Методическая статья

Интеграция человеческих факторов в образование по управлению операциями в эпоху Industry 5.0

299 просмотров

⸱

DOI:

10.3791/69833

⸱

14 апреля 2026 г.

 ,  ,  ,  ,  ,  ,  , 
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.

В этой статье

Краткое содержание

В данном исследовании представлена основа интеграции человеческих факторов в образование по управлению операциями в контексте Индустрии 5.0. Протокол применяет параллельную инженерию для интеграции эргономичной оценки при проектировании рабочих мест, включая сбор производственных данных, анализ проблем, создание цифрового завода, оптимизацию модели и валидацию.

Аннотация

Эпоха Индустрии 5.0 подчёркивает человеческую центральность, устойчивость и устойчивость, ставя новые требования для направления развития талантов в современном высшем образовании. Инженерное образование также адаптирует и возглавляет развитие Индустрии 5.0. В данном исследовании предлагается инновационная структура, интегрирующая человеческие факторы в современную систему образования по управлению операциями в высшем образовании. Управление операциями включает управление всем процессом, включая цепочку поставок, запасы, контроль качества и т.д. С эволюцией от Индустрии 4.0 к 5.0 управление операциями сосредоточено на людях, делая акцент на сотрудничестве человека и машины и расширении возможностей сотрудников. Поэтому содержание преподавания необходимо скорректировать, чтобы помочь студентам научиться использовать принципы человеческого фактора для оптимизации рабочих процессов, снижения усталости сотрудников и снижения рисков. В этой статье предлагается применение человеческих факторов в управлении операциями путем создания виртуальной, взаимосвязанной производственной среды, которая имитирует реальные конвейеры, выявляет проблемы с человеческим фактором и снижает отклонения с помощью численного анализа. Этот протокол позволяет выявлять и оценивать эргономические риски на этапе проектирования, обеспечивая целенаправленные меры по улучшению. Этот протокол помогает студентам понять, как снизить частоту несчастных случаев, повысить эффективность работы и снизить дополнительные расходы, связанные с корректирующими вмешательствами во время преподавания управления операциями. С помощью цифровой эргономики студенты могут понять и овладеть эргономическими методами оценки рисков. Поэтому в данной статье анализируется, как лучше интегрировать человеческий фактор в управление операциями, достигая интеграции инженерных технологий и человеческих факторов, а также предлагая новые идеи и направления образования и практики в области управления операциями. В будущих приложениях сочетание человеческих факторов с цифровыми двойниками человека (HDT) и контентом, созданным искусственным интеллектом (AIGC), позволит развивать умное производство и обеспечивать ориентированное на человека умное производство в инженерной практике.

Введение

Индустрия 4.0 фундаментально преобразила продукты, услуги и процессы благодаря интеграции передовых технологий, таких как Интернет вещей, большие данные, кибербезопасность, облачные вычисления, аддитивное производство и передовая робототехника 1,2. С ростом искусственного интеллекта (ИИ) Индустрия 4.0 интегрирует технологии ИИ с различными передовыми технологиями, меняя производственный и операционныйландшафт 3. Однако, хотя Индустрия 4.0 значительно повышает производительность и создаёт новые рабочие места для работников, она также несёт такие вызовы, как рост когнитивных потребностей, повышенные риски труда и необходимость постоянного повышенияквалификации 4. Для решения проблемы пренебрежения человеческими факторами в условиях стремительного развития Индустрии 4.0 Европейская комиссия предложила концепцию Индустрии 5.0, делая акцент на трёх ключевых элементах: человеческую центральность, устойчивость иустойчивость 5,6. Индустрия 5.0 делает акцент на сотрудничестве между человеком и ИИ, повышая производительность, обеспечивая здоровье человека и экологическую устойчивость, тем самым достигая устойчивого экономическогороста 7. Хорват и др. изучили данные 1334 производственных компаний, и результаты исследования показывают, что ориентированная на человека Индустрия 5.0 повышает способность производителей внедрять инновации в продукты, при этом участие сотрудников является важным фактором, отражая важность ориентированной на человека Индустрии 5.08.

