人因工程研究方法

11月21日，“人因工程与认知科学视野下的新文科研究”高端论坛在北京第二外国语学院举行。来自心理学/认知科学、语言研究、人工智能领域的八位专家，围绕“聚焦人工智能与教育深度融合，探讨交叉学科视野下的新文科”的主题，从理论探索与实践应用两方面，作了学术分享和前沿报告。论坛采用线上、线下相结合的方式，共计100余名师生参加。论坛现场。主办方供图在新发展阶段、新发展格局下，如何借助新一轮科技革命和产业变革交叉融合，开展跨学科探索性研究，聚焦人工智能与教育的深度融合，是高校共同面对的时代课题。为此，此次论坛汇集了高校、政府、科研院所、企业的专家学者，探讨外语类高校在新文科研究中可能的交叉合作方向、融合发展路径与转换应用场景。政、产、学、研专家共商如何运用语言学、心理学、神经科学、AI以及外语学习理论等专业知识来推动文科专业之间深度融合、文理交叉融合。北京市政府外事办公室信息中心主任姜伟则结合北京国际交往中心建设过程中的六个典型应用案例，讨论了如何将新文科研究与信息化技术相结合。姜伟在聚焦业务应用场景的同时，分享了自己如何基于北京国际交往中心建设中种种具体实践，指出文科学生具有“数据思维”的重要性，强调新文科建设要以实际需求为导向，与社会应用紧密结合，通过新形态的公共服务产品增强我国在国际社会的话语表达能力。中国阅读教学与研究专业委员会副会长、北京外国语大学人工智能与人类语言重点实验室多语言脑科学研究中心主任、北京外国语大学教授范琳借助半视野速示技术，考察了在不同阅读文本制约度下，阅读预期推理加工是否同时受到阅读者元理解监测能力的影响。作为优青、青年千人获得者，中国科学院心理所研究员杜忆介绍了如何结合使用磁共振成像、经颅磁刺激和脑电技术,从辨析不同音位分析入手，分析音乐家与一般人的大脑在编码和表征连续语音上的可能个体路径差异。据北京第二外国语学院副校长李小牧介绍，作为一所典型的外语院校，北京二外是最早将现代科技融入文科教学和科研的高校之一，早在2008年就成立了“语言认知实验室”，2018年正式更名为人工智能与语言认知实验室，成为全校跨学科实证研究平台，有力支撑了学校高水平特色外国语大学的学科建设和人才培养。下一步，人工智能与语言认知实验室将从对传统文科进行学科重组、文理交叉，运用新技术了解人文社会科学研究中的新动向等方面进行深入探索，继续跟踪最新科技发展，关注国家和北京市重大需求和重大问题，从首都发展实践出发，打破专业壁垒和学科障碍，跟上时代步伐。责编：杜英杰

人的感觉有许多种，如视觉、触觉、味觉、嗅觉等，可以通过不同的方式来感受外界信息。而人所感受的外界信息80%以上来自视觉，可以说，视觉是人最重要的感觉。在当今数字化、智能化的时代，各种数字画面充斥着人们的生活，人们也从未停止对极致视觉体验的追求。因此，研究如何提升视觉体验，探索视觉信息发展的极限，成为重中之重。2019年6月，在华为iLab联合京东方、中国信通院发布的《视觉极限白皮书》中指出：根据人眼视觉体验需求，显示技术可分为平面显示、VR三维沉浸显示和光场显示三个阶段。目前4K/8K平面显示已经逼近人眼视觉极限，光场显示技术仍处于起步阶段，VR阶段则是当前视觉体验研究的重中之重，而Cloud VR是推动VR产业规模化发展的最佳形态。Cloud VR业务体验面临的关键问题在华为iLab前期的Cloud VR用户体验与评测研究中指出，优质的Cloud VR体验由真实、无损的沉浸式体验和精准、快速的交互式体验两个维度构成。Cloud VR体验的提升是循序渐进的过程，而VR强交互业务(如VR游戏)的云化引入了编解码、网络传输等环节的时延，因此其面临的关键问题在于如何实现MTP在20ms以内，以减少因头部转动导致显示画面滞后引起的晕动症。Cloud VR采用了端云异步渲染技术，使得MTP时延与本地VR的保持一致，减少晕动症的发生，让VR云化成为可能。Cloud VR的体验保障对云渲染与流化时延有所要求，如果该时延较大，容易引起用户转头时的黑边现象，影响用户的视觉体验。经过系统的研究发现，画面清晰度、花屏及卡顿、操作响应与运动感知的迟滞感以及转头黑边等现象，是影响强交互业务体验的主要因素，而黑边现象在网络时延增加的情况下变得更为敏感。《Cloud VR体验研究白皮书》为保障Cloud VR体验提供参考为了保障用户的体验，需要探索黑边如何影响体验以及网络时延如何影响黑边两个问题并寻求相应的解决方案。2019年8月，华为iLab联合中国信通院发布《Cloud VR 黑边与网络时延关系研究白皮书》，针对具有典型转头体验需求的游戏，围绕如何解决这两个问题展开了研究。研究黑边与用户体验的关系：通过参考业界人因工程研究方法，量化黑边对用户主观体验的影响。研究黑边与网络时延的关系：通过真实环境测试，分析网络时延对黑边大小的影响，进而分析网络时延对用户体验的影响。研究发现，在当前业界Cloud VR云渲染能力下，保障良好的业务体验建议网络时延在20ms以内。未来，华为iLab还将继续与产业伙伴共同努力，开拓更丰富的、不止于Cloud VR的高质量视觉体验场景，探索提升视觉体验的创新技术与方案，研究视觉体验提升与网络的关系，推动视觉体验走向极致。包括但不限于：Cloud VR业务用户体验与评测研究：系统梳理业务体验评测项目，并通过人因工程实验及主观体验测试分析评测标准。Cloud VR业务清晰度体验研究：分析清晰度提升对用户体验、网络需求的影响。云游戏的业务体验研究：验证、分析保障云游戏体验的网络带宽、时延等需求。视觉体验的提升需要端到端的全光网络保障Cloud VR、3D 云游戏等业务体验要求大带宽、低时延网络；且随着人眼视觉体验需求的不断提升，对于网络带宽与时延的要求会越来越高。华为全光网络解决方案可有效保障体验。高性能Wi-Fi:采用10G？PON/ONT进行业务接入，智能业务识别，结合Wi-Fi6应用，提供大带宽和低时延保障用户的VR高品质体验网络切片：OLT单站点大容量支持16K用户规模并发，同时端到端网络硬管道、提供切片，保障VR、游戏、上网等多种业务互不干扰简化网络架构：简化网络层次，降低网络时延，加速业务体验走向极致（文章来源：C114通信网）

AI时代，人机交互研究面临新的命题与新的挑战，研究方法也需要不断丰富升级。眼动研究是我们探索人类注意和认知规律的主要手段，它通过记录眼球的真实运动，描述人的视觉行为，反映人的认知加工和心理活动。面向AI时代的交互设计研究，眼动研究有哪些升级，可以帮助我们解决哪些问题，在方法层面上又有哪些延展？本文聚焦于AI交互中的眼动研究和传统互联网眼动研究的异同，从眼动技术本身、研究内容的延展、眼动分析思路的差异、眼动研究注意事项，这四个方面，来探讨AI时代眼动研究的变与不变。导读01 AI对眼动研究的技术升级02 AI交互设计中的眼动研究内容03 眼动分析：相同的指标，不同的解读04 AI眼动研究的设计实施AI对眼动研究的技术升级市场主流眼动仪的分类眼动仪经历百余年的发展历程，从最初的用镜子直接观察，到中间通过机械转动将眼球与记录装置连接，到现在的高精测量，实现了准确度、精确度和被试自由度的大幅提升。目前主流的眼动仪采用的都是基于光电记录法的瞳孔角膜反射技术。根据眼动仪的外形结构差异，可将其分为桌面固定式、桌面遥测式、可穿戴式。眼动仪分类AI技术在可穿戴式的基础上，发展了VR嵌入式眼动仪。Tobii Pro VR 集成方案嵌入VR技术对研究的影响通过搭建3D虚拟场景，眼动研究可以兼容更多实验场景，为用户提供沉浸式的临场感，并能以较低成本实现实验物料的快速切换。降低研究成本以传统的汽车外观研究为例，其可能需要开模等复杂的工序，耗时长、成本高。而利用3D建模，就能够以较低成本构建等比例立体模型，并提供360°的全方位查看视角。提高研究效率传统研究需要用户到搭建好的实验现场进行测试，3D建模则打破了实验场景对用户的限制，使多人多地同时执行成为可能，极大提高了眼动数据的样本采集效率。拓展实验场景VR技术使多种研究方案的快速切换和自由控制成为可能，极大丰富了实验内容。如传统市场研究中的货架摆放研究，实验准备需要大量工作，要提前将货架摆置好。此外受空间限制，测试方案也比较有限。但通过3D建模，就可以低成本得到多种摆放方案，并且实现较细颗粒度的不同方案对比。推动高难研究过去由于行业危险性而较少涉足的研究领域，会在VR技术的协助下获得发展。如车载相关研究，在真实道路测试比较危险，搭建模拟驾驶实验室的成本又高，VR既可以解决实验的安全问题与成本问题，还可以控制道路的复杂程度。AI交互设计中的眼动研究内容百度AI交互设计院曾在18年7月开发者大会上定义AI时代的人因工程研究（详见《百度AI交互设计院前沿探路 打造类人交互智能体》），强调AI时代的2.0研究我们更多关注智能体的自然交互及情感交互。眼动应用于多通道研究根据人因学、工程心理学泰斗Wickens教授提出的多资源理论模型，人接受信息及执行或表达信息是一个立体交互过程。根据多资源理论，在衡量多通道交互的用户体验时，我们要特别注意这两个问题：①多任务操作时，单一通道的使用；②单任务操作时，不同通道间的配合。而在大脑所有的信息输入来源中，视觉因素占70%，所以在多通道研究中，基于视觉的人因研究至关重要。多资源理论模型多通道研究一：视觉单通道的资源分配眼动研究主要研究在多通道的配合中，视觉单通道的资源占用情况。以智能语音车机为例，视觉通道是司机在行车过程中的主要信息来源，而车机作为车上娱乐信息系统，使驾驶员在完成驾驶主任务之外，还执行着大量和驾驶无关或不直接相关的驾驶次级任务。这些次级任务会在不同程度上占用驾驶员的视觉资源、认知资源和动作资源，影响驾驶绩效。为了研究车机系统对司机视觉资源的占用，我们采用Tobii Glasses2眼动仪，采集驾驶员在真实路况上驾驶时的眼动信息，得到行车状态下两种智能语音车机在执行交互任务时，对用户注意资源的占用情况。用户注视资源分配情况多通道研究二：多通道间的配合试听通道的配合，是多通道研究的重点内容。同样以智能车机研究为例，车机的交互流程、语音交互体验，包括响应速度、引导话术、屏幕UI设计等都会影响到用户视听资源的分配。在研究中，我们通过眼动热力图的分布和密度衡量不同引导话术对用户视觉资源使用的影响。眼动研究数据收集现场眼动应用于情绪研究情感交互是AI研究的重要领域，情绪识别和情绪应对构成了情感研究的两大块内容。眼动研究除描述和分析注视等数据之外，也可以利用瞳孔直径观察情绪刺激的反应。因为瞳孔的扩大和收缩受到自主神经系统的支配，而情感的处理也受到自主神经系统的支配，因此瞳孔直径被用来分析由不同情绪刺激材料所诱发的情感反应。在国外和国内的相关研究中，有结论表明瞳孔的放大与情感唤醒度呈线性关系，即瞳孔直径越大代表唤醒度越高。比如发布在《人类工效学》上的《基于眼动和脑电技术的机器人情绪行为对用户交互情感的影响研究》一文，用眼动测量得到瞳孔直径判断人和机器人交互时的情绪唤醒度，用脑电测量得到的额中线theta波和额区alpha波的不对称性判断用户的情绪效价。基于眼动和脑电技术的机器人情绪行为对用户交互情感的影响研究其它前沿应用，结合机器学习研究人格特质澳大利亚大学和斯图加特大学联合公布了一个人工智能项目实验结果，研究人员采用SensorMotoric Instruments的视频眼动仪监测42名参与实验的人类眼球运动，最后采用人工智能机器学习算法准确的预测出每个人的个性。眼动分析：相同的指标，不同的解读互联网应用中的眼动研究主要集中在页面的可用性测试，设计方案的AB test、页面广告及广告位的研究等。常用眼动类型及分析指标常用基础眼动类型：注视（fixation）、扫视（sacccade）和追随（persuit movement）。因为互联网应用研究一般不涉及到通过眼动探索更深层次的生理原因，使用指标较少，本文暂讨论常用指标。注视及扫视示意，来源：AIID智能语音车机人因工程研究常用眼动类型可视化方法有热力图（heatmap）、轨迹图（gaze plot），及眼动录像（gaze video）：热力图（heatmap）示意轨迹图（gaze plot）示意00:09眼动录像示意，来源：AIID智能语音车机人因工程研究不同的分析思路对于AI智能产品交互中的眼动研究，常见指标是一样的。不同的，是体验目标和分析思路。PC和移动产品的交互体验有“强注意力”的特点，我们希望获取用户更多的注意力。因此传统的网页研究或者广告研究，通常为视觉单一通道的研究，在热力图的分析中以用户注视多的方案为优。