考虑脑力负荷的模拟手工装配作业实验研究

韩文民，夏华杰，吴俊，黄劲松，龚佳伟

(江苏科技大学 经济管理学院，江苏 镇江 212003)

1 引言

工业装配生产中，大量相似产品是由一线装配员工将各类相同的零部件组装而成。虽然随着机器人的引入，传统装配线部分转变为自动/半自动装配线。然而，仍有许多装配操作太过复杂，采用手工装配是最有效的解决方案[1]。当装配线有不同任务时，手工装配具有高度的灵活性，具有更好的表现，因此会在未来装配作业中持续存在[2]。随着多品种生产成为企业生产的主流，企业装配生产中无论是采用传统装配线，还是采用混流装配线，抑或是采用单元生产，都会使装配员工面临不同任务切换情形。员工面对装配线较快的生产节拍，需要快速反应，容易造成工作压力增大，人因失误概率增大，一些失误会影响到装配质量甚至造成生产中断[3]。企业由此难以持续高效地进行安全生产作业。因此，研究不同类型任务切换场景下，员工工作绩效与脑力负荷的变化，进而确定在保证工作效率的基础上既可以控制错误率，又可以使员工脑力负荷处于合理状态的作业切换方式，避免装配员工长期处于高脑力负荷状态或者由于工作简单、无聊导致的注意力降低、分心，造成装配操作失误的后果。这对装配生产降低事故率、提高装配质量，使企业高效、持续的安全生产具有重要意义。

研究普遍发现任务切换工作场景下的员工绩效相对于任务重复时更差，表现在反应时间(Reaction Time，RT)更长，错误率更高，这被称为切换成本[4-5]。众多学者从奖惩制度、任务数量、切换频率以及认知恢复等多角度对任务切换与绩效之间的关系进行了研究，如：Umemoto等[6]研究发现通过对特定任务执行进行奖励，可以提高绩效水平，使RT降低和准确性提高。Kleinsorge等[7]设置两个或四个候选切换的任务，发现通过临时减少候选任务数量可以降低任务切换的成本，提升绩效水平。Camille等[8]研究发现在25%和50%切换频率下，切换成本随切换频率的增加而降低。Gajewski等[9]对57名中年装配线员工进行认知训练，使用基于复杂记忆的任务切换范式评估训练效果，发现3个月的训练能够减少认知衰退，员工认知表现提高到灵活工作员工的水平。

上述研究主要评估被试在不同条件下任务切换时的瞬时反应，较少从任务类型与具体生产实际过程结合的角度进行研究。随着神经工效学的发展，脑电(Electro-Encephalo-Gram，EEG)技术由于具有实时反映大脑活动状态(如：疲劳、唤醒)的特点，因此在生产运作管理等领域也得到了广泛应用。蔡敏等[10]结合EEG和动作分析对手工装配线易疲劳工序进行优化，证实了脑电在生产运作管理领域中应用的有效性。王雪霜等[11]采用EEG事件相关电位系统，以具体工业产品为对象，进行了用户的情感测量，为提升用户体验奠定基础。因此，本实验采用具有高时间分辨率的脑电技术，通过乐高模块组装模型模拟实际装配过程，这种模拟装配从动素(如：寻找、选择、握取、移物、定位、装配)角度分析已被证实与iPhone手机装配具有高度相似性，可以代表一般轻型手工装配作业[12]。然后评估被试经过不同类型任务切换后，一段时间内的绩效表现与脑力负荷状态变化，以期为混流装配线或单元生产中员工进行何种类型任务切换选择和多能工培养等方面提供理论依据，并指导企业安全生产工作。

2 实验方案

2.1 被试

实验招募24名本科生被试，男19人，女5人，年龄在21～24岁(均值=22.04，标准差=0.908)。被试均身体健康、矫正视力正常、右利手、无色盲色弱。被试在实验前均被详细告知实验内容，自愿同意签署《知情同意书》，实验结束后给予每名被试一定数量的报酬。

2.2 实验设备

实验设备由两台台式计算机，一台录像机，一台笔记本与一套EEG设备组成。两台台式计算机分别位于两台垂直摆放的桌子中间位置处。乐高模块按由小到大与装配先后的规则，放入标识模块类型的收纳盒中。收纳盒距被试小于或等于600 mm，以满足《GB/T 13547-1992 工作空间人体尺寸》中坐姿人体尺寸百分位数上肢功能前伸长第5个百分位数的便利性要求。作业区划分为被切换任务(A任务)区与切换任务(B任务)区，作业现场布置如图1所示。

图1 作业现场图

2.3 实验任务与流程

实验的A任务为3层乐高模型装配，A任务装配指示图如图2(a)所示。简单相似B任务是12层模型装配，装配指示图如图2(b)所示。复杂相似B任务是5层模型装配，从三个角度进行静态展示，装配指示图如图2(c)所示。由于数字任务既是任务切换研究中常用到的任务材料，又与生产装配线中存在的机器操作界面多为数字化界面相一致。因此，不相似任务选取数字任务作为研究对象。简单不相似B任务是由135道加法题组成，复杂不相似B任务由6道乘法题组成。B任务的具体描述如表1所示[13 -14]。

