大规模定制化和日益激烈的竞争迫使产品制造商采取多品种混流生产来提高市场响应能力[1]。混流生产要求作业者能够在多种产品生产之间频繁切换,其复杂的生产环境容易导致作业者分心。多任务处理和事件干扰使得作业者面临着工作中断问题[2],而工作中断除了对生产效率有所干扰外,还会对作业者情绪、注意力以及脑认知负荷存在不利影响[3],进而导致人因失误事件增加,安全生产难以保证。研究作业者工作中断的影响机理,不仅可以指导企业管理者制定正确合理的决策,以消除中断带来的不利影响,还可以为标准时间制定与生产作业控制提供重要的科学依据,进而实现可持续高效生产。
目前关于中断对任务绩效的影响存在着矛盾的观点。一方面,工作中断会对任务绩效造成负面影响。Ratwani等[4]认为中断会导致生产力下降,作业者会由于任务未完成产生沮丧情绪,需要投入更多的注意力和时间重新集中到主任务。谢建飞等[5]发现中断造成护理人员的工作效率下降,失误发生概率增加。Cai等[6]通过实证分析得出中断导致作业者后续生产力下降3.3%的结论。另一方面,工作中断对任务绩效也存在积极作用。Roy等[7]认为中断会给作业者带来一定的休息时间,可以缓解工作疲劳。Camerer等[8]也认为中断后作业者会付出更多努力去弥补中断带来的绩效损失,生产力会有所提升。Speier[9]则发现在决策任务中,中断有助于简单任务决策,但不利于复杂任务决策。Pankok等[10]发现在手工装配任务中,复杂中断提高了生产效率,相似中断使作业者心率上升。此外,中断对作业者的认知负荷等心理状态也会造成一定影响。Zijlstra等[11]研究表明中断是以损失员工满意度和积极情绪等心理资源为代价来提升效率;Lee等[12]还发现中断会增加体力和脑力负荷,降低生产效率,造成“时间压力”和超负荷的不良心理状态。Eyrolle等[13]发现认知资源需求量大的中断会导致更多的认知错误。
以往中断研究大部分从复杂度和相似性2个维度展开,侧重于航空、医疗以及互联网等行业,主要涉及人机交互、认知心理学、人因工程等领域的认知任务。在以动作技能为主的轻型装配作业中,同样存在中断频发且易引发不同后果的问题。合理评估中断任务复杂度和相似性对轻型装配作业的影响程度可以指导企业科学地制定应对措施。同时,目前研究主要聚焦中断对任务绩效的影响,而轻型装配作业中零部件体积小,差异化程度低,作业者在零部件识别、拿取、定位和装配时需要高度集中注意力,如电子产品、仪器仪表、控制装置和挠性线路装配等。因此作业者的脑认知负荷也是轻型装配作业中断研究的关键因素之一,其与工作绩效之间存在着“倒U”形关系[14],即随着任务需求量的增加,作业者的脑认知负荷先下降再保持平稳最后上升,而工作绩效反之。同时,脑认知负荷过高还是导致人因失误的重要原因[15-16]。但现有关于中断对作业者脑认知负荷的影响研究只是通过量表、问卷或访谈等主观评价方法来反映,需要通过更加客观的方法来进行评价。近年来最新发展的近红外光学成像技术(near-infrared spectroscopy,NIRS)为此类问题的研究提供了可能。NIRS技术利用神经活动时脑血流变化原理,如工作时含氧血红蛋白(O2Hb)浓度增加或脱氧血红蛋白(HHb)浓度减少[17],其凭借时间、空间分辨率高,能够量化生理数据的优点,弥补了测量方法主观性、滞后性的缺点,解决了作业者脑认知活动内隐性的难题。通过NIRS技术研究作业者中断效应问题,可以实时反映并量化作业者在装配过程中以及中断发生时的注意力转移和脑认知负荷变化[18],能够深入探究中断效应产生的神经活动机制,保证企业管理者制定的中断管理策略能够有效降低作业者的脑认知负荷。
已有研究表明,乐高模型装配过程所需的基本动素行为(寻找、选择、定位、握取、移物等)与iPhone手机装配等轻型装配任务基本一致[10, 19],因此采用乐高装配任务代表轻型装配任务具有一致性和典型性,对相关问题的研究解决具有标准型和示范性。综上所述,本文选取乐高模型作为实验对象,设计中断复杂度(简单;复杂)×相似性(相似;不相似)的乐高模型模拟轻型装配实验,记录作业者操作绩效、错误率指标,并利用NIRS设备采集、监测其左右脑前额叶含氧血红蛋白等生理数据及其变化,分析不同中断类型对作业者操作绩效和脑认知负荷的影响规律及其内在机理,从而指导轻型装配企业合理制定标准作业时间和中断管理策略,降低作业者脑认知负荷,以实现可持续高效生产。
1 方法 1.1 被试根据类似实验范式[10]和G-power样本量计算[20](样本数量20人,结果解释效度为0.916,满足心理学实验要求的效度0.8以上的规定),随机招募24名近一年以来未参与任何模型装配的大四学生(男性20人,女性4人),年龄为21~24岁(
