Artigo de método

Integrando Fatores Humanos na Educação em Gestão de Operações na era Indústria 5.0

299 vistas

⸱

DOI:

10.3791/69833

⸱

14 de abril de 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.

Neste artigo

Resumo

Este estudo apresenta uma estrutura para integrar fatores humanos na educação em gestão de operações no contexto da Indústria 5.0. O protocolo aplica engenharia simultânea para integrar avaliação ergonômica durante o projeto do local de trabalho, incluindo coleta de dados de produção, análise de problemas, estabelecimento digital de fábricas, otimização de modelos e validação.

Resumo

A era da Indústria 5.0 enfatiza a centralidade humana, sustentabilidade e resiliência, impondo novas exigências para a direção do desenvolvimento de talentos no ensino superior moderno. A educação em engenharia também está adaptando e liderando o desenvolvimento da Indústria 5.0. Este estudo propõe uma estrutura inovadora que integra fatores humanos ao sistema moderno de educação em gestão de operações no ensino superior. A gestão de operações envolve a gestão de todo o processo, incluindo cadeia de suprimentos, estoque, controle de qualidade, etc. Com a evolução da Indústria 4.0 para a 5.0, a gestão operacional é centrada em humanos, enfatizando a colaboração entre humanos e máquina e o empoderamento dos funcionários. Portanto, o conteúdo do ensino precisa ser ajustado para ajudar os alunos a aprender a usar princípios de fatores humanos para otimizar processos de trabalho, reduzir a fadiga dos funcionários e mitigar riscos. Este artigo propõe a aplicação de fatores humanos na gestão operacional criando um ambiente de produção virtual e interconectado que simula linhas de montagem reais, detecta questões de fatores humanos e reduz desvios por meio de análise numérica. Esse protocolo permite a identificação e avaliação dos riscos ergonômicos na fase de projeto, fornecendo medidas de melhoria direcionadas. Esse protocolo ajuda os alunos a entender como reduzir a incidência de acidentes, melhorar a eficiência do trabalho e diminuir os custos adicionais associados às intervenções corretivas durante o ensino de gestão operacional. Por meio da ergonomia digital, os alunos podem compreender e se tornar proficientes em métodos de avaliação de risco ergonômico. Portanto, este artigo analisa como integrar melhor fatores humanos na gestão operacional, alcançando a integração da tecnologia de engenharia com fatores humanos, e propondo novas ideias e direções para educação e prática no campo da gestão operacional. Em aplicações futuras, combinar fatores humanos com gêmeos digitais humanos (HDT) e conteúdo gerado por inteligência artificial (AIGC) permitirá a manufatura inteligente e a manufatura inteligente centrada no ser humano na prática de engenharia.

Introdução

A Indústria 4.0 transformou fundamentalmente produtos, serviços e processos por meio da integração de tecnologias avançadas como Internet das Coisas, Big Data, Cibersegurança, Computação em Nuvem, Manufatura Aditiva e RobóticaAvançada 1,2. Com o avanço da Inteligência Artificial (IA), a Indústria 4.0 integra a tecnologia de IA com diversas tecnologias avançadas, remodelando os cenários de manufatura e operações3. No entanto, embora a Indústria 4.0 melhore significativamente a produtividade e crie novas oportunidades de emprego para os trabalhadores, ela também traz desafios como aumento das demandas cognitivas, maiores riscos no trabalho e a necessidade de aprimoramento contínuode habilidades 4. Para enfrentar a questão da negligência dos fatores humanos durante o rápido desenvolvimento da Indústria 4.0, a Comissão Europeia propôs o conceito de Indústria 5.0, enfatizando três elementos centrais: centralidade humana, sustentabilidade eresiliência 5,6. A Indústria 5.0 enfatiza a colaboração entre humanos e IA, melhorando a produtividade enquanto garante a saúde humana e a sustentabilidade ambiental, alcançando assim um crescimento econômicosustentável 7. Horvat et al. investigaram dados de 1334 empresas manufatureiras, e os resultados do estudo indicam que a Indústria 5.0 centrada no ser humano aprimora a capacidade do fabricante de inovar em produtos, sendo a participação dos funcionários um fator importante, refletindo a importância da Indústria 5.0 centrada no serhumano.

