劉澤雙 ,韓 金 ,王一帆

(1.西安理工大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710054；2.石河子大學(xué) 經(jīng)濟(jì)與管理學(xué)院，新疆 石河子 832003)

0 引言

工業(yè) 4.0 戰(zhàn)略舉措正逐步改變生產(chǎn)和運(yùn)營(yíng)管理系統(tǒng)，制造業(yè)通過(guò)智能連接和自動(dòng)化實(shí)現(xiàn)智能化，經(jīng)歷范式轉(zhuǎn)變并建立網(wǎng)絡(luò)物理生產(chǎn)系統(tǒng)集成最先進(jìn)的技術(shù)，加強(qiáng)人與技術(shù)的交互，實(shí)現(xiàn)向智能工廠(chǎng)的轉(zhuǎn)型，加快實(shí)現(xiàn)生產(chǎn)系統(tǒng)中的自學(xué)習(xí)、自組織、自決功能及相關(guān)業(yè)務(wù)流程[1]。智能機(jī)器、高級(jí)分析技術(shù)和技術(shù)人員是工業(yè)互聯(lián)網(wǎng)的3種重要要素[2]，在可以預(yù)見(jiàn)的將來(lái)，人工智能技術(shù)將成為智能制造的主要驅(qū)動(dòng)因素，不僅能拓展制造主體范圍，還能優(yōu)化智能生產(chǎn)過(guò)程，更能重塑人機(jī)協(xié)作模式。目前，大部分制造企業(yè)還處于數(shù)字化、智能化轉(zhuǎn)型階段，尚未達(dá)到人機(jī)無(wú)縫合作的水平，甚至還會(huì)出現(xiàn)1+1<2的情況。智能制造人機(jī)協(xié)作管理方面存在以下問(wèn)題：首先，被解放出來(lái)的人力未被合理分配利用，人類(lèi)和機(jī)器各自需肩負(fù)的責(zé)任界限比較模糊[3]；其次，如何使員工適應(yīng)一個(gè)無(wú)感情的合作伙伴是一大挑戰(zhàn)，大部分員工無(wú)法從原有的組織存在形式中轉(zhuǎn)變過(guò)來(lái)，與智能機(jī)器配合不夠密切[4-5]；再次，智能制造人才需求與現(xiàn)有人才之間存在技能鴻溝，市場(chǎng)上的智能化人才短缺[6]；最后，在非智力因素方面，對(duì)某一方面素質(zhì)的要求會(huì)遠(yuǎn)遠(yuǎn)超過(guò)傳統(tǒng)一貫重視的某些品質(zhì)[7]。加上政策和技術(shù)環(huán)境的不斷變化，人機(jī)協(xié)作系統(tǒng)的運(yùn)行功能標(biāo)準(zhǔn)可能隨著技術(shù)的發(fā)展而發(fā)生改變。因此，結(jié)合具體技術(shù)發(fā)展和最新政策背景研究人機(jī)協(xié)作標(biāo)準(zhǔn)具有重要意義。

傳統(tǒng)的人機(jī)合作范式在一定時(shí)期內(nèi)被看作是研究人機(jī)關(guān)系的實(shí)用性分析框架，但人工智能給其帶來(lái)較大沖擊。很多學(xué)者認(rèn)為，與前幾次技術(shù)革命不同，人工智能技術(shù)引發(fā)的人機(jī)關(guān)系變革是巨大的[8]。通過(guò)梳理以往研究發(fā)現(xiàn)，人機(jī)協(xié)作理論大多以人為中心[9-10]，很少?gòu)闹悄軝C(jī)器或二者結(jié)合的角度探討雙方形成的協(xié)作創(chuàng)新合力，甚至?xí)浯笾悄軝C(jī)器的負(fù)面影響。人工智能不僅會(huì)影響制造企業(yè)外部環(huán)境，如人才需求、意識(shí)形態(tài)、公共關(guān)系及技術(shù)運(yùn)用[11-14]，還會(huì)對(duì)企業(yè)內(nèi)部人機(jī)主體產(chǎn)生深遠(yuǎn)影響，即人類(lèi)和智能機(jī)器的主次地位問(wèn)題，這關(guān)系到智能機(jī)器與員工是工具性、平等性抑或是被動(dòng)性協(xié)作關(guān)系[15]。目前，學(xué)界缺少對(duì)智能制造影響下人機(jī)協(xié)作系統(tǒng)化的理論分析，鮮有文獻(xiàn)提出智能化人機(jī)協(xié)作的相關(guān)治理思路。這就需要在厘清人工智能對(duì)人機(jī)系統(tǒng)運(yùn)行和功能影響的基礎(chǔ)上，對(duì)人機(jī)關(guān)系相關(guān)理論進(jìn)行補(bǔ)充，完善智能制造下的人機(jī)協(xié)作標(biāo)準(zhǔn)和運(yùn)行功能指導(dǎo)框架，維持智能化人機(jī)協(xié)作的平穩(wěn)運(yùn)行。

為充分探索智能制造中的人機(jī)協(xié)作標(biāo)準(zhǔn)，本文通過(guò)扎根研究、文獻(xiàn)對(duì)比和專(zhuān)家討論進(jìn)行量表開(kāi)發(fā)，基于大樣本數(shù)據(jù)進(jìn)行檢驗(yàn)，得到可靠的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)測(cè)量量表，并根據(jù)得到的內(nèi)容概念模型，克服傳統(tǒng)管理學(xué)建模研究方法和一些代表性建模方法的局限性，基于對(duì)象過(guò)程方法論，提出研究智能制造人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)的動(dòng)靜結(jié)合建模方法，該方法層次清晰且關(guān)聯(lián)性強(qiáng)。

