劉莉，郭伏，呂偉，任增根

(東北大學 工商管理學院，遼寧 沈陽 110169)

1 引言

近些年，科技水平的提升和智能制造領域的發(fā)展大幅度地促進了眾多行業(yè)領域的自動化水平發(fā)展。據統(tǒng)計，商業(yè)、軍事、工廠和交通等多個行業(yè)的自動化水平已得到快速提升，2020年我國數字化車間/智能工廠普及率超過了20%[1-2]。一方面，自動化水平的提升可以有效減少工作中作業(yè)人員的工作負荷，將重體力、高重復性質的作業(yè)任務交由機器來實現；另一方面，由于自動化水平的提升，人-機系統(tǒng)也越來越復雜，作業(yè)任務中體力負荷有所緩解，但可能會引起腦力負荷的增加[3]。雖然自動化水平的提升能在一定程度上解放人力，減少工作負荷，但在現實生產環(huán)境中，被解放的人力往往會被用于其他生產工作，以保證生產效率的提升[4]。這就意味著行業(yè)中自動化水平的提升，雖然保證了生產率的增加，但是否真正降低了作業(yè)人員的工作負荷，仍有待進一步的調研與研究。

隨著科技的高速發(fā)展，多種智能機械設備正在逐步實現自動化、機器人化，但是完全自動化和無人化的生產系統(tǒng)在短期內是無法實現的[5]。當前，在部分行業(yè)中，隨著自動化水平的提升，生產一線所需的人員數量正在逐年減少，大部分手工作業(yè)被機械化所取代，但在如今的制造業(yè)工作的所有時間中，仍有大約一半是用來做體力勞動的[6]。在各行業(yè)中，自動化的漸進式發(fā)展與應用，在減輕作業(yè)人員體力負荷的同時，也促使工人在人——機系統(tǒng)中角色與工作內容的轉變，例如手工操作的執(zhí)行者轉換為機器操作的監(jiān)控者。研究表明，在某些行業(yè)，如汽車、航空等，由于自動化水平的提升，人的體力負荷會下降，而相應的腦力負荷會增加[7-8]。這是由于，在機器參與作業(yè)任務的過程中，雖然一些重體力、高重復性質的工作可以被取代，但當人的閑置能力被用于安排其他工作任務時，整體工作負荷的提升和下降并不是絕對的。

基于此，眾多學者都致力于研究高自動化水平下，不同行業(yè)工作者腦力負荷的變化。研究表明，自動化操作中的監(jiān)控作業(yè)雖然減少了作業(yè)人員的體力負荷，但是會提高認知工作負荷，同時導致作業(yè)人員的警戒性和情景意識的降低[9-10]。在航空設備操作中，飛行員的角色從飛機控制的執(zhí)行者轉變?yōu)樽詣玉{駛系統(tǒng)的監(jiān)視者,即作業(yè)人員的體力負荷下降、腦力負荷增加的現象變得更加突出[11]。在制造業(yè)中，當機器人參與生產安排，作業(yè)人員整體的體力負荷變化則需要取決于整體生產計劃的安排，而不會因為自動化水平的提高而直接減少體力負荷或是腦力負荷[12]。

目前研究不同自動化水平下的作業(yè)任務，大都只針對具體工位或作業(yè)步驟[13]。考慮機器人參與下，某個工位工人的作業(yè)負荷變化，而沒有從整個行業(yè)的角度進行比較，片面的強調了自動化水平提升情況下，工人作業(yè)負荷的變化情況。研究整體行業(yè)自動化水平提升對廣大作業(yè)人員的健康水平和企業(yè)的長遠發(fā)展有著十分重要的意義。為了能更好地了解不同自動化水平下，不同行業(yè)之間勞動者的工作負荷情況，本文從體力負荷和腦力負荷兩個角度出發(fā)，對各個行業(yè)勞動者的工作負荷進行評估，探究不同自動化水平的行業(yè)對工作負荷的影響。