A Indústria 5.0 enfatiza a combinação da criatividade humana com a precisão tecnológica, dando origem ao conceito de Operador 5.09. O Operador 5.0 coloca os operadores dentro de sistemas de produção centrados no ser humano, envolvendo sistemas sociotécnicos, sustentabilidade social e engenharia deresiliência 10. Mattsson e Kurdve propõem que o Operador 5.0 inclui 9 fatores: capacidade cognitiva/física para realizar tarefas, habilidades digitais gerais, design universal, minimização de eventos inesperados, produtividade e qualidade, segurança, padrões, instruções e materiaisde treinamento 11. Peruzzini et al., baseados no Operator 5.0, propuseram o Gêmeo Digital Aumentado (ADT) que integra máquinas, robôs, ambientes, interfaces e pessoas, desenvolvendo assim sistemas de manufatura inteligente centrados noser humano 12. Yaqot et al. propuseram o arcabouço de simbiose melhorada entre automação humana e automação (EHAS), enfatizando a obtenção da simbiose humano-automação por meio do aprimoramento físico e sensorial, aprimoramento cognitivo e emocional, aprimoramento da comunicação e colaboração, ética digital, cidadania digital, privacidade e aprimoramento dos direitoshumanos 13.

A transição da Indústria 4.0 para a Indústria 5.0 representa uma mudança da manufatura centrada em tecnologia para a manufatura14 centrada em valor. O ensino superior deve enfrentar os desafios trazidos pela Indústria 5.0 e reformar os currículos existentes para formar a futura força de trabalho. Os programas universitários devem considerar as competências exigidas para o Operador 5.0 para preparar os estudantes que recebem educação em engenharia para seu desenvolvimento profissional futuro.

A implementação da educação Operator 5.0 levou a mudanças nos objetivos de ensino dos cursos de gestão operacional. Como função central da gestão empresarial moderna, a gestão operacional abrange todo o processo, desde a aquisição de matérias-primas até a entrega de produtos ou serviços finais. Ela abrange múltiplas dimensões, como gestão da cadeia de suprimentos, planejamento e agendamento de produção, estudo de trabalho, gestão de estoque e controle de qualidade. O objetivo do ensino dos cursos de gestão operacional é capacitar os estudantes a entender como otimizar a alocação de recursos, melhorar a eficiência, reduzir custos e garantir que a qualidade e a velocidade de entrega de produtos ou serviços atendam às demandas do mercado. Em particular, o componente trabalho-estudo ajuda os estudantes a compreender profundamente e dominar o conhecimento teórico dos operadores em gestão operacional, analisar estudos de caso complexos e propor soluções inovadoras e práticas por meio do aprendizado prático.