被试到达实验室后，先为被试讲解流程、介绍任务，并让被试练习熟悉A任务模型装配。再为被试佩戴脑电帽，检查阻抗值，均小于40kΩ后即开始实验。被试共进行5组实验，包括装配12组36层A任务的任务重复实验和复杂性(简单/复杂)与相似性(相似/不相似)(2×2)的4类任务切换实验，得到120组实验数据，满足双变量(2×2)实验的样本量要求。即任务重复实验和4类任务切换实验，5类实验，每一类实验有24组实验数据，组成用于分析的120组实验数据。同组实验出现在不同顺序位置的概率基本相同，被试随机匹配一种顺序，以减少潜在的顺序影响。正式实验时间大约1 h，实验前期准备大约0.5 h。

对于任务切换，被试先装配A任务3 min以上，并控制被试准备装配A任务第二层时，让被试听到一声铃声，被试立即停下，切换并完成B任务后，再自主切换回A任务，直到装配完12组36层A任务。

表1 B任务(切换任务)的描述

(a) (b) (c)

图2 (a)A任务模型装配指示图；(b)简单相似任务装配指示图；(c)复杂相似任务装配指示图

3 数据采集与分析

3.1 指标

错误率：统计A、B任务的错误率，凡装配中模块形状、颜色、装配方向出现与指示图中不一致即可认为此层装配错误。数学计算任务直接统计错误的题目数。

反应时间(RT)：从被试完成B任务后切换至A任务，装配好第一个模块的时间。

平均装配时间-T/N：T指完成A任务总计时间，N指A任务总层数。此指标通过视频记录分析得到，T/N越小，绩效越高，即生产效率越高。

EEG指标-β/(α+θ)：相较于β/α和1/α，β/(α+θ)被证实能够更好地反映脑部唤醒、工作量变化，并被应用于闭环系统以调整任务分配[15]。在被试正常状态下，完成任务时的β/(α+θ)应越小越好，β/(α+θ)越小表示被试在完成任务时的脑力负荷越小。EEG频段：θ频段(3-7Hz)、α频段(8-13Hz)、β频段(13-30Hz)。

3.2 EEG数据采集与处理

EEG设备为Advanced Brain Monitoring公司的B-Alert X10，采样率为256Hz，根据国际10-20系统的定义，在电极位置Fz,F3,F4,Cz,C3,C4,POz,P3,P4处检测EEG信号，参考电极位于双耳后的乳突骨处。

EEG数据使用B-Alert Lab专业EEG分析软件处理，由内置去伪迹算法去除了肌电、眼电、尖峰等伪迹，对EEG数据进行应用Kaiser窗口的快速傅立叶变换，并计算指定频率区间的正弦分量幅度，得到功率谱密度。通过对前、后A任务时间段的功率谱密度求平均值，再求出β/(α+θ)值。

3.3 统计分析

对实验数据采用IBM SPSS 19进行分析，使用均值±标准差反映数据情况，用箱式图检验异常值，用Shapiro-Wilk检验数据正态性，用Levene方差齐性检验判断等方差性，显著性水平设定为P<0.05。在统计分析前，先筛选残差值超过标准差的3倍的异常值。实验过程中，由于实验设备问题，被试未遵循实验指示等原因，采集的数据也可能判定为异常值。错误率排除了1个数据，RT排除了3个数据，为了避免被试对任务熟悉程度不够的影响，平均装配时间排除每名被试的第一组实验数据，共排除24个数据。

4 结果

4.1 错误率

五组实验的错误量统计如表2所示，转换为错误率后，对任务重复与任务切换的错误率进行非参数检验。A任务错误率没有显著影响(P>0.05)。B任务错误率检验结果为：H=24.826，P<0.001，拒绝原假设，被试在不同B任务中的错误率有差别。经过两两比较，检验结果如表3所示。e组与b、c组的错误率有差异(调整后P<0.001)，d组与b、c组的错误率无差异(调整后P分别为0.329和0.1)。

表2 错误量统计表

表3 组别的成对比较

4.2 反应时间

采用双因素方差分析复杂性和相似性对RT的影响，为了满足方差分析假设，RT进行了平方根变换，结果显示复杂性与相似性对RT的影响存在交互作用，F(1，89)=5.617，P=0.02，偏η2=0.059。简单主效应分析发现不同复杂性程度下，不相似任务切换的RT有差异，不同相似性程度下，复杂任务切换的RT有差异：不相似任务切换F(1，89)=5.096，P<0.05，偏η2=0.054；复杂任务切换F(1，89)=7.053，P<0.05，偏η2=0.073。成对比较分析这两类的简单主效应结果，简单不相似和复杂不相似任务切换的RT平方根值分别为2.585±0.398、2.903±0.529。复杂不相似任务切换的RT平方根值比简单不相似的高0.318(95%CI为0.038-0.598)，P=0.026。复杂相似和复杂不相似任务切换的RT平方根值分别为2.525±0.495、2.903±0.529。复杂不相似任务切换的RT平方根值比复杂相似的高0.378(95%CI为0.095-0.661)，P=0.009。RT均值如图3所示。

