|
人是制造生產(chǎn)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(tǒng)（HCPS）智能制造發(fā)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(fā)展背景、基本內(nèi)涵、人的因素、技術(shù)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(xiàn)了智能制造發(fā)展的一種重要理念，同時也是新一代智能制造系統(tǒng)的一個重要技術(shù)方向。在此基礎(chǔ)上，針對人本智造從政策、企業(yè)、科研3個層面提出了若干建議：及時對接國家相關(guān)戰(zhàn)略、企業(yè)將“以人為本”作為發(fā)展智能制造的重要理念、重視智能制造系統(tǒng)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(fā)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(shù)與制造技術(shù)的持續(xù)深度融合，深刻改變著全球制造業(yè)的發(fā)展形態(tài)。面對以智能制造技術(shù)為核心的新一輪科技革命與產(chǎn)業(yè)變革，世界各國或地區(qū)都在積極采取行動 [1,2]，推動制造業(yè)轉(zhuǎn)型升級，以確保本國制造業(yè)在未來工業(yè)發(fā)展中占據(jù)有利地位（見表 1）。其中，智能制造成為各個國家或地區(qū)構(gòu)建本地域制造業(yè)競爭優(yōu)勢的關(guān)鍵選擇。與此同時，各國學術(shù)界和產(chǎn)業(yè)界也較多開展相關(guān)研究，為推進智能制造相關(guān)戰(zhàn)略計劃提供理論基礎(chǔ) [1~5]。 近年來，我國不斷加快智能制造領(lǐng)域的發(fā)展步伐�！吨袊圃� 2025》明確提出，以加快新一代信息技術(shù)與制造業(yè)深度融合為主線，以推進智能制造為主攻方向，按照“創(chuàng)新驅(qū)動、質(zhì)量為先、綠色發(fā)展、結(jié)構(gòu)優(yōu)化、人才為本”方針，實現(xiàn)制造業(yè)由大變強的歷史跨越 [1]。2017 年，國務院發(fā)布的《新一代人工智能發(fā)展規(guī)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(shù)界提出了人–信息–物理系統(tǒng)（HCPS）的智能制造發(fā)展理論，并在此基礎(chǔ)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(fā)展戰(zhàn)略和技術(shù)路線 [1~3]�！ 』� HCPS 的智能制造發(fā)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(yè)界的普遍關(guān)注，有望成為智能制造的重要發(fā)展方向。本文著重分析人本智造的發(fā)展背景，闡述人本智造的內(nèi)涵與技術(shù)體系，研究人本智造的應用實踐，并在此基礎(chǔ)上提出推動人本智造發(fā)展的對策建議。 二、人本智造的發(fā)展背景 制造是人運用工具將原材料轉(zhuǎn)化為能夠滿足人們生產(chǎn)生活需要的產(chǎn)品和服務的過程。智能制造是提高這種轉(zhuǎn)化效率和質(zhì)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(chǎn)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(chǎn)技術(shù)、生產(chǎn)方式的變革，進而實現(xiàn)更快、更靈活、更高效地為消費者提供各種優(yōu)質(zhì)產(chǎn)品和服務。隨著新一代信息技術(shù)的快速發(fā)展，特別是移動互聯(lián)網(wǎng)、傳感器、大數(shù)據(jù)、超級計算、工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、AI、機器學習、協(xié)作機器人、虛擬現(xiàn)實和增強現(xiàn)實（VR/AR）等數(shù)字化網(wǎng)絡(luò)化智能化技術(shù)，為人本智造提供了重要的技術(shù)支撐。同時，隨著消費者個性化需求的不斷提升，企業(yè)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(shù)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(shù)經(jīng)濟性和就業(yè)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(guān)鍵角色。