Индустрия 5.0 делает акцент на сочетании человеческого творчества и технологической точности, что породило концепцию Оператора 5.09. Оператор 5.0 помещает операторов в производственные системы, ориентированные на человека, включая социотехнические системы, социальную устойчивость и инженериюустойчивости 10. Маттссон и Курдве предлагают, что Оператор 5.0 включает 9 факторов: когнитивные/физические способности выполнять задачи, общие цифровые навыки, универсальный дизайн, минимизацию неожиданных событий, продуктивность и качество, безопасность, стандарты, инструкции и учебныематериалы 11. Перуццини и др., основанные на Операторе 5.0, предложили дополненный цифровой двойник (ADT), который интегрирует машины, роботов, среды, интерфейсы и людей, тем самым разрабатывая интеллектуальныепроизводственные системы, ориентированные на человека. Якот и др. предложили расширенную рамку симбиоза человека и автоматизации (EHAS), делая акцент на достижении симбиоза человека и автоматизации через физическое и сенсорное усиление, когнитивное и эмоциональное развитие, коммуникацию и сотрудничество, цифровую этику, цифровое гражданство, конфиденциальность и развитие правчеловека 13.

Переход от Индустрии 4.0 к Индустрии 5.0 означает переход от технологическо-ориентированного производства к ценно-ориентированномупроизводству 14. Высшее образование должно противостоять вызовам, связанным с Индустрией 5.0, и реформировать существующие учебные программы для подготовки будущих кадров. Университетские программы должны учитывать компетенции, необходимые для Operator 5.0, чтобы подготовить студентов, получающих инженерное образование, к будущему карьерному развитию.

Внедрение обучения Operator 5.0 привело к изменениям в целях преподавания курсов по операционному менеджменту. Как основная функция современного управления предприятием, управление операциями охватывает весь процесс — от закупки сырья до доставки конечной продукции или услуг. Он охватывает несколько аспектов, таких как управление цепочкой поставок, планирование и составление графика производства, стажировка, управление запасами и контроль качества. Цель обучения курсов по управлению операциями — помочь студентам понять, как оптимизировать распределение ресурсов, повысить эффективность, снизить затраты и обеспечить соответствие качества и скорости доставки продуктов или услуг рыночным требованиям. В частности, компонент work-study помогает студентам глубоко понять и овладеть теоретическими знаниями операторов в управлении операциями, анализировать сложные кейсы и предлагать инновационные и практические решения через практическое обучение.

Сборочная линия, как самая типичная производственная ситуация в производстве, является основным направлением применения технологий, связанных с Operator 5.0. Индустрия 5.0 требует сборочных линий для решения конкретных производственных потребностей. Оператор 5.0, благодаря объединению человеческого творчества и расширения возможностей технологий, позволяет перевести сборочные линии с массового производства на массовую кастомизацию. Оператор 5.0 может быстро изменять конвейерные процедуры, используя цифровые двойники и инструменты симуляции для удовлетворения уникальных требований продукции, обеспечивая гибкость и адаптивность конвейера15. Оператор 5.0 может моделировать движения и усталость работников конвейера с помощью цифровых двойников, оптимизируя дизайн рабочих станций и воплощая концепцию человека в цикле умногопроизводства 16. Таким образом, в обучении оператору 5.0, приводя в пример улучшение сборочной линии, рисунок 1A иллюстрирует основные этапы, которые в настоящее время включаются в выявление и устранение проблем на конвейере. Современные практики недостаточно учитывают рабочие расстройства опорно-двигательного аппарата (WMSD) на ранних этапах инженерного проектирования. Физические эргономические факторы риска включают неуклюжую осанку, нагрузку на силу, обращение с материалом, неподвижные положения иповторение 17. Когда эти риски присутствуют в реальных производственных операциях, они не только вызывают WMSD среди работников, но и продлевают производственные циклы и увеличивают операционные расходы предприятий при внедрении корректирующих мер. Бойсен и др. представили систематический обзор проблем балансировки на конвейере, выделив человеческий фактор как критический фактор в улучшении производительностиконвейеров 18. Поэтому в эпоху Индустрии 5.0 важность человеческих факторов в управлении операциями стала ещё более заметной, играя значительную роль в современныхбизнес-стратегиях 19,20.