本文实验主任务是采用7种类型的模型零件装配36层的乐高模型,所需材料的尺寸、颜色、安装位置以及顺序如图1(a)所示。中断任务按照相似性(相似;不相似)和复杂度(简单;复杂)主要分为4种类型,具体设计要求如表1所示。根据目标、操作、方法、选择规则(goals,operations,methods,selection rules,GOMS)模型计算中断任务所需的工作记忆(working memory,WM)模块数量,确保任务设计符合实验要求[21]。其中,简单相似任务是采用4种类型的模型零件装配12层乐高模型,如图1(b)所示;复杂相似任务是采用9种类型的模型零件装配5层乐高模型,该模型的三维视图如图1(c)所示,装配过程中需要被试进行心理旋转;简单不相似任务是计算115道简单加法题;复杂不相似任务是计算6道运算量大的乘法题。
其中,乐高模型装配与手机组装作业流程一样[10, 22],可以代表电子产品、仪器仪表装配等以动作技能为主的轻型装配任务,作业者主要进行相对简单重复的装配动作,但其脑认知负荷会由于作业者异质性、时间压力等因素影响出现不同程度变化,而加法、乘法等运算是认知心理学常用的实验材料[23],可以代表机床操作或人机界面交互等认知类任务[10, 24],作业者主要进行相对复杂的脑力活动。
1.3 实验平台与设备本文实验的主任务和中断任务分别在2张互相垂直的工作台上完成,2张工作台上都摆放有零件盒和电脑显示器。根据《GB/T13547-92工作空间人体尺寸》计算出零件摆放位置与被试最佳距离约为459 mm,摆放顺序及数量均相同,如图2所示。主任务和相似中断任务的标准装配指导书分别通过2台Lenovo台式电脑展示,显示器分辨率为1024×768,刷新频率为60 Hz,被试双眼距离屏幕约为650 cm,不相似任务的计算题打印于A4纸上,被试可直接填写。
实验采集设备包括Nikon摄像机和PortaLite近红外光谱仪,摄像机主要记录被试完成主任务和中断任务的视频,以便后续的行为数据分析;PortaLite便携式近红外光谱系统使用3个激光源,每个激光源组合2个波长(即760 nm和850 nm)和一个接收器,平均光极间距离为40 mm,源间距为4 mm。根据国际10-20脑电图系统,测量区域大致对应于Fp1和Fp2位置,主要实时监测被试大脑前额叶区域的含氧血红蛋白浓度(O2Hb)、脱氧血红蛋白浓度(HHb)和总的血红蛋白浓度(tHb)变化。
1.4 实验流程被试到达实验室后,首先阅读并签署知情同意书;然后主试介绍本次实验的主任务、中断任务以及具体流程;待被试练习熟练至相同水平后,再佩戴PortaLite近红外光学脑成像采集设备。
正式实验开始后,被试需要保持2 min的静息态,听到开始装配指令后立即开始主任务装配,若无中断指令则可直接进行主任务装配,直至完成;若有中断指令(一声铃响)则需停止当前主任务装配,移至中断任务工作区域进行相应的中断任务,中断任务完成后立即回到主任务工作区域,继续先前未完成的主任务装配,直至完成。每组装配任务完成后,被试需要休息5~10 min,以便于状态恢复和模型零件补充。
以往有关中断时间的情景意识框架研究认为,被试在参与实验3~5 min后才能完全进入实验系统状态[25]。因此,本文设定的中断时间点为实验正式开始后3 min。
1.5 实验因变量实验过程中记录被试主任务和中断任务的错误率、中断前后3层的平均装配时间以及中断前后40 s的左右脑前额叶区域O2Hb相对浓度变化量,相关因变量的定义如表2所示。
本文实验数据分析主要包括行为时间数据分析和近红外脑数据分析。经过分析,以下情况的4名被试的实验数据被剔除:被试没有按照规定程序进行实验(1名)、实验过程中出现多次较大幅度头动干扰(1名)以及NIRS设备信号中断(2名)。因此本文选取了剔除无效数据后的16名男性和4名女性的数据进行分析。
行为时间数据分析首先通过实验视频回放统计中断任务前后3层主任务的平均装配时间,然后进行数据筛选。一般认为残差值超过标准差的3倍即为异常值,在剔除4个异常值后,再利用SPSS20.0软件对样本进行配对t检验和方差分析,显著性水平为P<0.05,以分析中断任务的复杂度和相似性对主任务绩效的影响。
近红外脑数据分析包括以下步骤。
1) 滤波去噪。利用Oxymon软件对原始数据进行0.5 Hz低通滤波处理,主要剔除由于机器噪声、生理噪声产生的干扰。