而AI交互希望打造自然、低成本、接近用户本能的交互体验。这种体验往往是多感官通道的，要达到组合体验最优就需要探索不同通道间的配合与平衡，视觉通道的占用就不是越多越好。还是以车机研究为例，案头发现，在驾驶场景中，人们需要90%以上的视觉资源维持驾驶绩效保证安全驾驶，我们的研究目的是提升语音交互效率减少用户对中控车机的关注。研究发现，当语音的引导明确、屏幕内容和语音引导配合一致时，用户花费较少的视觉资源便可获得所需信息（见方案一热力图）；而当语音交互缺乏有效引导，屏幕内容与语音引导配合不当时，用户会花更多视觉资源在车机屏幕的信息加工上（见方案二热力图）。不同引导话术下的用户眼动热力图AI眼动研究的设计实施除眼动研究实验设计和实施的通用注意事项外，AI交互设计的研究中还需注意：打造真实场景，提高生态学效度基于自然交互的目标，打造真实体验场景是AI交互设计研究中重要的一环，是研究自然交互的基础。我们越来越少的使用过去基于静态网页静态物料的实验室研究设计。比如在车载环境下，变化的路况占据了行车过程中90%的视觉资源，信息多，变化快，这是一个不可忽略的因素。我们会让被试在相对安全的时段在真实道路上进行驾驶测试，累计样本时长不低于900分钟。而眼动仪技术的发展也使得实验情景更趋于自然，提高了眼动研究的生态学效度。保证数据收集的准确性在保证生态学效度的同时，要兼顾研究数据的准确性。从桌面端研究到自然场景下的研究，日光是眼动数据收集中无法回避的问题。由于大多数眼动仪是依靠红外线反射原理，日光中的红外线会对眼动的校准和捕捉造成影响，导致校准通过率低。但是如车载场景研究就需要在自然光环境下进行眼动数据采集。这时，要避开正午时间或正对阳光的方向做测试。与其它生理测量仪器相结合时，做好流程设计和实验控制涉及到多种测量仪器的同时应用，在研究设计环节要特别注意流程设计，提前做好内容聚焦和研究规划。例如仪器是否全程佩戴；基线数据的获取放在哪一环节；由于眼动校准存在一定的失败率，那么是否需要把校准放在最先步骤等等。由于不同生理测量仪器需要在各自限定条件下进行生理信号的采集，所以要关注数据采集和还原被试自由度之间的平衡，如脑电测量时，为保证信号采集的稳定性，要尽量避免头部大幅运动。此外，还要注意任务设置和时长控制，如通过眼镜式眼动仪进行眼动测试，要避免被试中途摘下眼镜导致数据丢失。小结综上，我们把AI交互设计中的眼动研究于传统互联网眼动研究的变与不变总结为以下几点：VR的嵌入，拓展了眼动研究的场景，可以快速切换实验场景，并让高危场景研究更为深入；眼动研究内容在AI交互设计领域有所延伸，包括多通道研究及情感研究；眼动研究更多与脑电等测量仪器及机器学习等技术手段相结合；体验目标的变化，眼动数据不再是越多越好，而是多通道的最佳组合；打造真实场景，做好流程规划和实验控制。眼动研究作为探索人类视觉的工具，在PC和移动时代都发挥了重要作用。我们这一代做用户研究的人经历了传统的桌面研究，做过需要准备上百实验素材的实验室静态研究，目前正在探索基于真实场景的高自由度眼动研究，并引入脑电等更多生理测量仪器，辅以机器学习，赋予眼动研究更高价值。

DoNews7月6日消息（记者 向密） 在2018百度AI开发者大会AI设计分论坛上，百度发布了机器人的自然情感人机交互模型NIRO，并宣布与湖南大学达成战略合作，结合各自的优势技术和资源，共建联合创新实验室及博士后基地。百度设计体验委员会主席、百度人工智能交互设计院院长、百度用户体验中心总经理关岱松表示，“AI中的‘I’是智能的意思，对设计师而言，这个‘I’代表的则是‘独特’（indivial）、‘灵感’（innovate）、‘创新’（inspiration）。每个时代，都有与之相符合的设计理念的引领，而在AI时代，全新的设计将会重构我们身边的工具、生产力、生活甚至是心理学。这个重构的过程，是AI时代的必经之路，也是我们赋予AI灵魂的最佳时机。”据了解，早在2017年11月，百度就成立了人工智能交互设计院，对社会学、心理学等感知科学进行持续研究。关岱松称，百度AI交互设计已经陆续应用在百度各AI产品中，同时百度人工智能交互设计院的研究方法已经将AI人因工程的研究方法迭代至2.0版本，此次升级是基于数据理解、情绪识别、脑电、机电的研究方法升级。借助迭代后的研究方法，百度人工智能交互设计院会继续探索AI时代的交互设计方式。在分论坛上，百度发布了机器人的自然情感人机交互模型NIRO。根据介绍，NIRO由机器人自然语言交互模型、人类情绪应对模型、机器人主动交流交互模型三部分组成。这三个部分所力求解决的，正是现阶段的机器人与人交互中存在的最大的三个问题，分别是语音交互不自然、不关注用户的情感、以及不够主动。利用现有的AI技术，以及全新的AI设计，百度希望通过NIRO这款产品，去探索未来机器人的形态。据悉，NIRO的三个模型将逐渐对外披露和开放体验，用户现在就可以通过百度人工智能交互设计院的AIID公众号进行预约申请。此外，百度还宣布正式与湖南大学达成战略合作，双方将通过共同建设实验室、设立博士后基地等方式，在AI交互设计领域开展广泛研究，共同探索AI时代的交互设计方式。根据介绍，此次合作领域包括全新的智能设计知识图谱与框架，围绕智能家居、智能驾驶、智能设计等，实验室的主要研究领域为：智能设计方法与数据驱动设计方法研究、数据与知识可视化设计、智能服务产品系统设计与商业模式研究、智能驾驶与新一代交通体验、智能产品的人机工程研究、人工智能技术与社会创新等，双方致力于解决人工智能与交互设计领域的重大关键基础问题和产业应用问题，促进并引领行业的发展、进步。（完）本文源自Donews

王雪松，同济大学交通运输工程学院教授、博士生导师。主要从事交通事故调查、事故统计分析、道路设施安全、交通安全管理、交通安全规划、驾驶行为研究、车辆主动安全研究。主持了国家级、省部级科研项目85项，发表学术论文300余篇。担任Accident Analysis and Prevention编委、《中国公路学报》副主编，是爱思唯尔中国高被引学者，任美国交通研究委员会（TRB）Simulation and Measurement of Vehicle and Operator Performance (AND30)、TRB Safety Data, Analysis and Evaluation (ANB20)委员，上海交通工程学会交通安全专业委员会主任委员。0引言世界卫生组织在2018年的报告中显示，全世界每年因道路交通事故造成的死亡人数高达135万人，且交通事故是致人死亡的第八大原因。道路交通事故的发生通常包含主观因素及客观因素两个部分，其中主观因素通常指人为因素；客观因素包括车辆、道路、环境及管理等。道路交通系统中93%以上的交通事故与人因有关，驾驶人在交通环境中的决策和行为与交通安全息息相关，而与驾驶风险直接相关的人的因素即驾驶行为与驾驶人个体特征。目前从驾驶人角度研究驾驶风险（下文简称“驾驶风险”）越来越受到研究者的关注，但已有研究内容通常针对特定主题，缺乏从酒驾、药驾、分心驾驶、疲劳驾驶等不同危险驾驶行为分类的宏观角度总结由人因导致驾驶风险的研究。同时，现有研究成果缺乏国内外在驾驶风险领域的研究进展对比，通过对比可直观了解中国尚未得到充分研究的研究主题以及现有研究与国外前沿领域的差距。1数据来源及分析方法与驾驶人直接相关的风险因素主要为驾驶行为（如图1所示），因此，笔者在Web of Science 核心合集数据库中针对关键词“drivingrisk and driving (driver) behavior”进行英文文献检索，共获得3406篇英文期刊论文、会议论文、研究综述及会议摘要，共涉及8684位作者及6018个关键词。研究所用分析软件为VOSviewer，该软件由荷兰莱顿大学的vanEck等开发，该软件基于相似度可视化（Visualization of Similarities，VOS）技术对文献知识单元进行可视化分析，利用共现矩阵进行布局生成知识图谱。图1 驾驶风险相关因素2 文献统计分析2.1 文献年度分布统计某一领域学术论文数量的变化情况是反映该研究领域发展趋势的重要指标，同时体现出该领域知识范围的变化。截至2019年，驾驶风险领域共计发表相关学术论文3351篇，其数量变化趋势如图2所示。由趋势可见，对驾驶风险的研究近年来愈发受到重视且成果丰硕。图2 驾驶风险领域文献出版数量随时间变化情况（1986~2019年）2.2国家及地区统计本研究收集的文献共涉及90个国家和地区，图3展示了其中56个有5篇及以上相关成果的国家/地区在时间维度上的分布，颜色越深表示研究时间越早；网络中的节点大小表示该国家/地区的发文数量。由图3可知，驾驶风险领域的研究早期以北欧国家（如瑞典、芬兰）、新西兰、新加坡等地为主，随后在美国、加拿大及澳大利亚等国快速发展。据文献数量统计来看，美国文献总量达1102篇，位居首位，占成果总数的27.27%；其篇均被引22.8次，分别为澳大利亚和中国大陆的1.2倍、2.3倍。分析可知，欧美等国在驾驶风险领域起步早，积累了较为丰富的研究成果；中国作为新生科学力量之一，近年来在驾驶风险研究领域贡献了较多的研究成果。图3 文献机构归属国家及地区2.3 来源出版物分析对来源出版物（2000年至今）进行可视化分析，在469个出版物中，有59个出版物的驾驶风险相关研究发文量在5篇及以上，统计结果如图4所示。由图4可知：研究者在投稿时普遍选择交通领域传统出版物，如Accident Analysis & Prevention，Transportation Research Part F，TrafficInjury Prevention，Journalof Safety Research以及Transportation Research Record等；此外，医学（包括公共卫生、环境和职业卫生等）领域出版物如Addiction，BMC Public Health，Sleep，Injury Prevention等也是部分研究者的选择。图4 文献主要来源出版物（2000年至今）2.4 文献共被引分析文献共被引知识图谱展示了科学知识基础与研究前沿，图5中节点大小表示某文献被引用的总频次，节点越大则表明该文献被引频次越高，影响力越大；节点颜色表示文献所属的聚类，同一聚类的文献在研究主题上具有较大的相似性。由图5可知，上述筛选后所得文献共聚为6个不同颜色的群集。图5 驾驶风险研究文献共被引分析(1) 群集1（红色）：驾驶风险问卷研究群集1为该网络中最大的群集，其中占有重要地位的文章包括Reason等在1990年发表的文章Errors and violations on theroads: a real distinction?。该文章首次提出利用驾驶人行为问卷（Driver Behaviour Questionnaire，DBQ）对驾驶人危险驾驶行为与交通事故之间的关系进行评估。问卷共包含50个题项，被试者需对每项描述进行0-5分打分评估（0表示从未发生，5表示总是发生）。通过主成分分析法提取3个主要因素，分别为故意违法行为、危险错误行为以及过失或失误行为。另一个引人注目的研究为Ajzen在1991年提出的计划行为理论（Theory of Planned Behavior，TPB）。该理论认为人类社会行为受行为意向（Behavior Intention）所影响，且行为意向由态度（Attitude）、主观规范（Subjective Norm）以及知觉行为控制（Perceived Behavioral Control）3个要素共同控制，见图6。TPB的研究通常以问卷调查的形式收集参与者对所研究问题的态度或观点，为探究交通出行者行为提供了大量的信息，这些信息可用于理解出行者的行为选择，或为不同行为制定有效干预措施提供帮助。图6 计划行为理论(2) 群集2（青色）：青少年及新手驾驶人驾驶风险群集2是该网络中的最小群集，也是与群集1相邻最近的群集，表明该群集研究与群集1具有较高的相关性。该部分主要研究内容为针对青少年驾驶人及新手驾驶人的研究。Williams在2003年发表的文章Teenagedrivers: patterns of risk中综合分析了青少年驾驶人的高风险驾驶环境（如夜间驾驶、酒驾等）及其事故风险，并提出以驾驶人的不同风险模式为基础设计驾照分级制度可促进青少年驾驶人选择低风险驾驶并减少高风险驾驶的发生。