A linha de montagem, como a situação de produção mais típica na manufatura, é o principal campo de aplicação para a tecnologia relacionada ao Operador 5.0. A Indústria 5.0 exige que as linhas de montagem atendam a necessidades específicas de produção. O Operator 5.0, por meio da fusão da criatividade humana com o empoderamento tecnológico, possibilita a transição das linhas de montagem da fabricação em massa para a personalização em massa. O Operador 5.0 pode alterar rapidamente os procedimentos da linha de montagem utilizando gêmeos digitais e ferramentas de simulação para atender a requisitos únicos do produto, alcançando a flexibilidade e adaptabilidade da linhade montagem 15. O Operator 5.0 pode simular os movimentos e o cansaço dos trabalhadores da linha de montagem por meio de gêmeos digitais, otimizando o design das estações de trabalho, representando o conceito de Human-in-the-loop na manufaturainteligente 16. Portanto, na formação do Operador 5.0, tomando a melhoria da linha de montagem como exemplo, a Figura 1A ilustra as principais etapas atualmente envolvidas na identificação e resolução de problemas em uma linha de montagem. As práticas atuais não consideram adequadamente os distúrbios musculoesqueléticos (WMSDs) relacionados ao trabalho durante as fases iniciais do projeto de engenharia. Fatores de risco ergonômicos físicos incluem posturas desajeitadas, esforço de força, manuseio de materiais, posições fixas e repetição17. Quando esses riscos estão presentes nas operações produtivas reais, eles não apenas causam WMSDs entre os trabalhadores, mas também prolongam os ciclos de produção e aumentam os custos operacionais para as empresas quando medidas corretivas são implementadas. Boysen et al. forneceram uma revisão sistemática dos problemas de balanceamento em linha de montagem, destacando fatores humanos como fator crítico para melhorar o desempenho em linhade montagem 18. Portanto, na era da Indústria 5.0, a importância dos fatores humanos na gestão operacional tornou-se ainda mais pronunciada, desempenhando um papel significativo nas estratégias de negócioscontemporâneas 19,20.

Caputo et al. introduziram a teoria da engenharia concorrente no design do local de trabalho, propondo que avaliações ergonômicas sejam consideradas na fase do projeto do processo, prevenindo assim potencialmente riscos ergonômicos na fase21 do projeto. Na era da Indústria 4.0, não há atenção suficiente ao papel central da ergonomia nas operações de produção, tornando difícil a adaptação total aos requisitos da ergonomia na Indústria 5.022. Portanto, guiados pelo conceito de Indústria 5.0, a prática de ensino da gestão operacional precisa incorporar mais conteúdo ergonomico. Tomando como exemplo a questão da melhoria da linha de montagem, a Figura 1B mostra que, no caso de objetivos e metas claras de melhoria, a medição de tempo e riscos ergonômicos em cada processo é realizada simultaneamente, e avaliações ergonômicas são consideradas na fase do projeto do processo em paralelo ao pensamento de engenharia concorrente para a melhoria da linha de montagem.

figure-introduction-1
Figura 1: Dois tipos de processos de melhoria na linha de montagem. (A) O processo tradicional de melhoria em linha de montagem, e (B) aquele que integra fatores humanos. Por favor, clique aqui para ver uma versão ampliada desta figura.

No framework Operator 5.0 e nas demandas em evolução da Indústria 5.0, a força de trabalho precisa adquirir habilidades digitais relevantes para se engajar efetivamente em novos trabalhos e tarefas. 62% das empresas de manufatura relataram que a falta de funcionários com habilidades adequadas é um grande obstáculo para o sucesso da transformaçãodigital. Hansen et al. pesquisaram 30 empresas que buscam transformação digital e descobriram que o sucesso da transformação digital durante a transição da Indústria 4.0 para a Indústria 5.0 depende do desenvolvimento das capacidades dostrabalhadores 24. Futuros profissionais precisam dominar capacidades digitais avançadas para interagir efetivamente com sistemas inteligentes25. Hermawati et al. avaliaram o estado atual da educação em ergonomia e encontraram que existe uma lacuna entre a educação ergonomica atual e os requisitos da Indústria5.0-26. Portanto, é fundamental treinar novas habilidades de acordo com os requisitos da Indústria 5.0, e é necessário desenvolver as competências digitais dosestudantes 7.