2) 数据处理。利用Matlab 2016a软件计算被试静息态后30 s以及中断发生前后40 s的左右脑前额叶区域O2Hb相对浓度平均值,将中断发生前后40 s的数据减去静息态平均值,即可得到中断发生前后40 s的左右脑前额叶区域O2Hb相对浓度变化量。
3) 显著性检验。通过BOX-COX(
主任务和中断任务的错误率如表3所示,通过Kruskal-Wallis检验分析发现,5组实验条件之间的主任务装配错误率不存在显著性差异(H=1.085,P=0.897),4种类型的中断任务完成错误率之间存在显著差异(H=25.503,P<0.01)。通过Mann-Whitney检验分析发现,复杂度对中断任务错误率有显著作用(U=374,Z=−4.870,P<0.01),而相似性对中断任务错误率无显著作用(U=755,Z=−0.515,P=0.606)。
为了评价中断任务对主任务绩效的影响,统计分析了中断任务前后3层主任务的平均装配时间,如图3所示。
通过对样本进行配对t检验分析发现:简单−相似中断任务后3层主任务的平均装配时间(11.467±4.004)比中断任务前(10.233±2.302)要显著增加(t(19)=2.204,P=0.040),复杂−相似中断任务后3层主任务的平均装配时间(10.633±2.759)比中断任务前(9.167±1.954)要显著增加(t(19)=4.397,P<0.01),复杂−不相似中断任务后3层主任务的平均装配时间(11.200±2.194)比中断任务前(10.467±2.194)要显著增加(t(19)=2.349,P=0.030),而简单−不相似中断任务前3层主任务的平均装配时间(9.150±1.782)与中断任务后(9.983±3.031)没有显著差异(t(19)=1.125,P=0.275)。
为了评价不同中断类型对主任务绩效的影响,对中断任务前后3层主任务平均装配时间的变化值进行方差分析。结果显示,相似性对主任务绩效存在显著作用(F(1, 72)=4.208, P=0.044),复杂度对主任务绩效不存在显著作用(F(1, 72)=0.278, P=0.599),且两者之间不存在交互作用(F(1, 72)=0.416, P=0.521)。与不相似中断任务(0.491±1.095)相比,相似的中断任务(1.106±1.464)导致中断后3层主任务平均装配时间显著增加。
2.3 脑认知负荷指标左右脑前额叶区的含氧血红蛋白(O2Hb)浓度变化可以评估不同类型中断对脑认知负荷的影响,如图4和图5所示。
通过对O2Hb相对浓度变化值进行方差分析,结果显示如下。
左侧前额叶脑区:相似性对左脑O2Hb相对浓度存在显著作用(F(1, 76)=76.042, P<0.001),复杂度对左脑O2Hb相对浓度不存在显著作用(F(1, 76)=1.507, P=0.223),且两者之间不存在交互作用(F(1, 76)=1.426, P=0.236)。
右侧前额叶脑区:相似性对右脑O2Hb相对浓度存在显著作用(F(1, 76)=48.789, P<0.001),复杂度对右脑O2Hb相对浓度不存在显著作用(F(1, 76)=2.440, P=0.122),且两者之间不存在交互作用(F(1, 76)=1.998, P=0.162)。
综合上述,与相似中断相比,不相似中断导致脑认知负荷显著增加。
2.4 实验结果分析实验中断任务后,主任务绩效有不同程度的降低。这和先前研究得出的中断会对主任务绩效产生负面效应的结论是一致的,同时也证明了目标记忆激活模型中关于中断机理的假说。主任务的目标记忆会在中断任务的干扰下逐渐衰减,作业者对中断任务进行编码,达到一定阈值后才开始中断任务,在中断任务完成后,作业者继续主任务时,作业者需要时间来抑制不同中断干扰水平,以恢复主任务目标记忆[26]。这就导致了中断后作业者操作时间增加。此外,主任务与相似中断任务的目标记忆相似线索条件较多,导致中断任务完成后,其目标记忆不易被抑制,相似中断任务的目标记忆衰减速度较慢。因此,相似的中断更容易导致主任务绩效降低,这与以往研究认知任务得出的注意力焦点转换机制存在不一致[27],从而进一步发展了动作技能型任务注意力焦点转换过程中的工作记忆理论。
