从实体工厂到数字仿真：面向循环制造系统培训的多学科人本干预研究

《Applied Ergonomics》：From factory school to digital simulation: A multidisciplinary human-centred intervention for improving training in circular manufacturing systems

为解决循环制造系统(CMS)中操作员培训效率与职业健康平衡问题，法国格勒诺布尔阿尔卑斯大学团队通过工业工程、职业心理学与人体工效学多学科方法，结合学习工厂实验与数字仿真(DS)技术，创新性提出整合个体差异的"人物画像"(persona)建模方法。研究构建了包含5项核心技能评估的培训体系，证实差异化任务分解可同步提升生产效率23%并降低肌肉骨骼疾病(WMSDs)风险，为工业5.0(I5.0)背景下人机协同提供实证方案。

　　

在全球环境危机加剧的背景下，循环经济(CE)正推动制造业向产品再制造转型。然而电子产品的拆解修复如同"微观外科手术"——操作员需要在不规则的工作环境中，用非标准化工具处理脆弱部件，既要保持修复精度又要避免自身受伤。这种"工匠式"作业带来双重困境：新手需要长达数月的培训才能胜任，而经验丰富的操作员却面临高达37%的肌肉骨骼疾病(WMSDs)发生率。更棘手的是，现有数字仿真(DS)技术往往将操作员简化为"标准模型"，完全忽略了个体差异对生产效率与健康风险的动态影响。

法国格勒诺布尔阿尔卑斯大学的多学科团队选择电子产品再制造企业作为研究对象，创新性地将工业工程、职业心理学和人体工效学方法相结合。研究团队首先在学习工厂(Learning Factory)进行实体实验，通过标准化问卷评估操作员的5项核心能力：DIY工具使用、组织能力、严谨性、风险感知和协作倾向。随后将采集的生理数据与行为特征转化为数字仿真中的"人物画像"(persona)，首次实现了个体差异参数化建模。论文最终发表于《Applied Ergonomics》，为工业5.0(I5.0)时代的人机协同提供重要范式。

关键技术方法包括：1)基于学习工厂的物理模拟实验，采集23名操作员的技能评估数据；2)开发整合健康参数的离散事件仿真模型，包含学习-遗忘曲线动态算法；3)运用职业心理学量表量化WMSDs风险因子；4)通过ANOVA方差分析验证不同persona对系统性能的影响显著性。

实验结果

Experiments analysis and creation of personas
研究发现操作员在DIY工具使用能力上呈现显著两极分化，这种差异直接导致拆解环节用时差异达300%。通过聚类分析确立3类典型persona："精确型"（动作规范但速度慢）、"冒险型"（效率高但错误率超标）、"均衡型"（综合表现最佳）。

Generalisation of results
数字仿真显示，针对"精确型"操作员增加重复训练次数可提升效率23%，但超过临界值会引发腕管综合征风险激增；而"冒险型"人员需要穿插质量检查环节来平衡效率与健康指标。最优化方案使整体产能提升17%的同时，将WMSDs预测发生率降低至12%。

结论与意义
该研究首次实现三个突破：1)建立包含健康参数的CMS数字孪生框架，证明个体差异建模可使仿真准确度提升42%；2)提出动态任务分解算法，实现培训方案个性化配置；3)验证重复训练与健康风险的"倒U型"关系，为制定欧盟CE从业人员职业安全标准提供依据。研究特别指出，传统线性制造的学习曲线模型在CMS中需要增加"复杂度修正系数"，这对开发下一代工业仿真软件具有重要指导价值。讨论部分强调，未来需在三个方面深化研究：扩展persona类型库、开发实时健康监测的适应性培训系统、探索增强现实(AR)技术在非标准作业培训中的应用潜力。