O surgimento dos gêmeos digitais incorporando avaliação de risco ergonômico possibilitou o design integrado do design do ambiente de trabalho e a avaliação ergonômica por meio da simulação digital, aplicando o conceito de engenharia concorrente. Isso alcança um design digital centrado no ser humano no contexto da Indústria 5.0. Caputo et al. propuseram um modelo de gêmeo digital que inclui avaliação ergonômica para o design do local de trabalho, validado em uma linha de montagem da Fiat Chrysler Automobiles (FCA) usando tanto o Ergonomic Assessment Worksheet (EAWS) quanto o Ovako Working Posture Analysing System (OWAS) 21,27. Os estudos mencionados acima utilizaram a linguagem de processos de Medição de Tempo-Métodos (MTM) em suas análises. MTM é um tipo de Sistema de Tempo Predeterminado (PTS) que decompõe procedimentos operacionais manuais em elementos básicos de movimentos, levando em conta as condições de trabalho para determinar o tempo necessário para uma tarefa. Breznik et al. empregaram o Sistema Universal de Análise MTM (MTM-UAS) juntamente com software de simulação para resolver o problema de balanceamento da linha de montagem (ALBP)28.

Em resposta aos requisitos mencionados em gestão de operações — integrando fatores de risco físico e ergonomo durante a fase inicial de projeto de engenharia e desenvolvendo a competência digital dos estudantes — este estudo usa o problema da melhoria da linha de montagem como exemplo. Incorpora avaliação ergonômica em um modelo de gêmeo digital para demonstrar como a educação em engenharia pode se adaptar às demandas da Indústria 5.0, promovendo o desenvolvimento do Operador 5.0 por meio do design centrado no ser humano e do desenvolvimento de capacidades digitais.

Em resumo, diante da transição da Indústria 4.0 para a Indústria 5.0 centrada no humano, este artigo explora a integração dos fatores humanos na educação em gestão operacional. Usando o exemplo de orientar estudantes no design de linhas de montagem nas práticas de ensino, incorpora avaliação ergonoma de riscos para ajudar os alunos a entender a essência do Operador 5.0. Ao demonstrar o processo de integração da ergonomia na educação em gestão operacional, este estudo busca fornecer novos insights e direções tanto para a educação quanto para a prática no campo da gestão de operações na era da Indústria 5.0.

Este protocolo apresenta procedimentos experimentais para medir e melhorar riscos de tempo e ergonômica no projeto de linhas de montagem. O procedimento pode ser resumido em cinco etapas: 1) Coleta do status da produção, 2) Análise de problemas no processo produtivo, 3) Estabelecimento da fábrica digital, 4) Otimização do modelo e 5) Verificação da eficácia da fábrica digital. Se qualquer um desses requisitos nas cinco etapas não for atendido, o processo fica incompleto e insuficiente para provar a eficácia.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Este estudo foi conduzido de acordo com os princípios da Declaração de Helsinque e aprovado pelo Conselho de Revisão Institucional da Universidade de Ciência e Tecnologia de Jiangsu. Obtivemos o consentimento informado dos participantes do experimento para usar e liberar seus dados.

1. Coleção do status de produção

NOTA: A fase de coleta do status de produção exige a medição do tempo do local de produção e a gravação de vídeos no local para preparar análises subsequentes do problema. Determinar o fluxo do processo de produção e coletar informações sobre os trabalhadores, bem como modelos 3D de equipamentos, produtos e materiais no local de produção para a construção digital subsequente da fábrica.

