面向工业5.0的以人为本的制造业展望

Outlook on human-centric manufacturing towards Industry 5.0

Yuqian Lua,*, Hao Zhenga, Saahil Chanda, Wanqing Xiaa, Zengkun Liua, Xun Xua,  Lihui Wangb,Zhaojun Qina, Jinsong Baoc

a. Departmentof Mechanical and Mechatronics Engineering, The University of Auckland,Auckland, New Zealandb. Departmentof Production Engineering, KTH Royal Institute of Technology, Stockholm, Swedenc. Collegeof Mechanical Engineering, Donghua University, Shanghai, China

DOI：https://doi.org/10.1016/j.jmsy.2022.02.001

发表于：1 February 2022

一、摘要最近提出的工业5.0倡议将关注重点转向工人福祉、可持续性和弹性。该倡议也引发了关于未来制造业的讨论，即制造业应该以人为本——将工人福祉置于制造过程的核心，而不是以系统为本——仅追求提高效率、改进质量和降低成本。因此，本文探讨了人本制造的概念、需求、参考模型、使能技术和架构。我们认为人本制造最终应满足工人需求金字塔中各层级的需求——从安全和舒适的基层需求到尊重和自我实现的最高层需求。人机关系也会沿着5C路线进化——从当前的共存（Coexistence），合作（Cooperation），协作（Collaboration），走向未来的共情（Compassion）和协同进化（Coevolution）。因此，人本制造系统需要具备双向共情和主动沟通能力，以及协作智能，以建立可靠的人机协同进化关系，从而形成高性能的人机团队。最后，本文详细讨论了人本制造的使能技术和挑战。二、介绍由于国民生产总值并不能完整描述居民生活水平，居民幸福感正成为衡量社会繁荣的重要标准。在此背景下，2021年欧盟提出工业5.0倡议，呼吁制造业应当以人为本，即人本制造，将工人福祉置于制造过程的核心。这与自工业1.0以来追求提高效率、改进质量和降低成本的以系统为本的制造有本质不同。但是，人本制造目前还是一个模糊概念，迫切需要深入的系统研究。具体来说，需要回答以下关键问题：1.制造业工人的基本需求是什么？能否定义一个工人需求模型，并使用该模型衡量人本制造成熟度？2.未来制造系统中人类角色是什么？3.什么是人本制造？与系统为本制造有何不同？4.人本制造的使能技术有哪些？5.人本制造的早期案例有哪些？6.人本制造面临的重大挑战是什么？

因此，我们试图在这一可能的工业转型之初系统地讨论人本制造，希望在这一新兴研究方向上激发实质性的讨论、辩论和发展。

三、 工人需求金字塔 有必要在讨论人本制造之前回答关键问题1，即明确工人需求。基于马斯洛提出的5层人类需求金字塔，我们提出了一个描述制造业工人不同层级需求的工人需求金字塔，如图1所示。

图1. 工人需金字塔

第一层：安全。身体安全是首要需求。当前制造业对工人的保护机制主要是隔离保护和被动保护。未来，保护机制需要走向主动保护，环境可以感知和预测工人的行为，并自适应地规划和执行安全的人机交互。另外，工人的合法权益也要得到保障。

第二层：舒适。与第一层的身体安全不同，舒适需求关注工人的生理和心理健康。研究应包括工作环境、操作工具和控制界面的静态工效学设计，以及降低身体疲劳的动态工作流程管理。制造环境应尽可能减少工人精神负担，保持工人心理健康。另外，人机交互过程中的个人隐私也应得到保障。

第三层：归属。人类是一个依赖合作实现生存和繁荣的社会物种，因此该层关注工人的人际关系、联系以及团队归属感等情感需求。在该层，工人与机器应当形成可信赖的伙伴关系，通过积极的双向共情、沟通、分享和关怀实现共同目标。

第四层：尊重。尊重需求是否得到满足，是员工从“愿意工作”向“乐于工作”转变的转折点。虽然尊重是一种内在品质，但也受外部因素影响，如同龄人的认可和赞扬。游戏化奖励机制可被用来强化个人自尊。

第五层：自我实现。自我实现包括挖掘个人潜能、自我满足、寻求个人成长和高峰体验。在该层面上，制造系统和流程应该为工人提供个性化的共同学习和共同探索体验，最终实现人与机器之间的双向学习和协同进化。

当前的研究主要关注情境化工作间设计、工作流程优化和知识传播，而缺乏考虑人与环境之间的交互的复杂性，以及工人的职业健康和安全需要，也因此为面向3-5级需求的研究留出一片蓝海。人本制造需要致力于创造个性化的制造体验，以识别个体在性别、人体形态、生理和心理状态、团队行为、动机和长期职业目标方面的差异，最终创造一个个人福祉和制造业可持续增长相辅相成的“良性循环”。