其次,实验揭示的中断任务的复杂度和相似性对作业者脑认知负荷的影响规律,发展了认知负荷的资源有限理论和图示理论。人在操作多项任务时需要根据任务总量对认知资源进行分配,任务的知识信息则围绕某个主题以图示单元的形式进行贮存[28]。在中断任务发生时,作业者需要投入认知资源对中断任务目标进行编码,中断时主任务工作记忆仍占用认知资源。在任务相似的条件下,主任务和中断任务的工作记忆是以单个图示单元贮存的,不需要额外的意识控制和资源消耗,因此认知负荷变化不显著。而任务不相似条件下则相反,多个图示单元的工作记忆提取时需要意识控制和资源消耗,因此脑认知负荷有显著增加。以图示单元的形式来贮存工作记忆,使得工作记忆的信息元素、产生规则组织化和自动化。单个图示单元在一定的认知资源阈值内,工作记忆的复杂度、元素大小并不会对认知负荷产生影响[29]。因此,相似但复杂度不同的中断任务并没有导致认知负荷出现显著差异。
综上,相似中断导致作业者的操作绩效下降,但没有造成脑认知负荷出现显著差异。而不相似中断会导致作业者的脑认知负荷增加,但不会导致操作绩效下降。以往研究认为,脑认知负荷增加会带来绩效的损失,而本文实验不相似中断并没有导致绩效下降。这是由于作业者在面临着资源需求量较大的不相似中断时,会通过认知努力来弥补时间绩效的损失[8]。企业管理者往往仅关注操作绩效的变化,而没有深入探究作业者操作绩效变化背后的神经活动机制,忽视脑认知负荷变化带来的不利影响。这种不利影响虽然在短期是不明显的,但长期处于此种状态会对工人情绪、心理造成不良影响,甚至威胁作业者身心健康,不利于企业可持续高效率的保持。
最后,主任务错误率不存在显著差异,这是因为本次轻型装配任务较为简单,作业者能够快速了解并熟练掌握,装配过程中不易发生错误。而中断任务的完成质量则由于中断类型不同存在显著差异,复杂中断任务出错率更高。这也给企业应对中断管理提供了启示,企业尽可能避免复杂度高的中断任务。
3 结论为了探讨不同中断类型对作业者操作绩效和脑认知负荷影响差异,本文从脑科学视角,运用神经人因学实验方法,分析了中断复杂度和相似性对轻型装配作业者操作绩效和脑认知负荷的影响规律及其内在机理,得到以下结论。
1) 通过分析左右脑认知负荷指标,发现了不同中断类型下作业者的注意力资源分配规律。中断任务的相似性与脑认知负荷存在显著效应,不相似中断任务会导致作业者脑认知负荷增加;通过分析作业者的行为绩效指标证明了目标记忆激活模型中由中断效应引起的干扰水平、强化和启动约束的假说。除简单−不相似中断任务外,其他3种类型中断任务均会导致作业者操作绩效降低。中断任务的相似性与作业者操作绩效存在显著效应,相似中断任务更容易导致作业者操作绩效降低。
2) 通过对操作绩效与脑认知负荷之间的交互分析发现,中断效应不仅会对作业者的操作绩效造成影响,还会导致作业者脑认知负荷出现显著差异。作业者的操作绩效直接影响企业生产效率,脑认知负荷则与作业者心理状态相关,是作业者能否可持续高效生产的关键之一。因此,企业在中断管理策略制定、标准时间制定以及生产作业控制时,不能仅关注操作绩效的变化,而忽视了作业者脑认知负荷变化,应当尽量保证作业者处于相对稳定状态,进而实现可持续高效生产。
3) 综合考虑认知负荷、操作绩效以及中断任务错误率指标,企业对中断事件的重视程度优先级顺序是:复杂−不相似>简单−不相似>复杂−相似>简单−相似。
4) 中断任务复杂度对中断任务完成质量有重要影响。中断任务复杂度与作业者出错率存在显著效应,作业者在完成复杂度高的中断任务过程中出错率更高。因此,企业在生产中断过程中要重视对中断任务复杂度高的任务完成质量进行检验。
[1] |
CHAO K M. A dynamic evolutionary mechanism for mixed-production[J].
International Journal of Production Research, 2008, 46(9): 2499-2517.
DOI: 10.1080/00207540701737757. |
[2] |
KOLBEINSSON A, THORVALD P, LINDBLOM J. Coordinating the interruption of assembly workers in manufacturing[J].
Applied Ergonomics, 2017, 58(1): 361-371.
|
[3] |
LEE B C, DUFFY V G. The effects of task interruption on human performance: a study of the systematic classification of human behavior and interruption frequency[J].
Human Factors & Ergonomics in Manufacturing & Service Industries, 2015, 25(2): 137-152.