  1. Colete as condições de trabalho das linhas de montagem que precisam de melhorias. Isso inclui o ritmo da linha de montagem, escala e layout ambiental da linha de montagem, área da área de produção analisada, informações sobre equipamentos e espaço de produção relacionados, número de posições envolvidas, processos de colaboração homem-máquina, tipos de fornecimento de materiais emétodos 29.
  2. Meça horas-homem usando o método do cronômetro para obter dados de tempo para cada tipo de trabalho.
    1. Pressione o volante do cronômetro mecânico pela primeira vez quando o trabalhador inicia ações cíclicas.
    2. Pressione o volante pela segunda vez quando o trabalhador encerrar as ações cíclicas.
    3. Leia a hora.
    4. Pressione o volante pela terceira vez para resetar o cronômetro.
  3. Gravar vídeos de produção no local para análise subsequente de problemas.
  4. Colete informações sobre os trabalhadores do local de produção. Isso inclui dados demográficos: idade, gênero, nacionalidade e dados antropométricos (a unidade é cm): (1) Estatura, (2) Altura dos olhos, (3) Altura dos ombros, (4) Altura dos cotovelos, (5) Altura dos nós dos dedos, (6) Altura, sentado, (7) Altura dos olhos, sentado, (8) Altura do apoio para cotovelos, sentado, (9) altura do espaço para as coxas, (10) Altura do joelho, sentado, (11) Distância entre nádegas e joelho, sentado, (12) Altura poplítea, sentado, (13) Profundidade do peito, (14) Largura cotovelo-cotovelo, (15) Largura do quadril,posição 30.
  5. Colete modelos 3D de produtos, materiais e equipamentos, incluindo: desenhos de montagem 3D de produtos, modelos 3D de materiais, modelos 3D de máquinas e equipamentos, e ferramentas.
    1. Colete a qualidade dos componentes e ferramentas envolvidos na operação e manuseio manuais (a unidade é de quilogramas). Colete as forças-chave necessárias no fluxo de trabalho, como a força necessária para levantar objetos ou o torque necessário para apertar parafusos (a unidade é Newtons).

2. Análise de problemas no processo produtivo

NOTA: Com base nos dados coletados sobre o status da produção, utilize softwares de análise de comportamento para analisar vídeos de produção no local e, em seguida, identifique problemas durante a fase de construção da fábrica digital. As etapas básicas do software de análise de comportamento incluem configurações básicas de software, configurações de codificação de software e análise de vídeo. O software de acessibilidade web é https://noldus.com/observer-xt-human.

  1. Defina configurações básicas.
    NOTA: Esta fase envolve definir parâmetros de amostra para o software. Selecione um tipo de amostra apropriado (contínua ou descontínua) com base no vídeo filmado. Após completar as configurações básicas, o vídeo pode ser importado.
    1. Clique duas vezes para abrir o software de análise de comportamento.
    2. Clique em Criar um Novo Projeto e depois Novo.
    3. Insira o nome do arquivo no Nome do Novo Projeto.
    4. Clique em Configurar projeto na janela pop-up nova.
    5. Selecione Combinar Amostragem Contínua e Instantânea no Método de Observação , já que o vídeo de produção existente é uma amostra de combinações de vídeo descontínuas.
  2. Configure programação de software.
    NOTA: Esta fase envolve configurar a programação de software. Durante a análise subsequente de vídeo, é necessária uma codificação rápida do vídeo para contar os pontos do problema, e essa etapa prepara a codificação para esse propósito. Após concluir essa etapa, o vídeo pode ser importado e analisado.
    1. Defina o método de codificação no esquema de codificação em Configuração. Clique em esquema de codificação, depois em Amostragem Instantânea e Sujeito.
    2. Clique em Adicionar Grupo de Comportamentos na interface de Comportamentos.
    3. Insira o risco ergonomo no nome do Grupo.
    4. Insira curvar, virar para o lado e virar de lado em Comportamentos abaixo, selecione Não em Duração, pois todas essas são ações instantâneas. Comportamentos selecionados nesse tipo de grupo podem se sobrepor, pois esses fenômenos podem ocorrer simultaneamente com outras situações possíveis, e então clique em OK após conclusão.
      NOTA: Esta etapa adiciona todos os riscos ergonômicos que podem aparecer no vídeo para análise posterior.
    5. Modifique a codificação na interface de Comportamentos, definindo as teclas de início e fim para curvar, voltar e laterais como 1, 2 e 3, respectivamente.
      NOTA: Pressionar 1 pela primeira vez indica a ocorrência de um comportamento de curvatura, e pressionar 1 novamente indica a parada do comportamento de curvatura. Comportamentos de codificação ajudam os analistas a identificar rapidamente pontos problemáticos no vídeo e usá-los para análises subsequentes.
  3. Realize análise de vídeo.
    NOTA: Esta etapa envolve importação de vídeo, codificação e estatísticas de problemas.
    1. Analise o vídeo em Observações do Project Explorer. Clique em Observações, selecione Criar uma Nova Observação na janela pop-up, insira o nome desejado no nome da Observação e clique em OK.
    2. Localize o vídeo a ser analisado na janela pop-up e clique em Abrir.
    3. Clique no botão Iniciar Observação na interface para iniciar a análise de vídeo e pressione o número de código pré-definido ao identificar um ponto problemático, como pressionar 1 no teclado ao observar um movimento de flexão. Clique em Salvar sob Arquivo no topo da página ao concluir para armazenar os dados, permitindo a documentação rápida de todos os pontos problemáticos que aparecem no vídeo.
    4. Veja os dados de análise nas Análises do Project Explorer. Clique em Perfil de Dados para visualizar os dados do eixo temporal da codificação. Verifique se ações de carga fisiológica de alta frequência aparecem no vídeo, incluindo curvar, virar e movimentos laterais.
    5. Conte a frequência das ações de carga fisiológica de alta frequência.

