicowaarde van productiemedewerkers te verlagen tot een laag risiconiveau.

  1. Bekijk de EAWS-scores van werknemers op de werkplekken die in de vorige fase zijn geïdentificeerd voor verbetering. Wissel tussen verschillende werknemers en evaluatiemodules (lichaamshouding, handkracht, lasthantering, enz.) op de ergonomie-resultatenpagina om de meest risicovolle bijdragers te identificeren.
  2. Identificeer gerelateerde acties van de hoogst risicovolle bijdragers om je voor te bereiden op latere verbeteringen.
  3. Ontwikkel verbeteringsstrategieën op basis van risicopunten, pas het model in de software aan en voer de simulatiebeoordeling opnieuw uit.
    1. Klik op Taken, vind de werkbank van de werknemer met de bijdrage met het hoogste risico in het boomdiagram. Klik linksboven op Object(en) toevoegen uit bestand, importeer het nieuwe ontwerpmodel en voeg het apparaat toe onder de workbench-map om de acties van de werknemer te vereenvoudigen.
    2. Klik op Taken, klik op de actie-as van worker2_human, zoek de gewijzigde operationele taak en annuleer redundante acties in dit verbeteringsschema. Klik op de holle stippen links van de bewegingshanden om te richten en te activeren totdat ze veranderen in blauwe achtergrond rechterpijlpuntjes om de huidige actiesimulatie te annuleren.
    3. Klik op Simuleren om het model uit te voeren en controleer na voltooiing op afwijkingen om logische fouten te voorkomen die ontstaan door het toevoegen van nieuwe apparaten.
      1. Als er anomalieën zijn, pas dan de inhoud van gerelateerde acties aan volgens de toegevoegde uitrusting en wijzigingen.
    4. Voer het model opnieuw uit en herhaal bovenstaande stappen totdat er geen afwijkingen meer zijn in de actie-as.
    5. Klik op Resultaten, selecteer Ergonomie en observeer of de EAWS-risicowaarde van de werknemer is gedaald naar groen.
      1. Als het niet naar groen is gedaald, overweeg dan de rustduur te verlengen in de kolom Algemeen op de pagina Ergonomie, of blijf de materiaalvoorraadposities, operationele volgordes en gereedschapsontwerp aanpassen.
    6. Herhaal bovenstaande stappen totdat het EAWS-risico naar groen daalt.
  4. Voer het model uit en kijk of de EAWS Whole Body en EAWS Upper Limbs van de werknemer in de resultaten beide binnen de veiligheidsdrempel vallen. De veiligheidsdrempel vereist dat de EAWS-score minder dan 50 punten is, zoals te zien is in Figuur 2, en de kleur is groen of geel.
  5. Klik op MTM-UAS Analyse om te zien of verbeterde manuren zijn verminderd ten opzichte van eerdere manuren, waarmee het doel wordt bereikt om manuren te verminderen en ergonomische risico's binnen de veiligheidsdrempel te houden tijdens de verbetering van de lopende band.

5. Effectiviteitsverificatie van de digitale fabriek

OPMERKING: De bovenstaande stappen hebben het ontwerp en de optimalisatie van de assemblagelijn in de digitale fabriek gerealiseerd. Het doel van deze verificatiefase is ervoor te zorgen dat de resultaten van de softwaresimulatie overeenkomen met de daadwerkelijk gemeten toestand van de assemblagelijn na optimalisatie-implementatie. Indien consistent, kan deze experimentele bedieningsmethode worden toegepast voor toekomstige optimalisatie van het assemblagelijnontwerp.

  1. Controleer de resultaten van de man-uren.
    1. Meet manuren op de verbeterde productielocatie zoals beschreven in stap 1.2.
    2. Vergelijk de resultaten van manuren met de software-output.
  2. Controleer de resultaten van het ergonomische risico.
    1. Meet ergonomische risico's op de verbeterde locatie zoals beschreven in stappen 2.2 en 2.3.
    2. Vergelijk de resultaten van ergonomische risico's van software-output.

