|
人是制造生產活動中最具能動性和最具活力的因素，智能制造最終需回歸到服務和滿足人們美好生活需求上來。本文基于人–信息–物理系統（HCPS）智能制造發展理論，提出以人為本的智能制造（人本智造）的基本概念，并從發展背景、基本內涵、人的因素、技術體系、應用實踐等方面對人本智造進行了分析探討。研究指出，人本智造體現了智能制造發展的一種重要理念，同時也是新一代智能制造系統的一個重要技術方向。在此基礎上，針對人本智造從政策、企業、科研3個層面提出了若干建議：及時對接國家相關戰略、企業將“以人為本”作為發展智能制造的重要理念、重視智能制造系統中人因工程的研究等，以促進以人為本的智能制造在我國的發展和應用。 一、前言 當今世界正處于百年未有之大變局，特別是新一代信息技術與制造技術的持續深度融合，深刻改變著全球制造業的發展形態。面對以智能制造技術為核心的新一輪科技革命與產業變革，世界各國或地區都在積極采取行動 [1,2]，推動制造業轉型升級，以確保本國制造業在未來工業發展中占據有利地位（見表 1）。其中，智能制造成為各個國家或地區構建本地域制造業競爭優勢的關鍵選擇。與此同時，各國學術界和產業界也較多開展相關研究，為推進智能制造相關戰略計劃提供理論基礎 [1~5]。 近年來，我國不斷加快智能制造領域的發展步伐。《中國制造 2025》明確提出，以加快新一代信息技術與制造業深度融合為主線，以推進智能制造為主攻方向，按照“創新驅動、質量為先、綠色發展、結構優化、人才為本”方針，實現制造業由大變強的歷史跨越 [1]。2017 年，國務院發布的《新一代人工智能發展規劃》詳細闡述了人工智能（AI）的新特征，明確提出智能制造是新一代 AI 的重要應用方向。我國學術界提出了人–信息–物理系統（HCPS）的智能制造發展理論，并在此基礎上分析了智能制造的范式演變，指明了未來 20 年我國智能制造的發展戰略和技術路線 [1~3]。 基于 HCPS 的智能制造發展理論，以人為本的智能制造（人本智造）正逐漸引起學界和業界的普遍關注，有望成為智能制造的重要發展方向。本文著重分析人本智造的發展背景，闡述人本智造的內涵與技術體系，研究人本智造的應用實踐，并在此基礎上提出推動人本智造發展的對策建議。 二、人本智造的發展背景 制造是人運用工具將原材料轉化為能夠滿足人們生產生活需要的產品和服務的過程。智能制造是提高這種轉化效率和質量的手段，但智能制造不能為了智能而智能，而是要回歸到服務和滿足人們美好生活需求上來。因此，在整個制造生產活動中，人始終是最具有能動性和最具有活力的因素。 （1）人是智能制造的最終服務目標。智能制造借助新的生產技術、生產方式的變革，進而實現更快、更靈活、更高效地為消費者提供各種優質產品和服務。隨著新一代信息技術的快速發展，特別是移動互聯網、傳感器、大數據、超級計算、工業互聯網、物聯網、AI、機器學習、協作機器人、虛擬現實和增強現實（VR/AR）等數字化網絡化智能化技術，為人本智造提供了重要的技術支撐。同時，隨著消費者個性化需求的不斷提升，企業為了獲得更多的市場份額、提高市場競爭力，注重堅持以用戶為中心，通過運用先進技術和變革組織管理方式，不斷滿足消費者的個性化需求。因此，面對多樣化的市場需求，考慮到技術經濟性和就業等因素，推進智能制造必須堅持“以人為本”的理念。 （2）人在智能制造實施過程中扮演關鍵角色。工業機器人是智能制造的重要組成部分，而傳統工業機器人存在一些不足，目前尚未充分滿足新的市場需求。例如，傳統機器人部署成本較高，單獨的機器人無法直接用于工廠的生產線，仍需諸多外圍設備的配套支持；雖然機器人本身具有較高的柔性和靈活性，但整個生產線的柔性一般較差。另外，中小企業限于資金條件，難以對生產線進行大規模改造，且對產品的投資回報率更為敏感，這就要求機器人具有較低的綜合成本、快速的部署能力、簡便的使用方法，但目前很難在成本可控的情況下給出滿意的解決方案。如果由人類承擔對柔性、觸覺、靈活性等要求比較高的工作環節，機器人則利用其快速精準的優勢來負責重復性和程序化的工作環節，那么這種人機協作將會為中小企業提供一個較好的解決方案。此外，如果通過機器人技術增強勞動力水平達到降低成本和提高競爭力的目的，還可以為社會創造更多的工作機會。 （3）人在未來智能制造發展過程中將繼續發揮重要作用。智能制造的實際需求在不同行業或不同企業之間存在著較大差異，并不是所有行業、所有工廠都需要完全自動化或完全無人化，因而推進智能制造需考慮技術經濟性的問題。例如，與汽車行業不同，航空、航天、船舶和建筑等行業由于任務和過程復雜性，目前尚未實現完全自動化和無人化，而是更多地依賴人機合作、人的知識經驗的積累以及人的主觀能動性的發揮。