Mayhew等在2003年发表的文章Changes incollision rates among novice drivers ring the rstmonths of driving中针对新手驾驶人随时间变化的事故数据开展研究，发现新手驾驶人在获得驾照的前6个月里事故率降低最快，年轻新手驾驶人的单车事故及夜间事故的比例显著高于年长的新手驾驶人。该研究也证实驾照分级制度是保障新手驾驶人行车安全的有效方式。(3) 群集3（绿色）：分心驾驶及手机使用风险研究群集3是图5网络中第2大群集。在该群集中，重点文献之一为Redelmeier等于1997年发表在新英格兰医学期刊中的文章Association between cellular-telephonecalls and motor vehicle collisions。该研究通过分析699位拥有移动电话并涉及交通事故（造成重大财产损失但无人员伤亡）的驾驶人在事故当天及前1周的通话记录账单，利用病例交叉设计（Case–crossoverDesign）的方法对比分析了驾驶人的不同手机使用特征（使用时间、持续时长、呼入/呼出电话等）与交通事故风险之间的关系。文章研究结果首次量化了手机使用与事故风险之间的关系，即驾驶时使用手机的事故风险约为没有使用手机的4倍，且这种相对风险与血液酒精含量达到法定上限后驾车的风险类似。该群集的另一篇重点文献为Klauer等于2014年发表的文章Distracted driving and risk ofroad crashes among novice and experienced drivers。该研究利用美国百辆车（100-Car）自然驾驶研究数据集与青少年自然驾驶研究（NaturalisticTeenage Driving Study）数据集分别获取了熟练驾驶人及新手驾驶人的自然驾驶数据。研究者通过对驾驶人在车内的10类次任务（SecondaryTask）进行编码（如打电话、发短信/浏览网页、调节收音机/空调、喝饮料、吃东西、看路边物体等），利用混合效应Logistic回归模型探究了驾驶人发生紧急事件（Crashand Near-crash）与分心次任务类别的关系，并利用混合效应线性回归模型评估了新手驾驶人及熟练驾驶人随时间变化出现驾驶分心的趋势。(4) 群集4（蓝色）：驾驶人健康与驾驶风险群集4是该网络中与群集1相邻最远的群集之一。本群集的研究侧重点为驾驶人嗜睡、药物或酒精等的使用与驾驶风险之间的关系。Connor等在2002年发表的文章Driver sleepiness and risk of serious injury to car occupants: population based case control study中，通过访谈形式分别对571名涉及伤亡交通事故的驾驶人及588名被招募作为对照组的普通驾驶人进行调查。访谈内容包括驾驶人个人信息、出行及驾驶习惯，以及利用Stanford嗜睡量表及Epworth嗜睡量表对驾驶人的嗜睡情况进行评估。利用无条件Logistic回归模型进行分析发现驾驶人的睡眠时长、凌晨行车及重度嗜睡均会增加事故发生的风险。该研究首次对嗜睡及事故之间的关系进行量化，为后续探究驾驶人睡眠状况与事故风险提供了新的研究方向。Drummer等在2004年发表的文章The involvement of drugs indrivers of motor vehicles killed in Australian road traffic crashes中利用多中心病例对照研究（Multi-center Case-control Study）的手段及Logistic分析方法，探究了酒精及药物（如麻醉性药物、精神性药物等）使用与驾驶人交通事故死亡之间的关系。此后，众多有毒驾、药驾、酒驾等内容的研究开始涌现，利用病例对照方法从毒理学等角度开展与事故、伤害、过失等的相关分析。(5) 群集5（橙色）：驾驶人年龄特征与事故风险分析本群集的重点研究为McGwin等在1999年发表的文章Characteristics of trafficcrashes among young, middle-aged, and older drivers。该研究利用美国阿拉巴马州警方所提供的1996年全年交通事故记录数据，将驾驶人年龄划分为青年、中年与老年3个区间。通过对不同年龄阶段驾驶人的事故责任、事故形态、道路及环境特征、驾驶行为及饮酒状态等进行差异性分析，发现年轻人发生事故的主要原因是喜欢冒险和缺乏驾驶技能，而老年驾驶人更倾向于避免不安全的驾驶状况（如疲劳驾驶）。但由于老年驾驶人的感知能力通常因年龄受到影响，且其对交通流的判断、反应能力会下降，从而导致其驾驶安全优势被抵消。该研究首次发现老年人倾向于规避风险因素。(6) 群集6（紫色）：事故致因及事故数据分析方法群集6也是该网络中与群集1相邻最远的另一群集，表明其与群集1中有关驾驶行为风险研究的相关度较低，该群集主要研究内容为事故致因及事故数据分析方法。其重点研究包括Lord等于2010年对当下针对事故频率数据的不同分析方法进行回顾，并阐述各种方法的优势及不足。该研究表明，随机参数与有限混合模型的应用在很大程度上提高了研究者对事故致因的理解。作者提出，将新方法与更详细的事故数据相结合进行分析是未来事故分析领域发展的关键。Savolainen等在2011年综述了机动车事故伤害严重程度统计分析领域的研究进展和研究思路，并对研究方法的未来发展方向进行探讨。该研究提出当前研究领域的4大研究挑战：事故伤害严重度的时空分析尚未深入，解决事故伤害严重度数据的解释变量内生性问题尚停留在起步阶段，事故漏报对模型分析的潜在影响有待探究，以及未来可能出现的新型事故伤害数据将会带来许多新的方法上的挑战。这些研究不仅总结了以往研究中在方法层面的精髓，同时对未来的研究方向提供了具有建设性的建议。2.5 关键词共现分析关键词共现分析常用作利用高频关键词来描述当前领域的研究热点，有助于识别在知识领域内出版物中使用的重要关键词，并对该领域的主要研究主题提供见解。共现关系网络如图7所示，结果显示，围绕驾驶风险进行的研究主要以人因分析为主，核心主题包括事故、酒驾、年轻驾驶人、驾驶行为、老年驾驶人、分心驾驶、疲劳驾驶等。图7 驾驶风险研究文献关键词共现分析(1) 群集1（红色）：酒驾、药驾交通事故分析根据世界卫生组织2019年公布的数据显示，因交通事故造成的死亡中有5%~35%与酒精相关。研究酒驾数据对于了解问题的严重性以及评估和预防酒后驾车的措施效果十分必要。中国有关酒驾的研究主要集中在分析酒驾事故数据中驾驶人个人属性特征、饮酒对驾驶表现的影响、利用驾驶行为对酒驾进行检测，部分研究者对中国道路交通法规中酒驾处罚条例的实施效果也相应进行探究。但整体而言，中国利用驾驶模拟器试验、实车试验或自然驾驶数据开展饮酒驾驶人的驾驶行为及风险量化评估分析较为缺乏。图8 酒驾、药驾（图片来自网络）而相比酒驾而言，药驾（包括毒驾）所带来的风险更加难以量化，这与药品使用的隐蔽性及检测的复杂性有关。中国在药驾方面的研究较少，司法部司法鉴定科学技术研究所卓先义曾比较了上海、苏州及无锡三地在2007~2008年间涉及交通事故或违法的机动车辆驾驶人的精神药物使用情况，结果表明所检测的10002名驾驶人中，有10.2%的药物（不包含酒精）检测呈阳性。由于药驾在事故及违法驾驶人群体中的普遍性，有必要开展药物（包括毒品）使用对驾驶人行为、驾驶表现、认知能力等方面的影响研究，通过量化药物使用为驾驶人带来驾驶风险及事故风险的研究来指导相关法律法规的制定和修订，并在未来开展对药驾政策实施的效果评估。(2) 群集2（蓝色）：年轻及新手驾驶人驾驶行为与心理分析1）年轻驾驶人年轻驾驶人在道路交通事故中伤亡的比例较高。据澳大利亚事故数据显示，年轻驾驶人（17~25岁）占持驾驶证总人数的10%~15%，但澳大利亚因道路交通事故死亡的人数中约25%为年轻驾驶人及其乘客。研究表明，导致年轻驾驶人事故的五大危险因素包括：超速行驶、酒驾、未使用安全带、疲劳驾驶及分心驾驶。公安部交通管理局发布的数据显示，中国2019年全国机动车驾驶人达4.35亿人，其中18-25岁的年轻驾驶人占总数的12.18%，接近5300万人。中国有关年轻驾驶人的研究成果主要集中在驾驶人的分心行为、事故风险、反应能力评估及自我汇报驾驶行为与驾驶模拟器试验驾驶行为差异的分析等。北京航空航天大学鲁光泉等人利用驾驶模拟器试验探究了年轻驾驶人在L3级自动驾驶水平中的接管反应特性，认为次任务增加了驾驶人的接管反应时间，在前方有障碍物的条件下接管反应时间会更短，且驾驶人更倾向于采用制动与转向相结合的方式避撞。但现有文献针对年轻驾驶人的交通事故特征、危险驾驶行为（如酒驾、疲劳驾驶）、年轻驾驶人管理等方面的研究与国外相比仍显不足，且中国有关父母及朋辈对年轻驾驶人的影响作用研究较为缺乏，对不同地域文化差异下的年轻驾驶人行为风格差异也有待深入研究。2）新手驾驶人有关新手驾驶人的研究内容包括新手驾驶人驾驶培训、视觉搜索策略、风险感知能力、风险驾驶行为、事故风险等方面的分析。国外研究中常将“年轻驾驶人”与“新手驾驶人”合并为“年轻新手驾驶人”进行研究，但随着社会经济的发展，越来越多的中年甚至老年驾驶人也有学习驾驶机动车辆出行的需求，而针对该群体的研究十分匮乏。中国在新手驾驶人研究中开展了新老驾驶人受外界影响下（如情景愤怒、车辆碰撞预警系统干预等）的驾驶行为、驾驶表现及风险感知差异分析、利用驾驶模拟器对新手驾驶人进行干预训练（如危险感知训练）的效果评估等方面的研究。与国外研究相比，中国缺乏利用自然驾驶数据探究不同年龄阶段新手驾驶人真实状态下的驾驶习惯及行为特点，且有关新手驾驶人的管理措施（如惩罚/奖励反馈措施等）及效果评估研究相对欠缺。通过对新手驾驶人进行深入研究可为其驾驶学习、培训及管理提供科学指导。(3) 群集3（绿色）：分心驾驶风险及老年驾驶人驾驶表现分析1）分心驾驶风险分心通常可划分为视觉分心、听觉分心、操作分心及认知分心四类。分心驾驶主要由驾驶人使用手机、吃东西以及与乘客交谈等因素导致，通常会使驾驶人减少对道路环境的注意并降低其驾驶表现。目前国外对分心驾驶领域的研究主要集中在驾驶人驾驶时不同分心源（如手机、乘客、食物等）对驾驶行为及事故风险的影响、分心状态眼动模式、个人属性或人格特质与分心驾驶的关系、法规政策对驾驶人分心行为的影响等。探究分心驾驶常用驾驶模拟器试验采集数据，同时使用配合眼动仪可更加精准地分析驾驶人的注意力变化及分心驾驶行为。此外，通过自然驾驶数据探究分心驾驶也受到研究者的广泛关注。图9 分心驾驶（图片来自网络）中国研究者针对分心驾驶方面的研究相对较为丰富，涵盖上文所提到的4种不同分心类型对驾驶行为及风险感知的影响。但中国目前缺乏利用自然驾驶数据对驾驶人分心与驾驶行为、事故风险之间关系的探索，较少对分心驾驶的影响因素（如长时间连续驾驶）以及分心状态恢复等方面进行探究；此外，未来应考虑如何通过驾驶人行为、生理特征，利用手机等智能终端对分心行为数据进行采集，结合统计学或机器学习的方法对驾驶人分心状态进行识别与等级划分，为车载信息系统、预警系统以及人车共驾状态下驾驶人状态监控的设计提供参考。2）老年驾驶人驾驶表现世界范围内因人口老龄化加剧所带来老年驾驶人数量的增加，不仅会改变道路交通流特征，同时由于老年人的生理特征（如视觉、听觉、注意力、反应能力或认知等）随年龄有一定程度的下降，对其驾驶能力和安全提出了更具体的要求，因而老年驾驶人的驾驶安全性得到广泛关注。已有文献大多针对老年驾驶人与年轻驾驶人在驾驶行为、事故特征及严重度等方面的差异进行分析；此外，老年驾驶人危险驾驶行为（如分心驾驶、酒驾等）及其事故风险、身体健康与驾驶适宜性评估、驾驶行为自我调节等方面的研究成果较为丰富。图10 老年驾驶人（图片来自网络）中国有关老年驾驶人的研究包括风险感知能力、视觉特性、事故风险因素及与其他驾驶人群体驾驶行为差异性分析等，但针对老年驾驶人的心理特征、危险驾驶行为及驾驶培训等方面的研究较少。未来研究可考虑从老年驾驶人的心理状态、人格特质、生理特征、驾驶表现的变化等方面着手，通过了解不同年龄阶段老年驾驶人行为规律、安全意识及态度等，开展针对老年驾驶人的驾驶培训、教育及干预等研究，并提出有效对策来辅助老年驾驶人安全驾驶。(4) 群集4（黄色）：疲劳驾驶与职业驾驶人风险分析1）疲劳驾驶疲劳的发生与连续驾驶时间、工作环境、工作负荷、驾驶人缺乏休息以及嗜睡等方面相关，其使得驾驶人的驾驶表现、警觉性、风险感知能力等方面在疲劳状态下均不同程度地受到影响。