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

發表于：1 February?2022

一、摘要最近提出的工業5.0倡議將關注重點轉向工人福祉、可持續性和彈性。該倡議也引發了關于未來制造業的討論，即制造業應該以人為本——將工人福祉置于制造過程的核心，而不是以系統為本——僅追求提高效率、改進質量和降低成本。因此，本文探討了人本制造的概念、需求、參考模型、使能技術和架構。我們認為人本制造最終應滿足工人需求金字塔中各層級的需求——從安全和舒適的基層需求到尊重和自我實現的最高層需求。人機關系也會沿著5C路線進化——從當前的共存（Coexistence），合作（Cooperation），協作（Collaboration），走向未來的共情（Compassion）和協同進化（Coevolution）。因此，人本制造系統需要具備雙向共情和主動溝通能力，以及協作智能，以建立可靠的人機協同進化關系，從而形成高性能的人機團隊。最后，本文詳細討論了人本制造的使能技術和挑戰。二、介紹由于國民生產總值并不能完整描述居民生活水平，居民幸福感正成為衡量社會繁榮的重要標準。在此背景下，2021年歐盟提出工業5.0倡議，呼吁制造業應當以人為本，即人本制造，將工人福祉置于制造過程的核心。這與自工業1.0以來追求提高效率、改進質量和降低成本的以系統為本的制造有本質不同。但是，人本制造目前還是一個模糊概念，迫切需要深入的系統研究。具體來說，需要回答以下關鍵問題：1.制造業工人的基本需求是什么？能否定義一個工人需求模型，并使用該模型衡量人本制造成熟度？2.未來制造系統中人類角色是什么？3.什么是人本制造？與系統為本制造有何不同？4.人本制造的使能技術有哪些？5.人本制造的早期案例有哪些？6.人本制造面臨的重大挑戰是什么？

因此，我們試圖在這一可能的工業轉型之初系統地討論人本制造，希望在這一新興研究方向上激發實質性的討論、辯論和發展。

三、 工人需求金字塔 有必要在討論人本制造之前回答關鍵問題1，即明確工人需求?；隈R斯洛提出的5層人類需求金字塔，我們提出了一個描述制造業工人不同層級需求的工人需求金字塔，如圖1所示。

圖1. 工人需金字塔

第一層：安全。身體安全是首要需求。當前制造業對工人的保護機制主要是隔離保護和被動保護。未來，保護機制需要走向主動保護，環境可以感知和預測工人的行為，并自適應地規劃和執行安全的人機交互。另外，工人的合法權益也要得到保障。

第二層：舒適。與第一層的身體安全不同，舒適需求關注工人的生理和心理健康。研究應包括工作環境、操作工具和控制界面的靜態工效學設計，以及降低身體疲勞的動態工作流程管理。制造環境應盡可能減少工人精神負擔，保持工人心理健康。另外，人機交互過程中的個人隱私也應得到保障。

第三層：歸屬。人類是一個依賴合作實現生存和繁榮的社會物種，因此該層關注工人的人際關系、聯系以及團隊歸屬感等情感需求。在該層，工人與機器應當形成可信賴的伙伴關系，通過積極的雙向共情、溝通、分享和關懷實現共同目標。

第四層：尊重。尊重需求是否得到滿足，是員工從“愿意工作”向“樂于工作”轉變的轉折點。雖然尊重是一種內在品質，但也受外部因素影響，如同齡人的認可和贊揚。游戲化獎勵機制可被用來強化個人自尊。

第五層：自我實現。自我實現包括挖掘個人潛能、自我滿足、尋求個人成長和高峰體驗。在該層面上，制造系統和流程應該為工人提供個性化的共同學習和共同探索體驗，最終實現人與機器之間的雙向學習和協同進化。

當前的研究主要關注情境化工作間設計、工作流程優化和知識傳播，而缺乏考慮人與環境之間的交互的復雜性，以及工人的職業健康和安全需要，也因此為面向3-5級需求的研究留出一片藍海。人本制造需要致力于創造個性化的制造體驗，以識別個體在性別、人體形態、生理和心理狀態、團隊行為、動機和長期職業目標方面的差異，最終創造一個個人福祉和制造業可持續增長相輔相成的“良性循環”。

四、 人本制造?以人為本的基本原則是“人永遠不應該屈從于機器和自動化，而是機器和自動化應該屈從于人”。所以我們定義人本制造即以人類福祉為核心價值的制造實踐，為工人的工作、學習和成長提供安全、舒適和激勵的環境，從而確?？沙掷m的卓越制造。如圖2所示，技術變革推動了5次工業革命。在此過程中，制造范式也從手工制造逐步走向大規模個性化制造。同時發生的還有人機關系的進化——5C路線：共存，合作，協作，共情和協同進化。在第一次和第二次工業革命中，機器被引入工廠與工人構成冰冷的共存關系。第三次工業革命中可重構機器和生產流水線的出現，人與機器構成團隊以合作的方式進行生產。在第四次工業革命中，先進的感知和人工智能技術使智能機器能夠與工人協作完成共同目標。與合作不同，協作指團隊各方在同時空下進行聯合活動。但是，直到工業4.0，制造業都是以系統為本，將系統優化置于制造業核心。走向人本制造，在腦科學和個性化人工智能的技術突破的加持下，可以設想能夠感知人類情感、需求和偏好，并提供場景化協助的共情機器人，從而出現共情的人機關系。更進一步，親密的人機交互最終將使人和機器在相互學習中實現協同進化。圖2. 面向人本制造的人機關系進化路徑