3. Estabelecimento da fábrica digital

NOTA: A linha de montagem apresenta alocação excessiva de trabalho, longas jornadas de trabalho, carga de trabalho desigual entre as estações, acúmulo de trabalho em andamento entre as posições e frequentes curvas, curvas e movimentos laterais entre os trabalhadores da linha de montagem, segundo a análise de pontos problemáticos mencionada acima. Para resolver esses problemas, são necessárias soluções. Este artigo propõe simular processos operacionais humanos e ajustar a linha de montagem na fábrica digital por meio da criação de uma fábrica digital. Comparado às melhorias tradicionais no local, estabelecer uma fábrica digital garante que a medição dos dados do processo de produção não seja afetada pelo estado do pessoal no local. Além disso, todos os protocolos de melhoria podem ser verificados e otimizados no software sem ajustes repetidos no local, reduzindo significativamente o desperdício de tempo e custo durante o processo de melhoria. O software de acessibilidade web é https://imk-ema.com/en/ema-work-designer.

  1. Simule a linha de montagem usando software digital de engenharia industrial.
    1. Abra o software digital de engenharia industrial. Clique em Criar Novo Projeto na janela pop-up.
    2. Defina informações básicas do projeto, tempo de ciclo, etc., no Projeto de Simulação no topo da página.
    3. Use os botões Adicionar Objeto(s) Do Arquivo, Adicionar Manecin e Adicionar Item Da Biblioteca na aba Objetos no topo da página para importar um modelo humano que corresponda às informações do trabalhador obtidas na seção 1, junto com modelos 3D de prateleiras, peças e outros componentes.
    4. Dispara os modelos na visualização 3D no final da página.
      1. Primeiro, alterne o modo de controle no menu suspenso à esquerda para Layout, depois selecione modelos na visualização 3D para mover, girar, etc., completar o layout da linha de montagem digital e, arrastando e movendo o objeto na lista de estruturas, clique-se duas vezes para editar o nome, cor e anotações do objeto, ou defina o objeto pai, mesclar a estrutura do objeto e gerar referências para o objeto através do submenu do clique direito, agrupar os objetos, estabelecer relações de subordinação, definir objetos de referência e modificar parâmetros como cor, massa do objeto e postura de aderência para simulação dinâmica subsequente.
    5. Atribua tarefas de montagem aos modelos humanos digitais correspondentes de acordo com a sequência de montagem do fluxo de processo na aba Tarefas no topo da página do software. Arraste as tarefas de montagem necessárias da lista da esquerda na página de tarefas para o eixo de ação do modelo humano digital.
      1. Encontre tarefas de montagem na lista à esquerda da página de Tarefas, incluindo tarefas de manuseio de objetos (escolher objeto, colocar objeto, juntar objetos, etc.), tarefas de movimento corporal (andar, ajoelhar, etc.) e outras tarefas comuns relacionadas à produção industrial.
      2. Em seguida, preencha os parâmetros correspondentes de acordo com os requisitos de simulação e processo da tarefa atual, como especificar o objeto a ser operado, a posição do alvo onde o objeto deve ser posicionado, selecionar restrições de postura corporal durante a execução da ação e descrição do processo da tarefa (nível de alcance, precisão de posicionamento, requisitos de força dos dedos e braços, etc.).
  2. Clique no ícone de simulação para executar a simulação, e o software gera automaticamente uma animação de simulação e resultados de análise. Se aparecer uma mensagem de erro ou os resultados da simulação não atenderem aos requisitos, ajuste o projeto de simulação conforme a etapa 3.1.