因此，制造的未來并不是追求純粹的無人工廠，而是要以人為核心，使人在先進技術的支持下從事更有價值、更有樂趣的工作，同步為企業帶來更好的經濟效益。 三、人本智造的內涵與技術體系 據羿戓制造所了解，人本智造，就是將以人為本的理念貫穿于智能制造系統的全生命周期過程（包括設計、制造、管理、銷售、服務等），充分考慮人（包括設計者、生產者、管理者、用戶等）的各種因素（如生理、認知、組織、文化、社會因素等），運用先進的數字化網絡化智能化技術，充分發揮人與機器的各自優勢來協作完成各種工作任務，最大限度實現提高生產效率和質量、確保人員身心安全、滿足用戶需求、促進社會可持續發展的目的。 eCC（eaoogle Certified Corpration） 在羿戓設計注冊的法人。羿戓設計是上海羿歌信息技術有限公司專業打造的設計服務單元。 人本智造體現的是一種重要的發展理念，同時代表了未來智能制造發展的一個重要方向。人本智造并不特指某個單一的制造模式或者范式，在其發展進程中還會出現大量的制造新模式、新業態，如共享制造、社會化制造、可持續制造等。目前對人本智造的研究尚處于起步階段，但可以預計，相關定義、內涵和特征仍將不斷演化拓展。 （一）智能制造中人的因素 從智能制造全生命周期 [6] 的角度來看，智能制造中的人的因素包括人的作用、人機關系、人體工效學、認知工效學、組織工效學（見圖 1），具體闡述如下。 圖 1 智能制造系統與人的因素 1. 人的作用 人的作用主要體現為人在智能制造系統中的不同角色、作用及工作類型等。從智能的角度看，人的作用集中體現在知識創造和流程創造方面，正是基于人的經驗、才智、知識等的持續沉淀和不斷實踐，制造的智能水平才得以不斷優化和提升。 國內外學者對智能制造中人的關鍵地位、決定性作用以及人的因素的重要性進行了分析，認為只有將先進技術、人和組織集成協同起來才能真正發揮作用，進而產生效益 [7,8]。周濟等 [1,2] 提出了 HCPS 的概念，認為在 HCPS 中人起著主宰作用：物理系統和信息系統都是由人設計并創造出來的，分析計算與控制的模型、方法和準則等都是由研發人員確定并固化到信息系統中的，整個系統的目的是為人類服務，人既是設計者、操作者、監督者也是智能制造系統服務的對象。美國通用電氣公司在其工業互聯網報告中指出，人是工業互聯網中的重要要素之一 [4]。Nunes 等 [9] 認為，人在信息–物理系統（CPS））中的作用包括數據獲取、狀態推斷、驅動、控制、監測等方面。Madni 等 [10,11] 認為， HCPS 中人的作用包括人不在控制回路的監測、人不在控制回路的監測指導、人在回路的控制。 Jin 等 [12] 將 HCPS 中人的角色總結為操作者、代理人、用戶以及傳感終端等。 2. 人機關系 人機關系指人類在生產生活過程中，持續改造自然、社會和人類本身，并與勞動對象和生產工具發生聯系，如人機交互、人機合作等。在智能制造系統人的因素研究中，通常會涉及人機關系問題，目前國際上的代表性工作有人與機器人的關系問題、第四代操作工（Operator 4.0）、人與 CPS 的關系研究以及以人為中心的智能制造系統研究等。例如，Romero 等 [13] 在 HCPS 語義下提出了 Operator 4.0 概念并展望了發展前景，認為 Operator 4.0 理念有助于實現人機共生和可持續制造。Operator 4.0 具體分為：分析操作工、增強現實操作工、協作操作工、健康操作工、智能操作工、社交操作工、超強操作工和虛擬操作工等 [14]。 國內外研究均高度重視智能制造系統中人的不可替代作用，同時闡述了智能制造系統中人的作用和人機關系等研究的重要意義。隨著制造系統智能化的推廣應用，人在整個系統中的角色將逐漸從“操作者”轉向“監管者”，成為影響制造系統能動性最大的因素。在勞動力有限、人力成本增加的情況下，有必要優化人員配置，改進人工操控與機器運作之間的匹配性，進而實現高效協作。 3. 人因工程 / 人類工效學 人因工程 / 人類工效學，指綜合運用生理學、心理學、計算機科學、系統科學等多學科的研究方法和手段，致力于研究人、機器、工作環境之間的相互關系和影響規律，以實現提高系統性能，確保人的安全、健康和舒適等目標的學科 [15]；可細分為人體工效學、認知工效學和組織工效學等。 人因工程 / 人類工效學主要有三方面的研究內容。①傳統的人體工效學研究包括工作姿勢、重復動作、工作地點布局、工作疾病、員工安全等；而在智能制造系統中，人體工效學研究涉及部分工作和動作自動化、人的安全、可穿戴設備等[16]。