1 文獻(xiàn)回顧

關(guān)于智能制造人機(jī)協(xié)作的研究主要從人機(jī)協(xié)作主導(dǎo)者和人工智能技術(shù)整合方式兩個(gè)角度展開(kāi)。

(1)按照對(duì)人類(lèi)勞動(dòng)者和人工智能兩大維度的側(cè)重程度分類(lèi)。一是人類(lèi)主導(dǎo)型研究。航空航天、造船和建筑等技術(shù)復(fù)雜行業(yè)的任務(wù)和過(guò)程需更多依賴(lài)人的主觀(guān)能動(dòng)性[16]。在智能制造對(duì)人類(lèi)操作者的新要求下，產(chǎn)生了促進(jìn)人類(lèi)社會(huì)化可持續(xù)生產(chǎn)和人機(jī)共生的第四代操作工理念[17-18]，在信息—人—物理體系中，人類(lèi)的新角色可以歸納總結(jié)為操作員、代理商、使用者和傳感終端用戶(hù)等幾種類(lèi)型[19]。二是人機(jī)合作型研究。某些工種通常不僅要求人工智能提供大數(shù)據(jù)、信息支持、高效計(jì)算、快速管理等服務(wù)，還要求人類(lèi)勞動(dòng)者采取一些具有創(chuàng)新性的工作行為，與人工智能分工合作實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)[20-21]。有學(xué)者結(jié)合人工智能時(shí)代工作的科學(xué)分類(lèi)，立足人機(jī)匹配和人崗匹配的科學(xué)原理，形成3類(lèi)“員工—AI—工作”組合[22]，并基于人機(jī)任務(wù)團(tuán)隊(duì)角色的概念，指出人工智能隊(duì)友在團(tuán)隊(duì)中可能扮演的4種角色[23]，且不同類(lèi)別的人類(lèi)管理者對(duì)管理決策中的人機(jī)權(quán)重偏好不同[24]。此外，要有效安全地控制機(jī)器，還需準(zhǔn)確推斷何時(shí)需要人類(lèi)操作，允許機(jī)器同步進(jìn)行其它任務(wù)[25]。三是人工智能主導(dǎo)型研究。人工智能可以獨(dú)立自主處理復(fù)雜性、常規(guī)性的低價(jià)值工作，人類(lèi)只需相對(duì)應(yīng)地?fù)?dān)任控制者、指導(dǎo)者、監(jiān)管者角色。例如，使用智能規(guī)劃技術(shù)的人機(jī)任務(wù)分配方法[26]，以提高工作效率為目標(biāo)，研究裝配線(xiàn)上以機(jī)器為主導(dǎo)的人機(jī)配合策略；利用任務(wù)規(guī)劃算法有效控制包括人類(lèi)和機(jī)器人在內(nèi)的多智能體團(tuán)隊(duì)[27]；允許自動(dòng)任務(wù)處理技術(shù)處理人類(lèi)與機(jī)器人團(tuán)隊(duì)之間的交互[28]。此外，還可使用人工智能技術(shù)處理人類(lèi)存在帶來(lái)的時(shí)間差異，并根據(jù)一對(duì)人類(lèi)工人和機(jī)器人的實(shí)際行為，動(dòng)態(tài)調(diào)整活躍任務(wù)計(jì)劃[20]。

(2)按人工智能技術(shù)整合方式分類(lèi)。一是基礎(chǔ)替代?；A(chǔ)替代是人機(jī)協(xié)作的最底層，將人工智能技術(shù)簡(jiǎn)單引入任務(wù)中替代傳統(tǒng)人類(lèi)勞動(dòng)方式和基礎(chǔ)工具，該過(guò)程對(duì)人類(lèi)合作者的影響程度很低，如制造業(yè)場(chǎng)所中用機(jī)器傳送產(chǎn)品、運(yùn)送包裝袋、記錄工作日志等基礎(chǔ)服務(wù)工作。二是提高增強(qiáng)。人工智能與提高增強(qiáng)之間既存在聯(lián)系又相互排斥，人工智能同時(shí)具備取代人類(lèi)和延伸人類(lèi)智能的功能，需要機(jī)器深度學(xué)習(xí)[29]。通過(guò)引入神經(jīng)網(wǎng)絡(luò)對(duì)特征進(jìn)行有效表示，可以實(shí)現(xiàn)降低任務(wù)復(fù)雜性、提高學(xué)習(xí)速度的效果[30]；利用一種基于DRL的多機(jī)器人編隊(duì)控制方法對(duì)可觀(guān)測(cè)的高維狀態(tài)空間信息進(jìn)行壓縮表示也可加快機(jī)器學(xué)習(xí)進(jìn)度[31]；將深度神經(jīng)網(wǎng)絡(luò)與Q學(xué)習(xí)算法相結(jié)合，讓計(jì)算機(jī)學(xué)習(xí)策略性游戲的玩法，其超越專(zhuān)業(yè)人類(lèi)玩家的表現(xiàn)也證明深度強(qiáng)化學(xué)習(xí)方法具有強(qiáng)大的自主學(xué)習(xí)能力[32]；將專(zhuān)家神經(jīng)網(wǎng)絡(luò)應(yīng)用到基于RL的抓取控制中，通過(guò)對(duì)輸入物體圖像的特征學(xué)習(xí)，使機(jī)械爪具有與人類(lèi)相似的感知與決策能力[33]。三是創(chuàng)新重塑。在智能制造重塑下的現(xiàn)代企業(yè)制造環(huán)境中，大中型技術(shù)裝備企業(yè)除引進(jìn)最高端的技術(shù)設(shè)備外，還需要不斷汲取智能趨勢(shì)下新的企業(yè)發(fā)展理念，以實(shí)現(xiàn)動(dòng)態(tài)創(chuàng)新和自身長(zhǎng)遠(yuǎn)發(fā)展。自20世紀(jì)80年代以來(lái)，學(xué)者試圖讓機(jī)器自己執(zhí)行認(rèn)知任務(wù)，以解決創(chuàng)新的問(wèn)題，但存在很大爭(zhēng)議[34-35]。此后，認(rèn)知?jiǎng)?chuàng)新理論——模糊特征假說(shuō)(OFH)強(qiáng)調(diào)，所有創(chuàng)新解決方案都至少建立在問(wèn)題的一個(gè)模糊特征之上[36]，并在后續(xù)發(fā)展中基于對(duì)象特征的新定義(對(duì)象與其它實(shí)體之間的交互影響)，得出人機(jī)伙伴關(guān)系可能比任何一個(gè)合作伙伴都更具創(chuàng)新性的結(jié)論，未來(lái)的人機(jī)融合發(fā)展方向更是將人機(jī)協(xié)作推到一個(gè)前所未有的水平。