Капуто и др. ввели теорию параллельного инжиниринга в проектирование рабочих мест, предлагая учитывать эргономические оценки на этапе проектирования процесса, что потенциально предотвращает эргономические риски на этапепроектирования 21. В эпоху Индустрии 4.0 недостаточно внимания уделяется основной роли эргономики в производственных операциях, что затрудняет полную адаптацию к требованиям эргономики в Индустрии 5.022. Поэтому, руководствуясь концепцией Индустрии 5.0, практика обучения операционному менеджменту должна включать больше эргономического контента. Возьмём в пример вопрос улучшения на конвейере, рисунок 1B показывает, что при чётких целях и задачах улучшения измерение времени и эргономичных рисков в каждом процессе проводится одновременно, а эргономичные оценки рассматриваются на этапе проектирования процесса параллельно с инженерным мышлением для улучшения конвейера.

figure-introduction-1
Рисунок 1: Два типа процессов улучшения на конвейере. (A) традиционный процесс совершенствования на конвейере и (B) процесс, интегрирующий человеческий фактор. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

В рамках Operator 5.0 и меняющихся требований Индустрии 5.0 рабочая сила должна приобретать релевантные цифровые навыки для эффективного участия в новой работе и задачах. 62% производственных компаний сообщили, что недостаток сотрудников с соответствующими навыками является серьёзным препятствием для успеха цифровойтрансформации 23. Хансен и соавт. опросили 30 компаний, стремящихся к цифровой трансформации, и обнаружили, что успех цифровой трансформации при переходе от Индустрии 4.0 к Индустрии 5.0 зависит от развития возможностейработников 24. Будущим профессионалам необходимо овладеть передовыми цифровыми возможностями для эффективного взаимодействия с интеллектуальнымисистемами. Хермавати и др. оценили текущее состояние образования в эргономике и обнаружили, что существует разрыв между текущим образованием по эргономике и требованиями Индустрии 5.026. Поэтому крайне важно обучать новые навыки в соответствии с требованиями Индустрии 5.0, а также развивать цифровые компетенциистудентов 7.

Появление цифровых двойников, включающих эргономическую оценку рисков, позволило интегрированно проектировать дизайн рабочего места и эргономическую оценку с помощью цифрового моделирования, применяя концепцию параллельного инжиниринга. Это обеспечивает ориентированный на человека цифровой дизайн в контексте Индустрии 5.0. Капуто и др. предложили модель цифрового двойника, включающую эргономическую оценку для проектирования рабочих мест, которая была подтверждена на конвейере Fiat Chrysler Automobiles (FCA) с использованием методов оценки Ergonomic Assessment Worksheet (EAWS) и системы анализа рабочей позы Ovako (OWAS)21,27. Упомянутые выше исследования использовали язык процесса Метод-Временной Измерения (MTM) в своих анализах. MTM — это тип системы предопределённого времени (PTS), которая разбивает ручные операционные процедуры на базовые элементы движений, учитывая условия труда для определения времени, необходимого для выполнения задачи. Брезник и др. использовали универсальную систему анализа MTM (MTM-UAS) вместе с программным обеспечением для моделирования для решения задачи балансировки на конвейере (ALBP)28.

В ответ на вышеупомянутые требования к управлению операциями — интеграция физических эргономичных факторов риска на начальном этапе инженерного проектирования и развитие цифровой компетентности студентов — в этом исследовании приводится задача улучшения на конвейере в качестве примера. Он интегрирует эргономическую оценку в модель цифрового двойника, чтобы показать, как инженерное образование может адаптироваться к требованиям Индустрии 5.0, способствуя развитию Оператора 5.0 через ориентированный на человека дизайн и развитие цифровых возможностей.

В заключение, на фоне перехода от Индустрии 4.0 к ориентированной на человека Индустрии 5.0, данная статья исследует интеграцию человеческих факторов в образование по управлению операциями. Используя пример руководства студентов проектированию конвейеров в рамках учебных практик, он включает эргономичную оценку рисков, чтобы помочь студентам понять суть Оператора 5.0. Демонстрируя процесс интеграции эргономики в образование по управлению операциями, это исследование направлено на предоставление новых взглядов и направлений как для образования, так и для практики в области управления операциями в эпоху Индустрии 5.0.