②認知工效學關注的是心理過程，研究內容包括腦力負荷、決策、工作壓力、人的可靠性以及技能表現等；在智能制造語義下，相關研究進展包括虛實融合、信息技術減輕認知壓力、技術儲備等 [17~19]；此外，感知、模擬仿真、AI、云計算、大數據、數字孿生等技術發展的主要目的也是在于提高或模擬增強人的各種認知能力，因而也屬于認知工效學的研究范疇。③組織工效學關注的是社會技術系統的優化，包括工作設計、人員資源管理、團隊合作、虛擬組織以及組織文化等內容；在智能制造系統中，相關研究進展包括組織結構扁平化、更新工作設計方式、產用融合等。 （二）人本智造的技術體系 基于 HCPS 理論，本文提出的人本智造的三層參考架構如圖 2（a）所示，包含單元級智能制造、系統級智能制造、系統之系統級智能制造。其中，單元級智能制造的技術體系如圖 2（b）所示，主要包括機器智能技術（如智能感知、智能決策、智能控制、學習認知等）、制造領域技術（如切削加工、焊接、增材制造等）、人機協同技術 / 人機關系三方面。在單元級智能制造的基礎上，通過工業網絡集成、物聯網、智能調度、工業互聯網、云平臺等技術，可構建系統級、系統之系統級智能制造（如智能車間、智能產線、智能工廠等），從而實現制造資源與人力資源在更大范圍上的優化配置。 圖 2人本智造的技術體系示意圖 [2,3,5] 注：HPS 表示人–物理系統；HCS 表示人–信息系統。 在人本智造系統中，信息系統主要是與人一起，對物理系統進行必要的感知、認知、分析決策與控制，從而使物理系統（如機器、加工過程等）以盡可能最優的方式運行，包括認知層面、決策層面以及控制層面的人機協同等；還需考慮人體工效學、認知工效學、組織工效學等內容。人本智造的相關技術主要有以人為本的設計、控制、 AI、計算、自動化、服務、管理等。其中，以人為本的設計也稱“參與式設計”，在設計中注重人的思維、情感和行為，是一種創新性的解決問題的方法；始終關注最終用戶的需求，并將其作為數字設計過程的中心。以人為本的 AI 則強調 AI 的發展應以 AI 對人類社會的影響為指導，更多融入人類智慧的多樣性、差異性和深度性，以增強人類技能而非取代人類。 四、人本智造的應用實踐 人本智造是一個大系統，可從產品、生產、模式、基礎 4 個維度來進行認識和理解。其中，以人為本的智能產品是主體，以人為本的智能生產是主線，以人為本的產業模式變革是主題，HCPS 和人因工程是基礎（見圖 3）。在前文闡述人因工程和 HCPS 的基礎上，聚焦應用層面，對以人為本的智能產品、以人為本的智能生產、以人為本的產業模式變革展開討論。 圖 3 “人本智造”的 4 個維度 （一）以人為本的智能產品 智能制造的主體包括產品、制造裝備，其中產品是智能制造的價值載體，制造裝備是實施智能制造的前提和基礎。這里的“以人為本”指智能產品和裝備的服務目的在設計之初就應充分考慮人的需求和人的因素，尤其是直接面向廣大消費者的智能產品。同時，在智能工業裝備的設計之初需要充分考慮人工干預的可能情況，在設計上留有權限和空間。 例 1：某品牌手機。該公司采用“互聯網開發”模式引領了“創客”設計模式的新潮流，成為目前按銷售額計算成長最快的公司之一，2018 年銷售額超過 1700 億元。基于“互聯網開發”模式，研發人員通過微博、微信、論壇等渠道匯集用戶需求并對產品進行改進；手機系統 80% 的更新需求是根據網友建議產生的，而有 33% 的系統更新是由用戶直接研發的 [1]。 （二）以人為本的智能生產 制造業的數字化、網絡化、智能化是生產技術創新的共性使能技術，推動制造業逐步向智能化集成制造系統方向發展。在此過程中，需要堅持以人為本，全面提升產品設計、制造和管理水平，構建智能企業。以人為本的智能生產應用實踐包括人機合作設計、人機協作裝配、以人為本的生產管理等。實際上，智能優化設計、智能協同設計、基于群體智能的“眾創”設計等都是以人為本智能設計的重要內容，而基于 HCPS 開發智能設計系統也是發展人本智造的重要內容之一。 例 2 ：基于深度學習的人機合作設計。卡內基梅隆大學的 Raina 等 [20] 采用深度學習方法提取人類設計策略和隱性規則，由此訓練機器以更好地協助人類進行設計活動。事實上，人類有很強的策略 / 方法遷移能力，可以依靠已有經驗解決相似問題，但機器在這方面就遜色很多。Raina 等 [21] 嘗試對人類的這種遷移過程進行建模，提出了一種概率模型，可以有效地將人類的經驗遷移策略轉移到機器上，從而更高效地幫助人類進行設計。 例 3：人機協作裝配。針對部分行業或工藝過程不能完全部署機器人的實際情況，瑞典皇家理工學院 Wang Lihui 團隊在歐盟科研框架計劃“地平線 2020”的資助下，開展了人機共生協作裝配項目（SYMBIO-TIC）研究 [22]。