四、 人本制造 以人为本的基本原则是“人永远不应该屈从于机器和自动化，而是机器和自动化应该屈从于人”。所以我们定义人本制造即以人类福祉为核心价值的制造实践，为工人的工作、学习和成长提供安全、舒适和激励的环境，从而确保可持续的卓越制造。如图2所示，技术变革推动了5次工业革命。在此过程中，制造范式也从手工制造逐步走向大规模个性化制造。同时发生的还有人机关系的进化——5C路线：共存，合作，协作，共情和协同进化。在第一次和第二次工业革命中，机器被引入工厂与工人构成冰冷的共存关系。第三次工业革命中可重构机器和生产流水线的出现，人与机器构成团队以合作的方式进行生产。在第四次工业革命中，先进的感知和人工智能技术使智能机器能够与工人协作完成共同目标。与合作不同，协作指团队各方在同时空下进行联合活动。但是，直到工业4.0，制造业都是以系统为本，将系统优化置于制造业核心。走向人本制造，在脑科学和个性化人工智能的技术突破的加持下，可以设想能够感知人类情感、需求和偏好，并提供场景化协助的共情机器人，从而出现共情的人机关系。更进一步，亲密的人机交互最终将使人和机器在相互学习中实现协同进化。图2. 面向人本制造的人机关系进化路径

我们将人机关系映射到工人需求金字塔，如图3所示。可以发现，构建共情和协同进化的人机关系对于满足工人第四层和第五层需求是至关重要的。因此，人本制造的研究需要在大规模个性化制造的情境下展开，通过人机双向共情和协同进化，最终实现提高工人福祉和系统生产力。

图3. 人机关系映射到工人需求金字塔五、使能技术 为了系统回顾人本制造的使能技术，我们首先创建了一个人本制造的参考模型，展示相关技术组件和与人类的交互，如图4所示。该模型强调：（1）以人为本——尊重人类的意图和判断；（2）社会福祉——检测和响应人类生理和心理状态；（3）适应性——从环境中学习并基于学习改变行为。此参考模型将人与机器之间的交互抽象为三个基本组件：（1）人机理解；（2）人机协作智能；（3）人机沟通。图4.人本制造参考模型（1）人机理解——共情技能

人本制造首先要求系统能够理解人类的状态和意图。

状态理解可被分为三个方面：生理状态、认知状态和心理状态。理解生理状态主要涉及评估不良姿势下持续、重载工作的身体危害以及高负载、快节奏、复杂和枯燥工作造成的身体疲劳。工人的认知状态对认知任务的表现有重要影响，而影响认知状态的因素主要是精神压力，但是评估精神压力并不容易。另外，评估人类心理状态同样是困难的。更具体的人类状态评估方法的讨论请参见原文。

意图理解包含两个层面：短期意图理解——理解工人希望机器执行的操作以及工人在一个短期制造任务中想达成的目标；长期意图理解——理解工人在职业生涯中的长期愿望和动机。人类短期意图可以是显示的或者隐式的，基于意图的抽象程度可以将短期意图理解分为三类任务：指令理解（IU）、动作理解（AU）和目标理解（GU）。而短期意图的测量方法又可以分为直接沟通和间接观察。直接沟通指的是通过分析人类语言和生物信号，如EoG、ECoG、MEG、EMG和EEG，识别人类意图。间接观察则是通过观察人类动作、运动和姿势推断人类意图。相较于人类短期意图，长期意图更难测量，理由包括：（1）长期意图不可见且缺乏测量方法；（2）不同工人具有不同价值排序；（3）长期意图高度主观化且多变。

表1. 意图模式、参考信号、测量设备和应用场景（2）人机协作智能

有研究发现人与系统的协作智能才能更好地提高整体性能，而不是完全由人工智能主导。人与共情机器之间的互动协作策略可以在动态环境中寻找最舒适的协作机制和行动计划。因此，制造系统需要适应与人协作的学习、推理和控制。

学习的内容是知识，而知识可以被分为概念性知识（CK）和程序性知识（PK）。制造知识的分类可见表2。而针对不同知识的学习方法可见表3。人类学习本质上是构建认知图式，也就是思考和行为的模式。某种程度上来说，机器的学习过程也是如此。针对概念性知识，人类可以通过归纳学习掌握不同概念，再通过精化学习将新知识整合到已建立的认知图式中。对于机器来说，归纳学习类似于模式识别技术，而精化学习则类似于迁移学习和元学习。针对程序性知识，人类可以通过知识编译来学习工作流程，还可以通过知识增强不断从实践中提高技能。对应到机器，知识编译与机器推理类似，而知识增强则类似于强化学习。

表2. 制造过程中每一步的学习资源，数据类型和知识类型表3. 人类和机器对各类知识的学习方法和目标

在制造业，学习的目的不仅是获得知识，更重要的是利用所学知识通过推理做出决策。与学习相比，推理更关注如何解决问题和做出决策。但是学习和推理并不是独立的，而是相互依赖的。人类推理依赖专门知识和推理规则。类似的，机器推理也依赖知识库和逻辑规则。

人本制造中，人与机器应该能够通过预测彼此的需求来协调各自的活动。因此，需要在人本制造中建立人与机器的自组织共享自治。自组织共享自治有三大特征：自我配置——自动配置各种制造元素以满足制造需求；自我优化——根据时空动态变化情况和工人偏好，对协作计划进行自我优化；自我修复——当局部波动发生时，系统行为应在尽可能少的人工干预情况下恢复到其最佳状态。但是，当前的控制方法并不能满足自组织共享自治的需求，主要原因在于：（1）缺乏面向人类第三层到第五层需求的人类决策机制模型；（2）自适应人机共生的智能控制理论还不完善。