Этот протокол предлагает экспериментальные процедуры для измерения и улучшения рисков времени и эргономики при проектировании конвейера. Процедуру можно свести в пять этапов: 1) Сбор состояния производства, 2) Анализ проблем в производственном процессе, 3) Создание цифрового завода, 4) Оптимизация модели и 5) Проверка эффективности цифрового завода. Если какое-либо из этих требований в пяти шагах не выполнено, процесс становится неполным и недостаточным для доказательства эффективности.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Это исследование было проведено в соответствии с принципами Хельсинкской декларации и одобрено Институциональным обзорным советом Университета науки и технологий Цзянсу. Мы получили информированное согласие участников эксперимента на использование и публикацию их данных.

1. Сбор статуса производства

ПРИМЕЧАНИЕ: Этап сбора состояния производства требует измерения времени на производственной площадке и съёмки видео на месте для подготовки к последующему анализу проблем. Определить ход производственного процесса и собрать информацию о работниках, а также 3D-модели оборудования, продукции и материалов на производственной площадке для последующего цифрового строительства фабрики.

  1. Соберите условия труда на конвейерах, которые требуют улучшения. Сюда входят темпы конвейера, масштабы конвейера и планировка окружающей среды, площадь проанализируемой производственной зоны, информация о производственном оборудовании и площади производства, количество задействованных позиций, процессы сотрудничества человека и машины, типы поставок материалов иметоды 29.
  2. Измеряйте человеческие часы с помощью секундомера, чтобы получить данные о времени для каждого типа работы.
    1. Впервые нажмите на ручное колесо механического секундомера, когда работник начинает циклические действия.
    2. Нажмите на рукоятку во второй раз, когда работник завершает циклические действия.
    3. Посмотри время.
    4. Нажмите на рукоятку в третий раз, чтобы сбросить секундомер.
  3. Снимайте видео с производства на месте для последующего анализа проблем.
  4. Собирайте информацию о работниках с производственной площадки. Сюда входят демографические данные: возраст, пол, национальность и антропометрические данные (единица — см): (1) Рост, (2) Рост глаз, (3) Рост плеч, (4) Высота локтя, (5) Высота костяшек, (6) Рост, сидя, (7) Рост глаз, сидение, (8) Высота опоры на локте, сидя, (9) Высота зазора до бедер, (10) Высота колена, сидя, (11) Расстояние между ягодицами и коленями, сидя, (12) Высота подколка, сидяние, (13) Глубина груди, (14) Ширина локтя до локтя, (15) ширина бедер,сидение 30.
  5. Собирайте 3D-модели продукции, материалов и оборудования, включая: 3D-чертежи сборки продукции, 3D-модели материалов, 3D-модели машин и оборудования, а также инструменты.
    1. Собирайте качество компонентов и инструментов, используемых в ручной работе и обработке (единица — килограммы). Собирайте ключевые силы, необходимые для рабочего процесса, такие как сила, необходимая для подъёма предметов, или крутящий момент, необходимый для затягивания болтов (устройство — это Newtons).

2. Анализ проблем в производственном процессе

ПРИМЕЧАНИЕ: На основе собранных данных о состоянии производства используйте программное обеспечение для анализа поведения для анализа производственных видео на месте, а затем выявления проблем на этапе цифрового строительства фабрики. Основные этапы работы программного обеспечения для анализа поведения включают базовые настройки программного обеспечения, настройки программного обеспечения и анализ видео. Доступность веб-программ https://noldus.com/observer-xt-human.