項目聚焦人機協作裝配，主要研究傳感與通信、主動防碰撞、動態任務規劃、適應性機器人控制、移動式工人輔助等，旨在確保工人安全參與人機高效協作；已與多家汽車公司和機器人公司開展應用合作。 例 4 ：精益模式。作為技術管理、精益制造、精益產品研發認證等課程的共同創辦人，美國密西根大學 Jeffrey Liker 認為精益模式的核心內涵在于持續改進與尊重人。尊重人的實質就是以人為本，即重視公司文化、全員參與、標準化，發展信奉公司理念的杰出人才與團隊，不斷反思與持續改善、建設學習型組織等。從精益模式可以看出，以人為本的管理是企業重要的發展戰略，人是企業內部發展的生命力與創造力，是企業最寶貴的資源。 （三）以人為本的產業模式變革 以智能服務為核心的產業模式變革是人本智造的主題。隨著先進技術的推廣應用，制造業將從以產品為中心向以用戶為中心發生轉變，產業模式從大規模流水線生產向規模定制化生產轉變，產業形態從生產型制造向服務型制造轉變。 例 5 ：某家電企業工業互聯網平臺。與傳統制造和其他電商平臺不同，該平臺堅持以人為本、人單合一的理念。平臺用戶從產品交互、設計、采購、制造到服務全流程參與體驗，且產品在用戶使用過程中通過“網器”（該公司相對于傳統“電器”提出的新概念）進行持續的交互和迭代，最大程度滿足用戶個性化需求。企業通過產品交互了解用戶需求，把封閉的企業變成了生態系統，讓用戶、企業、資源能夠全流程的創造價值；用戶主動成為產品成長的重要組成部分，企業也實現了自身效益的增加和發展模式在行業內的復制推廣。例如，該平臺與某地合作建立建筑陶瓷產業基地，將原本“單打獨斗”的 130 余家企業，通過平臺集約化為 20 余家，在轉型升級后，使得制造成本降低 10%，產能提升 20%。以人為本的產業模式變革實現了用戶和企業的雙贏 [3]。 五、思考與建議 （一）政策層面 歐盟、美國、日本等國家和地區都十分重視人本智造的研究，如美國專門設立“人–技術前沿的未來工作”系列研究項目進行前瞻布局，這為我國發展人本智造帶來了挑戰和啟示。建議人本智造及時對接國家相關戰略，加強頂層設計；在智能制造試點示范、應用推廣、宣傳貫徹、教育培訓方面，系統考慮人的因素，將以人為本的理念融入到智能制造標準體系建設和成熟度評價等工作中；更加重視人機協同標準化、人機任務分工和智能制造人員成熟度評價等工作。推動 HCPS 和人因工程等概念在智能制造實踐中落地生根，促進人本智造在我國的深化發展。 （二）企業層面 從人的角度來看，智能制造企業需著重考慮并解決兩個問題：如何用先進適用的技術延長員工的職業生涯，讓那些體力逐漸下降而智力與經驗仍處在高峰的員工，在技術的支持下繼續貢獻價值；如何用技術營造一種環境氛圍，讓年輕一代愿意從事制造業工作，并體會到智能制造工作和價值創造的樂趣。建議制造企業將“以人為本”作為發展智能制造的重要理念，重視員工的培訓、教育與管理，并將此視為企業的戰略性投資。企業進一步使用協作機器人來滿足自己的需求，而不是全部采用傳統機器人來“機器換人”。通過不斷的嘗試、磨合與調整，找到適合企業自身的人機搭配工作方式以不斷地提高生產效率和增加經營利潤。 （三）研究層面 從研究現角看，HCPS 與人本智造、面向智能制造的人因工程、協作機器人等方面需進一步加強探索。高度重視 HCPS 科學與技術體系的構建與完善，在智能制造領域推廣應用 HCPS，由此大力發展人本智造。相關理論與應用研究應包括以人為本的設計、產品、自動化、AI、生產、工廠、服務等。重視智能制造系統中的人體工效學、認知工效學、組織工效學等人因工程的研究，致力實現自然科學與社會科學的良性互動。此外，協作機器人、共融機器人是重要的研發方向，人與信息物理系統的交互、人的數字孿生、人在回路的控制是亟待加強的研究課題。 參考文獻 [1] 周濟. 智能制造—— “中國制造 2025”的主攻方向 [J]. 中國機械 工程, 2015, 26(17): 2273-2284. Zhou J. Intelligent manufacturing―Main direction of “Made in China 2025” [J]. China Mechanical Engineering, 2015, 26(17): 2273-2284. 鏈接1 [2] Zhou J, Li P G, Zhou Y H, et al. Toward new-generation intelligent manufacturing [J]. Engineering, 2018, 4(1): 11-20. 