總體看，雖然有關(guān)人機(jī)協(xié)作任務(wù)規(guī)劃技術(shù)的研究已經(jīng)取得了一些成果，但大部分學(xué)者主要關(guān)注人工智能技術(shù)的整體發(fā)展作為前因變量對(duì)社會(huì)、企業(yè)和個(gè)人的影響，對(duì)人發(fā)展的影響大多只從人機(jī)關(guān)系的定位方面展述，很少有從學(xué)理角度探討人與人工智能合作時(shí)，基于未來(lái)需要達(dá)到的任務(wù)目標(biāo)，各自應(yīng)該遵循的水平和準(zhǔn)則，即缺少關(guān)于人工智能運(yùn)用到人機(jī)合作中的標(biāo)準(zhǔn)理論體系。大多數(shù)文獻(xiàn)只有定性和描述性的展望，缺少對(duì)其運(yùn)行功能標(biāo)準(zhǔn)的制定，更缺少人機(jī)任務(wù)系統(tǒng)作為對(duì)象、過(guò)程及整體的建模。隨著人類(lèi)在系統(tǒng)中參與的靈活性和機(jī)器性能的提高，任務(wù)活動(dòng)的復(fù)雜性也會(huì)增加[37]，其中蘊(yùn)含的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)維度之間的關(guān)系錯(cuò)綜復(fù)雜，這就需要一種能處理系統(tǒng)復(fù)雜性問(wèn)題的建模方法，由此本文提出采用OPM構(gòu)建模型。

2 智能制造人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)概念界定與量表開(kāi)發(fā)

本文基于《國(guó)家智能制造標(biāo)準(zhǔn)體系建設(shè)指南》對(duì)人機(jī)關(guān)系需求和智能制造系統(tǒng)涉及內(nèi)容的界定，結(jié)合國(guó)際標(biāo)準(zhǔn)化組織[38]發(fā)布的協(xié)助機(jī)器人規(guī)范設(shè)計(jì)訪(fǎng)談提綱，包括智能感知、制造過(guò)程中的生產(chǎn)人員、生產(chǎn)設(shè)備、原輔材料、制造環(huán)境、互聯(lián)互通、協(xié)作、分析與統(tǒng)計(jì)、預(yù)測(cè)與預(yù)警、決策支持、控制與執(zhí)行等因素，對(duì)人機(jī)關(guān)系和人機(jī)協(xié)作標(biāo)準(zhǔn)進(jìn)行研究。

2.1 扎根研究

本文認(rèn)為，智能制造要求的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)是指機(jī)器和人類(lèi)各自或共同需要達(dá)到的一種足以發(fā)展智能化的水平，只有達(dá)到這種標(biāo)準(zhǔn)，才能發(fā)揮人機(jī)協(xié)作最大優(yōu)勢(shì)，企業(yè)才能最大限度提升績(jī)效。本文遵循科學(xué)的測(cè)量工具開(kāi)發(fā)范式，利用文獻(xiàn)分析法、扎根理論法和專(zhuān)家訪(fǎng)談法等獲得理論。

2.1.1 資料收集

本文通過(guò)訪(fǎng)談的方式收集一手資料，遵循最大差異信息飽和原則，采用理論抽樣方法[39]，當(dāng)訪(fǎng)談不再有新的信息產(chǎn)生時(shí)，停止訪(fǎng)談。訪(fǎng)談對(duì)象主要是正在進(jìn)行數(shù)字化、智能化轉(zhuǎn)型的大中型制造企業(yè)管理人員，受訪(fǎng)企業(yè)5家，受訪(fǎng)人數(shù)共14人，其中高層、中層和基層管理者分別有5人、5人和4人，男性占72.2%，女性占22.2%。深度訪(fǎng)談歷時(shí)1個(gè)月，獲得有效文本資料約13萬(wàn)字。本文通過(guò)權(quán)威途徑收集二手?jǐn)?shù)據(jù)，包括企業(yè)高層在學(xué)術(shù)論壇中的演講、公司網(wǎng)站資料、訪(fǎng)談視頻音頻、國(guó)際權(quán)威媒體新聞報(bào)道、人工智能發(fā)展白皮書(shū)等研究報(bào)告。二手?jǐn)?shù)據(jù)收集歷時(shí)兩個(gè)月，計(jì)20萬(wàn)字，作為一手資料的三角檢驗(yàn)，使研究結(jié)果更為全面和準(zhǔn)確。