  1. Настройте базовые настройки.
    ПРИМЕЧАНИЕ: Этот этап включает установку параметров сэмпла для программного обеспечения. Выберите подходящий тип сэмпла (непрерывный или прерывистый) на основе снятого видео. После выполнения базовых настроек видео можно импортировать.
    1. Двойной клик, чтобы открыть программу для анализа поведения.
    2. Нажмите «Создать новый проект», а затем «Новый».
    3. Введите имя файла в раздел «Имя нового проекта».
    4. Нажмите «Настроить проект» в окне «Всплывающее новое».
    5. Выберите комбинировать непрерывное и мгновенное дискретирование в методе наблюдения , поскольку существующее производственное видео является образцом дискретных видеокомбинаций.
  2. Настройте программное программирование.
    ПРИМЕЧАНИЕ: Этот этап включает настройку программного кода. При последующем видеоанализе требуется быстрое кодирование видео для подсчёта проблемных точек, и этот этап формирует кодирование для этой цели. После выполнения этого шага видео можно импортировать и проанализировать.
    1. Задайте метод кодирования в схеме кодирования в разделе Setup. Нажмите «Схема кодирования», затем «Мгновенная выборка» и «Субъект».
    2. Нажмите «Добавить группу поведения» в интерфейсе «Поведения».
    3. В название группы введён эргономический риск.
    4. Введите «сутул», « поворот назад» и «бок » в разделе «Поведения» ниже, выберите «Нет по длительности», так как все действия — мгновенные. Выбор поведения в этой группе может пересекаться, так как эти явления могут возникать одновременно с другими возможными ситуациями, затем нажмите OK после завершения.
      ПРИМЕЧАНИЕ: Этот шаг добавляет все эргономические риски, которые могут появиться в видео для дальнейшего анализа.
    5. Измените кодировку в интерфейсе Behaviors, установив клавиши начала и конца для stoop, turn-back и sideways соответственно 1, 2 и 3.
      ПРИМЕЧАНИЕ: Первое нажатие 1 означает появление поведения «сутул», а повторное нажатие 1 — прекращение этого поведения. Поведение в программировании помогает аналитикам быстро выявлять проблемные точки в видео и использовать их для последующего анализа.
  3. Проведите видеоанализ.
    ПРИМЕЧАНИЕ: Этот этап включает импорт видео, программирование и статистику проблем.
    1. Проанализируйте видео в разделе «Наблюдения проекта Explorer». Нажмите «Наблюдения», выберите «Создать новое наблюдение» в всплывающем окне, введите нужное имя файла в имя наблюдения и нажмите OK.
    2. Найдите видео для анализа в всплывающем окне и нажмите «Открыть».
    3. Нажмите кнопку «Начать наблюдение » на интерфейсе, чтобы запустить анализ видео, и нажмите предустановленный код при определении проблемной точки, например, нажмите 1 на клавиатуре при наблюдении движения изгиба. После завершения книги нажмите «Сохранить под файлом » вверху страницы, чтобы сохранить данные, что позволило быстро задокументировать все проблемные моменты, появляющиеся в видео.
    4. Просмотр данных анализа в разделе «Анализы проекта Эксплорер». Нажмите «Профиль данных», чтобы увидеть данные по оси времени кодирования. Проверьте, появляются ли в видео высокочастотные физиологические нагрузки, включая сутуление, поворот и боковые движения.
    5. Посчитайте частоту высокочастотных физиологических нагрузочных действий.

3. Создание цифровой фабрики

ПРИМЕЧАНИЕ: На сборочной линии чрезмерное распределение рабочих мест, длинные рабочие часы, неравномерная нагрузка между станциями, накопление работы в процессе между позициями, а также частые наклоны, повороты и боковые движения среди работников конвейера, согласно вышеупомянутому анализу проблемных точек. Для решения этих проблем требуются решения. В этой статье предлагается моделировать процессы человеческой эксплуатации и корректировать конвейер на цифровом заводе путём создания цифровой фабрики. По сравнению с традиционными улучшениями на месте, создание цифрового завода гарантирует, что измерение данных производственного процесса не будет зависеть от состояния персонала на месте. Кроме того, все протоколы улучшения могут быть проверены и оптимизированы в программном обеспечении без повторных корректировок на месте, что значительно сокращает время и расходы в процессе улучшения. Веб-доступность программного обеспечения https://imk-ema.com/en/ema-work-designer.