我們將人機關系映射到工人需求金字塔，如圖3所示?？梢园l現，構建共情和協同進化的人機關系對于滿足工人第四層和第五層需求是至關重要的。因此，人本制造的研究需要在大規模個性化制造的情境下展開，通過人機雙向共情和協同進化，最終實現提高工人福祉和系統生產力。

圖3. 人機關系映射到工人需求金字塔五、使能技術?為了系統回顧人本制造的使能技術，我們首先創建了一個人本制造的參考模型，展示相關技術組件和與人類的交互，如圖4所示。該模型強調：（1）以人為本——尊重人類的意圖和判斷；（2）社會福祉——檢測和響應人類生理和心理狀態；（3）適應性——從環境中學習并基于學習改變行為。此參考模型將人與機器之間的交互抽象為三個基本組件：（1）人機理解；（2）人機協作智能；（3）人機溝通。圖4.人本制造參考模型（1）人機理解——共情技能

人本制造首先要求系統能夠理解人類的狀態和意圖。

狀態理解可被分為三個方面：生理狀態、認知狀態和心理狀態。理解生理狀態主要涉及評估不良姿勢下持續、重載工作的身體危害以及高負載、快節奏、復雜和枯燥工作造成的身體疲勞。工人的認知狀態對認知任務的表現有重要影響，而影響認知狀態的因素主要是精神壓力，但是評估精神壓力并不容易。另外，評估人類心理狀態同樣是困難的。更具體的人類狀態評估方法的討論請參見原文。

意圖理解包含兩個層面：短期意圖理解——理解工人希望機器執行的操作以及工人在一個短期制造任務中想達成的目標；長期意圖理解——理解工人在職業生涯中的長期愿望和動機。人類短期意圖可以是顯示的或者隱式的，基于意圖的抽象程度可以將短期意圖理解分為三類任務：指令理解（IU）、動作理解（AU）和目標理解（GU）。而短期意圖的測量方法又可以分為直接溝通和間接觀察。直接溝通指的是通過分析人類語言和生物信號，如EoG、ECoG、MEG、EMG和EEG，識別人類意圖。間接觀察則是通過觀察人類動作、運動和姿勢推斷人類意圖。相較于人類短期意圖，長期意圖更難測量，理由包括：（1）長期意圖不可見且缺乏測量方法；（2）不同工人具有不同價值排序；（3）長期意圖高度主觀化且多變。

表1. 意圖模式、參考信號、測量設備和應用場景（2）人機協作智能

有研究發現人與系統的協作智能才能更好地提高整體性能，而不是完全由人工智能主導。人與共情機器之間的互動協作策略可以在動態環境中尋找最舒適的協作機制和行動計劃。因此，制造系統需要適應與人協作的學習、推理和控制。

學習的內容是知識，而知識可以被分為概念性知識（CK）和程序性知識（PK）。制造知識的分類可見表2。而針對不同知識的學習方法可見表3。人類學習本質上是構建認知圖式，也就是思考和行為的模式。某種程度上來說，機器的學習過程也是如此。針對概念性知識，人類可以通過歸納學習掌握不同概念，再通過精化學習將新知識整合到已建立的認知圖式中。對于機器來說，歸納學習類似于模式識別技術，而精化學習則類似于遷移學習和元學習。針對程序性知識，人類可以通過知識編譯來學習工作流程，還可以通過知識增強不斷從實踐中提高技能。對應到機器，知識編譯與機器推理類似，而知識增強則類似于強化學習。

表2. 制造過程中每一步的學習資源，數據類型和知識類型表3. 人類和機器對各類知識的學習方法和目標

在制造業，學習的目的不僅是獲得知識，更重要的是利用所學知識通過推理做出決策。與學習相比，推理更關注如何解決問題和做出決策。但是學習和推理并不是獨立的，而是相互依賴的。人類推理依賴專門知識和推理規則。類似的，機器推理也依賴知識庫和邏輯規則。

人本制造中，人與機器應該能夠通過預測彼此的需求來協調各自的活動。因此，需要在人本制造中建立人與機器的自組織共享自治。自組織共享自治有三大特征：自我配置——自動配置各種制造元素以滿足制造需求；自我優化——根據時空動態變化情況和工人偏好，對協作計劃進行自我優化；自我修復——當局部波動發生時，系統行為應在盡可能少的人工干預情況下恢復到其最佳狀態。但是，當前的控制方法并不能滿足自組織共享自治的需求，主要原因在于：（1）缺乏面向人類第三層到第五層需求的人類決策機制模型；（2）自適應人機共生的智能控制理論還不完善。