2.1.2 人機(jī)協(xié)作標(biāo)準(zhǔn)內(nèi)容結(jié)構(gòu)

資料收集完成后，筆者和兩名熟悉該研究主題并有足夠能力詮釋數(shù)據(jù)的研究生進(jìn)行獨(dú)立編碼，通過(guò)討論，解決有問(wèn)題或沖突的編碼，以使差異最小化。在編碼過(guò)程中，通過(guò)與兩名專(zhuān)家、1個(gè)研究團(tuán)隊(duì)、8位研究生交流并收集意見(jiàn)，從多角度得到啟發(fā)。首先，在初始編碼之前，先對(duì)口語(yǔ)化的訪(fǎng)談文本資料進(jìn)行書(shū)面化整理，減少無(wú)關(guān)文字干擾，再對(duì)資料逐段、逐句編碼，保留表達(dá)最鮮活的部分。以人工編碼為主，借助質(zhì)性分析軟件Nvivo，將訪(fǎng)談時(shí)建立的大致分類(lèi)想法存到備忘錄。第一次信息處理相對(duì)隨意，主要是提取并涵蓋所有有用信息。依據(jù)相關(guān)性、準(zhǔn)確性、典型性原則，剔除不符合人機(jī)協(xié)作標(biāo)準(zhǔn)內(nèi)容、表達(dá)意思含糊不清、出現(xiàn)頻率較低且不具有代表性的編碼，合并表達(dá)重復(fù)的編碼。整理后，獲得符合主題的初始編碼共101個(gè)。部分初始編碼見(jiàn)表1。

表1 初始編碼(部分)Tab.1 Initial code (partial)

聚焦編碼是指將訪(fǎng)談文本與研究主題相關(guān)聯(lián)，進(jìn)行理論整合。對(duì)101個(gè)初始編碼進(jìn)行綜合、分類(lèi)和區(qū)別，對(duì)語(yǔ)義關(guān)系、過(guò)程與結(jié)果的關(guān)系進(jìn)行迭代分析，體現(xiàn)出概念之間的相關(guān)、類(lèi)屬和同一關(guān)系。將初始編碼與子范疇相聯(lián)系，使編碼結(jié)果不斷接近研究主題，101個(gè)初始概念共整理為52個(gè)子范疇，最終確定52個(gè)聚焦編碼C1～C52，見(jiàn)表2。

表2 聚焦、軸心與理論編碼結(jié)果Tab.2 Focus, axis and theoretical coding results

軸心編碼是指系統(tǒng)整理子范疇之間的關(guān)系，緊扣編碼主題和相關(guān)研究，進(jìn)而確定核心范疇的過(guò)程。人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)是指以完成共同任務(wù)為目的，人機(jī)雙方在協(xié)作運(yùn)行過(guò)程中所要達(dá)到的機(jī)器功能標(biāo)準(zhǔn)和人員素質(zhì)行為標(biāo)準(zhǔn)。這一階段編碼既要契合人機(jī)協(xié)作的定義，又要突出人機(jī)協(xié)作區(qū)別于一般協(xié)作的特征。因此，需要進(jìn)一步緊扣現(xiàn)有研究成果，提高概念的抽象層次。經(jīng)過(guò)整合與精煉，52個(gè)子范疇概括為人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)的24個(gè)主范疇B1～B24。

理論編碼是指把支離破碎的線(xiàn)索重新聚攏在一起，使分析型數(shù)據(jù)變得理論化。對(duì)之前的編碼與資料進(jìn)行互動(dòng)和比較，繼續(xù)考察和深入分析24個(gè)主范疇后發(fā)現(xiàn)，維度劃分可以按照內(nèi)容的不同特性進(jìn)行最終編碼。結(jié)合人機(jī)協(xié)作模式和上述24個(gè)主范疇，經(jīng)過(guò)專(zhuān)家評(píng)議和研究團(tuán)隊(duì)審議，認(rèn)為人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)可劃分為靈活性、及時(shí)性、可預(yù)測(cè)性、可重復(fù)性、擴(kuò)展性、重塑性和多角色性7個(gè)維度(A1～A7)。

本研究的總訪(fǎng)談人數(shù)為14+2的形式，通過(guò)對(duì)14位專(zhuān)家訪(fǎng)談確定編碼后，再利用兩位專(zhuān)家的訪(fǎng)談內(nèi)容進(jìn)行飽和度檢驗(yàn)，直至未發(fā)現(xiàn)新的內(nèi)容結(jié)構(gòu)。本研究還對(duì)已有文獻(xiàn)進(jìn)行梳理，共有47篇涉及智能制造人機(jī)協(xié)作或人機(jī)合作的文獻(xiàn)，其中33篇外文文獻(xiàn)，14篇中文文獻(xiàn)，再綜合新聞報(bào)道、演講、研究報(bào)告和公司網(wǎng)站資料，經(jīng)比較，這些資料均可劃分在7個(gè)維度內(nèi)，一定程度上可為編碼結(jié)果的合理性和飽和度提供文獻(xiàn)支撐。最后，本研究邀請(qǐng)8位智能制造代表性企業(yè)的中高層管理人員，從反映程度和語(yǔ)義表達(dá)歸類(lèi)是否合適等方面對(duì)量表題項(xiàng)提出建議。討論認(rèn)為人機(jī)協(xié)作中機(jī)器的技術(shù)部分是決定性的，人在其中的作用有多種情況，其標(biāo)準(zhǔn)需具有整合互補(bǔ)性，最終為提高協(xié)作效率服務(wù)，因此從機(jī)器單向輔助和人機(jī)雙向協(xié)作兩方面考慮更能反映智能制造企業(yè)人機(jī)協(xié)作發(fā)展現(xiàn)狀。最終確定人機(jī)任務(wù)系統(tǒng)運(yùn)行功能標(biāo)準(zhǔn)的初始量表，如表3所示。