鏈接1 [3] Zhou J, Zhou Y H, Wang B C, et al. Human–cyber–physical systems (HCPSs) in the context of new-generation intelligent manufacturing [J]. Engineering, 2019, 5(4): 624-636. 鏈接1 [4] Wang B C, Hu S J, Sun L, et al. Intelligent welding system technologies: State-of-the-art review and perspectives [J]. Journal of Manufacturing Systems, 2020, 56: 373–391. 鏈接1 [5] 王柏村, 臧冀原, 屈賢明, 等. 基于人–信息–物理系統 (HCPS) 的 新一代智能制造研究 [J]. 中國工程科學, 2018, 20(4): 29-34. Wang B C, Zang J Y, Qu X M, et al. Research on new-generation intelligent manufacturing based on human–cyber–physical systems [J]. Strategic Study of CAE, 2018, 20(4): 29-34. 鏈接1 [6] 李清, 唐騫璘, 陳耀棠, 等. 智能制造體系架構、參考模型與標準 化框架研究 [J]. 計算機集成制造系統, 2018, 24(3): 539-549. Li Q, Tang Q L, Chen Y T, et al. Smart manufacturing standardization: Reference model and standards framework [J]. Computer Integrated Manufacturing Systems, 2018, 24(3): 539-549. 鏈接1 [7] 張伯鵬, 汪勁松. 制造系統中知識信息與人的作用 [J]. 機械工 程學報, 1994, 30 (5): 61-65. Zhang B P, Wang J S. Knowledge information and human function in manufacturing systems [J]. Journal of Mechanical Engineering, 1994, 30(5): 61-65. 鏈接1 [8] 陳國權. 先進制造技術系統研究開發和應用的關鍵——人的因 素 [J]. 中國機械工程, 1996, 7(1): 12-14. Chen G Q. Human factors—The key to the research, development and application of advanced manufacturing technology system [J]. China Mechanical Engineering, 1996, 7(1): 12-14. 鏈接1 [9] Nunes D, Sá Silva J, Boavida F. A practical introduction to humanin-the-loop cyber–physical systems [M]. Hoboken: John Wiley & Sons Ltd., 2018. [10] Madni A M, Sievers M, Madni C C. Adaptive cyber–physical– human systems: Exploiting cognitive modeling and machine learning in the control loop [J]. Insight, 2018, 21(3): 87-93. 鏈接1 [11] Madni A M. Exploiting augmented intelligence in systems engineering and engineered systems [J]. Insight, 2020, 23(1): 31- 36. 鏈接1 [12] Jin M. Data-efficient analytics for optimal human–cyber–physical systems [D]. Berkeley: University of California, Berkeley(Doctoral dissertation), 2017. 