（3）人機溝通

共情機器應該以人類習慣的方式與人溝通和交互，而不是反過來。人機溝通是動態的，取決于特定上下文中特定時刻交換的消息。因此，成功的溝通取決于何時、通過何種渠道、以何種方式傳遞哪些內容。溝通的內容應該包含過程信息和反饋信息；時機應該是在信息需求者提出信息需求之前就提供所需信息。表4展示了常見的人機溝通通道。在制造業中，任務關鍵型和時間關鍵型操作給開發自然的人機溝通技術提出了巨大挑戰。因此，溝通技術的選用應因地制宜，也可結合使用。溝通的方式也應做到個性化，考慮個人的偏好、情感狀態和文化背景。

表4. 人機溝通通道六、人本制造架構本節分別從制造系統層面和機器層面分別討論人本制造系統架構。

（一）人本制造系統

圖5展示了在非結構化和分布式制造環境中人本制造系統的架構，能夠實現超靈活自動化制造個性化產品。面對動態制造任務，系統可以從一個基礎任務模型庫中整合所需基礎任務以完成個性化生產任務。針對每項基礎任務，系統會建立兩個模型。一個模型用于確定所需的制造能力和制造資源；另一個模型用于量化工人執行該任務的身體、認知和心理壓力。構建人本制造系統面臨的關鍵控制和優化問題在于解決分布式多智能體的任務分配問題。潛在的使能技術是分布式學習算法，如多智能體強化學習?？偨Y來說，該人本制造系統能夠通過主動溝通和協作智能，構建可信賴的人機關系，從而實現人機團隊的高性能、高效率和高度靈活的生產。

圖5.?人本智能制造系統架構

（二）以人為本的人機協作

本節展示了一個以人為本的人機協作架構，這是一個機器層面的人本制造交互案例。該架構主要包含三個模塊：（1）動態人類理解——動態理解人類狀態與意圖；（2）共情的機器人控制——通過生成共情動作和多動機的機器人控制為工人提供主動的實時輔助；（3）動態任務規劃——通過協作智能規劃任務，優化工人幸福和應急處置。

圖6. 以人為本的人機協作架構

七、挑戰

本節從社會和技術兩個方面討論人本制造面臨的挑戰。（一）社會挑戰

科技的接受和信任——科技需要做到可靠、智能、提供愉悅體驗并保護用戶隱私。開發可信賴的共情機器是困難的，要求認知科學的進步以及建立多智能體的無偏見智能。但是，當前仍然缺乏通用的人工智能倫理模型。

團隊氛圍的變化——充滿智能機器的靈活工作環境將不可避免地改變工廠中的人機團隊氛圍。人類需要改變對待機器和系統的態度，因為智能機器會越來越嵌入到工人的身體、認知和情感處理過程中。我們在多大程度上允許這些智能機器參與到制造和決策過程中仍然是一個問題。

終生學習——不斷引入新科技則要求工人不斷學習如何使用這些科技。持續的學習有助于構建更順暢的人機交互、提高團隊表現和工人的職業晉升。另外，自我實現需求也要求工人在每天的協作制造中保持終身學習。

（二）技術挑戰

以人為本和個性化人工資能——共情機器需要以人為本的人工技能技術，將人本思想嵌入到人機協作中。此外，人工智能技術需要個性化，以適應工人在能力、工作方式、健康狀態和職業抱負上的個體差異。

透明和可解釋性——要信任機器，人類需要理解人工智能系統是如何得出結論并做出決策的。但是，當前的深度學習系統仍然缺乏可解釋性。另外，用戶對機器會采集何種信息應該具有知情權。

性能評估——需要開發一套通用的人本制造系統的性能評估方法。評估方法應該能夠測量人類的狀態和幸福指數；測量機器的共情能力和自主權；測量系統的人機交互性能和制造性能。

制造系統的研究——人本制造提高了人類的工作規劃和偏好的自由度，但這也需要擁有更高適應性和響應性的控制系統來應對人類行為的突發事件，并保證不犧牲系統性能。另外，大規模個性化制造也讓形勢變得更復雜。

八、結論制造業應該以人為本，將工人福祉置于制造業的核心。本文系統地分析了人本制造的需求、概念、動機和參考模型，并討論了其使能技術、架構和挑戰。我們建立了一個工人需求金字塔來明確制造業工人的需求和動機?；谠摾碚摶A，我們認為當前的以系統為本的制造只能滿足工人的第一和第二層需求，而缺乏對于能夠創造舒適、激勵和正向回報的成長環境的人本制造的研究。走向人本制造，需要更多的科學研究來理解人類行為，向人類提供情境化協助，以及建立人與機器之間的自然溝通。我們相信，隨著人工智能、神經科學和自動化理論的研究突飛猛進，在不遠的將來，工人將從制造業的從屬角色轉變為主導角色。我們希望本文對人本制造的早期思考能夠在這個話題上引發更多的討論、辯論、證明和反駁。

來源：Elsevier JMS，國家智能制造專家委員會