續(xù)表2 聚焦、軸心與理論編碼結(jié)果Tab.2(Continued) Focus, axis and theoretical coding results

表3 人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)初始量表題項(xiàng)Tab.3 Items of initial scale of human-computer cooperative operation function standard

2.2 量表預(yù)調(diào)研

為保證量表質(zhì)量，需要進(jìn)行預(yù)調(diào)研。通過(guò)線(xiàn)上和線(xiàn)下相結(jié)合的方式收集小樣本預(yù)調(diào)研問(wèn)卷109份，其中有效問(wèn)卷102份。信度分析的α系數(shù)為 0.931，驗(yàn)證為可靠后，使用單項(xiàng)—總體修正系數(shù)或CITC系數(shù)進(jìn)行題項(xiàng)凈化，如果某題項(xiàng)的系數(shù)小于0.5，則應(yīng)該刪除。從CITC值最小的答卷題項(xiàng)入手，逐步剔除問(wèn)卷題項(xiàng)并檢測(cè)新量表的α系數(shù)，當(dāng)剔除JS1、JS2和JS3題項(xiàng)后，新量表的α系數(shù)上升至0.932，且各題項(xiàng)的CITC值均大于0.5。經(jīng)過(guò)信度和題項(xiàng)分析，人機(jī)任務(wù)系統(tǒng)運(yùn)行功能規(guī)范的題項(xiàng)從24個(gè)減至21個(gè)，及時(shí)性被剔除，剩下6個(gè)核心維度。

3 量表有效性檢驗(yàn)

3.1 數(shù)據(jù)收集

本研究選擇智能制造企業(yè)或包括智能制造環(huán)節(jié)的企業(yè)基層、中層、高層管理者作為調(diào)查對(duì)象，發(fā)放大樣本問(wèn)卷?；鶎庸芾碚呤熘斯ぶ悄軝C(jī)器操作性部分內(nèi)容，中高層管理者知曉統(tǒng)籌性戰(zhàn)略實(shí)施部分內(nèi)容，不同層級(jí)管理人員對(duì)人機(jī)協(xié)作標(biāo)準(zhǔn)有不同看法，因此三者皆需涵蓋。2021年9月—10月，通過(guò)郵件、微信、QQ以及線(xiàn)下熟人推薦填寫(xiě)等渠道發(fā)放問(wèn)卷，剔除同一選項(xiàng)過(guò)多、漏填、選項(xiàng)前后信息矛盾的樣本，得到有效問(wèn)卷共369份。

3.2 樣本特征

主要在安徽、陜西、山西、北京、廣東等地進(jìn)行數(shù)據(jù)收集，共回收問(wèn)卷397份，其中有效樣本369份，回收率為79.4%。樣本特征為：男性55%，女性45%；年齡范圍18～45歲，26～35歲占比最多，占45.3%；學(xué)歷方面，博士占3%，碩士占32%，本科占49.9%，其它占15.2%；企業(yè)所屬領(lǐng)域中，包括電子(18.2%)、醫(yī)藥(13.3%)、機(jī)械(11.9%)、化工(11.7%)、紡織(8.1%)、食品(7.6%)、材料(6%)、儀器(6%)、印染(2.4%)、其它(14.9%)；公司成立時(shí)間在10年以上占50.4%，3～10年占36.6%，3年以?xún)?nèi)占13%；企業(yè)規(guī)模方面，100人以?xún)?nèi)占14.6%，101～500人占46.9%，2000人以上占10.8%；高層管理者占6.2%，中層管理者占53.1%，基層管理者占40.7%。

3.3 數(shù)據(jù)分析

3.3.1 探索性因子分析

人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)量表因子分析旋轉(zhuǎn)矩陣如表4所示。21個(gè)題項(xiàng)的KMO值為0.91，Bartlett's球形檢驗(yàn)值顯著，總解釋能力達(dá)到74.681%，共同度均大于0.5，各測(cè)量題項(xiàng)的因素負(fù)荷量均大于0.5，且交叉載荷均小于0.4，每個(gè)題項(xiàng)均落到對(duì)應(yīng)的因素中，表明量表具有較高的結(jié)構(gòu)效度。

表4 人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)量表因子分析旋轉(zhuǎn)矩陣Tab.4 Factor analysis rotation matrix of human-computer cooperative operation function standard scale

3.3.2 驗(yàn)證性因子分析

在探索性因子檢驗(yàn)中，共包含21個(gè)測(cè)量題目，利用Amos26.0執(zhí)行驗(yàn)證性因素分析后，結(jié)果如圖1、表5所示。結(jié)果顯示，CMIN/DF為1.261，符合標(biāo)準(zhǔn)，GFI、AGFI、NFI、TLI、IFI、CFI均大于0.9的標(biāo)準(zhǔn)值，RMR為0.042，小于0.08，RMSEA為0.027，小于0.08。所有模型擬合指數(shù)都滿(mǎn)足一般研究準(zhǔn)則，由此可以認(rèn)為模型具有較高的配適度。