2 方法

2.1 模型構建

自動化水平對未來行業(yè)的發(fā)展影響較大，各個行業(yè)體力負荷和腦力負荷直接關系著整個行業(yè)從業(yè)人員的職業(yè)健康問題；且自動化水平、所需技能水平、體力和腦力負荷和行業(yè)類型之間存在著密切的關系。據此，本文構建了五個因素，自動化水平A,行業(yè)所需技能水平B，行業(yè)類型C和各個行業(yè)的體力負荷D1和腦力負荷D2。這些因素對于行業(yè)的發(fā)展都存在著非常重要的影響，但各因素之間的是否存在相關關系，是怎樣的相關關系系仍是需要探究的。因此，本文提出以下10個假設：H1所需技能水平和自動化水平之間正相關、H2所需技能水平和行業(yè)類型之間正相關、H3自動化水平和行業(yè)類型之間正相關、H4自動化水平和體力負荷之間負相關、H5 自動化水平和腦力負荷之間正相關、H6行業(yè)類型和體力負荷之間正相關、H7行業(yè)類型和腦力負荷之間正相關、H8體力負荷和腦力負荷之間正相關、H9所需技能水平和體力負荷之間負相關、H10所需技能水平和腦力負荷之間正相關，關系模型如圖1 所示。

圖1 自動化水平、所需技能水平、體力和腦力負荷、行業(yè)類型的關系模型

2.2 實驗材料

本研究采用美國職業(yè)信息網(Occupational Information Network，O*NET)數據庫中的數據進行分析和評估。該數據庫是由美國勞工部(U.S.Department of Labor)開發(fā)的，覆蓋美國現有的974種職業(yè)，每種職業(yè)中包含277條職業(yè)信息描述的網絡平臺。在O*NET數據庫中可以獲得不同職業(yè)的定義、分類、技能統(tǒng)計和評估、工作內容等各類詳細數據，這些數據來源于專職人員對每種職業(yè)人口和職業(yè)專家的調查和問卷評估。這些統(tǒng)計結果每年都會被整合到新版數據庫中，以提供隨著時間推移職業(yè)發(fā)展的最新信息。本研究中選取了2020年10月13日更新以后的O*NET數據庫版本。

2.3 方法選擇

評估作業(yè)者腦力負荷和體力負荷常用的方法有很多，如，NASA-TLX量表(NASA Task Load Index，NASA-TLX)、Cooper-Harper評定量表和主觀工作量評估技術(Subjective workload assessment technique，SWAT)是評價腦力負荷的常用手段；職業(yè)重復動作檢查表(OCRA checklist)、手部活動水平閾值(Hand Activity Level (HAL) Threshold Limit Value (TLV))和壓力指數(Strain Index，SI)等是常用來評價體力負荷的工具。

NASA-TLX是一種廣泛使用的、主觀的和多維的評估工具，通過對感知的工作量進行評級，以評估任務、系統(tǒng)或團隊的效率或其他方面的表現。它是由美國宇航局艾姆斯研究中心(Ames Research Center)的人類性能小組開發(fā)的，包含六個主觀分量表，分別是精神需求、生理需求、時間需求、績效、努力程度和挫折程度，每個項目得分在100分范圍內進行評估，然后根據六個分量表評分的加權平均得出總體工作量評分[14]。迄今為止該量表已被超過4400項研究引用，包括航空、醫(yī)學、工業(yè)在內的各個領域都會利用該量表進行腦力負荷評估[15-18]。

壓力指數是是一種基于生理學、生物力學和流行病學原理的半定量工作分析方法，該方法一般用于評估工作中上肢疾病風險程度，主要包含六個任務變量，分別是：工作強度(Intensity of exertion,IE)、工作時長(Duration of exertion，DE)、每分鐘的工作時長(Exertions per minute，EM)、手/手腕姿勢(hand/wrist posture，HWP)、工作速度(speed of work，SW)和每天工作時長(duration of task per day，DD)。每個任務變量都會根據作業(yè)內容被評估為一個參數值，六個任務變量乘數的乘積即為壓力指數得分。這個分數與區(qū)分任務風險水平的梯度進行比較，最后通過乘積得分進行最后的健康風險水平判斷[19]，如表1所示。該指數能夠對當前工作進行分析，以評估其是否安全或危險，對風險進行量化，并協(xié)助進行工作的初步設計或重新設計工作，是評估工作風險的常用手段。該方法通過對各個參數進行定量分析，幫助用戶識別工作的特定方面，避免某項作業(yè)任務朝著危險評估的方向發(fā)展，因此，利用該模型可以有針對性的消除或降低風險[20-21]。

