《International Journal of Engineering Business Management》：A structured immersive simulation approach for developing system-level decision-making skills in industrial production and logistics
编辑推荐：
工业复杂性的日益增加，使得生产、质量、可靠性和物流过程之间的相互作用越来越难以仅通过静态过程表示或传统基于屏幕的仿真工具来理解。在工业系统中，运营决策通常会在相互关联的子系统之间产生级联效应，要求工程师和操作人员培养对过程动态和相互依赖性的系统级理解。本文提出
工业复杂性的日益增加，使得生产、质量、可靠性和物流过程之间的相互作用越来越难以仅通过静态过程表示或传统基于屏幕的仿真工具来理解。在工业系统中，运营决策通常会在相互关联的子系统之间产生级联效应，要求工程师和操作人员培养对过程动态和相互依赖性的系统级理解。本文提出了一种沉浸式仿真方法，通过交互式和沉浸式环境支持对工业过程动态的探索和理解。该方法不仅将虚拟现实（virtual reality, VR）作为可视化技术，还将沉浸式交互与离散事件仿真（discrete-event simulation, DES）模型相结合，以再现工业生产和物流系统的运营行为。用户可以直接操纵运营变量，并观察变化如何在产量、瓶颈形成、质量动态、机器可用性、库存行为和资源利用率中传播。该方法围绕关键运营动态的识别及其转化为代表工业生产和物流系统关键方面的沉浸式仿真场景而构建。研究人员开发了七个仿真场景，并在一个受控的基于课程的环境中部署，涉及32名参与者，使用了工业级仿真工具和VR技术。尽管在教育背景下实施，这些场景以工业运营动态为基础，并讨论了其向工业培训和能力开发环境的可转移性。参与者反馈表明，在概念清晰度（平均评分为4.81/5）、对过程相互依赖性的理解以及理论模型与运营系统行为之间的联系（4.53/5）方面，感知改善程度较高。结果还强调了沉浸式交互在支持主动探索过程动态和运营权衡方面的作用。该论文通过展示沉浸式仿真环境如何支持对复杂工业过程动态的理解，并提供难以通过传统分析或培训方法传达的运营知识的交互式表示，为运营能力开发文献做出了贡献。
随着工业系统自动化、数据驱动控制和互联子系统的加速整合，工程师和操作人员面临的能力要求正在发生深刻变化。在工业生产和物流系统中，局部决策往往通过生产、质量、可靠性和物流等相互关联的子系统产生级联效应，因此仅停留在概念层面的理解已不够，需要具备在真实条件下对系统动态进行因果推理的能力。然而，静态图表、分析模型和程序化描述难以捕捉工业系统的时间演化、可变性和相互依赖性；传统屏幕式仿真虽能展示动态过程，但仍保持外部观察者视角，无法提供第一人称的沉浸式交互。现有虚拟现实（virtual reality, VR）应用大多针对孤立主题或单一操作环节，缺乏从系统动态识别到场景设计的系统化方法。因此，该研究旨在提出一种结构化方法，将离散事件仿真（discrete-event simulation, DES）与沉浸式交互相结合，以支持系统级因果推理，从而弥补现有技术在复杂过程动态理解上的不足。
研究人员提出了一种以能力目标为导向的方法：首先识别工业生产和物流系统的关键运营动态，将其转化为明确的能力子目标，再据此设计相应的沉浸式仿真场景。该方法在本科工业工厂工程课程中应用，开发了七个相互关联的场景，覆盖生产流程、机器可靠性、质量控制、仓库管理等核心领域。32名参与者反馈显示，该方法显著提升了概念清晰度、对过程相互依赖性的理解以及理论联系实际的能力。论文发表在《International Journal of Engineering Business Management》，其意义在于为运营能力开发文献提供了一种可转移的沉浸式仿真设计范式，使复杂的工业过程动态能够以交互式方式呈现，弥补了传统分析和培训方法的局限。
该研究主要采用了以下关键技术方法：一是基于能力目标映射的场景设计，从工业动态中识别子目标并转化为仿真场景；二是使用工业级仿真软件Siemens Tecnomatix Plant Simulation建立离散事件仿真模型，作为控制流程逻辑的核心引擎；三是利用该软件的原生VR功能，通过HTC Vive Pro 2头显提供沉浸式交互；四是在课程环境中部署，通过5点李克特量表和开放式问题收集反馈，并采用混合方法分析。样本为32名本科生，其中24名来自机械工程、8名来自管理工程，包含4名女生和28名男生。
研究结果部分如下：
**4.1 能力目标与场景选择**：通过将十三个学习子目标映射到七个场景，确定了从生产线行为到仓库管理的全面场景组合，确保每个宏观领域都有对应场景，且子目标之间相关机制相近者可合并，不同机制者则分开设计。
**4.2 仿真开发与试点测试**：使用Plant Simulation构建了七个沉浸式模型，并通过多轮试点测试验证了参数调整、交互元素响应和虚拟环境可读性，改进了界面简洁性和产品类型颜色编码，确保模型与能力目标一致。
**4.3 学习体验与课堂整合**：场景通过两次教学会议（共四次课堂时段）部署，学生分组轮流使用VR头显，每个学生都有机会体验，未使用头显的学生也可建议参数变化并参与分析，促进了协作；每次会话均包含理论导入、沉浸操作和总结反馈三个阶段。
**4.4 反馈收集与分析**：定量结果显示，所有学习和参与度项目的中位数均高于4.5，其中概念清晰度平均得分为4.81，理论-实践联系为4.53，参与度也为4.81；90.6%的学生认为在理论讲解后使用VR效果更好。定性反馈突出了可视化与现实主义、理论与实践联系、记忆巩固和参与度等主题，且未报告晕动症或身体不适。总体而言，参与者的反馈证实了该方法的有效性。
讨论部分指出，该方法的设计逻辑基于运营系统行为，因此不仅适用于学术教育，也能用于工业操作员培训。在工业应用中，需要将简报环节调整为面向特定工厂运营情境，并考虑操作员对技术熟悉度可能较低的问题。技术上，由于使用了行业标准软件，模型参数可用实际工厂数据校准，模块化结构允许分阶段实施，但硬件和技能投资仍是约束。
研究结论部分指出：本研究提出了一种将离散事件仿真与虚拟现实相结合的结构化方法，以支持工程教育和操作员培训中工业系统动态的因果推理发展。核心贡献是方法论层面的，即提供了一种系统化过程，用于定义工业系统中的能力目标，并据此设计沉浸式仿真场景。这一设计逻辑植根于运营行为而非特定任务，因此无需修改底层逻辑即可适用于学术和专业环境。该方法的一个独特之处在于能力目标映射的范围，涵盖了从局部过程变异性到机器可靠性、从质量控制权衡到仓库管理策略的关键运营动态。课程应用证明了该方法在规模上的可行性，覆盖了工业工厂主要运营领域的七个相互关联的场景。参与者的反馈证实了概念清晰度、理论与实践联系以及参与度方面的显著提升，尤其是通过操作参数并实时观察传播效应的机会。未来研究将有方向：一是扩展场景集，覆盖更多运营动态和基于真实工厂数据校准的配置；二是定量评估该方法与传统教学和培训方法的比较，例如在学术环境中进行前后测试以测量因果推理能力，或在工业培训中比较操作员决策质量与速度。