|
[4] |
RATWANI R M, TRAFTON J G, MYERS C. Helpful or harmful? Examining the effects of interruptions on task performance[J].
Human Factors & Ergonomics Society Annual Meeting Proceedings, 2006, 50(3): 372-375.
|
[5] |
谢建飞, 丁四清, 曾赛男, 等. 护理中断事件的概念分析和启示[J].
中华护理杂志, 2013, 48(2): 175-178.
XIE Jianfei, DING Siqing, ZENG Sainan, et al. Concept analysis and enlightenment of nursing interruption events[J]. Chinese Journal of Nursing, 2013, 48(2): 175-178. DOI: 10.3761/j.issn.0254-1769.2013.02.027. |
[6] |
CAI X, GONG J, LU Y, et al. Recover overnight? work interruption and worker productivity[J].
Management Science, 2017, 64(8): 3489-3500.
|
[7] |
ROY D F. " Banana time” job satisfaction and informal interaction[M]. New York: Routledge, 2017: 31-41.
|
[8] |
CAMERER C, BABCOCK L, LOEWENSTEIN G, et al. Labor supply of New York city cabdrivers: one day at a time[J].
Quarterly Journal of Economics, 1997, 112(2): 407-441.
DOI: 10.1162/003355397555244. |
[9] |
SPEIER C, VALACICH J S, VESSEY I. The influence of task interruption on individual decision making: an information overload perspective[J].
Decision Sciences, 2010, 30(2): 337-360.
|
[10] |
PANKOK C, ZAHABI M, ZHANG W, et al. The effects of interruption similarity and complexity on performance in a simulated visual-manual assembly operation[J].
Applied Ergonomics, 2017, 59(Pt A): 94-103.
|
[11] |
ZIJLSTRA F R H, ROE R A, LEONORA A B, et al. Temporal factors in mental work: effects of interrupted activities[J].
Journal of Occupational & Organizational Psychology, 2011, 72(2): 163-185.
|
[12] |
LEE B C. Validation of interruption management stage model: can we develop the human cognitive behavior model in interruptive working environment?[C]. International Conference on Applied Human Factors and Ergonomics. Cham: Springer, 2017: 393-402.
|
[13] |
EYROLLE H, CELLIER J M. The effects of interruptions in work activity: field and laboratory results[J].