表1 壓力指數的參數和乘數對照表

因此，本研究選取了NASA任務負荷指數量表對腦力負荷進行評估，選取壓力指數對體力負荷進行評估。

2.4 參數轉換

在O*NET數據庫中，我們能夠從900多種職業(yè)中獲得各項職業(yè)的277條數據，這些數據不僅包含了每個工作的具體內容，同時也能夠對每項職業(yè)的能力和負荷要求進行評估和打分。為了對每項工作的體力和腦力負荷進行評估，我們在數據庫中，選取了與NASA-TLX量表和SI量表計算所用參數的相似指標，作為替代指標進行分析評估。具體的各項參數替代情況如表2所示。

表2 SI和NASA-TLX參數對應的O*NET指標

各個工作的參數得分均可以在數據庫O*NET中獲得，該數據庫中的參數得分則來源于實際工作中的工人打分。由于從O*NET中獲得的參數得分均在0-100區(qū)間內，因此需要在計算SI得分時，根據SI各項參數的取值范圍進行標準化轉換(如表1所示)，以便最后的得分與風險程度進行比較。

2.5 數據搜集

從O*NET數據庫中一共可以得到974種職業(yè)，除去軍事類職業(yè)無法得到詳細信息外，共可以得到873種職業(yè)的數據，每種職業(yè)包含277條職業(yè)信息，我們主要搜集的是其中可以代替問卷指標的參數和各個職業(yè)的自動化程度評分。首先，我們從數據庫中導出需要的各項參數的評分，然后根據SI和NASA-TLX的計算方式，分別求得各個職業(yè)體力負荷和腦力負荷的得分。其中SI的總分是六項參數的乘積，并將其結果根據得分分為安全(SI<3)，不確定(3≤SI≤5)，稍許風險(5≤SI≤7)和危險(SI≥7)；在各項參數權重默認相等的情況下，NASA-TLX總分是各個參數之和，且分值越大表示此時承受的腦力負荷越大。

自動化水平(Degree of Automation)是指這個工作的自動化程度，可以從O*NET數據庫中獲得，得分范圍為0-100分，具體打分標準如圖2所示。

圖2 自動化水平評分標準

所需技能水平是指每個職業(yè)需要的經驗、培訓和教育水平。根據O*NET受訪人員調查，將職業(yè)需要的技能水平分為五類：1.非常少或者不需要技能；2.需要少量的技能；3需要一些技能；.4.需要大量的技能；5.需要卓越廣泛的技能。

行業(yè)類型是指具有類似活動，產品或服務的廣泛的企業(yè)或組織。根據就業(yè)類型被分為藝術、教育、交通、軍隊，制造和醫(yī)療等23個行業(yè)，但O*NET數據庫中不提供有關軍事行業(yè)的各類信息，因此本文選取的行業(yè)類型不包含軍事，共計22類，詳細信息如表3所示。

表3 O*NET中的行業(yè)類型信息

3 結果

本文采用統(tǒng)計分析軟件IBM SPSS Statistics 26.0對實驗結果進行分析和討論。根據變量數據類型選擇相應的Pearson、Speaman、Kendall’s tau-b等相關分析方法進行分析，結果如表4和表5所示。H1檢驗結果表示，自動化水平和職業(yè)所需技能水平顯著相關，且呈現負增長關系。H2、H3檢驗結果表示行業(yè)類型和所需技能水平、自動化水平顯著相關。H4、H5檢驗結果顯示自動化水平和體力負荷與腦力負荷之間不顯著，即沒有統(tǒng)計學上的相關關系。而H6、H7的檢驗結果表示，行業(yè)類型與體力負荷和腦力負荷之間均顯著相關，但與腦力負荷相關性非常小。H8檢驗結果表明各個職業(yè)中，腦力負荷和體力負荷之間存在關系，并且是顯著正相關。H9、H10檢驗結果表示，所需技能水平與體力負荷存在顯著負相關關系，而與腦力負荷之間雖然顯著相關，但相關系數非常小。