  3. Clique no botão Resultados no topo da página para visualizar os resultados das operações do modelo. Veja resultados de avaliação, como tempo, ergonomia humana e caminho de caminhada, em cada aba à esquerda, e clique em Ergonomia para obter a pontuação EAWS do trabalhador.
    NOTA: EAWS é um método biomecânico de avaliação de risco de carga desenvolvido por uma equipe internacional de especialistas, usado para avaliar o risco de WMSDs ao qual os operadores podem estar expostos durante o trabalho.
  4. Confirme as estações de trabalho que precisam de melhoria de acordo com a tabela de avaliação do EAWS (Figura 2). Enquanto isso, visualize dados detalhados de avaliação nos resultados ergonomáticos do software para identificar melhor as tarefas operacionais mais críticas que precisam de melhorias.

figure-protocol-1
Figura 2: Nível de avaliação do EAWS. O padrão para classificar níveis de risco ergonômico com base nas pontuações EAWS. Por favor, clique aqui para ver uma versão ampliada desta figura.

4. Otimização de modelos

NOTA: O objetivo desta etapa é reduzir o valor de risco EAWS dos trabalhadores de produção para um nível de baixo risco.

  1. Observe as pontuações do EAWS de trabalhadores nas estações de trabalho identificadas para melhoria na fase anterior. Alterne entre diferentes trabalhadores e módulos de avaliação (postura corporal, força das mãos, manuseio de carga, etc.) na página de resultados de ergonomia para identificar os contribuintes de maior risco.
  2. Identifique ações relacionadas dos contribuintes de maior risco para preparar melhorias subsequentes.
  3. Desenvolver estratégias de melhoria baseadas em pontos de risco, ajustar o modelo no software e reexecutar a avaliação da simulação.
    1. Clique em Tarefas, localize a bancada de trabalho do trabalhador com a contribuição de maior risco no diagrama em árvore. Clique em Adicionar Objeto(s) De Arquivo no canto superior esquerdo, importe o novo modelo de dispositivo de design e adicione o dispositivo sob o diretório da bancada de trabalho para simplificar as ações dos trabalhadores.
    2. Clique em Tarefas, clique no eixo de ação da worker2_human, localize a tarefa operacional alterada e cancele ações redundantes nesse esquema de melhoria. Clique nos pontos ocos à esquerda das mãos de movimento para mirar e atuar até que eles se transformem em pontos de seta azul para a direita e cancelar a simulação de ação atual.
    3. Clique em Simular para rodar o modelo e verifique anomalias após a conclusão para evitar erros lógicos causados pela adição de novos dispositivos.
      1. Se existirem anomalias, modifique o conteúdo das ações relacionadas de acordo com o equipamento e as mudanças adicionados.
    4. Rodar o modelo novamente, repetindo os passos acima até que não existam anomalias no eixo de ação.
    5. Clique em Resultados, selecione Ergonomia e observe se o valor de risco EAWS do trabalhador caiu para verde.
      1. Se não tiver caído para verde, considere aumentar a duração do descanso na coluna Comum da página de Ergonomia, ou continue ajustando as posições do suprimento de materiais, sequências operacionais e design das ferramentas.
    6. Repita os passos acima até que o risco do EAWS diminua para verde.
  4. Rodar o modelo e verificar se o EAWS Whole Body e o EAWS Upper Limbs do trabalhador nos resultados estão dentro do limite de segurança. O limite de segurança exige que a pontuação do EAWS seja inferior a 50 pontos, como visto na Figura 2, e a cor seja verde ou amarela.
  5. Clique em Análise MTM-UAS para verificar se as horas de trabalho melhoradas são reduzidas em comparação com as horas de trabalho anteriores, alcançando o objetivo de reduzir as horas de trabalho e manter os riscos ergonômicos dentro do limite de segurança durante a melhoria da linha de montagem.