有关疲劳的研究通常使用驾驶人主观疲劳/嗜睡等级汇报、生理特征（如脑电、心电等）、身体特征（如眼部、嘴部及头部运动特征等）以及车辆运行特征（如方向盘转角、车道偏移、车速等）对驾驶人疲劳行为等进行测量。由于侵入式测量方法存在对驾驶人正常驾驶行为产生干扰的问题，因而利用如驾驶行为、眼动特征等非侵入式测量的方式评估驾驶人疲劳越来越受到研究者的关注，同时结合人工智能的手段可有效提升疲劳识别精度。图11 疲劳驾驶（图片来自网络）国外有关疲劳驾驶的研究包括从导致疲劳的影响因素、疲劳驾驶表现及生理特征变化、疲劳的识别及预测、疲劳驾驶事故特征，以及疲劳驾驶的预防及干预措施等方面开展。中国在疲劳驾驶研究领域对上述研究主题均有涉及，但目前有关疲劳驾驶预防或干预措施的研究较少，且对自动驾驶条件下驾驶人疲劳变化情况及反应能力等方面研究较为缺乏。随着自动驾驶技术的发展，未来研究应同时考虑如何通过预测驾驶人疲劳程度来合理制定自动驾驶车辆接管方案，从而为驾驶人的出行安全提供合理、有效的保障。2）职业驾驶人有关职业驾驶人的研究集中在其生理、心理特征与事故风险、事故特征、个性态度、危险驾驶行为（如疲劳驾驶、分心驾驶、酒驾等）分析等方面。中国在职业驾驶人方面主要围绕人口学特征及心理特征与危险驾驶行为、事故风险之间的关系、驾驶适宜性评估以及职业健康等开展研究。中国对辨识高风险职业驾驶人的相关研究较少，不同年龄、不同行业职业驾驶人的行为特征有待深入挖掘，且目前针对不同行业特点的职业驾驶人风险行为干预、教育及效果评估方面的研究较少。同济大学Wang等利用3种不同的行为安全（Behavior-based Safety，BBS）教育方法（教育频率、形式及内容各不相同），对上海市货运驾驶人进行教育并评估方法有效性，发现高频率、面对面讲解观看危险驾驶行为视频的教育方法效果最好。对职业驾驶人进行教育培训可有效减少风险驾驶行为的发生，但针对哪些行业开展何种形式和内容的教育，仍需要进一步探索和明确。3 结语驾驶风险研究领域的前沿热点研究包括“酒驾、药驾交通事故分析”、“年轻及新手驾驶人驾驶行为及心理分析”、“分心驾驶风险分析”、“老年驾驶人驾驶表现分析”、“职业驾驶人驾驶风险”及“疲劳驾驶风险分析”。针对上述前沿热点研究方向，对驾驶风险研究领域的重点驾驶人群和重点安全问题提出以下研究建议：年轻驾驶人：针对数量庞大的年轻驾驶人群体，目前缺乏对其事故特征、危险驾驶行为（如酒驾、疲劳驾驶等）、心理特征及父母/朋辈影响等方面的深入分析。此外，现有对年轻驾驶人的事故风险量化方面的研究也较为缺乏。通过总结影响中国年轻驾驶人的事故风险因素，可为相应管理对策的制定提供参考。老年驾驶人：中国作为全球老龄人口数量最多的国家，老年驾驶人数量也在逐年增加，老年人的驾驶需求不可忽视。已有研究表明，老年驾驶人的心理特征、生理特征对其驾驶行为及驾驶安全性具有显著影响，而采用哪些指标对老年人驾驶适宜性进行评估目前仍需明确。在老年驾驶人驾驶风险研究中，可结合老年驾驶人的驾驶表现、行为规律、生理特征等方面总结其驾驶特点，并据此开展老年驾驶人的驾驶培训、教育及干预等方面的研究，提升老年驾驶人驾驶安全性。新手驾驶人：中国目前对新手驾驶人的监督及管理较为缺乏，国外如美国、加拿大、新西兰、澳大利亚等国通过驾驶证分级制度（Graated Driver License，GDL）实现新手驾驶人管理。驾驶证分级制度包含全监督学习期、独立驾驶且有限制条件的中间期，以及驾驶完整许可期。该制度通过控制新手驾驶人的风险，使其在长时间、低风险的监督环境中驾驶来获得更多驾驶经验以达到提升新手驾驶人行驶安全的目的。新手驾驶人缺乏驾驶知识、经验及技能是造成交通事故的主要原因，如何借鉴国外经验来设计、制定并评估适用于中国新手驾驶人的教育及管理政策是当前和今后需要考虑的研究主题，如利用不同训练方法对新手驾驶人开展风险预期训练等，且不同年龄阶段新手驾驶人的驾驶行为习惯及特征也有待进一步挖掘。职业驾驶人：众多文献探究了与职业驾驶人相关的交通事故或违法行为、工作环境以及疲劳驾驶等，职业驾驶人在工作中所面临的多重风险因素（如不规律的排班、长时间驾驶、饮食营养不良、工作压力等）不仅在其健康、生产力方面产生负面影响，同时也给驾驶人自身及道路交通安全带来严重威胁。现阶段中国对不同行业的职业驾驶人危险驾驶行为的干预方法、教育措施及效果评估方面的研究较少，结合车载设备或通过授课等方式对其行业特点进行有针对性的干预、教育将有助于提升职业驾驶人驾驶安全性。酒驾、药驾：酒驾是造成交通事故的重点问题之一，未来可重点关注利用试验或自然驾驶数据来探究饮酒驾驶人的行为特征，量化其驾驶行为与事故风险之间的关系，并开展针对酒驾的监管、处罚政策力度对各类驾驶人的震慑效果评估。在药驾研究方面，可探究不同类型药物（包括毒品）使用对驾驶行为及驾驶风险的影响。由于目前中国尚未有明确针对药驾的法律法规，开展药驾相关研究将有助于推进中国相关法律法规的制定与完善。分心驾驶：中国在分心驾驶研究领域的成果较为丰富，但目前缺乏利用多源数据对驾驶人的分心状态进行有效识别的方法研究，驾驶分心识别的实时性、鲁棒性和实用性也有待提升。随着汽车新技术的快速发展，车载设备与人的交互影响受到广泛关注。通过车载设备对驾驶人的分心状态进行识别并评估风险将有助于辅助驾驶人安全驾驶。此外，对自然驾驶数据进行充分挖掘，综合考虑车内、车外不同分心源所带来的驾驶风险，可为自动驾驶车辆的接管策略提供支持。疲劳驾驶：疲劳驾驶是导致高速公路交通事故的主要原因之一，当前由疲劳导致的驾驶行为及生理特征变化受到广泛研究。中国对于疲劳驾驶的风险量化较为缺乏，而疲劳具有随时间累积的特征，选用何种指标来表征驾驶风险随时间的变化情况需要进一步明确。此外，考虑人车共驾时根据驾驶人疲劳状态制定合理、安全的车辆接管对策，或在自动驾驶车辆需进行人工接管时如何及时、有效地唤醒处于不同疲劳程度的驾驶人也是未来可以探究的方向。通过深入了解疲劳对驾驶人行为及事故风险的影响机理，有助于更好地针对不同驾驶人群体制定更有效的疲劳预防及管理对策。当前驾驶风险领域研究主题随时间的变化如图12所示。分析可知，目前国际上有关驾驶风险研究的趋势已从前期关注的酒驾、药驾、青少年驾驶风险分析等方面向分心驾驶、手机使用、人因工程、自然驾驶研究等领域逐渐转移，并且在数据分析方法方面出现机器学习相关内容，如聚类分析等。在现有研究方法中，目前多数研究通过问卷调查、驾驶模拟器试验、实车试验等方法采集驾驶行为数据。自然驾驶研究作为一种反映驾驶人真实、自然状态下的行车数据的研究方法，可为驾驶风险研究领域提供丰富的数据支持。同时，将多种方法结合使用也将是未来驾驶风险研究的发展趋势，有助于深化对驾驶风险研究领域的理解。图12 文献关键词共现随时间变化趋势本文从人因角度出发，介绍了驾驶风险领域的研究成果，总结了国内外研究现状并指出中国在该领域研究中存在的不足。未来考虑结合其他因素（即车辆、道路及环境因素等）对驾驶风险进行更加系统的分析，扩大文献数据库的提取范围（如增加中文期刊、学位论文等文献源进行分析），补充检索词并改进数据的标准化及聚类算法，从而更科学、全面地了解驾驶风险领域的研究热点及发展趋势，为该领域的研究者提供更有价值的参考。本文主要内容见《中国公路学报》2020年第6期“驾驶行为与驾驶风险国际研究进展”（点击下载浏览全文）。引用格式：张旭欣, 王雪松, 马勇, 马青变. 驾驶行为与驾驶风险国际研究进展[J]. 中国公路学报, 2020, 33(6): 1-17.

精益生产管理八大浪费与解决方法一、制造过早(多)的浪费二、库存的浪费三、不良修正的浪费四、加工过剩的浪费 五、搬运的浪费六、动作的浪费 企业管理问题解决-请点击七、等待的浪费八、管理的浪费八大浪费简要版-请点击八大浪费是丰田生产方式中非常重要的一个观念。丰田人认为要消除浪费，持续改善，企业才能保持良性运转，竞争力才会提升。在丰田改善是探入人心的，有个说法就是跟他们谈话5分钟没有听到他们讲3次改善就不算丰田人。改善的对象是浪费，认识浪费是改善的第一步，企业现场林林总总，哪些是有价值的，哪些是浪费，不是一般人可以一目了然的。丰田人在长期作业和改善过程中对于浪费的内容进行了总结，共七种，被称为七种浪费。它们分别是制造过早（多）的浪费、库存的浪费、不良修正的浪费、加工过剩的浪费、搬运的浪费、动作的浪费、等待的浪费共七种。后来人们又加了一种浪费-管理的浪费，合称八种浪费。下面我们从实用性角度剖析这八种浪费。一、精益生产管理中制造过早（多）的浪费定义：所谓制造过早（多）就是前制程制造太早/过多，大于客户（或后制程）当期的最小需要量。制造过早（多）浪费是八大浪费中的首恶，在精益生产中则被视为最大的浪费。福特式思维告诉大家，在同样的时间内，生产量越多，效率越高，成本越低，企业越赚钱，所以企业自然有大批量连续生产的初始动力。作为一个整体的企业是如此，那么企业内各部门也是如此，特别是在一些制程较短，关联性较低的企业中，普遍实施计件工资，那么从最基础的员工开始就有多做、早做，甚至偷做的动力，在这种情况下，告知企业里所有人早（多）做是罪恶当然得不到掌声回应。那么我们就来看看制造过早（多）的浪费。制造过早（多）浪费的后果主要有三大类。1.直接财务问题。表现为库存、在制品增加，资金回转率低，制造时间变长，占用资金及利息，会造成库存空间的浪费，在现金流量表上很明显。2.产生次生问题。会产生搬运、堆积的浪费；先进先出的工作产生困难；产品积压造成不良发生，物流阻塞制程时间变长，现场工作空间变小，有滞留在库的风险，有不良品的风险。3.掩盖问题。为什么“制造过早（多）浪费是八大浪费中的首恶，在精益生产中则被视为最大的浪费”？因为它带给人们一个安心的错觉，掩盖了各种问题，以及隐藏了由于等待所带来的浪费，没有改善的动力，失去了持续改善的时机。1.制造过早（多）浪费的产生原因。（1）生产计划方面。1）信息准确度问题。信息不准，计划失当，信息传递不准确，导致生产计划作业进行盲目，最终导致制造过早（多）浪费的产生。2）生产计划管控机制方面。让某些制程、生产线、工站甚至作业员有生产伸缩的充分空间和提高产出的利益驱动。比如有的不排班生产计划，也不排日生产计划，而是排周生产计划，一天内的生产排配权利下放到制程、生产线、工站甚至作业员，这时候如果有多余的产能、人力、设备稼动过剩，则很自然地就会提前安排生产，安排满稼动生产，从而造成制造过早（多）。特别是在某些企业中（如玩具），较有可能安排计件生产，多劳多得，那么过量过早生产的积极性就更大了。除非在实施了拉动生产的精益生产管理企业里面，一般的企业还是用MRP在做推式生产。这时候生产计划的排配，生产进度的精确控制是企划部门最基础的功能，不能因为制造能力弱，各制程衔接性差就放松对生产计划实施进度的管控 （2）内部制造能力弱的补偿问题。制造过早（多）多数时候是出于补偿内部制造能力弱的考虑。制造能力弱，特别是制造中的品质差，换型时间长，在市场信息牛鞭效应的驱动下，为了弥补自身能力不足，而提前过量生产以满足客户需求。如一个企业制造能力弱，多制程时的合计良品率在50%-70%之间分布，那么面对100K的P/O时，它就需要备143-200K的原料，为了安全起见，这时候一般会选择安全系数较高的200K，甚至220K，当这220K投到制程中去的时候，造成生产过多就不可避免了。在这里，制造过多是制造能力弱的补偿，同时制造能力提升也是消除制造过多的必要前提。对于制造过早是补偿制造能力弱的论断，用制造前置时间（L/T）可以清晰地衡量出来。（3）产能不平衡及流程不顺方面。1）制造过程中由于各功能制造单位、制程产能不平衡，不可避免地造成加工能力低的制程前在制品（WIP）堆积，同时给后工站的作业带来了极大的不便。图1是T公司制造的一个产能平衡图，T公司制造有冲压、清洗、打磨、焊接、组装共五个制程，有一个产品要顺次经过这五个制程，那么这个产能如何计算呢？要看瓶颈制程的加工能力。在冲压-清洗-打磨-挥接-组装这五个制程中，清洗的加工能力高于冲压，所以清洗处不会造成积压，但下面的打磨制程加工能力明显低于前制程清洗，同时打磨制程是五个制程当中加工能力最低的，如果整个制程的生产计划不是以最弱的打磨为基准线，那么堆积就会在打磨之前出现，这就是制造过多，是浪费。在这五个制程中，换型（膜具）最复杂的当属冲压。如果顾及到冲压稼动率高、制程能力弱不愿换型，而将同一个料号相隔3天的两批次的生产指令合并到一次生产，那么对于后面的制程来说，也仅仅接到了一个批次的生产指令，另一批次的半成品对于它们是无意义的。这就是制造过早，是浪费。在Lean中，平衡产能，使得各制程、工站按照客户需求的节拍（T.T）而实现一个流线生产是实现及时生产的重要一步。