表4 各因素相關性檢驗結果

表5 行業(yè)類型下的相關數據

4 討論

4.1 體力負荷和自動化水平、行業(yè)類型、腦力負荷、所需技能水平的關系

根據相關性分析H4檢驗結果，體力負荷與自動化水平之間不存在顯著相關，這與普遍認知中的高自動化水平會減少人體體力負荷的結論存在差異。雖然許多研究表明機械器具可以完成大量重復、高負荷的作業(yè)任務，但實際上，當部分任務被取代時，作業(yè)者此時的空閑時間并不會完全用于等待或者操縱機器。與之相反，當機器取代人工，此時的人工會被分配于其他機器無法實現的任務，以追求生產率的增加，這種情況下，人體體力負荷的變化是未知的。Pearce等通過對作業(yè)工位上加入協(xié)作機器人進行研究發(fā)現，隨著自動化水平的提升，作業(yè)者的體力負荷并不是一直減小，工廠往往會同時考慮最大化生產效率。因此，在同時考慮生產效率和SI的情況下，分配給協(xié)作機器人不同的作業(yè)任務，會造成不一樣的負荷結果[22]。Tsarouchi等提出了一種針對作業(yè)者和機械器具的任務分配算法，該算法力求在最小化任務完成時間和作業(yè)負荷，同時最大化資源利用率[23]。可以看出，現有的研究有大多針對在最小化作業(yè)負荷的同時，追求生產效率，這就意味著體力負荷和自動化水平之間并不是原有認知中的負增長關系，而是隨著自動化水平的提升，作業(yè)者的空閑時間會被用于操作其他作業(yè)任務以提高生產效率。因此，如何最小化作業(yè)負荷和最大化生產效率，是現有研究的重點。H9的檢驗結果表明，體力負荷和所需技能水平顯著負相關，表明某個職業(yè)所需要的技能水平越高，則需要的體力負荷相對較小。如藝術、設計、媒體等相關行業(yè)對于從業(yè)人員的技能要求水準很高，而體力負荷相對較小。張健的研究表明，學歷水平和工作負荷之間存在負相關，學歷越高的護理人員認為工作負荷越低[24]。雖然這并不是絕對，但在現有情況下教育水平越高，所需技能水平越強，則可以選擇的從業(yè)門檻越低，從而避免從事高體力負荷的工作。

H6和H8的檢驗結果表明，體力負荷與腦力負荷、行業(yè)類型之間存在顯著相關，且體力負荷和腦力負荷之間顯著正相關。這表明體力負荷不僅在行業(yè)中存在差異，且各職業(yè)一般會同時要求體力和腦力負荷，如醫(yī)護從業(yè)者、建筑技工、電工、鉆機操作員等。以往研究表明，隨著自動化水平的提升，在體力負荷降低的同時，會導致腦力負荷的增加[25]。另一方面，一些工作中體力負荷和腦力負荷存在正相關關系，當作業(yè)者的空閑時間被分配給其他任務時，整體任務的體力負荷和腦力負荷需要重新評估。

4.2 腦力負荷和自動化水平、行業(yè)類型、所需技能水平的關系

根據相關性分析H5的檢驗結果，腦力負荷與自動化水平之間不存在顯著相關。以往研究表明，在某些工作中，隨著自動化水平的提升，作業(yè)者的角色由原有的任務操作向信息監(jiān)控處理方面轉變，從而導致腦力負荷的增加[26]。以飛行員為例，隨著飛機自動化程度的提高，操作者需要及時掌握大量任務信息,同時或繼時完成多項任務,從而保證安全飛行，導致飛行員的腦力負荷不斷增加[27]。而Cottrell&Barton的研究表明，駕駛的自動化趨勢降低了駕駛任務的復雜性，減少精神負擔和壓力，從而產生更積極的情緒反應[28]。實際上，提升自動化水平可以降低駕駛工作的總體任務要求[29]。例如，車輛的正常運行是對于許多駕駛員來說一項壓力很大的任務，而將該任務的某些特性可以通過自動化可以減輕負擔[30]。這表明在自動化提升的過程中，腦力負荷并不會因為作業(yè)者角色的轉變而逐漸遞增，腦力負荷變化需要結合自動化程度和任務內容重新評估，而不是簡單地認為作業(yè)者從事信息監(jiān)控方面的任務會增加腦力負荷。在不同類型的工作中，腦力負荷也有所不同，如在需要邏輯思維、創(chuàng)新力、領導力的執(zhí)業(yè)中，腦力負荷往往需求較大。從O*NET中得到的數據表明，腦力負荷較大的職業(yè)集中在醫(yī)護、技術開發(fā)、維護修理等行業(yè)，而農林、教育、銷售等行業(yè)則對腦力負荷要求較低。H10的檢驗結果表明，腦力負荷和所需技能水平之間雖存在顯著負相關，但相關系數非常小，說明兩者之間關系并不像體力負荷和所需技能水平之間聯(lián)系那么緊密。