工業(yè)機器人是智能制造的重要組成部分，而傳統(tǒng)工業(yè)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(tǒng)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(chǎn)線，仍需諸多外圍設(shè)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(chǎn)線的柔性一般較差。另外，中小企業(yè)限于資金條件，難以對生產(chǎn)線進行大規(guī)模改造，且對產(chǎn)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(huán)節(jié)，機器人則利用其快速精準的優(yōu)勢來負責重復性和程序化的工作環(huán)節(jié)，那么這種人機協(xié)作將會為中小企業(yè)提供一個較好的解決方案。此外，如果通過機器人技術(shù)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(chuàng)造更多的工作機會。 （3）人在未來智能制造發(fā)展過程中將繼續(xù)發(fā)揮重要作用。智能制造的實際需求在不同行業(yè)或不同企業(yè)之間存在著較大差異，并不是所有行業(yè)、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(shù)經(jīng)濟性的問題。例如，與汽車行業(yè)不同，航空、航天、船舶和建筑等行業(yè)由于任務和過程復雜性，目前尚未實現(xiàn)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(jīng)驗的積累以及人的主觀能動性的發(fā)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(shù)的支持下從事更有價值、更有樂趣的工作，同步為企業(yè)帶來更好的經(jīng)濟效益。 三、人本智造的內(nèi)涵與技術(shù)體系 據(jù)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(tǒng)的全生命周期過程（包括設(shè)計、制造、管理、銷售、服務等），充分考慮人（包括設(shè)計者、生產(chǎn)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(shù)字化網(wǎng)絡(luò)化智能化技術(shù)，充分發(fā)揮人與機器的各自優(yōu)勢來協(xié)作完成各種工作任務，最大限度實現(xiàn)提高生產(chǎn)效率和質(zhì)量、確保人員身心安全、滿足用戶需求、促進社會可持續(xù)發(fā)展的目的。 eCC（eaoogle Certified Corpration） 在羿戓設(shè)計注冊的法人。羿戓設(shè)計是上海羿歌信息技術(shù)有限公司專業(yè)打造的設(shè)計服務單元。 人本智造體現(xiàn)的是一種重要的發(fā)展理念，同時代表了未來智能制造發(fā)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(fā)展進程中還會出現(xiàn)大量的制造新模式、新業(yè)態(tài)，如共享制造、社會化制造、可持續(xù)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(guān)定義、內(nèi)涵和特征仍將不斷演化拓展。 �。ㄒ唬┲悄苤圃熘腥说囊蛩� 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(guān)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(tǒng)與人的因素 1. 人的作用 人的作用主要體現(xiàn)為人在智能制造系統(tǒng)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(xiàn)在知識創(chuàng)造和流程創(chuàng)造方面，正是基于人的經(jīng)驗、才智、知識等的持續(xù)沉淀和不斷實踐，制造的智能水平才得以不斷優(yōu)化和提升。 國內(nèi)外學者對智能制造中人的關(guān)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(shù)、人和組織集成協(xié)同起來才能真正發(fā)揮作用，進而產(chǎn)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(tǒng)和信息系統(tǒng)都是由人設(shè)計并創(chuàng)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(fā)人員確定并固化到信息系統(tǒng)中的，整個系統(tǒng)的目的是為人類服務，人既是設(shè)計者、操作者、監(jiān)督者也是智能制造系統(tǒng)服務的對象。美國通用電氣公司在其工業(yè)互聯(lián)網(wǎng)報告中指出，人是工業(yè)互聯(lián)網(wǎng)中的重要要素之一 [4]。