《Ergonomics》：Designing a tool to assess design-related drivers of cognitive workload in collaborative assembly systems: a Delphi study
编辑推荐：
协作装配系统由于动态的人-机器人交互而给操作人员带来新的认知需求，因此认知负荷(CWL)评估对于安全、绩效和福祉十分重要。现有CWL评估方法往往不适合工业实践，因为它们具有回顾性、侵入性，或对可设计的系统特征关注不足。研究人员提出了HERALD（Human-c
协作装配系统由于动态的人-机器人交互而给操作人员带来新的认知需求，因此认知负荷(CWL)评估对于安全、绩效和福祉十分重要。现有CWL评估方法往往不适合工业实践，因为它们具有回顾性、侵入性，或对可设计的系统特征关注不足。研究人员提出了HERALD（Human-centric Evaluation of Robotics and Assembly cognitive LoaD，人机中心机器人与装配认知负荷评价法），一种基于指标的实用方法，用于评估协作装配工位中可设计的潜在CWL来源。研究人员开展两轮德尔菲研究，邀请人因工程、工效学、工业工程与机器人学专家，对关键CWL决定因素进行识别、细化，并评价其内容相关性与实际可用性。最终工具包含11个因素，归为任务相关、工位相关和机器人/交互相关三个领域，通过可观察指标操作化。HERALD通过生成与工作负荷相关的设计条件因素级诊断画像，支持系统评价与设计，而非直接测量协作装配场景中操作人员的瞬时工作负荷。
研究背景方面，工业5.0强调以人为中心、可持续与有韧性的制造，人-机器人协作(HRC)成为关键技术。协作装配系统(CASs)中，操作人员需监测机器人行为、实时决策、维持情境意识并处理信任与焦虑，使认知负荷(CWL)对安全、绩效与工人福祉影响显著。现有方法如NASA任务负荷指数(NASA-TLX)多为回顾性、侵入式或侧重个体即时负荷，难以系统识别任务、工位与机器人交互中可修改的设计性负荷来源。认知负荷理论(CLT)区分内在负荷与外在负荷，多重资源模型强调视觉与注意资源竞争，因此需要将CWL视为可由工作系统设计调节的系统结果。论文发表于《Ergonomics》。
研究人员开展的研究为：以制造场景认知负荷评估方法CLAM为基础，经团队头脑风暴与文献回顾生成14个初始因素，再通过两轮在线德尔菲调查，由15名受邀、每轮14名参与的跨学科专家评价因素与相关指标的相关性、清晰度与可用性，最终形成HERALD框架。结论为：CWL在协作装配中由任务相关、工位相关、机器人/交互相关三类可设计因素共同塑造；HERALD可输出因素级诊断画像，用于设计、评价与再设计，不直接测量个体瞬时负荷。意义在于弥补传统方法缺乏设计导向的缺口，推动以人为中心的协作装配认知工效学标准化。
主要技术方法概括：研究人员采用顺序多阶段法，先由具备工程、机器人、工效学背景的三位团队专家基于CLAM与文献做项目生成与概念映射，形成14个因素；再通过目的性抽样遴选工业工程、机器人学、人因与工效学及HRC领域、具高质量论文且至少2年经验的专家，样本队列为研究团队联系人及相关文献作者，共联系37人、15人参与、每轮14人；使用Qualtrics平台实施两轮德尔菲，第一轮按相关性、标题质量、描述清晰性、测量构念效度、量表充分性、易用性六项标准以5点李克特尺度评价，第二轮将因素精简为11个并以3至6条指标评价相关性，辅以澄清跟进；数据分析采用均值、标准差(SD)、变异系数(CV)、中位数、四分位距(IQR)及信号灯逻辑，排序一致性用肯德尔和谐系数(Kendall's W)。
研究结果如下。
- 3.
Method：研究人员通过头脑风暴、文献回顾与两轮德尔菲调查开发专家驱动的指标体系；专家面板来自学术出版与团队网络，伦理由博洛尼亚大学伦理委员会批准。
3.1. Identification of cognitive workload factors：由三位团队专家保留并改造CLAM因素，新增机器人相关因素，形成14个初始因素，作为外部专家评价项目池。
3.2. Expert panel selection：目的性抽样联系37名专家，15人参与、每轮14人，背景涵盖工业工程、机器人、人因工效学与HRC，保障学科多样性。
3.3. The first round of the Delphi survey：以5点李克特尺度按六项标准评价14个因素，发现部分因素标题、描述、构念效度与7点量表易用性存在问题，为修订提供依据。
3.4. The second round of the Delphi survey：将因素减为11个，每因素配3至6个指标，专家评价指标相关性并排序；澄清跟进仅用于条目修订，不新增评分。
3.5. Data analysis：以描述统计与信号灯逻辑判断保留、修改或删减，用Kendall's W解释专家排序共识。
- 4.
Results：第一轮显示因素总体相关但部分操作化不清；修订后第二轮指标相关性均值为3.7至4.7，多数离散度可接受，5个指标因歧义需重构。
4.1. The first round of the delphi survey results：14个因素中Task Complexity相关性最高，Access to Materials等存在标题与测量争议，七点量表被评过重。
4.2. The revisions of the factors：14个变11个，Access to Materials与Customisation of Workstation并入Workstation Layout，Customisation of Robotic System并入Robot Adaptability；改用0至3四点指标计分，因子分为指标均值。
4.3. The second round of the delphi survey results：11因素指标获专家支持，Product Variants与Error Cost等个别指标IQR≥2.0，经澄清改写下消除歧义。
4.4. Defining the HERALD framework for assessing potential CWL drivers：最终HERALD含任务相关Task Complexity、Work Intensity、Product Variants、Error Cost，工位相关Physical Ergonomics、Workstation Layout、Error Prevention、Information Quality，机器人/交互相关Human–Robot Communication、Robot Predictability、Robot Adaptability；因子分0至3，高分表示更易致潜在CWL。
4.5. Practical use of the HERALD assessment framework：由训练从业者对具体工位或周期做观察与文档核查评分，输出因素级画像引导再设计，如Work Intensity高需审节奏，Information Quality差需改指令与反馈。
讨论部分总结：研究人员指出HERALD证明CWL是任务、工位与机器人交互共同形成的社会经济技术结果；机器人可预测性、通信与适应性不能孤立评价。指标化路径把内在负荷与可避免的外在负荷区分开，弥补CLAM未覆盖HRC特有协调需求的不足。HERALD不与NASA-TLX、生理或绩效测量竞争，而是补充其设计诊断功能。
研究结论部分翻译：本研究通过两轮德尔菲流程开发了HERALD，一种基于指标的、用于评估协作装配工位中可设计潜在CWL来源的工具。各轮次中，专家确认协作装配中的CWL最好理解为一种社会经济技术结果，由任务相关要求、工位相关条件与机器人/交互相关特征共同塑造。该因素结构与人本HRC需可预测行为与认知对齐的观点一致。HERALD把概念因素转为可观察指标，使人因非专家也能在早期设计中识别并修改避免性认知需求。HERALD应被解释为识别设计相关潜在CWL来源的评估框架；主观、生理、行为与绩效测量仍用于量化操作人员实际负荷状态。HERALD解决的是互补需求：帮助从业者识别任务、工位或人-机器人交互中可产生避免性认知需求的可修改特征，以用于设计或再设计决策。