  1. Моделировать сборочную линию с помощью цифрового программного обеспечения для промышленной инженерии.
    1. Откройте программное обеспечение цифровой промышленной инженерии. Нажмите «Создать новый проект» в всплывающем окне.
    2. Укажите базовую информацию о проекте, время цикла и т.д. в проекте симуляции вверху страницы.
    3. Используйте кнопки Add Object(s) From File, Add Manikin и Add Item From Library во вкладке Objects в верхней части страницы, чтобы импортировать человеческую модель, совпадающую с данными работника, полученной в разделе 1, а также 3D-моделями полок, деталей и других компонентов.
    4. Разместите модели в 3D-виде внизу страницы.
      1. Сначала переключите режим управления в левом выпадающем меню на «Макет», затем выберите модели в 3D-представлении для перемещения, вращения и т.д., завершите раскладку цифровой сборочной линии и, перетаскивая и перемещая объект в списке структуры, дважды кликайте для редактирования названия, цвета и аннотаций объекта или определяя родительский объект, объединение структуры объекта и генерация ссылок на объект через подменю правой кнопки мыши, группирование объектов, установление отношений подчинения, установление эталонных объектов и изменение параметров, таких как цвет, масса объекта и положение захвата, для последующего динамического моделирования.
    5. Назначайте задачи сборки соответствующим цифровым человеческим моделям в соответствии с последовательностью сборки процесса во вкладке «Задачи» в верхней части страницы программного обеспечения. Перетащите необходимые задачи сборки из левого списка на странице задач на ось действия цифровой модели человека.
      1. Найдите задачи сборки в левом списке страницы Задачи, включая задачи по обработке объектов (выбор объекта, размещение объекта, объединение объектов и т.д.), задачи на движение тела (ходьба, преклонение на колени и т.д.) и другие распространённые задачи, связанные с промышленным производством.
      2. Затем заполните соответствующие параметры в соответствии с требованиями к моделированию и процессу текущей задачи, например, указание объекта для работы, позиции цели, где объект должен быть установлен, выбор ограничений по позе тела во время выполнения действия и описание процесса задачи (уровень выхвата, точность размещения, требования к силе пальцев и рук и т.д.).
  2. Нажмите на иконку симуляции, чтобы запустить симуляцию, и программа автоматически генерирует анимацию симуляции и результаты анализа. Если появляется сообщение об ошибке или результаты симуляции не соответствуют требованиям, скорректируйте проект моделирования в соответствии с шагом 3.1.
  3. Нажмите кнопку «Результаты» вверху страницы, чтобы просмотреть результаты работы модели. Просмотрите результаты оценки, такие как время, эргономика человека и путь ходьбы с каждой левой вкладки и нажмите «Эргономика», чтобы получить балл EAWS работника.
    ПРИМЕЧАНИЕ: EAWS — это метод оценки биомеханических рисков нагрузки, разработанный международной экспертной командой, используемый для оценки риска WMSD, которым операторы могут подвергаться во время работы.
  4. Подтвердите рабочие места, требующие улучшения, согласно таблице оценок EAWS (рисунок 2). Тем временем просматривайте подробные оценки в результатах эргономики программного обеспечения, чтобы лучше определить наиболее важные операционные задачи, требующие улучшения.

figure-protocol-1
Рисунок 2: Уровень оценки EAWS. Стандарт для классификации эргономических уровней риска на основе баллов EAWS. Пожалуйста, нажмите здесь, чтобы увидеть увеличенную версию этой фигуры.

4. Оптимизация модели

ПРИМЕЧАНИЕ: Цель этого шага — снизить уровень риска EAWS для производственных работников до низкого уровня риска.