（3）人机沟通

共情机器应该以人类习惯的方式与人沟通和交互，而不是反过来。人机沟通是动态的，取决于特定上下文中特定时刻交换的消息。因此，成功的沟通取决于何时、通过何种渠道、以何种方式传递哪些内容。沟通的内容应该包含过程信息和反馈信息；时机应该是在信息需求者提出信息需求之前就提供所需信息。表4展示了常见的人机沟通通道。在制造业中，任务关键型和时间关键型操作给开发自然的人机沟通技术提出了巨大挑战。因此，沟通技术的选用应因地制宜，也可结合使用。沟通的方式也应做到个性化，考虑个人的偏好、情感状态和文化背景。

表4. 人机沟通通道六、人本制造架构本节分别从制造系统层面和机器层面分别讨论人本制造系统架构。

（一）人本制造系统

图5展示了在非结构化和分布式制造环境中人本制造系统的架构，能够实现超灵活自动化制造个性化产品。面对动态制造任务，系统可以从一个基础任务模型库中整合所需基础任务以完成个性化生产任务。针对每项基础任务，系统会建立两个模型。一个模型用于确定所需的制造能力和制造资源；另一个模型用于量化工人执行该任务的身体、认知和心理压力。构建人本制造系统面临的关键控制和优化问题在于解决分布式多智能体的任务分配问题。潜在的使能技术是分布式学习算法，如多智能体强化学习。总结来说，该人本制造系统能够通过主动沟通和协作智能，构建可信赖的人机关系，从而实现人机团队的高性能、高效率和高度灵活的生产。

图5. 人本智能制造系统架构

（二）以人为本的人机协作

本节展示了一个以人为本的人机协作架构，这是一个机器层面的人本制造交互案例。该架构主要包含三个模块：（1）动态人类理解——动态理解人类状态与意图；（2）共情的机器人控制——通过生成共情动作和多动机的机器人控制为工人提供主动的实时辅助；（3）动态任务规划——通过协作智能规划任务，优化工人幸福和应急处置。

图6. 以人为本的人机协作架构

七、挑战

本节从社会和技术两个方面讨论人本制造面临的挑战。（一）社会挑战

科技的接受和信任——科技需要做到可靠、智能、提供愉悦体验并保护用户隐私。开发可信赖的共情机器是困难的，要求认知科学的进步以及建立多智能体的无偏见智能。但是，当前仍然缺乏通用的人工智能伦理模型。

团队氛围的变化——充满智能机器的灵活工作环境将不可避免地改变工厂中的人机团队氛围。人类需要改变对待机器和系统的态度，因为智能机器会越来越嵌入到工人的身体、认知和情感处理过程中。我们在多大程度上允许这些智能机器参与到制造和决策过程中仍然是一个问题。

终生学习——不断引入新科技则要求工人不断学习如何使用这些科技。持续的学习有助于构建更顺畅的人机交互、提高团队表现和工人的职业晋升。另外，自我实现需求也要求工人在每天的协作制造中保持终身学习。

（二）技术挑战

以人为本和个性化人工资能——共情机器需要以人为本的人工技能技术，将人本思想嵌入到人机协作中。此外，人工智能技术需要个性化，以适应工人在能力、工作方式、健康状态和职业抱负上的个体差异。

透明和可解释性——要信任机器，人类需要理解人工智能系统是如何得出结论并做出决策的。但是，当前的深度学习系统仍然缺乏可解释性。另外，用户对机器会采集何种信息应该具有知情权。

性能评估——需要开发一套通用的人本制造系统的性能评估方法。评估方法应该能够测量人类的状态和幸福指数；测量机器的共情能力和自主权；测量系统的人机交互性能和制造性能。

制造系统的研究——人本制造提高了人类的工作规划和偏好的自由度，但这也需要拥有更高适应性和响应性的控制系统来应对人类行为的突发事件，并保证不牺牲系统性能。另外，大规模个性化制造也让形势变得更复杂。

八、结论制造业应该以人为本，将工人福祉置于制造业的核心。本文系统地分析了人本制造的需求、概念、动机和参考模型，并讨论了其使能技术、架构和挑战。我们建立了一个工人需求金字塔来明确制造业工人的需求和动机。基于该理论基础，我们认为当前的以系统为本的制造只能满足工人的第一和第二层需求，而缺乏对于能够创造舒适、激励和正向回报的成长环境的人本制造的研究。走向人本制造，需要更多的科学研究来理解人类行为，向人类提供情境化协助，以及建立人与机器之间的自然沟通。我们相信，随着人工智能、神经科学和自动化理论的研究突飞猛进，在不远的将来，工人将从制造业的从属角色转变为主导角色。我们希望本文对人本制造的早期思考能够在这个话题上引发更多的讨论、辩论、证明和反驳。

来源：Elsevier JMS，国家智能制造专家委员会