圖1 智能制造人機(jī)協(xié)作運(yùn)行功能量表驗(yàn)證性因子分析模型Fig.1 Confirmatory factor analysis model of human-computer cooperative operation function scale for intelligent manufacturing

表5 模型擬合結(jié)果Tab.5 Model fitting results

3.3.3 信效度檢驗(yàn)

量表的α系數(shù)為0.919，靈活性、可預(yù)測(cè)性、可重復(fù)性、擴(kuò)展性、重塑性、多角色性6個(gè)維度的α信度系數(shù)分別為 0.88、0.855、0.81、0.865、0.864、0.874，不需要?jiǎng)h減任何題項(xiàng)。表明測(cè)試量表具備較高的內(nèi)容一致性，可以認(rèn)為該測(cè)試量表穩(wěn)定可信。所有測(cè)量指標(biāo)的標(biāo)準(zhǔn)化因素負(fù)荷均大于0.6，平均值組成的可信度系數(shù)(CR)均大于0.7，平均值變化萃取量(AVE)均大于0.5，說(shuō)明所有變量都具有較高的收斂效度。

如表6所示，各因素的AVE開(kāi)根號(hào)都大于除可對(duì)角化外的所有標(biāo)準(zhǔn)化相關(guān)系數(shù)，對(duì)角線(xiàn)數(shù)值大于該列的其它數(shù)值，表明不同構(gòu)面之間的關(guān)聯(lián)度不高；對(duì)角線(xiàn)數(shù)值大于橫向排列的其它數(shù)值，說(shuō)明構(gòu)面之間的關(guān)聯(lián)度較高。據(jù)此可斷定本研究變量之間具備較高的區(qū)別效度。

表6 區(qū)別效度檢驗(yàn)結(jié)果Tab.6 Test results of discriminant validity

3.4 人機(jī)任務(wù)系統(tǒng)運(yùn)行功能標(biāo)準(zhǔn)模型確定

結(jié)合訪(fǎng)談文本資料和文獻(xiàn)分析，通過(guò)分析預(yù)試問(wèn)卷和正式問(wèn)卷數(shù)據(jù)，得到人機(jī)任務(wù)系統(tǒng)運(yùn)行功能標(biāo)準(zhǔn)模型的6個(gè)主要運(yùn)行功能標(biāo)準(zhǔn)，分別為靈活性、可預(yù)測(cè)性、可重復(fù)性、擴(kuò)展性、重塑性、多角色性，如圖2所示。

圖2 人機(jī)任務(wù)系統(tǒng)運(yùn)行功能標(biāo)準(zhǔn)模型Fig.2 Standard model of operation function of man-machine task system

4 智能制造人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)的OPM模型

人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)概念模型涉及6個(gè)維度和對(duì)應(yīng)的21個(gè)主范疇，因協(xié)作標(biāo)準(zhǔn)的特殊性，范疇間的關(guān)系無(wú)論在理論上還是應(yīng)用中都應(yīng)相互關(guān)聯(lián)，而不是獨(dú)立的，因而不同范疇間的關(guān)系還需進(jìn)一步解釋。軟件系統(tǒng)環(huán)境處于不斷變化中，OPM的一個(gè)重要特性是能在概念模型中找到靜態(tài)結(jié)構(gòu)與動(dòng)態(tài)行為表達(dá)之間的合理平衡點(diǎn)，動(dòng)態(tài)行為能詳細(xì)描述軟件系統(tǒng)運(yùn)作過(guò)程與功能實(shí)現(xiàn)的機(jī)制，對(duì)靜態(tài)結(jié)構(gòu)進(jìn)行合理補(bǔ)償。本文對(duì)人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)概念進(jìn)行延伸和補(bǔ)充。智能制造人機(jī)協(xié)作運(yùn)行功能是企業(yè)對(duì)員工與機(jī)器之間完成共同任務(wù)目標(biāo)的具體行為，也可看作一個(gè)動(dòng)態(tài)過(guò)程行為。雖然智能制造企業(yè)中不同任務(wù)單元實(shí)現(xiàn)人機(jī)協(xié)作的具體方式存在差別，但總體遵循“下達(dá)命令—整合信息—執(zhí)行任務(wù)”的關(guān)聯(lián)機(jī)制，本文構(gòu)建如圖3所示人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)模型。OPM的高度可執(zhí)行性意味著模型的動(dòng)態(tài)行為實(shí)時(shí)可測(cè)、可視，且通過(guò)恰當(dāng)?shù)脑O(shè)計(jì)能在軟件系統(tǒng)環(huán)境中進(jìn)行運(yùn)行模式的推演。其推演功能與用計(jì)算機(jī)語(yǔ)言編程過(guò)程中的調(diào)試器比較相近，都是從軟件流程中檢測(cè)系統(tǒng)的動(dòng)態(tài)行為，從而發(fā)現(xiàn)錯(cuò)誤。本文基于同一視圖建立人機(jī)協(xié)作運(yùn)行功能系統(tǒng)整體結(jié)構(gòu)模型和行為模型，使用的對(duì)象過(guò)程方法中包含的鏈接關(guān)系有激活鏈接、條件鏈接、過(guò)程鏈接、結(jié)構(gòu)鏈接、變換鏈接、支持鏈接、手段鏈接等幾大類(lèi)，每一類(lèi)鏈接還可根據(jù)需要繼續(xù)細(xì)分。