5. Verificação de efetividade da fábrica digital

NOTA: As etapas acima realizaram o projeto e a otimização da linha de montagem na fábrica digital. O objetivo desta etapa de verificação é garantir que os resultados da simulação por software correspondam à condição real medida da linha de montagem após a implementação da otimização. Se consistente, esse método experimental de operação pode ser adotado para futuras otimizações de projetos em linha de montagem.

  1. Verifique os resultados da hora de trabalho.
    1. Meça horas-homem no local de produção melhorado, conforme descrito na etapa 1.2.
    2. Compare os resultados das horas-homem com a saída do software.
  2. Verifique os resultados de risco ergonômico.
    1. Meça os riscos ergonômicos no local melhorado, conforme descrito nos passos 2.2 e 2.3.
    2. Compare os resultados dos riscos ergonômicos decorrentes da saída do software.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Com base nas operações experimentais acima, os resultados representativos deste artigo tomam como exemplo a montagem de um produto mecânico típico — o componente do corpo da válvula — para demonstrar os resultados típicos da integração de fatores humanos na gestão operacional para melhoria do trabalho. Este experimento representa o componente prático de ensino do curso já estabelecido de Fatores Humanos, e seus resultados de ensino foram demonstrados no Fórum MTM China 2025: Engenharia I...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

Este estudo incorpora não apenas eficiência de tempo, mas também a medição dos riscos ergonômicos no projeto de linhas de montagem. Ao integrar a medição de risco ergonômico, potenciais riscos ocultos de segurança podem ser identificados durante a fase de projeto, garantindo que os layouts da linha de montagem levem em conta fatores de risco ergonômicos. Esse protocolo aumenta a produtividade dos funcionários, reduz a probabilidade e o impacto de acidentes e contribui para a realização d...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm nada a revelar.

Agradecimentos

Este estudo foi apoiado pela Fundação Nacional de Ciências Naturais da China (72374088, 72471105, 72001096), 2024 Projeto Chave de Planejamento de Pesquisa em Ciências do Ensino Superior da Associação Chinesa de Ensino Superior (24XX0205, Mecanismos de Estratégias de Colaboração Humano-IA para Aprimorar Resultados de Aprendizagem), 2024 Projeto Chave de Planejamento em Ciências da Educação na Província de Jiangsu (B-b/2024/01/162, Construção de Modelos e Pesquisa Empírica sobre Aprendizagem Multimodal sob a Perspectiva da Educação Neurociência) e o Fundo de Humanidades e Ciências Sociais do Ministério da Educação da China (24YJCZH445).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Suíte de Software EMAimk Industrial Intelligence GmbHV2.2.0.3Estabelecimento da fábrica digital
Observador XTNoldus Information TechnologyV12.0Análise de problemas no processo de produção

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Educa o em EngenhariaColabora o Homem M quinaEmpoderamento do Funcion rioAvalia o de Risco Ergon micoErgonomia DigitalG meo Digital HumanoManufatura Inteligente

Artigos relacionados