2）由于规划不经济不理想，造成制程路程不流线化，无法实现产品流动，而存在迁回、曲折、往复、停滞现象，使得生产不得已提前或有WIP，这也是造成制造过多过早的重要原因。如图2所示，A公司制程有射出、印刷、组装等，其制程分布如下：本制程为：1楼的射出完成后，由于后面的印刷效率远远大于输出，所以射出后产品只能先入库，经过印刷后，要先在1楼暂存，等当班结束时再入3楼的仓库，后一个制程-组装需要时来3楼的仓库领取。这个流程中有入存2次，WIP I次，势必造成制造过早的浪费。（4）其他。当设备比较昂贵时，管理及财务人员有倾向提高稼动率，生产过多的产品。下图是P公司的一个案例，其内部各制程分别是SMT-PTH-老化-FT-组装，其产能分布如下：图2五个制程中，产能按照制程顺序逐渐增加，理论上是不会有制作过多的。但SMT，设备远远贵于其他制程设备价值，所以当PTH、组装等制程在每周5天每天18小时的时间稼动率水平上慢悠悠生产的时候，SMT很可能要安排尽量满稼动，很可能是6.5天x 24小时，那么这样在PTH之前就不可避免地出现制造过多过早的现象。2.制造过早（多）浪费的消除方法。（1）生产计划方面。1）主生产计划的准确性。在这方面，应建立以顾客需求为中心的弹性生产系统，保证客户需求信息准确传递。2）在没有实施精益生产，还在用MRP推式生产的企业里，企划部门要负贵任地对生产计划的排配、进度控制负责，不能因为制造能力弱就只排大制程的主计划（MPS），而对于细部的日计划（DPS）放任自流，造成基层各车间、生产线的生产计划脱节。（2）关于补偿内部制造能力弱的问题。内部制造能力弱，品质差，废品率高，制造周期长等问题在生产计划方面的直接体现就是生产计划的不可预知，不知道究竟排多少生产量才可以应付客户交货。实现精益生产的基础是品质稳定化，保证制程内品质稳定，不制造不传递不接收不良品，只有实现了生产稳定高品质，生产的流线化才有可能实现，才有可能生产平准化以至于后补充生产，所以高品质是精益生产实施的基础。（3）产能不平衡及流程不顺方面。1）对于产能不平衡的情况，最终要平衡各制程的产能。仍以T公司为例（见图1），应首先列出客户需求基准线，再在此基础上进行产能调配，其中客户需求是每小时加工能力1800，冲压、清洗、组装产能已经超过客户需求，打磨及焊接产能达不到，为此有必要对前者进行降低，后者提升。经过评估后改动如图3所示。组装制程的工站是相对柔性的，产能调配最容易，减少组装人员，对操作进行重组，将组装产能从2000降低到1800;对于打磨及焊接在提高单机效率的基础上增加人力及设备配置并将二者产能分别由800, 1500提升到1800;对于第三类就是冲压及清洗，因为这两类设备是模块化的，无法像组装一样按可调比例降低产能（就是说，清洗或者1条线产能4500，或者没有生产线，产能为0），所以此二设备人力保持不变，这样经过产能平衡后，图1的产能被改善成了图3的产能。这样基本保证了各制程没有制造过多。对于清洗后产能高过打磨制程的问题，这就要求清洗生产在客户需求基准线基础上不过量生产，进行平准化生产排配或者宁可保持非满稼动。 2）对于流程不顺的情况，应该在最初的设施规划时，就要将流程流线化作为目标，即便因为制程所限无法完全地实现产品流动，也要尽量减少制程及产品的迂回、曲折、往复和停滞，以尽力减少制程内WIP，从而消除制造过多过早浪费。如上例A公司案例中，可以将制程改善为如下分布（见图3）。Layout变动，将Layout由设备式布置改为工艺式布置。射出后暂存，当班产品入到3楼的仓库，由于印刷机非常便宜同时生产效率非常高，在这里将印刷与组装连线，组装需要时印刷才生产，不需要时印刷不生产，这样就减少了1次入库，减少了制造过早的浪费。 （4）当设备比较昂贵时，管理及财务人员确实有增加设备稼动的冲动。比如SMT和组装比，因为后者设备价格远远小于前者，所以在对工厂进行绩效考核时，没有人会将组装线的稼动率作为考核指标，而几乎大多数企业都会将SMT线稼动率作为考核指标，稼动低时管理者会坐卧不宁，设法提升。解决这个问题其实只需要明了一点。高稼动是否会带来后面制程的半成品堆积，也就是本制程制造过多过早，如果是就应该坚决地停止机器，进而放弃对高价机器考核稼动率的绩效考核模式。从源头上讲，在产能规划时，在设备采购时，对于高价机器应以“少数量高稼动”的设计方案来采购，这样既能保证低的采购成本又能保证客户需求，只不过可能增量时的增产速度慢点罢了。二、库存的浪费1.定义：库存是生产过程中停滞物料的总称。库存可以按照种类、位置、库存成因、库存用途等分成若干类，但今天我们研究浪费，为简便起见，只把它分为原物料、在制品WIP、成品三大类。库存确实有非常重要的现实意义，库存是：①量产的必然产物。福特式思维认为量产可以降低成本，这在多品种小批量的现在是不适合的，但对于少数还在批量生产的行业来说，批量生产还是降低成本的方法。这些行业一般为市场需要品种少或者是行业价值链上游企业，如食品、纺织等行业在深加工、终端市场上产品的品种非常多，但在上游粗加工时的品种相对少许多。这些为数不多的行业中批量确实会带来低成本，但同时会带来库存。②保证整产零销的局部经济性。当设备快速换线困难（如重化工行业）时，会存在当面对整产零销局面时换线小批量生产的综合效益不及批量生产的局面，这时企业可能会选择整产零销，会产生一定库存。③市场剧烈增加时的缓冲。市场突然增加时，如果有一定库存，会缓解企业生产能力快速爬坡的压力，这是部分企业考虑安排库存的原因。这类情况在一些特殊行业表现非常突出。如空调只在夏季销售，月饼只在中秋节前一两个月销售，而圣诞树、礼品、部分POP电子产品会在圣诞节前热销，这都是行业特性决定的。 所以从这个意义上来说，一定的库存是必要的。但库存的存在确实带来非常大的损失，是恶物，丰田人认为“库存是必要的恶物”。2.库存损失分类。在精益生产及丰田生产方式里，库存是浪费，是不该被保有的，而我们认为库存造成的损失，可以分为以下三大类：（1）表面损失。①产生不必要的搬运、堆积、放置、找寻、防护处理等浪费的动作。②占用过多仓库场地及场地建设的浪费。③保管费用。（2）潜在损失。①占用流动资金，降低资金周转率。②需要额外承担资金利息。③市场变动时有销售不出去的风险。④在库物品劣化变质的风险。（3）意识方面的损失。掩盖问题，造成假象。当库存的水位高涨时，管理者就感受不到问题的严重性而失去了改善的机会。正因为这么多损失，所以精益生产才强调降低库存，以零库存为目标。 3.改善方法。（1）转变观念。不要认为库存是想当然，不要认为大量库存才保险。也不要用现在的资产负债表来迷惑自己，要认识到库存是企业的负担和罪恶。（2）系统改善。库存降低可以促进改善。通常通过降低库存来倒通企业内各环节进行改善，我们研究的各种方法工具都是或直接或间接为降低库存这个指标服务的。比如说用精益生产管理看板可以有效控制或大幅降低制造系统内库存，但之前要有5S、节拍生产、一个流、平准化作保证，而要想节拍生产就要先产线产能平衡改善。要想一个流，就要先Cell，而Cell之前要以多能工、设备小型化、标准化的作业及灵活的组织体系作保障。实际上整个精益生产或者整个丰田生产方式实现的重要途径就是通过降低库存来体现问题而谋得改善以臻于完美。所以降低库存是个系统工程，要从上面说的各个方面对企业进行改善，体质进行增强，当企业体质增强了，库存自然也会降低。下面是最常见的降低库存改善行动实施步骤：①观念宣导，让大家认识到库存是罪恶的。②降低库存目标KPI订定。主要是金额，但对于一些低阶层的执行人员来说，可能库存数量和占地面积比金额更加直观，那么对于他们用数量和仓库面积等都可以。在这时候，启动精益生产管理中的——目视化管理是很重要的，将库存量、金额、库存周转率、利用率等指标的目标与现状情况用目视化方法明示出来，以利于提醒和监督。③导入JIT，用一个流和后拉式生产方式可以有效控制库存。④记得库存管理中的“三不”。1）不大批量生产。在排生产工令时，尽量排小批量生产，并且不要给现场太多自由生产的权利，比如周工令。2）不大批量搬运。要加快物流速度，及时小批量搬运。3）不大批量采购。另外一种思路，面对林林总总的问题不知道如何下手时，谈什么方法、工具都是低效益的，这时降低库存最好的方法就是：先强制降库存，等问题浮现出来后，再将问题一个个消灭，库存自然降低。在上图中，水面代表库存水平，礁石代表问题点，当水面高时礁石在水底，也就是说库存高时，问题都被掩盖。只有当水面低时，礁石才会露出水面，也就是问题点才暴露，这就是库存对于暴露问题的重要意义。三、不良修正的浪费1.定义：生产过程中，因来料或制程不良造成的各种损失，需进行处置的时间、人力和物力的浪费。不良品是工厂中不可容忍的重大浪费现象。我们客户需要的是合乎规范要求的产品，客户不会负担不良品，不仅仅是不良品这部分，随后可能引起的下游延伸制品不良、检查、返工、报废等损失都由企业自己承担。不良品率的高低是企业制程稳定性的最重要的标志，是企业体质好坏的直接体现。2.不良修正的影响。（1）产品报废。报废的产品不仅仅浪费了材料，它还包含了制程中付出的原材料、人工、制造费用以及管理、财务费用，这些产品价值本来可以计入营业额的，但现在报废了，成本还白白付出了，利润直接下降，对于企业的损失之大是让我们怎么尽力弥补都值得的。（2）挑选、检查、维修带来的损失。产品不良了，在宣布报废之前，我们可能要处理、挑选、检查、维修，把部分不良品转成良品，这一过程中的全部付出都是浪费，因为客户不会为我们的上述作业负担一分钱，这其中包含我们的时间、人力、设备、场地、辅材等。（3）信誉的影响。不良品出现会引起交货延迟，有时会产生去客户处换货，或者在客户处随线维修的情况。而如果客户用了我们的问题产品做成下游成品出了状况，那问题就更严重了，所有这些都会引起客户不便进而是抱怨，再进一步就是订单的减少、取消或流失。（4）延伸的复合损失。出现不良品造成的复合损失是致命的，可能要产品召回，可能要面临赔偿诉讼，可能会引来公众的质疑抱怨，可能会引起主管部门的干预，比如停产、吊销执照、限制出口权等。2007年发生的利达玩具厂老板张数鸿自杀事件，就是由于油漆供应商的20kg色粉含铅超标而最终造成年产值3亿元，在当地玩具界举足轻重的公司的破产。类似的例子太多了，三鹿奶粉事件，频见报道的汽车、笔记本召回事件都让我们深刻体会到了品质问题的残酷和重要性。3.不良修正的产生原因。（1）设计问题。这里的设计问题是指源头问题，包括产品外观、尺寸、功能、可靠性、可制造性、兼容性等产品设计内容；也包括加工路线、加工方式、检验手段、品质控制点等工艺设计内容；也包括来料选择，供应商控制，包装/存储/运输方式等制造系统方面的设计内容。之所以要把上面的内容合并在一起，原因就是和生产过程中的执行力及稳定性相比较，上面这些源头问题影响着绝大多数企业生产的品质问题。（2）制造系统体质问题。即制造阶段的管理影响产品质量--无谓的频繁换线带来生产不稳定，人员稳定度低，作业员熟练度不高，标准作业欠缺，人员技能欠缺等。（3）生产过程执行力及临时性问题。如操作不标准，执行的检验手段有限，货商质量控制不力，来料检验遗漏，对于发生的不良处理不当，原因追查不彻底，选用了非规定的设备及工艺路线等。4.不良修正浪费的改善方法。（1）设计方面。从源头上做到无缺陷，可制造性强，这是我们的目标。但实际上往往达不到，现在的开发设计是个系统工程，会涉及开发部门、工程部门、供应链、品质为主的几乎所有企业内部门。市场是客户左右的，设计方案是客户或者开发部门决定的，能够达到关键设计要求是需要参与的所有部门的努力，而进度不可能整齐划一，在有瑕疵没有解决的情况下，很可能客户就要求量产了，这时候只能带着缺陷生产，而这会带来无穷后患。这些问题可能包括：①可能一个产品300个尺寸，实际上只有150个不错，而客户认为其中巧15个是关键的，认可了，所以生产了，但某一天另外的120个尺寸中的一个被发现了问题，被重新认定增加为关键尺寸，所以客户退货。②验证中的制程稳定性差，Cpk值只有0.9，没有达到规定的图5的标准，但客户急需产品，所以量产了，但随后的问题也来了。③产品量产了，制程也稳定，但因为只考虑交货能力，所以设计时超过正常水平30%的人力、设备、场地及检验环节，后来降低成本改善时要去掉这30%的人力、设备、场地，需要跟客户沟通，这沟通中需要验证内容太多，几乎等于重新开发一个新产品，得不偿失最后只能浪费着生产。上面三个问题分别是设计时候的规格隐患、制程隐患、制程浪费，都是很典型的设计问题。