Nunes 等 [9] 認為，人在信息–物理系統(tǒng)（CPS））中的作用包括數(shù)據(jù)獲取、狀態(tài)推斷、驅(qū)動、控制、監(jiān)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(jiān)測、人不在控制回路的監(jiān)測指導、人在回路的控制。 Jin 等 [12] 將 HCPS 中人的角色總結(jié)為操作者、代理人、用戶以及傳感終端等。 2. 人機關(guān)系 人機關(guān)系指人類在生產(chǎn)生活過程中，持續(xù)改造自然、社會和人類本身，并與勞動對象和生產(chǎn)工具發(fā)生聯(lián)系，如人機交互、人機合作等。在智能制造系統(tǒng)人的因素研究中，通常會涉及人機關(guān)系問題，目前國際上的代表性工作有人與機器人的關(guān)系問題、第四代操作工（Operator 4.0）、人與 CPS 的關(guān)系研究以及以人為中心的智能制造系統(tǒng)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(fā)展前景，認為 Operator 4.0 理念有助于實現(xiàn)人機共生和可持續(xù)制造。Operator 4.0 具體分為：分析操作工、增強現(xiàn)實操作工、協(xié)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(nèi)外研究均高度重視智能制造系統(tǒng)中人的不可替代作用，同時闡述了智能制造系統(tǒng)中人的作用和人機關(guān)系等研究的重要意義。隨著制造系統(tǒng)智能化的推廣應用，人在整個系統(tǒng)中的角色將逐漸從“操作者”轉(zhuǎn)向“監(jiān)管者”，成為影響制造系統(tǒng)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(yōu)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(xiàn)高效協(xié)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(tǒng)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(huán)境之間的相互關(guān)系和影響規(guī)律，以實現(xiàn)提高系統(tǒng)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(nèi)容。①傳統(tǒng)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(tǒng)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(shè)備等[16]。②認知工效學關(guān)注的是心理過程，研究內(nèi)容包括腦力負荷、決策、工作壓力、人的可靠性以及技能表現(xiàn)等；在智能制造語義下，相關(guān)研究進展包括虛實融合、信息技術(shù)減輕認知壓力、技術(shù)儲備等 [17~19]；此外，感知、模擬仿真、AI、云計算、大數(shù)據(jù)、數(shù)字孿生等技術(shù)發(fā)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(guān)注的是社會技術(shù)系統(tǒng)的優(yōu)化，包括工作設(shè)計、人員資源管理、團隊合作、虛擬組織以及組織文化等內(nèi)容；在智能制造系統(tǒng)中，相關(guān)研究進展包括組織結(jié)構(gòu)扁平化、更新工作設(shè)計方式、產(chǎn)用融合等。 （二）人本智造的技術(shù)體系 基于 HCPS 理論，本文提出的人本智造的三層參考架構(gòu)如圖 2（a）所示，包含單元級智能制造、系統(tǒng)級智能制造、系統(tǒng)之系統(tǒng)級智能制造。其中，單元級智能制造的技術(shù)體系如圖 2（b）所示，主要包括機器智能技術(shù)（如智能感知、智能決策、智能控制、學習認知等）、制造領(lǐng)域技術(shù)（如切削加工、焊接、增材制造等）、人機協(xié)同技術(shù) / 人機關(guān)系三方面。在單元級智能制造的基礎(chǔ)上，通過工業(yè)網(wǎng)絡(luò)集成、物聯(lián)網(wǎng)、智能調(diào)度、工業(yè)互聯(lián)網(wǎng)、云平臺等技術(shù)，可構(gòu)建系統(tǒng)級、系統(tǒng)之系統(tǒng)級智能制造（如智能車間、智能產(chǎn)線、智能工廠等），從而實現(xiàn)制造資源與人力資源在更大范圍上的優(yōu)化配置。 圖 2人本智造的技術(shù)體系示意圖 [2,3,5] 注：HPS 表示人–物理系統(tǒng)；HCS 表示人–信息系統(tǒng)。 在人本智造系統(tǒng)中，信息系統(tǒng)主要是與人一起，對物理系統(tǒng)進行必要的感知、認知、分析決策與控制，從而使物理系統(tǒng)（如機器、加工過程等）以盡可能最優(yōu)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(xié)同等；還需考慮人體工效學、認知工效學、組織工效學等內(nèi)容。