图3 反应时间均值

4.3 平均装配时间

对任务切换中A任务的四组平均装配时间分别与任务重复的平均装配时间进行配对T检验。结果显示只有简单相似任务切换与任务重复的平均装配时间之间存在显著差异(t(17)=2.222，P=0.040，d=0.524)。平均装配时间均值图如图4所示。

图4 平均装配时间均值

4.4 EEG指标

对任务切换实验中第1段A任务时间段与第2段A任务时间段的EEG指标β/(α+θ)进行配对T检验，检验9个参考通道与5个差分通道数据，EEG指标有显著性差异的通道如表4所示，EEG指标的均值如图5所示。

表4 EEG指标β/(α+θ)显著性结果

图5 EEG指标β/(α+θ)均值

5 讨论

通过对四类指标的结果分析表明，对于错误率指标，不同类型的任务切换不会导致A任务的错误率显著上升，而复杂不相似B任务的错误率显著高于简单B任务，复杂相似B任务与简单B任务的错误率之间不存在显著性差异。为降低装配生产中产品的次品率，应避免采用复杂不相似任务切换方式以提高装配质量。对于RT指标，复杂不相似任务切换的RT也显著高于相似任务切换，表明员工难以快速响应复杂不相似任务切换，在任务切换过程中，造成了错误率显著上升。因此，从错误率与RT指标分析，都应该避免在企业装配生产中选择复杂不相似任务切换方式。对于平均装配时间指标，简单相似任务切换相较于其他任务切换导致A任务的平均装配时间显著更高，即简单相似任务切换导致生产效率显著降低。这可能是由于员工长时间处理枯燥、简单的任务，导致了一定程度的分心，从而导致生产效率下降。从维持持续高的生产效率而言，应该避免发生这种情况。因此，从生产效率角度分析，企业装配生产中应该避免采用简单相似任务切换方式。

对于EEG指标，工作记忆任务期间，前额叶皮层的活动反映了注意力选择[16]。分析额叶的Fz通道可知，简单相似、简单不相似、复杂不相似任务切换均使EEG指标β/(α+θ)显著升高，表明这三类任务切换导致被试额叶脑区唤醒度更高，需要投入更多注意力资源完成A任务，脑力负荷变得更大。而复杂相似任务切换不仅没有引起额叶脑力负荷的增加，还减少了顶叶的脑力负荷量，符合相似安全心理学理论中员工安全认知的内涵[17]。相似任务切换差分通道以及复杂相似任务切换参考通道POz、P4的显著性差异，表明额叶与顶叶都参与了自上而下注意力切换信号控制，这与Rossi等[18]的研究一致。同时，不相似任务切换差分通道未出现显著差异，表明仅相似任务切换引起了额-顶脑区唤醒度在切换后一段时间出现显著变化。

基于四类指标结果，对结果进行综合讨论分析后，各指标下的任务切换优先选择方案，如表5所示，可见复杂相似任务切换是最合理的切换方式。如果任务切换选择的指标侧重点不同，选择方案就有多种可能，如果对四类指标赋予相同权重，则优选方案依次为复杂相似型、简单不相似型、简单相似型、复杂不相似型。

表5 各指标下的优先选择方案

注：√表示在此指标下优先选择的方案，—表示此指标下不应选择方案

6 结论

本文采用复杂性与相似性(2×2)因素设计的交替任务切换范式，进行考虑脑力负荷的模拟手工装配作业实验研究，研究表明错误率、RT、平均装配时间、EEG指标β/(α+θ)等指标可以较好评估任务切换对被试绩效、脑力负荷的影响。研究结果显示任务切换类型的最优选择是复杂相似型，企业装配生产中设计实施混流或单元装配线时，员工优先选择复杂相似任务切换更有利于生产。同时，企业培训多能工时应让多能工尽量胜任相似性大的工作，避免多能工工作时出现错误率上升、脑力负荷增大等情形。本文还提供了四类指标下任务切换的优先选择方案，企业可以结合具体生产实际情形，在优先考虑不同指标时，选择合理的任务切换方式，让员工的脑力负荷处于安全合理状态，使企业安全高效生产得到有效保障。

此外，EEG指标分析表明任务切换前后一段时间内，相似任务切换引起了额叶-顶叶脑区唤醒程度的变化，不相似任务切换仅仅引起了额叶的唤醒程度变化，表明并不是所有的任务切换都会引起任务切换后一段时期额叶-顶叶脑区唤醒度的变化。

未来研究中，可以在实验中考虑加入装配工具、节拍、团队协作等因素，并综合使用眼动仪、近红外光学成像等仪器设备，进一步研究任务切换中员工绩效及各项生理指标的变化，为企业生产线设计与设施规划、员工调度等方面提供理论依据与优化方案。