模型圖中對(duì)象過(guò)程語(yǔ)言名詞之間的鏈接詞由OPCAT自動(dòng)生成，用于說(shuō)明模型中描述人機(jī)協(xié)作場(chǎng)景過(guò)程、場(chǎng)景活動(dòng)功能、場(chǎng)景執(zhí)行流程、重復(fù)實(shí)施和完成任務(wù)的要求[40]。根據(jù)OPM的時(shí)間軸基本原理，整個(gè)流程次序一般默認(rèn)由過(guò)程橢圓的頂端至其底面依次進(jìn)行，除非有特定指示。演示觀(guān)察時(shí)按照語(yǔ)義強(qiáng)度理解過(guò)程，例如在變換鏈和支持連接過(guò)程中，可以按連接的優(yōu)先級(jí)順序進(jìn)行，即消耗=結(jié)果>影響>主體>手段。其中，指定狀態(tài)的基礎(chǔ)連接比沒(méi)有指定狀態(tài)的基礎(chǔ)連接具有更大的優(yōu)先權(quán)。模型主要描述如下：首先，以共享任務(wù)和整合信息兩個(gè)主要過(guò)程為依托，面對(duì)人類(lèi)和機(jī)器兩個(gè)對(duì)象，通過(guò)虛擬仿真界面進(jìn)行人機(jī)交互合作過(guò)程。其中，達(dá)到學(xué)習(xí)性過(guò)程標(biāo)準(zhǔn)可以使機(jī)器狀態(tài)從未學(xué)習(xí)變?yōu)橐褜W(xué)習(xí)，表示鏈接為特定狀態(tài)的變換事件鏈接；事務(wù)性和持續(xù)性標(biāo)準(zhǔn)的執(zhí)行主體是機(jī)器，表示鏈接為特定狀態(tài)的支持事件鏈接。其次，虛擬仿真界面、管理控制、環(huán)境應(yīng)變能力和多角色性標(biāo)準(zhǔn)均需要人機(jī)交互合作過(guò)程。知識(shí)生產(chǎn)觸發(fā)人機(jī)交互合作，人機(jī)交互合作影響深度態(tài)勢(shì)感知，經(jīng)過(guò)人機(jī)交互合作，人類(lèi)狀態(tài)從未分配變?yōu)橐逊峙?。重塑性?biāo)準(zhǔn)會(huì)影響知識(shí)生產(chǎn)，并產(chǎn)生深度態(tài)勢(shì)感知、管理控制、環(huán)境應(yīng)變能力3個(gè)標(biāo)準(zhǔn)。最后，實(shí)時(shí)概念具有實(shí)時(shí)輔助和建議制定的屬性，責(zé)任邊界是實(shí)時(shí)輔助和建議制定的條件。擴(kuò)展性是環(huán)境的，在有定制化、維護(hù)機(jī)制、責(zé)任邊界和機(jī)器招聘的情況下，可以認(rèn)為系統(tǒng)滿(mǎn)足擴(kuò)展性。整合信息過(guò)程中包括實(shí)時(shí)概念、實(shí)時(shí)組織、偏好服務(wù)等子過(guò)程，問(wèn)題糾正和監(jiān)測(cè)分析作為系統(tǒng)子過(guò)程的補(bǔ)充部分。風(fēng)險(xiǎn)干預(yù)的主體是人類(lèi)。其余部分根據(jù)OPL語(yǔ)句對(duì)照OPD圖可以自然推斷各部分的內(nèi)容表達(dá)。

對(duì)人機(jī)任務(wù)系統(tǒng)運(yùn)行功能標(biāo)準(zhǔn)進(jìn)行OPM建模，在建模過(guò)程中完成方案分析。確定人機(jī)任務(wù)系統(tǒng)運(yùn)行功能統(tǒng)一規(guī)范的運(yùn)行方案，對(duì)選定的行動(dòng)方案進(jìn)行分析和推演。利用OPCAT軟件的演示選項(xiàng)，對(duì)圖3所示的對(duì)象過(guò)程圖(OPD)進(jìn)行從上到下、從左到右的自動(dòng)演示運(yùn)行。人機(jī)任務(wù)系統(tǒng)運(yùn)行功能統(tǒng)一規(guī)范建模是任務(wù)推演的指導(dǎo)基礎(chǔ)，任務(wù)推演的主要目的是驗(yàn)證既定方案能否達(dá)成預(yù)期目標(biāo)，或設(shè)想行動(dòng)是否與實(shí)際情況相符。在領(lǐng)會(huì)上級(jí)命令和充分獲得工作任務(wù)信息后，通過(guò)任務(wù)編輯設(shè)定行動(dòng)步驟：①判斷如何最大化發(fā)揮人機(jī)配合效能，同時(shí)降低操作風(fēng)險(xiǎn)和提高人體工程友好度；②預(yù)判真實(shí)工作環(huán)境中出現(xiàn)的各類(lèi)情況和潛在應(yīng)對(duì)措施；③判斷在何時(shí)、何處投入任務(wù)行動(dòng)力量和資源；④判斷要達(dá)成行動(dòng)目標(biāo)和預(yù)期終止?fàn)顟B(tài)所需的力量和資源；⑤針對(duì)性信息收集、處理和分析需求；⑥判斷行動(dòng)方案的靈活性和容錯(cuò)性。企業(yè)通過(guò)運(yùn)用該人機(jī)任務(wù)系統(tǒng)的OFUS，能夠使管理者和團(tuán)隊(duì)更好地理解行動(dòng)方案和方案中可能出現(xiàn)的問(wèn)題。