Applied Ergonomics, 2000, 31(5): 537.
DOI: 10.1016/S0003-6870(00)00019-3. |
[14] |
孙林岩, 崔凯, 孙林辉. 人因工程[M]. 北京: 科学出版社, 2011: 299-319.
|
[15] |
DURANTIN G, GAGNON J F, TREMBLAY S, et al. Using near infrared spectroscopy and heart rate variability to detect mental overload[J].
Behavioural Brain Research, 2014, 259(2): 16-23.
|
[16] |
张力, 翟龙真, 贾惠侨, 等. 基于提高分拣效率的快递面单优化设计研究[J].
工业工程, 2016, 19(2): 105-111.
ZHANG Li, ZHAI Long-zhen, JIA Hui-qiao, et al. An optimization design research on express waybill to improve the efficiency of sorting[J]. Industrial Engineering Journal, 2016, 19(2): 105-111. DOI: 10.3969/j.issn.1007-7375.2016.02.016. |
[17] |
ANWAR A R, MUTHALIB M, PERREY S, et al. Effective connectivity of cortical sensorimotor networks during finger movement tasks: a simultaneous fNIRS, fMRI, EEG study[J].
Brain Topography, 2016, 29(5): 645-660.
DOI: 10.1007/s10548-016-0507-1. |
[18] |
TANAKA H, KATURA T, SATO H. Task-related oxygenation and cerebral blood volume changes estimated from NIRS signals in motor and cognitive tasks[J].
Neuroimage, 2014, 94(7): 107-119.
|
[19] |
MA W. An application of quantitative methods for motor ability level classification, performance prediction and training protocol selection[D]. North Carolina: North Carolina State University, 2014.
|
[20] |
BRUCE Rodda, STEVEN P Millard, ANDREAS Krause, et al. Power and sample size calculations[M]. New York: Springer-Verlag, 2001: 269-297.
|
[21] |
KIERAS D. A guide to GOMS model Usability evaluation using NGOMSL[M]//Handbook of Human-Computer Interaction Second Edition. Amsterdam: Elsevier, 1997: 733-766.
|
[22] |
余琦玮, 冯定忠, 徐新胜, 等. 基于Lego模拟的装配作业脑力负荷测量方法[J].
工业工程与管理, 2018, 23(5): 53-59.
YU Qiwei, FENG Dingzhong, XU Xingsheng, et al. Measurement of mental workload in assembly based on Lego simulation[J]. Industrial Engineering and Management, 2018, 23(5): 53-59. |
[23] |
孔繁森, 李小兵, 赵航, 等. 时间压力与操作员操作绩效关系的实验研究[J].
工业工程与管理, 2013, 18(1): 100-105.
KONG Fansen, LI Xiaobing, ZHAO Hang, et al. Experimental study between worker’s operational performance and time pressure[J]. Industrial Engineering and Management, 2013, 18(1): 100-105. DOI: 10.3969/j.issn.1007-5429.2013.01.016. |
[24] |
PATRICK J, MORGAN P L, SMY V, et al. The influence of training and experience on memory strategy[J].
Memory & Cognition, 2015, 43(5): 1-13.
|
[25] |
ENDSLEY M R. Direct measurement of situation awareness: validity and use of SAGAT[M]. New York: Routledge, 2017: 129-156.
|
[26] |
ALTMANN E M, TRAFTON J G. Memory for goals: an activation‐based model[J].
Cognitive Science, 2002, 26(1): 39-83.
DOI: 10.1207/s15516709cog2601_2. |
[27] |
VOIGT S, HAGENDORF H. The role of task context for component processes in focus switching[J].
Psychologische Beiträge, 2002, 44(2): 248-274.
|
[28] |
ISOTANI S, MIZOGUCHI R. Cognitive load theory[J].
Psychology of Learning & Motivation, 2010, 55(4): 37-76.
|
[29] |
HANHAM J, LEAHY W, SWELLER J. Cognitive load theory, element interactivity, and the testing and reverse testing effects[J].
Applied Cognitive Psychology, 2017, 31(3): 265-280.
DOI: 10.1002/acp.v31.3. |