从这个意义上看，好的设计是消除不良修正浪费的首要保证。（2）制造系统体质方面。①标准化管理。企业制造系统体质好坏的一个重要标志就是管理的标准化程度。标准化的内容应该包括技术层次的设备、模具、材料、环境、技术参数的标准化，应该包括基础执行层面的5S推动、人员培训、标准化动作、物流规范、模具保养规范等人、机、物料、工艺文件、环境维持、测量系统等方面的标准化，应该包括管制执行层面的计划控制、制造流程、品质管控、产品开发过程的标准化，也应该包括组织系统方面的组织切分、在各制造模块中的部门职责、KPI管理、绩效评定等方面的标准化。在标准化的状态下，企业的生产经营活动是公开的、互通的、执行面可替换的、稳定的。在这里，当一个产品停产一年后再恢复生产时，不必在人、机、料、技术参数、文件、环境等参数方面调试很久才可以正常运转，而是马上就可以正常运转。管理标准化是制造系统体质优良的一个基本要求②TQM活动及品质系统的良性运行。为了减少不良修正浪费，开展全员性的TQM活动是有必要的。在实施TQM的企业里，每人都参与品质改善，对品质的关注是全过程的，是源头性的，同时对品质的理解是全方面的，不仅仅是品质报废类的狭义理解。在全员全方位全过程关注品质的TQM推动同时，逻辑性强、强制性强的品质系统也是不可或缺的，从客户需求定义、检验标准制定、供应商认证、来料检验、制程品保、品质工程保证、出货检验、问题解决及反馈机制等都应该纳入系统范围强制运行。这样我们就可以有效降低不良的产生，从而减少不良修正浪费的水平。③TPM。为了减少不良浪费，设备的良好保养是必须的，应该保证设备100%的可动率，不会出现设备原因出现的报废。（3）生产过程执行力及临时性问题。要想保证品质，减少不良修正浪费，在强化企业体质，健全系统，明确责任人的同时，最重要的是执行力度和问题解决速度。没有执行力上面的一切都是空谈。四、加工过剩的浪费1.定义：加工过剩的浪费也叫过分加工的浪费，是指在品质、规格及加工过程上的投入主动超过客户需求从而造成企业资源浪费的情况。加工过剩浪费分四种情况：过分精确品质带来的浪费（过剩品质）、过分加工带来的浪费（过剩加工）、过分检验带来的浪费（过剩检验）、冗余设计带来的浪费（过剩设计）。加工过剩四种情况的解释：（1）过剩品质即超过客户需求的甚至超过规格的过分精确的品质要求带来的浪费。比如一个产品的尺寸公差按照客户需求是±0.05mm，但企业内部出于种种原因（一般原因为部门隔阂，过分自保）自己定义为，±0.03mm，这样的结果可能是加工设备由普通射出机变成电动射出机，设备成本及折旧摊销提高到原来的2.5倍。一个产品的外观面杂质客户要求是3 x0.15mm，而企业自行规定是Zx0.08mm，这项变动的结果可能是加工线要搬入无尘室，需要多余花费几百万元。除此之外，类似的举措带来的后果还有需要多余的加工时间、需要多余的加工人力、需要多余的模具治具，以及多余的水电气场地投入。同时不可避免的副产品--本来合格但因高标准报废的产品产生过剩品质的原因有：①部门隔阂，增加安全系数的自保行为。市场及工程开发人员在开发阶段负责沟通客户，接受客户标准并转化为内部标准，在这一过程中许多时候它们有加严内部标准以规避自己部门责任风险的倾向，而制造部门不知内情，只能盲目遵循开发工程部门制定的标准②企业为了增加安全系数的自保行为。或者为了与竞争对手拼客户，或者想讨好客户，盲目地提出“想客户之所想”、“比客户需求还要高”等口号，结果增加了自己的成本。③企业制程能力弱，加工中品质波动大，为了减少波动带来的客户投诉，在源头提高品质标准以抵销制造成本波动带来的风险。④企业本身加工能力强，资源配置高，标准本来就高，并且降低不下来。就好比在东北林区用优等原木烧火做饭，而我们买的高档家具都不是原木材料的道理一样，许多企业是本身标准高了。比如20世纪如年代很多军工厂转民品生产时，这些平时习惯拿军用高速合金钢下脚料DIY做锤子梯子的人们突然发现民品的加工要求比军品低很多。比如一个加工齿轮、连接器的射出厂突然接了批订单要生产电熨斗甚至洗脸盆，那两者间巨大的品质要求差异是那个系统暂时无法适应的，包括制造、品检等各部门。（2）过剩加工即多余的加工，是为了达到最终的产品规格而进行的加工中存在的超过最经济加工的浪费。 比如一个模具加工要经历下料-粗铣-精铣-热处理-研磨-EDM-装配-检测，在下料时候的毛坯要比精铣时候尺寸大，但可以大3mm，也可以大15mm，然而后者浪费的材料远远大于前者，这部分就是浪费，加工的浪费。 再比如电路板在SMT后进入PTH段后，需要在插组件位置喷助焊剂，过波峰焊时候喷头喷助焊剂。作业中可以对着整个载具面喷洒，也可以只在有效面积喷洒。而后者可以节约至少60%的助焊剂。如果用前一种方法喷洒那无疑就造成了助焊剂的大量浪费，这就是加工的浪费。加工浪费直接浪费材料，间接会浪费设备、人力、时间、辅材等，从而提升产品成本。（3）过剩检验即在企业内部自行添加的客户不付费的检验造成的浪费。造成过剩检验的原因一般是企业自身制造系统稳定度低，企业对自己制造系统的稳定性没有把握，而又要满足客户需求所以只能靠增加检验。这实际是补偿企业自身系统稳定度差的表现。比如，管理者不清楚现行检验方法是否能保证出货品质，而面临上述情况时企业又不能成功导如精益生产，也不能成功导入自动化以及TQM时，企业会选择临时性的最笨也是较有效的方法就是加多检验，从而产生过剩检验。这其中包括局部的全检和制程内增加检验工序两种。 比如图1.14中A公司制程是射出-烤漆-印刷-预组装。如果制程能力强，Cpk值为1.3，那么在制程中间的3个点是不必要全检的（详见下图）。但如果制程能力弱，cpk值为0.5，甚至超规，同时没有精益生产的观念，也没有丁业工程的观念，或者同时四个部门间没有很强的组织统筹而是各自绩效管理考核的话，那么大的制程不可避免地滑向实际制程流程图的模式--各自为战，加严来料检查甚至全检，这势必会带来检查的浪费。这种情况下应该从源头上找原因，才能提升整体制造水平。（4）过剩设计也叫冗余设计，是指在产品、技术规格、组织等方面的设计上给予充分的安全系数。比如人事组织上，招募更多的人以应付突然离职。比如一场足球赛前，很多时候会准备三名守门员以防不测。比如军用飞机设计上为了保证起落架安全落下，会设计三套放下机构，液压系统首先启动，如果失效则启动电动系统，如果还失效则还有靠后备降落伞拉动为动力的半手动放下模式。这些都类似冗余设计。举个工厂里面的例子：一个机器外壳分两部分，原先设计时这两部分是螺丝连接，后来改成插接连接方式。但为了防止在外壳受严重外力变形时候插接连接脱开，还是采用了插接连接+螺丝连接，这也是冗余设计。比如本来可以用通用件或标准件，但却设计成非标的，无谓提升了成本。比如一个螺栓固定两个零件，就强度而言，3圈就够了，但螺栓一定设计成10圈，徒然增加了劳动强度而无价值。有时候过剩设计是必要的，可以提升安全系数，但无谓的提升安全系数则会产生加工过剩，提升制造成本，这在新产品开发的时候要特别注意。2.加工过剩浪费的消除方法（1）对于过剩品质①对于部门自保的情况。我们需要正确理解客户需求，打破部门间的隔阂。消除增加安全系数的自保行为，特别是不能让工程及开发部门故意加严内部标准以规避自己部门的责任②对企业自己增加安全系数竞争市场的行为。企业需要正确地进行市场定位，正确地理解客户需求，不要为了与竞争对手拼客户，或者想讨好客户，盲目地提出高于客户需求的标准，增加自己的成本③对于企业制程能力弱的问题。企业需要增强制程能力和稳定性，可以用导入TQM或者六西格玛的办法，从而减少加工中的品质波动④对于企业本身加工能力强的问题。本问题应该一分为二看待，高精度企业加工低精度产品实际会降低企业的品质习惯，所以对于这类客户订单，或者不接，或者在企业内单独开辟一个部门（单独的人、机、文件、制度及流程），这样既可以满足客户需求，又可以维持企业运作，还可以不破坏原来氛围中难得形成的高品质管理气氛。（2）对于过剩加工要求工程师在制作制程工艺标准表的时候，在确认标准的加工余量、最合理的加工路径的时候合理审视，首先将标准制定得合理（包含标准的材料、人力、机器、工时、辅材等），尽量避免有超过最低需求的浪费。其次在执行时尽量执行标准，不做额外的浪费。最后是不断改善，提升标准，以将浪费尽量减小化。（3）对于过剩检验首先应该在管理者头脑中导入一个观念：一切检验（客户认可付费的除外）都是浪费，应该全部予以消除。不能用过剩检验来弥补企业自身制造稳定度弱的缺陷，而应坚决推动反精益生产及六西格玛以提高企业制造能力。（4）对于过剩设计如果客户付费勉强可以接受或者客户不付费，我应反思过大安全系数的危害，并且在设计中引人DFM、FMEA、QFD等思想工具。总之，我们可以提出这样一些间题来审视我们的加工是否消除了过剩浪费：①是否确实了解客户的需求？②能否去除次零件？③加工工艺、路径、流程、加工余量、工序是否最经济最节约，可否合并简化或者删除？④能否放宽公差及品质规格？⑤能否改用通用件或标准件？⑥能否放宽材料的回收率？⑦能否改变生产方法。将手工加工变为机械化？⑧能否把检验简单化或者干脆省略掉？…… 五、搬运的浪费1.定义：流程中物品（成品/半成品/辅料/包材等）需要在相距较远的两点间搬运，而造成资源（人、机、场地、能源、时间等）在物品搬运、放置、堆积、移动、整列等方面的浪费统称为搬运的浪费。产品生产过程中，不可能所有的工序都在同一地点、时间内完成。其间的掇运是不可避免的。但是，搬运是无价值的，客户是不付费的，我们应努力减少搬运带来的浪费。2.搬运浪费的影响（1）直接影响。①搬运浪费的直接影响是搬运需要的人力；②搬运导致的运输/堆叠/整列都需要工具设备及额外的设施空间，这些额外投入都增加了企业的成本；③搬运使得物品存在损坏、碰挤伤及丢失的可能。（2）潜在影响。①搬运的存在使得生产效率势必下降；②搬运减慢了物流建度，延长了L/T，也间接增加了WIP和库存；③过多的搬运和出入库，可能导致不正确的存货盘点。（3）延伸影响。推迟了给客户的交货时间，容易引起客户抱怨。而增加的库存也增加了企业自身营运压力，所有这些都降低了企业体质和竞争力。3.搬运浪费的产生原因。（1）工厂布局及生产模式。首先是工厂间布局及生产模式。如果是生产种类较多，单品种的量特别少，而且设备需要集中管理（例如，对场地或者环境的特别要求），那么就用设备集中的布局。但精益生产基本上不建议设备集中式布局，而是提倡工艺式布局，依照产品流程将设备排成一条连续流的线。其次是厂内的布局。厂内布局时如果设计的制程不连续，前后制程分离、路线迂回、曲折、混杂，孤岛作业，非均衡化生产布置等肯定会造成搬运浪费。最后是局部细致布局。比如是坐姿作业还是站姿作业，两种不同作业时工作台如何布置等，处理不好会产生搬运浪费（2）生产批量。生产批量大或者小对于搬运及储存系统的影响是巨大的。在丰田生产方式中，提倡小量而频繁的搬运，并且按照拉动系统设计缓冲存货区域及数量等。（3）布局连续性。连续性是指企业需要新增工序或设备对现在制程及Layout的影响情况。企业在建厂及规划设计之初，由于对工厂的发展前景没有一个明朗的认识，所以未做整体性的规划。这样，在新增工序或设备以后，新增工序或设备与原本规划的场所等不兼容，自然要另辟场所，这就导致搬运浪费的产生。要做到布局连续需要企业有长期发展的眼光，否则会对物流及搬运带来很大影响（4）搬运方式和工具。搬运方式和工具是影响搬运效率的重要因素，比如常见的搬运工具有悬挂链、电梯、升降梯、叉车、油压车、悬挂车及各种专用运输工具等。它们各自的搬运效率、使用场合都不尽相同，如果不能恰当使用就会造成低效率和浪费。4.搬运浪费的改善。关于工厂间布局及生产模式。我们首先要确认生产种类的多少，量的多少，生产的量是否连续，设备是否容易维护，是否需要集中管理，那么我们基本就可以确定是用设备集中式的布局还是工艺式布局，是用Cell线。一个流还是固定流水线。关于厂内的布局。因为生产线的形状受到产品和场地的制约，可从安装、零部件供应、管理方面考虑，采用最为合适的形状。物流线设计中要注意简洁，连续性，切忌制程分割、路线迁回、曲折、混杂及孤岛作业，重工作业尽量在线外，辅助生产线的终点，应尽量接近供给对象的主生产线工序等。关于局部细致布局。应该多从人因工程的角度来检讨以利于现场作业和消除搬运浪费的产生。关于生产批量。我们提倡尽量用小的生产批量，而辅以频繁的搬运。最后关于搬运方式及工具。我们应该遵循一些基本原则：①机械化原则。尽量机械化，减少人工搬运。②自动化原则。用自动化，而不是需要人工看守。③标准化原则。