圖3 人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)模型Fig.3 Model of man-machine cooperative operation function standard

5 結(jié)語(yǔ)

5.1 研究結(jié)論

本研究首先通過(guò)扎根研究對(duì)獲取的訪(fǎng)談和文獻(xiàn)資料進(jìn)行分析，發(fā)現(xiàn)智能制造下的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)大體包括7個(gè)方面，分別是靈活性、及時(shí)性、可預(yù)測(cè)性、可重復(fù)性、擴(kuò)展性、重塑性和多角色性。其次，基于人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)的內(nèi)容結(jié)構(gòu)，即分別以單向輔助和雙向合作為核心，基于靈活性、及時(shí)性、可預(yù)測(cè)性等7個(gè)核心維度，形成24個(gè)題項(xiàng)的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)初始測(cè)量量表，經(jīng)過(guò)預(yù)調(diào)研和正式調(diào)研，對(duì)量表進(jìn)行修正和驗(yàn)證，剔除及時(shí)性維度，最終開(kāi)發(fā)形成包括6個(gè)核心維度21個(gè)題項(xiàng)在內(nèi)的正式量表，可為后續(xù)相關(guān)研究提供可靠的測(cè)量工具。最后，依據(jù)得到的人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)概念模型，提出基于對(duì)象過(guò)程方法論的人機(jī)協(xié)作標(biāo)準(zhǔn)建模方法，該方法可以將靜態(tài)和動(dòng)態(tài)模型統(tǒng)一起來(lái)，根據(jù)幾個(gè)副范疇之間的基本組成邏輯，提出可進(jìn)行動(dòng)態(tài)推演的整體概念模型，提供一種實(shí)現(xiàn)人機(jī)協(xié)作標(biāo)準(zhǔn)“設(shè)計(jì)—推演—優(yōu)化”全過(guò)程的可行思路。

5.2 理論貢獻(xiàn)

當(dāng)前學(xué)界對(duì)人機(jī)協(xié)作標(biāo)準(zhǔn)的研究主要集中在人機(jī)任務(wù)規(guī)劃技術(shù)的發(fā)展和人工智能技術(shù)的單方面改進(jìn)，而對(duì)于按照何種標(biāo)準(zhǔn)進(jìn)行人機(jī)協(xié)作則關(guān)注較少，更缺乏對(duì)二者協(xié)同進(jìn)行管理創(chuàng)新的探索。智能制造的人機(jī)關(guān)系是一個(gè)動(dòng)態(tài)變化過(guò)程，隨著政策和技術(shù)的改變，其管理理論也會(huì)發(fā)生變化。首先，本研究基于國(guó)家智能制造政策和企業(yè)智能化轉(zhuǎn)型需求，探索新要求下的智能制造人機(jī)協(xié)作運(yùn)行功能標(biāo)準(zhǔn)，不僅彌補(bǔ)了現(xiàn)有人機(jī)協(xié)作管理理論的不足，還結(jié)合定性與定量分析，更加全面地發(fā)掘人機(jī)關(guān)系中的隱含內(nèi)容，拓展人機(jī)協(xié)作理論的新視角。其次，本文突破了以靜態(tài)為主的框架模型范式，將人機(jī)協(xié)作之間的范疇關(guān)系可視化，依照概念之間的語(yǔ)義關(guān)系在對(duì)象過(guò)程方法中進(jìn)行合理表達(dá)，從而更好地把握維度與細(xì)分范疇之間的邏輯關(guān)系，從系統(tǒng)性、整體性方面豐富智能制造人機(jī)系統(tǒng)理論。利用該方法探索智能制造個(gè)性化的新管理模式，為人機(jī)協(xié)作管理理論提供新穎的思考方向和研究工具。

5.3 實(shí)踐啟示

通過(guò)對(duì)智能制造人機(jī)協(xié)作工作標(biāo)準(zhǔn)內(nèi)容的探究，對(duì)于人機(jī)協(xié)作關(guān)系重構(gòu)后的企業(yè)人力資源管理具有以下啟示：首先，管理者要關(guān)注管理模式升級(jí)，從而對(duì)經(jīng)營(yíng)系統(tǒng)有更高層面、更透徹的理解，并針對(duì)崗位要求提升相應(yīng)管理技能，具備超越計(jì)算機(jī)的整體把握能力和大局思維，儲(chǔ)備高水平的計(jì)算機(jī)技能與相關(guān)知識(shí)。其次，員工需要了解計(jì)算機(jī)系統(tǒng)的程序化決定步驟，要具備監(jiān)控與調(diào)度計(jì)算機(jī)功能的先進(jìn)技術(shù)能力，以現(xiàn)場(chǎng)操作管理人員的身份參與到由人工智能實(shí)現(xiàn)的作業(yè)流程中。最后，企業(yè)評(píng)估任務(wù)并預(yù)留計(jì)算機(jī)和算法程序尚未滲透領(lǐng)域覆蓋的任務(wù)或崗位，設(shè)置專(zhuān)門(mén)標(biāo)準(zhǔn)，招聘符合條件的相應(yīng)人員。

此外，本文研究結(jié)果還對(duì)未來(lái)人機(jī)協(xié)作標(biāo)準(zhǔn)建模具有重要借鑒意義，其模型也可應(yīng)用到實(shí)際的制造企業(yè)管理案例中，為智能制造下的人機(jī)研究提供新思路，未來(lái)也可以采用其它研究方法進(jìn)一步驗(yàn)證該模型。