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Resultaten

Op basis van bovenstaande experimentele operaties nemen de representatieve resultaten van dit artikel de assemblage van een typisch mechanisch product—het klephuiscomponent—als voorbeeld om de typische resultaten van het integreren van menselijke factoren in het bedrijfsbeheer voor werkverbetering aan te tonen. Dit experiment vormt het praktische onderwijscomponent van de reeds bestaande Human Factors-cursus, en de onderwijsresultaten zijn aangetoond op het MTM China Forum 2025: Indu...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Discussie

Deze studie omvat niet alleen tijdsefficiëntie, maar ook de meting van ergonomische risico's bij het ontwerp van de assemblagelijn. Door ergonomische risicometing te integreren, kunnen potentiële verborgen veiligheidsrisico's tijdens de ontwerpfase worden geïdentificeerd, zodat de indeling van de assemblagelijnen rekening houdt met ergonomische risicofactoren. Dit protocol verhoogt de productiviteit van medewerkers, vermindert de kans en impact van ongelukken en draagt bij aan het rea...

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Openbaarmakingen

De auteurs hebben niets te onthullen.

Dankbetuigingen

Deze studie werd ondersteund door de National Natural Science Foundation of China (72374088, 72471105, 72001096), 2024 Key Project of Higher Education Science Research Planning van de China Association of Higher Education (24XX0205, Mechanismen van Mens-AI Samenwerkingsstrategieën ter Verbetering van leerresultaten), 2024 Key Project of Education Science Planning in de provincie Jiangsu (B-b/2024/01/162), Modelconstructie en Empirisch Onderzoek naar Multimodaal Leren vanuit het Onderwijsperspectief Neurowetenschappen) en het Fonds voor Geesteswetenschappen en Sociale Wetenschappen van het Ministerie van Onderwijs van China (24YJCZH445).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Materialen

Lijst van materialen gebruikt in dit artikel
NaamBedrijfCatalogusnummerOpmerkingen
ema Software Suiteimk Industrial Intelligence GmbHV2.2.0.3Totstandbrenging van de digitale fabriek
Observer XTNoldus Information TechnologyV12.0Probleemanalyse in het productieproces

Referenties

  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. , (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. , (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. 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).
  24. 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).
  25. 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).
  26. 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).
  27. 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).
  28. Stephens, M. P. . Manufacturing Facilities Design & Material Handling. , (2019).
  29. Sanders, M. S., Mccormick, E. J. . Human Factors in Engineering and Design. , (1993).
  30. Gualtieri, L., et al. Updating design guidelines for cognitive ergonomics in human-centred collaborative robotics applications: An expert survey. Appl Ergon. 117, 104246 (2024).
  31. Lucchese, A., Mummolo, G. Human-centric assistive technologies in manual picking and assembly tasks: A literature review. Manag Prod Eng Rev. , (2024).
  32. 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).
  33. 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).
  34. 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).
  35. 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).
  36. 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).
  37. Dolgui, A., Ivanov, D. Metaverse supply chain and operations management. Int J Prod Res. 61 (23), 8179-8191 (2023).
  38. 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).
  39. Mourtzis, D., Angelopoulos, J. Development of an extended reality-based collaborative platform for engineering education: Operator 5.0. Electronics. 12 (17), 3663 (2023).
  40. Guo, J., et al. Industrial metaverse towards industry 5.0: Connotation, architecture, enablers, and challenges. J Manuf Syst. 76, 25-42 (2024).
  41. Leng, J., et al. Digital twins-based remote semi-physical commissioning of flow-type smart manufacturing systems. J Clean Prod. 306, 127278 (2021).
  42. Rožanec, J. M., et al. Human-centric artificial intelligence architecture for Industry 5.0 applications. Int J Prod Res. 61 (20), 6847-6872 (2023).
  43. 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).
  44. 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).
  45. Leng, J., et al. Resilient manufacturing: A review of disruptions, assessment, and pathways. J Manuf Syst. 79, 563-583 (2025).
  46. 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).
  47. 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).
  48. Yan, J., et al. Human-centric artificial intelligence towards industry 5.0: Retrospect and prospect. J Ind Inf Integr. 47, 100903 (2025).
  49. Leng, J., et al. Aigc-empowered smart manufacturing: Prospects and challenges. Rob Comput Integr Manuf. 97, 103076 (2026).
  50. Wang, B., et al. Human digital twin in the context of Industry 5.0. Rob Comput Integr Manuf. 85, 102626 (2024).
  51. 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).
  52. 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).
  53. 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).

Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.

Herprints en machtigingen

Toestemming aanvragen om de tekst of afbeeldingen van dit JoVE-artikel te hergebruiken

Toestemming aanvragen

Trefwoorden

EngineeringNummer 230Industrie 5 0Operator 5 0IngenieursopleidingDuurzame operatiesHuman Factorsmensgerichte industrie

Gerelateerde artikelen