对于搬运时间、频次、数量、方式、地点等各种参数尽量标准化，不要随意性。④均衡原则。一个系统内物理搬运要平衡，以避免忙闲不均衡的情况。⑤直线原则。不论是细致规划，拿放产品的规划中，还是在厂内厂间规划需要考虑长距离搬运时，都要照顾到直线原则，以达到最高效率。⑥安全第一原则。“安全是最大的节约，事故是最大的浪费”，所以物流及搬运设计时一定要坚持“安全第一”的原则。下面讲一个案例：T公司的SMT线后段是手插件线，每个产品都被装在一个卡板上过波峰焊，然后产品流下去，空卡板需要再返回来重新装新的产品。这个卡板的物流过程就是在下图中从A到B，再从B到A。在原先B处的空卡板是批量集中堆放在一个卡板箱中，由油压车集中拉回来。这样的缺点是空卡板的WIP量大，需要买更多的空卡板，增加了成本。其次是需要专人拉空卡板，第二次增加了成本。最后是对于现场的5S影响很坏，不利于现场的整顿及清洁。 改善中，大家发现，运载卡板从A到B处的线体是自动回流的，回流线在下部。如果将其再引导放得低一些，完全可以容纳卡板自动回流，经过具体实施，方案成功，空卡板通过线体自动回流，减少了空卡板WIP，消除了专门拉卡板的人，现场清洁了，5S水平也提升了，详见下图。 六、动作的浪费 世界上最大的浪费，莫过于动作的浪费--吉尔布雷斯。吉尔布雷斯是现代工业工程的重要奠基人之一，她重点研究人的动作，并提出了人的动作与产品及设备空间搭配的22条原则，享誉至今。在对比这22条原则的时候，可以发现我们工作中的许多动作是不合理的，是浪费的。1.定义:动作浪费指生产中在动作上的不合理而导致的时间、效率、场地、人员及人身等方面的浪费。动作的浪费是在实际作业中广泛存在的浪费。精益生产观点认为：在没有实施精益生产的工厂中，作业者至少有一半的动作时间是“无效的”，属于浪费的行为。工序流程中的每一个动作都必须带有明确的目的性。搬运和加速的动作是为了达到什么结果，都应真正清晰明了。没有意义或不合理的动作，只会导致工作时间徒劳无功地增加。动作浪费除了会无谓地延长工时外，还会降低工作的产出和效率，增加场地及人员的占用及配置，同时不合理的动作还会导致身体疲劳甚至工作伤害。举例：下图中左边是改善前，人使用直嘴的钳子，需要将手腕弯一个角度，不符合人的生理最适性操作，给作业带来不便。改善后的右图中将钳子头改成弯一个角度，人的操作符合人的生理特点，这样既提高了生产效率，又减少了人的身体伤害。下图中，我们看到一个拧紧螺丝的作业，左边改善前的图中我们看到，螺丝刀短了，效率很低，品质也得不到保证，在改善后的右图中，螺丝刀加长了，利于操作了，提高了效率，品质也得到了保证。下图的案例中，通过降低椅子高度或者在作业者脚底下安装一个垫子达到了人作业舒服，效率高，无人身伤害的目的，这是一个很小的改善，正应了那句话，“改善无处不在”。在下图的案例中，改善前的左图中，工人在天花板上钻孔时，由于位置不合理，费力还影响品质效率。右图中，调整了梯子的位置后，钻孔位置合理，人的作业不会疲劳了，效率品质也得到了保证。2.动作浪费的表现形式。动作的浪费现象在很多企业的生产线中都存在，常见的动作浪费现象主要有以下12种：1)两手空闲；2)单手空闲；3)作业动作突然停止；4)作业动作过大；5)左右手交换；6)步行过多；7)转身动作太大；8)移动中变换“状态”；9)不明技巧；10)伸背动作；11)弯腰动作；12)重复动作和不必要的动作等。这些动作的浪费造成了时间和体力上的不必要消耗。3.动作浪费产生的原因。（1）操作不经济（Handling）。①动作不精简；②动作多余。（2）设计不合理（Design）。①可同时完成但未同时；②不必要但被增加；③可同规格但不同；④未考虑调整/转换/取放；⑤物料需要翻找。4.动作浪费的消除。根据动作的经济原则，运用动作分析的方法，把完成某一工序的动作分解为最小的分析单位，对作业进行定性的分析，从而找出最合理的动作，避免出现无效能动作的浪费现象，从而缩短作业时间。（1）针对操作不经济产生的动作浪费。①按经济原则设计工站操作并进行标准化；②制定Check list，挖掘相应浪费并加以消除。（2）针对设计不合理产生的浪费。①设计必须经过验证才可以实施，同时制定相应的稽核制度；②根据人因工程学理论设计符合人体工效的作业方法。5.动作经济原则简介。上面的案例解释及12种动作浪费的源头都可以追溯到“动作经济原则”。动作经济原则又叫动作舒适原则，是由吉尔布雷斯（Gilberth）在20世纪20年代首创，后经若干学者详加研究改进而成的改善作业方法的一项基本手法，是基础工业工程手法体系中主要的组成部分之一。共有三大类22项。（1）关于人体的动作方面，共有10项。①双手并用原则。双手同时取同类对象进行作业，比单手取不同类的对象作业较不易疲倦。如下图的案例中，左图中单手将销子插入孔中，右图中是双手同时操作将销子插入孔中，右图做法效率比左图的高。②对称反向原则。人受大脑的局限，双手同时只能做同样的事情，所以让操作人员双手并用，则必须作业内容尽量相同，作业布置尽最对称，作业方向尽量反向，也符合人类作业习惯。③排除合并原则。不必要的动作会浪费操作时间，使动作效率下降，应予以减少，可以通过动作的合并，使有重复的动作次数减少。④降低动作等级原则。动作等级是吉尔布雷斯研究动作时为了区分动作部位、运动范围与动作效率、疲劳度的关系而制作的。动作等级分为五类，从一级到五级动作幅度逐渐增加，疲劳度也逐渐增大。工作中要尽量设计低等级的动作。⑤减少动作限制性原则。在工作现场应尽量创造条件使作业者的动作没有限制，这样在作业时，心理才会处于较为放松的状态。⑥避免动作突变原则。动作的过程中，如果有突然改变方向或急剧停止，必然使动作节奏发生停顿，动作效率随之降低。因此，安排动作时应使动作路线尽量保持为直线或圆滑曲线。⑦节奏轻松原则。动作保持轻松的节奏，让作业者在不太需要判断的环境下进行作业，动辄必须停下来进行判断的作业。实际上更容易令人疲乏。顺着动作的次序，把材料和工具摆放在合适的位置，是保持动作节奏的关键。⑧利用惯性原则。⑨手脚并用原则（见下图）⑩适当姿势原则（见下图）（2）关于工具设计使用方面，共有6项。①利用工具原则。②工具万能化原则（见下图）。 ③易于操作原则。图下（a）、（b）、（e）三种手柄设计的形式较好；（d）、（e）、（f）三种形式与掌心贴合面大，只适合作为瞬间和受力不大的操纵手柄。④适当位置原则。⑤定点放置原则。⑥双手可及原则（见图下）。（3）关于工作场地布置方面，共有6项。①按工序排列原则。②通风照明原则。③安全可靠原则。④高度适当原则。⑤避免担心原则。⑥环境舒适原则。上面简单叙述了动作经济原则，因为这是古典工业工程的基础，所以在此不赘述，但这些古朴的原则对于消除动作的浪费至关重要。既然在现场“作业者至少有一半的动作时间是‘无效的’，属于浪费的行为”，那么我们通过上述原则消除动作浪费就有很大的空间，实际上在一般现场，通过动作改善，减少10%的作业人员是很容易的，至于同时提升效率和品质也是水到渠成的事情。七、等待的浪费等待的浪费是我们介绍7种浪费的最后一个，但在现场它是最常见又易被忽略的成本倍增器。说它常见是因为它在现场无处不在，说它被忽略是大家最容易对它习以为常，见怪不怪。等待可以以库存、WIP、线不平衡等各种形式体现出来。丰田人对它深恶痛绝，强调一个流，创造无间断物流，消除“停滞的池塘”，精益生产中的价值流也紧紧盯着等待的浪费，将它看做是非增值时间的主要原因，必须要予以消除。1.定义:工厂中人或设备处于等待（含临时性闲置、停止、无事可做等）状态造成的资源浪费，被称为等待的浪费。2.等待浪费的分类。（1）来料不及时造成整体浪费。当上游制程无料可供时，那么不管整个生产链中各制程平衡与否，换线与否，人机安定与否……都会出现同一状况--等待，人和机都在等待。（2）生产不平衡造成非瓶颈处的局部等待。第一种情况：当下游的产能小于上游产能时，会在下游制程前出现WIP，同时上游制程在一定时候需要停下来等待，这种情况是产能不平衡等待最常见的一种。第二种情况：和上面情况相反，上游产能小于下游产能，为了平衡一定时间内上下两制程的产出，完成生产计划同时消除库存，需要下游作出等待。如下图所示案例：如果按照正常班次：PTH日产量1920pce/16Hr，SMT日产量1360pce/16Hr，这样安排的话，PTH制程上班的16个小时中有4.6个小时人和机处于等待状态。（3）生产计划导致的等待。第一种情况：制程间生产计划安排不合理，致使各制程产出不均衡。第二种情况：P/O或W/O减少造成的整体性等待。（4）生产线切换造成的等待。换线换模时，人会产生等待，换线时间越长，等待时间越长。（5）生产中设备原因（含设备故障、设备调校、设备非标准速度运转等）造成的下游制程等待。（6）人机不平衡造成的人或机器的等待。人机不平衡造成等待，或者人等机或者机等人，但到底需要人等机还是机等人是个经济问题。如人每小时需要付给他20元，机器连同机器相关的场地水电只支出10元，那么肯定让机器歇着等人合算，比如电脑。但在企业里大多数情况下是机器单位支出肯定比人的支出贵得多，所以人机不平衡解决的第一个问题是消除机等人的情况。 第二种情况就是解决人本身等待的问题。举例：T公司铣削制程有4台机器，每台机器l个人，分别每人看1台，作业流程分别为： ①人取产品，装夹产品（10秒）。②机器作业，人等待（60秒）。③人取产品，装夹产品（l0秒），然后依次循环。则周期时间10+10=70秒，人的利用率为10/70=14.3%，机器利用率60/7O=85.7%。在此案例中，机器作业时间远长于人作业时间，造成人等待和利用率只有14%。见图4。（7）品质问题造成的停机等待。生产中良率不会是100%，但稳定的生产中品质是可控的，变异很小的，是可以在生产计划时预见的。而造成停机等待的品质问题指的是突然的批量性的问题，这时会造成生产的混乱，会安排重新生产、修机修模、返工、工程重新验证、找客户签样板等。这个问题导致的等待和来料原因导致的等待有相似之处，就是比较突然，非连续性和可预见性，通常在这时人和机就在等待。（8）最小搬运量定额太高，搬运批次少。（9）管理造成的人、机等待（如安排不当、开会、操作不熟练等）。3.等待浪费的影响。（1）延长L/T。等待对生产周期有直接的影响。等待的累计时间越长，产品的生产周期自然就越长。（2）成本压力增加。机器及人力闲置直接导致成本中固定成本部分的平均摊销变大，增加了成本压力。4.等待浪费的消除方法。（1）平衡产能。第一种情况：利用生产线平衡法、制程间产能平衡法对生产线/制程进行平衡分析。如下图所示。改善前有A-F共6个工站（制程），生产线不平衡，平衡率只有82%，等待较多。而改善后减少了一个工站，只有A一E共5个工站（制程），同时平衡率96%，减少了很多等待。第二种情况：在产能平衡中经常用到的，对于生产速度不同，标准工时差异大的制程通常采用机器数量调节与班（日）生产时间调节的方式。如上图等待浪费示意图（1）例子所示可以改善成为等待浪费示意图（3）的样子。按照这个方案，PTH依旧上两个班16小时，而SMT上三个班，23甚至24个小时，前后制程基本产能平均了，人和机都无须互相等待了。第三种情况：用相对加工速度慢但变化弹性大，物流流量小但频次高的cell模式安排生产。在cell模式生产方式下，各制程根据自己的生产需求安排人力设备，生产节拍是可变的，当等待出现的时候，精益生产管理人员会马上调整生产节拍，所以Cell生产模式也可以很有效地减少等待的浪费。第四种情况也是最高级境界，即生产同期化，就是将上下游制程的生产节拍、生产能力和生产时间相同。在这时等待自然不会发生了，浪费也就消除了。（2）减少搬运批量。减少搬运批量，提高搬运频次是降低WIP的方法之一。大家知道，降低WIP是企业管理的一个重要指标，假如在满足这个指标后，WIP少了，只有1个小时，但你的搬运批量还是2个小时一次，那当有换型发生时，下一制程起码要等2小时，但如果你15分钟搬运一次，那么下一制程只需要等15分钟就可以了，所以减少搬运批量，提高搬运频次也是减少等待的有效方法之一。（3）减少来料、生产计划、设备故障、品质异常等原因的停线。加强物料管理能力，按需、按时供料；实施全员生产性维护（TPM），加强生产线自动化水平及设备保养维护，是减少等待的有效的但系统性强的方法。（4）缩短切换时间。导入快速换线（SMED）方法，消除/减少换线损失，可以有效地减少由于切换停机造成的下游等待，这点毫无疑问。（5）人机平衡。在人机联合作业中，我们需要考虑人与机的平衡，人机平衡就要尽量提升人与机的利用率。比如图4可以改为图5的情况。