  1. Наблюдайте за показателями EAWS работников на рабочих местах, выявленных для улучшения на предыдущем этапе. Переключайтесь между разными работниками и модулями оценки (осанка тела, сила рук, обработка нагрузки и т.д.) на странице результатов эргономики, чтобы определить наиболее рискованных участников.
  2. Определить связанные действия от участников с наибольшим риском для подготовки к последующим улучшениям.
  3. Разрабатывайте стратегии улучшения на основе точек риска, корректируйте модель в программном обеспечении и повторяйте оценку симуляции.
    1. Нажмите «Задачи», найдите рабочий стол работника с наибольшим риском на диаграмме дерева. Нажмите Добавить объект(ы) из файла в левом верхнем углу, импортируйте новую модель устройства дизайна и добавьте устройство в каталог workbench, чтобы упростить действия рабочих.
    2. Нажмите «Задачи», кликните по оси действия worker2_human, найдите изменённую операционную задачу и отмените избыточные действия в этой схеме улучшения. Щёлкните по полым точкам слева на стрелке движения, чтобы целиться и активировать, пока они не превратятся в синие точки с правой стрелкой на фоне, чтобы отменить текущую симуляцию действия.
    3. Нажмите Simulate, чтобы запустить модель, и проверьте аномалии после завершения, чтобы избежать логических ошибок, вызванных добавлением новых устройств.
      1. Если есть аномалии, измените содержимое связанных действий в зависимости от добавленного оборудования и изменений.
    4. Запустите модель снова, повторяя предыдущие шаги, пока на оси действия не останется аномалий.
    5. Нажмите «Результаты», выберите «Эргономику» и посмотрите, снизилось ли значение риска EAWS работника до зелёного уровня.
      1. Если он не снизился до зелёного уровня, рассмотрите возможность увеличения длительности отдыха в колонке Common на странице эргономики или продолжайте корректировать положение поставок материалов, операционные последовательности и дизайн инструментов.
    6. Повторяйте эти шаги, пока риск EAWS не снизится до зелёного уровня.
  4. Запустите модель и посмотрите, находятся ли показатели EAWS Whole Body и EAWS Upper Hembs в результатах в пределах порога безопасности. Порог безопасности требует, чтобы балл EAWS был ниже 50 баллов, как показано на рисунке 2, а цвет — либо зелёный, либо жёлтый.
  5. Нажмите MTM-UAS Analysis, чтобы проверить, сокращается ли улучшение человеческих часов по сравнению с прежними, достигая цели сокращения человеческих часов и сохранения эргономических рисков в пределах порога безопасности при совершенствовании на конвейере.

5. Проверка эффективности цифровой фабрики

ПРИМЕЧАНИЕ: Вышеуказанные шаги позволили реализовать проектирование и оптимизацию сборочной линии на цифровом заводе. Цель этого этапа верификации — убедиться, что результаты программного моделирования соответствуют фактически измеренному состоянию конвейера после реализации оптимизации. Если он будет согласован, этот экспериментальный метод эксплуатации может быть использован для будущей оптимизации проектирования конвейера.

  1. Проверьте результаты по человеко-часам.
    1. Измеряйте человеческие часы на улучшенной производственной площадке, как описано в шаге 1.2.
    2. Сравните результаты человеческих часов с программной работой.
  2. Проверьте результаты эргономического риска.
    1. Измерьте эргономические риски на улучшенном участке, как описано в шагах 2.2 и 2.3.
    2. Сравните результаты эргономических рисков при выходе программного обеспечения.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Основываясь на вышеуказанных экспериментальных операциях, представительные результаты этой статьи берут в качестве примера сборку типичного механического продукта — компонента корпуса клапана — для демонстрации типичных результатов интеграции человеческого фактора в управление операциями для улучшения работы. Этот эксперимент представляет собой практическую составляющую преподавания уже существующего курса «Человеческие факторы», и его результаты преподавания были продемонстрированы на ф...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Это исследование включает не только эффективность по времени, но и измерение эргономических рисков при проектировании конвейера. Интегрируя эргономичное измерение рисков, можно выявить потенциальные скрытые риски безопасности на этапе проектирования, что гарантирует учёт эргономичных факторов на конвейере. Этот протокол повышает продуктивность сотрудников, снижает вероятность и последствия несчастных случаев и способствует обеспечению благополучия сотрудников в рамках Индустрии 5.0. В пр...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторам нечего раскрывать.

Благодарности

Это исследование было поддержано Национальным фондом естественных наук Китая (72374088, 72471105, 72001096), ключевым проектом 2024 года по планированию исследований в области науки высшего образования Китая (24XX0205, Механизмы стратегий сотрудничества человека и ИИ для повышения учебных результатов), ключевым проектом 2024 года по планированию науки в образовании в провинции Цзянсу (B-b/2024/01/162, Создание моделей и эмпирические исследования мультимодального обучения с точки зрения образования Нейронаука) и Фонд гуманитарных и социальных наук Министерства образования Китая (24YJCZH445).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Программный пакет emaimk Industrial Intelligence GmbHV2.2.0.3Создание цифровой фабрики
Observer XTИнформационные технологии НолдусV12.0Анализ проблем в производственном процессе

Ссылки

  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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Похожие статьи