4.3 所需技能水平與自動化程度、行業(yè)類型的關系

通過相關性分析H1的檢驗結果，自動化與所需技能水平之間呈現顯著負相關，意味著某個職業(yè)的自動化水平越低，則該職業(yè)所需要的技能水平越高。如廚師、保姆、汽車修理工、設計師等職業(yè)，由于其任務的復雜性和產品難以批量處理等問題，無法采用機械化器具進行生產，而這些行業(yè)往往對從業(yè)人員的技能水平要求較高。現有機器人在創(chuàng)新[31]、批判[32]、感知[33]等方面的發(fā)展雖相較以往有大量進步，但在這些領域相關的行業(yè)，人工仍是行業(yè)發(fā)展的核心。H3檢驗結果表明自動化水平與行業(yè)類型顯著相關，說明自動化水平在各行各業(yè)中存在不同。根據O*NET行業(yè)類型的編號顯示，商業(yè)(Business and Financial Operations，自動化水平得分36.16)、行政(Office and Administrative Support，自動化水平得分41.41)、生產(Production，自動化水平得分37.60)等行業(yè)的自動化平均水平較高(如表4所示)。這是由于近年來計算機的發(fā)展水平日新月異，而現有辦公的主要手段則是依靠計算機技術，電腦的普及和更新使得與之相關行業(yè)的自動化水平迅猛提升。與之相反，藝術設計(Arts,Design,Entertainment,Sports,and Media，自動化水平得分19.95)、教育(Educational Instruction and Library，自動化水平得分15.53)等行業(yè)的由于其需要從業(yè)者獨特的創(chuàng)造力、感知力等，相關的智能設備發(fā)展在這些能力上不夠完善，因而這些行業(yè)的自動化發(fā)展緩慢。H2的檢驗結果表明，所需技能和行業(yè)類型之間也存在顯著關系，O*NET得到的數據可知，食品加工業(yè)(Food Preparation and Serving Related，所需技能得分1.88)和建筑清理業(yè)(Building and Grounds Cleaning and Maintenance，所需技能得分1.75)從業(yè)者所需技能要求最低。這些行業(yè)的技能要求集中在協(xié)調、口頭表達和理解、手部靈活性等方面，對學習能力和教育水平要求不高，行業(yè)的從業(yè)門檻較低，其中食品加工業(yè)78.5%的從業(yè)者的教育程度是高中及以下。教育(Educational Instruction and Library，所需技能得分4.67)和科學(Life,Physical,and Social Science，所需技能得分4.42)行業(yè)所需要的技能水平則是所有行業(yè)中最高的。根據O*NET數據顯示，經濟學家的從業(yè)者中91%以上是碩士學歷，同時對邏輯思維、批判思維和決策能力要求較高。

5 總結

本文通過對O*NET數據庫中共計873中職業(yè)進行分析，發(fā)現各行業(yè)的自動化水平和行業(yè)內從業(yè)者的體力和腦力負荷沒有顯著相關關系，而自動化水平與行業(yè)類型和從業(yè)所需技能之間存在顯著相關。行業(yè)類型不同，體力和腦力負荷也存在差異。從整體行業(yè)上來講，腦力負荷并不會隨著體力負荷的減少而減少，與之相反，體力和腦力負荷之間存在正相關關系。隨著自動化程度的提升，降低任務操作的復雜性，不僅僅會減少作業(yè)者的體力負荷，也會導致腦力負荷的降低。本文通過對大量職業(yè)信息的數據進行提取和分析，可以從全行業(yè)角度，針對自動化的提升對從業(yè)者體力和腦力負荷的變化進行了詳細闡述，但本研究基于自動化水平對于不同職業(yè)的影響，具體工位上自動化水平的改變對于作業(yè)者體力和腦力負荷的變化，則需要進一步探究。