人本智造的相關(guān)技術(shù)主要有以人為本的設(shè)計、控制、 AI、計算、自動化、服務、管理等。其中，以人為本的設(shè)計也稱“參與式設(shè)計”，在設(shè)計中注重人的思維、情感和行為，是一種創(chuàng)新性的解決問題的方法；始終關(guān)注最終用戶的需求，并將其作為數(shù)字設(shè)計過程的中心。以人為本的 AI 則強調(diào) AI 的發(fā)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(tǒng)，可從產(chǎn)品、生產(chǎn)、模式、基礎(chǔ) 4 個維度來進行認識和理解。其中，以人為本的智能產(chǎn)品是主體，以人為本的智能生產(chǎn)是主線，以人為本的產(chǎn)業(yè)模式變革是主題，HCPS 和人因工程是基礎(chǔ)（見圖 3）。在前文闡述人因工程和 HCPS 的基礎(chǔ)上，聚焦應用層面，對以人為本的智能產(chǎn)品、以人為本的智能生產(chǎn)、以人為本的產(chǎn)業(yè)模式變革展開討論。 圖 3 “人本智造”的 4 個維度 �。ㄒ唬┮匀藶楸镜闹悄墚a(chǎn)品 智能制造的主體包括產(chǎn)品、制造裝備，其中產(chǎn)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(chǔ)。這里的“以人為本”指智能產(chǎn)品和裝備的服務目的在設(shè)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(chǎn)品。同時，在智能工業(yè)裝備的設(shè)計之初需要充分考慮人工干預的可能情況，在設(shè)計上留有權(quán)限和空間。 例 1：某品牌手機。該公司采用“互聯(lián)網(wǎng)開發(fā)”模式引領(lǐng)了“創(chuàng)客”設(shè)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�；凇盎ヂ�(lián)網(wǎng)開發(fā)”模式，研發(fā)人員通過微博、微信、論壇等渠道匯集用戶需求并對產(chǎn)品進行改進；手機系統(tǒng) 80% 的更新需求是根據(jù)網(wǎng)友建議產(chǎn)生的，而有 33% 的系統(tǒng)更新是由用戶直接研發(fā)的 [1]。 �。ǘ┮匀藶楸镜闹悄苌a(chǎn) 制造業(yè)的數(shù)字化、網(wǎng)絡(luò)化、智能化是生產(chǎn)技術(shù)創(chuàng)新的共性使能技術(shù)，推動制造業(yè)逐步向智能化集成制造系統(tǒng)方向發(fā)展。在此過程中，需要堅持以人為本，全面提升產(chǎn)品設(shè)計、制造和管理水平，構(gòu)建智能企業(yè)。以人為本的智能生產(chǎn)應用實踐包括人機合作設(shè)計、人機協(xié)作裝配、以人為本的生產(chǎn)管理等。實際上，智能優(yōu)化設(shè)計、智能協(xié)同設(shè)計、基于群體智能的“眾創(chuàng)”設(shè)計等都是以人為本智能設(shè)計的重要內(nèi)容，而基于 HCPS 開發(fā)智能設(shè)計系統(tǒng)也是發(fā)展人本智造的重要內(nèi)容之一。 例 2 ：基于深度學習的人機合作設(shè)計�？▋�(nèi)基梅隆大學的 Raina 等 [20] 采用深度學習方法提取人類設(shè)計策略和隱性規(guī)則，由此訓練機器以更好地協(xié)助人類進行設(shè)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(jīng)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(jīng)驗遷移策略轉(zhuǎn)移到機器上，從而更高效地幫助人類進行設(shè)計。 例 3：人機協(xié)作裝配。針對部分行業(yè)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(xié)作裝配項目（SYMBIO-TIC）研究 [22]。項目聚焦人機協(xié)作裝配，主要研究傳感與通信、主動防碰撞、動態(tài)任務規(guī)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(xié)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(shù)管理、精益制造、精益產(chǎn)品研發(fā)認證等課程的共同創(chuàng)辦人，美國密西根大學 Jeffrey Liker 認為精益模式的核心內(nèi)涵在于持續(xù)改進與尊重人。尊重人的實質(zhì)就是以人為本，即重視公司文化、全員參與、標準化，發(fā)展信奉公司理念的杰出人才與團隊，不斷反思與持續(xù)改善、建設(shè)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(yè)重要的發(fā)展戰(zhàn)略，人是企業(yè)內(nèi)部發(fā)展的生命力與創(chuàng)造力，是企業(yè)最寶貴的資源。 �。ㄈ┮匀藶楸镜漠a(chǎn)業(yè)模式變革 以智能服務為核心的產(chǎn)業(yè)模式變革是人本智造的主題。隨著先進技術(shù)的推廣應用，制造業(yè)將從以產(chǎn)品為中心向以用戶為中心發(fā)生轉(zhuǎn)變，產(chǎn)業(yè)模式從大規(guī)模流水線生產(chǎn)向規(guī)模定制化生產(chǎn)轉(zhuǎn)變，產(chǎn)業(yè)形態(tài)從生產(chǎn)型制造向服務型制造轉(zhuǎn)變。 例 5 ：某家電企業(yè)工業(yè)互聯(lián)網(wǎng)平臺。與傳統(tǒng)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(chǎn)品交互、設(shè)計、采購、制造到服務全流程參與體驗，且產(chǎn)品在用戶使用過程中通過“網(wǎng)器”（該公司相對于傳統(tǒng)“電器”提出的新概念）進行持續(xù)的交互和迭代，最大程度滿足用戶個性化需求。企業(yè)通過產(chǎn)品交互了解用戶需求，把封閉的企業(yè)變成了生態(tài)系統(tǒng)，讓用戶、企業(yè)、資源能夠全流程的創(chuàng)造價值；用戶主動成為產(chǎn)品成長的重要組成部分，企業(yè)也實現(xiàn)了自身效益的增加和發(fā)展模式在行業(yè)內(nèi)的復制推廣。例如，該平臺與某地合作建立建筑陶瓷產(chǎn)業(yè)基地，將原本“單打獨斗”的 130 余家企業(yè)，通過平臺集約化為 20 余家，在轉(zhuǎn)型升級后，使得制造成本降低 10%，產(chǎn)能提升 20%。以人為本的產(chǎn)業(yè)模式變革實現(xiàn)了用戶和企業(yè)的雙贏 [3]。 五、思考與建議 �。ㄒ唬┱邔用� 歐盟、美國、日本等國家和地區(qū)都十分重視人本智造的研究，如美國專門設(shè)立“人–技術(shù)前沿的未來工作”系列研究項目進行前瞻布局，這為我國發(fā)展人本智造帶來了挑戰(zhàn)和啟示。建議人本智造及時對接國家相關(guān)戰(zhàn)略，加強頂層設(shè)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(tǒng)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(shè)和成熟度評價等工作中；更加重視人機協(xié)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(fā)展。 �。ǘ┢髽I(yè)層面 從人的角度來看，智能制造企業(yè)需著重考慮并解決兩個問題：如何用先進適用的技術(shù)延長員工的職業(yè)生涯，讓那些體力逐漸下降而智力與經(jīng)驗仍處在高峰的員工，在技術(shù)的支持下繼續(xù)貢獻價值；如何用技術(shù)營造一種環(huán)境氛圍，讓年輕一代愿意從事制造業(yè)工作，并體會到智能制造工作和價值創(chuàng)造的樂趣。建議制造企業(yè)將“以人為本”作為發(fā)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(yè)的戰(zhàn)略性投資。企業(yè)進一步使用協(xié)作機器人來滿足自己的需求，而不是全部采用傳統(tǒng)機器人來“機器換人”。通過不斷的嘗試、磨合與調(diào)整，找到適合企業(yè)自身的人機搭配工作方式以不斷地提高生產(chǎn)效率和增加經(jīng)營利潤。 �。ㄈ┭芯繉用� 從研究現(xiàn)角看，HCPS 與人本智造、面向智能制造的人因工程、協(xié)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(shù)體系的構(gòu)建與完善，在智能制造領(lǐng)域推廣應用 HCPS，由此大力發(fā)展人本智造。相關(guān)理論與應用研究應包括以人為本的設(shè)計、產(chǎn)品、自動化、AI、生產(chǎn)、工廠、服務等。重視智能制造系統(tǒng)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(xiàn)自然科學與社會科學的良性互動。此外，協(xié)作機器人、共融機器人是重要的研發(fā)方向，人與信息物理系統(tǒng)的交互、人的數(shù)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(tǒng) (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(gòu)、參考模型與標準 化框架研究 [J]. 計算機集成制造系統(tǒng), 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(tǒng)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(quán). 先進制造技術(shù)系統(tǒng)研究開發(fā)和應用的關(guān)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 
|