鏈接1 [13] Romero D, Bernus P, Noran O, et al. The operator 4.0: Human– cyber–physical systems & adaptive automation towards human-automation symbiosis work systems [C]. Iguassu Falls: International Conference on Advances in Production Management Systems, 2016. 鏈接1 [14] Ruppert T, Jaskó S, Holczinger T, et al. Enabling technologies for operator 4.0: A survey [J]. Applied Sciences, 2018, 8(9): 1-19. 鏈接1 [15] 孫林巖. 人因工程 [M]. 北京: 科學出版社, 2011. Sun L Y. Human factors engineering [M]. Beijing: China Science Publishing & Media Ltd., 2011. [16] Dannapfel M, Burggr?f P, Bertram S, et al. Systematic planning approach for heavy-duty human–robot cooperation in automotive flow assembly [J]. International Journal of Electrical and Electronic Engineering and Telecommunications, 2018, 7: 51-57. 鏈接1 [17] Ma M, Lin W, Pan D, et al. Data and decision intelligence for human-in-the-loop cyber–physical systems: Reference model, recent progresses and challenges [J]. Journal of Signal Processing Systems, 2017, 90(8): 1167-1178. 鏈接1 [18] Fantini P, Pinzone M, Taisch M. Placing the operator at the centre of Industry 4.0 design: Modelling and assessing human activities within cyber–physical systems [J]. Computers & Industrial Engineering, 2018, 139: 1-11. 鏈接1 [19] Pacaux-Lemoine M P, Trentesaux D, Zambrano Rey G, et al. Designing intelligent manufacturing systems through human– machine cooperation principles: A human-centered approach [J]. Computers & Industrial Engineering, 2017, 111: 581-595. 鏈接1 [20] Raina A, McComb C, Cagan J. Learning to design from humans: Imitating human designers through deep learning [J]. Journal of Mechanical Design, 2019, 141(11): 111102. 鏈接1 [21] Raina A, Cagan J, McComb C. Transferring design strategies from human to computer and across design problems [J]. Journal of Mechanical Design, 2019, 141(11): 114501. 鏈接1 [22] Wang L, Gao R, Váncza J, et al. Symbiotic human–robot collaborative assembly [J]. CIRP Annals Manufacturing Technology, 2019, 68(2): 701-726. 鏈接1 
|