图5中，作业改为4台机器，总共1个人，作业流程分别为：①人取机器1产品，装夹产品（10秒）+走到机器2（4秒），机器2/3/4运行。②人取机器2产品，装夹产品（10秒）+走到机器3（4秒）。机器1/3/4运行。③人取机器3产品，装夹产品（10秒）+走到机器4（4秒），机器1/2/4运行。④人取机器4产品，装夹产品（10秒）+走到机器1（8秒），机器1/2/3运行。然后依次循环。则周期时间70秒，机器运转60秒，人作业60秒（人走动3x4+8=20秒，装夹10x4=40秒，即人员总计工作时间60秒），所以人和机器利用率都是60/70=85.7%。在此案例中，人及机器的利用率都有了很多提升，更重要的是将作业人员从4个人减少到1个人，还减少了人的等待。（6）对于管理造成的人、机等待，我们需要做的是合理的工作安排，作业员培训及操作机能及作业熟练度的提升，产线基础管理水平的提升等。八、管理的浪费1.概述。在制造现场，管理的目的是使人机料处于最佳的受控状态，对于问题的处理和解决做到快速有效，能够有效地提高效率，维持高的质量水平、低的成本水平及快的物流速度，恰到好处的交期，从而提高企业的身体体质和市场竞争力。但许多企业在管理上还存在误区，仅仅增加了管理人员，精细化了某些制度，但实施效果却不尽如人意，这岂不是更大的浪费，所以大野之后的人特别在上述的7个浪费之后又加了这个管理浪费。2.管理浪费表现形式。（1）管理浪费之等待浪费。①等待上级的指示；②等待外部的回复；③等待下级的汇报；④等待生产现场的联系。（2）管理浪费之协调不利的浪费。①工作进程的协调不利；②领导指示的贯彻协调不利；③信息传递的协调不利；④ERP业务流程的协调不利。（3）管理浪费之闲置的浪费。我们把管理工作中的库存浪费称之为“闲置”。机构重益、职能重叠，形成人浮于事，使生产要素不能有效地利用，发挥最大的作用，造成闲置的浪费。例如：固定资产的闲置；职能的闲置或重叠；工作程序复杂化形成的闲置；人员的闲置；信息的闲置。 （4）管理浪费之无序的浪费。“无以规矩，不能成方圆”，这句古语说明了秩序的重要性，缺乏明确的规章制度、流程，工作中容易产生混乱，这是众所周知的。但是如果有令不行、有章不循，按个人的意愿行事造成的无序浪费，更是非常糟糕的事。无序包括：①职责不清造成的无序；②业务能力低下造成的无序；③有章不循造成的无序；④业务流程的无序。（5）管理浪费之失职的浪费。失职的浪费是管理中的最大浪费，责任心不强的表现形式之一是应付。应付就是工作虽然干了，但是不主动，不认真，敷衍搪塞了事，不是追求最好的结果，从而缺乏实际效果，这种浪费在工作中是经常见到的。（6）管理浪费之低效的浪费。低效的含义包括：①工作的低效率或者无效率；②错误的工作，是一种负效率，没有一次把事情做好就是最大的浪费。我们允许的是创造性的失误，而不允许反复发生低级的错误。低效率造成的原因：①管理人员的低素质导致工作的低效率；②方法不当也是低效率的原因之一；③故步自封的僵化思想是低效率的温床。（7）管理浪费之管理成本的浪费：①计划编制无依据；②计划执行不严肃；③计划查核不认真；④计划处置完善不到位；⑤费用投入与收入（收益）不配比。

在激烈的市场竞争下，“人因工程”的重要性逐渐被各个行业的生产者们认识到，人们更能体会到设计的本质是什么。在当今，医疗公司对用户需求和目标人群的精确把握成为了项目成功的关键一步，对不同设备配置，市场规模，销售机会和成本目标等因素的研究成为了概念设计的重要基础。在新产品开发过程中，许多问题需要考虑，如目标市场对成本敏感吗？该设备是否比市场上的竞争产品更易于使用？它适合临床医生的工作流程吗？现在的竞争市场不是仅仅提供产品的市场，而是要根据客户需求提供产品和服务，产品设计不仅仅停留在“用户想要怎么样的产品”的基础上去构想，而更是要弄明白“用户的表面需求和本质需求的区别。用户调研：并非非常昂贵如果您要制造医疗器械，在产品开发之前进行详细的用户调研是必不可少的。用户调研提供了对早期原型机设计有价值的见解。如果对目标用户没有充分了解，您将可能无法为最终用户提供适当的设计，同时很难在验证测试中获得满意的结果。但是，有些人说进行这项“额外”研究似乎是多此一举。他们认为用户调研难以进行，耗费了大量的人力，物力和财力，最终获得的可能是个无效的结果。实际上，研究活动不必太复杂，可以使用折价的方式，并且具有良好的价值回报。用户调研（对目标用户，关键任务和任务环境的研究）方法目的是快速收集大量信息，例如问卷调查可以在一天之内获得大量有效的数据结果，而访谈和焦点小组可以采访多达5至8个目标用户来获取丰富的定性信息。使用这些方法，项目团队可以形成可指导产品构想的用户资料和用户需求要求，并制定有意义的设计注意事项。调研过程中要记住“精简过程”，并知道如何集中精力进行研究，以便产生可行的结果和设计投入。用户研究值得投资用户调研是驱动可用产品开发的一种低成本且极为有效的方式，当然优点不仅仅限于可行的设计输入，对于后期投资回报率的计算也颇有帮助。极大可能通过总结性评估医疗器械需要通过总结性评估。在可用性方面经过精心设计的仪器更有可能通过评估。如果设计团队选择性跳过用户研究和测试，那么他们才是冒着真正的失败风险，省略用户调研来节省预算，最终可能会花费更多的投资来承担风险减少诉讼可用性差会导致产品出现错误，并且这些错误让产品生产商面临诉讼，从而影响品牌形象。在进行良好的用户研究的基础上进行可用性测试和设计，可以减少犯错的可能性，从而减少发生诉讼的可能性。可用性提高了用户使用率影响用户使用技术或产品的决策有多种因素，其中一个是可用性。相对于可用性较差的仪器，可用性更高的仪器更容易被采用和使用。因此，提高可用性可以提高产品在市场上的成功率，并最终在众多竞争者之间获得大部分市场。用户调研对于一款产品在市场上的成功是至关重要的，这也是医疗器械公司实现创造有竞争力的产品承诺的前提。以人为本的设计是我们流程的核心。 ITL团队知道用户和市场调研虽然不是法规强制要求的，但是却是非常重要的部分，目的是尽量降低产品开发风险，在后面设计验证和评价阶段尽量减少失败的发生。在项目开始之前，ITL团队会协助客户对产品目标用户进行市场评估和用户研究，包括焦点小组，访谈，观察，文件检索，调查或参与式设计会议等方法获得总结性研究。在设计和开发过程中尽早关注客户和用户的需求，提供用户可以轻松使用并可以在实际条件下安全操作的仪器.

近期，华为EMUI 11带来了""的焕新交互体验，其中"一镜到底"的流畅动效与律动铃音的声振协同，使用户可以真正体验到"手眼心合一"的舒适操作。这背后自然离不开华为人因研究团队的彻夜努力，这支"梦之队"由清华、浙大、中科院等院校心理学、人因工程专业博士与硕士组成，他们用科学的人因研究成果量化用户体验，让EMUI 11迎来了视、听、触的多维升级。用户体验是门大学问，但也能被科学量化9月11日，华为EMUI官微放出的一则视频，向用户揭开了EMUI 11基于人因研究成果的一镜到底动效背后的秘密。从广义来说，"一镜到底"是指电影工业中运用高级技巧将作品一次性拍摄完成的手法，比如希区柯克的《夺魂索》就是"一镜到底"的先驱。而在EMUI 11"一镜到底"动效中，华为人因研究团队和UX设计团队利用前后两个界面共享的内容、或者是共享的区域编排过渡效果，从而确保了视觉焦点的连贯，简单来说就是"视觉效果不cut"。在实现EMUI 11"一镜到底"流畅动效的过程中，华为人因研究团队邀请了大量志愿者参与人眼追踪数据采集，这个时候就需要通过精密的桌面式眼动仪来协助抓取了。通过眼动仪，可以观察、获取和研究受测试志愿者观看手机界面变化时的眼动数据，如果注视点更集中，注视轨迹不杂乱，就说明视觉感受更加流畅。上面这张图，其实就是桌面眼动仪分析用户眼动数据后的科学量化过程，绿色的圆点表示了注视点。根据人因研究团队的实验证明，一镜到底转场动效比普通转场动效拥有更加快速的搜索效率；在信息量较为密集的日历界面中，能让用户浏览时注视点更加集中。此外，人因研究团队在更多交互体验上也进行了大量的数据测试，比如全局手势导航的返回手势、侧边栏手势、返回桌面手势、多任务手势、快切手势……每一种手势都在志愿者配合下进行了高达2592次的真实操作，最终共计测试了15552次滑动，从而更加精准的识别用户触发全局手势的意图。华为人因研究团队就是通过这种"笨方法"，获得了来自参与测试志愿者的海量有效数据，用于改善用户操作交互体验，最终实现了更流畅、更舒适的动效交互，可谓是"比丝滑更丝滑"。律动铃音，听觉与触觉的完美协同如果说一镜到底动效是视觉与触觉的完美交融，那么EMUI 11基于人因研究成果的律动铃音，就实现了声音与振动的协同共振。举个例子，当天上有一道闪电划过，由于光速和声速的快慢不同，你肯定先看到闪电的样子，再听到打雷的声音，因此会有一种不真实的割裂感。而EMUI 11通过大量人因研究的科学实验，确定了一组关键数据，那就是以响铃发生时间点为分界线，振动如果出现在铃声节拍的-46ms～23ms区间内，用户就会感到声音与振动是舒适同步的，而不是割裂的。因此EMUI 11将基于人因研究的声振感知同步结果，分别注入了来电、消息与闹钟三种铃声场景中，实现了完美同步的专属振动，为用户带来了极具沉浸感、协同感与愉悦感的声振协同体验，而且取了"律动铃音"这样的名字，看来华为人因研究团队不仅有理科生的缜密思维，还有文科生的细腻浪漫。"一镜到底"让你的视觉更聚焦，基于人因研究的全局手势导航让系统交互变得更懂你，而律动铃音则让你在听觉与触觉上拥有更一致的体验。华为EMUI 11将人因研究成果进一步运用于实际的用户场景，持续为用户打造"因人而宜"的视、听、触交互体验，展现出了科技在理性之外的感性一面！

人机交互(HCI)的兴起20世纪70年代，随着个人计算机的出现，人机交互领域也浮现出来。由于计算机尺寸缩小且价格降低，对于计算机操作不够熟练的普通用户，就需要一种简单有效的人机交互方式。例如，台式计算机的操作就要便捷易懂，能够照顾经验不足的用户，而非只适合那些经过训练的专业人员。后来，人机交互的重心扩展到游戏、学习教育、商业、健康与医疗应用、应急规划与响应，以及协作与社区支持系统等领域。如今，人机交互的跨学科性体现在计算机科学与行为科学的交叉领域。人机交互的目标是创建一套易于用户操作的安全有效系统，这个概念看似并不复杂，但却需要综合计算机科学、认知科学及人因工程学等领域的技术。人机交互领域的研究员通常做些什么事？人机交互的研究员致力于了解人们的想法和交互方式，然后将这些因素纳入新系统的设计或现有系统的更新当中。专家表示：“人们大脑的运作方式很有趣，我们对颜色和形状等事物有着与生俱来的反应力，研究员们需要了解这些细微差别，进而能以最佳的方式显示或呈现信息。”人机交互(HCI)的应用对于需要开发核心业务软件的许多企业来说，人机交互的研究员是非常宝贵的人才。例如，美国联邦航空管理局就聘请人员，组建了一个研究控制塔的人机交互部门。在对空中交通管制软件中所使用的颜色或字体进行变更之前，他们会展开缜密的研究，了解这些更改可能会对用户造成何种影响。倘若在没有恰当研究和测试的情况下就进行软件修改，可能会造成严重后果。虽然有些企业可能不会在人机交互领域专门投入一整个部门，但从人机交互中获得的原则知识则可以适用于许多工作。例如：产品开发人员可以利用人机交互的方法，更好地了解公司计划推出的新电子设备或软件的用户。用户体验开发商可以聘用人机交互研究员，从而确保公司的网站或广告能够刺激客户的购买欲。数据科学家可以研究人机交互的原理，进而开发能够最有效传达信息的数据可视化面板。软件工程师可以利用人机交互研究，为新用户开发革命性的产品。为什么要学习人机交互？美国很多大学开设了计算机科学硕士专业的学位项目，下设“人机交互”专业方向，深受各类学生欢迎。“有些学生已经是企业家，他们很有想法，并且想更多地了解人们为何会具有某种行事方式；还有些学生对人类、心理学或认知科学充满求知欲，而另一些学生则真的很喜欢做研究，一群背景多样化的学生，他们拥有不同的人生经历及看待事物的不同方法。还有一些学生更像是交际型的程序开发人员，他们希望从人机交互领域中获得更多涉及人类的知识储备。”人机交互专业的学生会学习有关人类能力以及计算工件、设计和评估等方面的基础知识。这个专业方向还会深入探究用于设计和评估计算机软件系统的研究方法，以及传感器、触感装置及可穿戴设备等下一代集成形态。从研究能力，到数据分析技术，所学到的各种技能还可以运用到其他领域，对技术领域中人类研究方面感兴趣的学生来说，人机交互确实是一个有趣的学习领域。