VDT环境下事务性脑力劳动疲劳规律研究

汪纪新 张于贤

摘要：在智能制造背景下，生产系统的自动化和信息化逐渐提高使得脑力劳动者不断攀升。本文运用算式加法实验来模拟事务性脑力劳动工作过程，通过出错率来定量反映脑力疲劳程度，再运用数理统计手段分析事务性脑力劳动疲劳特征规律并运用到实际生产。

Abstract： In the context of smart manufacturing， the automation and informationization of production systems are gradually improving， and mental workers are constantly on the rise. This paper uses the arithmetic addition experiment to simulate the work process of transactional mental work. Through the error rate to quantitatively reflect the degree of mental fatigue， and then use mathematical statistics to analyze the characteristics of transactional mental labor fatigue and apply it to the actual production.

关键词： 智能制造；脑力劳动；疲劳特征

Key words： intelligent manufacturing；mental work；fatigue features

中图分类号：R338 文献标识码：A 文章编号：1006-4311（2018）26-0239-02

0 引言

随着工业4.0、中国制造2025等概念的提出，我国制造业生产系统的自动化和信息化程度正快速提高。同时，视频显示终端 （visual display terminal，VDT）设备在日常生产当中得到了广泛的应用，人机互动的水平逐渐提高。因此，越来越多的人员需要运用VDT从事比较复杂的脑力工作，随之而来的是脑力负荷的增加。那么，如何对脑力劳动者进行工作测量及疲劳评价，核定工作量、人员配置、绩效评定等就显得迫在眉睫和具有十分重要的现实意义。

对脑力劳动负荷测量一般有四种方法，分别是主观评价法、主任务测量法、辅助任务测量法和生理测量法。本文由于只研究事务性脑力劳动，同时在综合考虑实验条件和量化程度等因素后采用的是主任务测量法。简单的说，本文就是设计了同类型但不同难度的三种加法算式试题，通过随着实验时间增加引起出错率的变化来量化事务性脑力劳动的疲劳程度。

1 实验设计

1.1 实验思路和准备

本实验主要通过简单而大量的加法算式计算结果在各个时间段出错频率的大小来模拟事务性脑力劳动工作过程，进而来反映实验对象的脑力疲劳程度。实验在我们商学院工业工程实验室里进行的，以3名本学院男性在读硕士研究生志愿者为受试对象，平均年龄在25～26岁，均为右利手。受试者的视力或者矫正视力>1.0，身高平均为172cm且此前都未做过如此大量的加法算式运算。

1.2 实验任务

在VDT环境下，让甲乙丙3名受试者分别做三类不同的加法算式试题。具体如下：

A组：两个两位数的加法运算，形如29+76；

B组：两个三位数的加法运算，形如235+692；

C组：三个两位数的加法运算，形如56+17+95。

然后依次让甲、乙、丙三个受试志愿者做A、B、C三类试题，并持续4个小时。

1.3 实验步骤

S1：实验后勤人员在实验室准备三台电脑，并安装加法算式运算软件，設置好算式类型并做好出题准备；

S2：让甲、乙、丙三名志愿者按正确的坐姿分别做A、B、C三组不同难度的试题，实验上午八点统一开始，持续4小时。（即上午8：00——12：00之间，期间禁止休息）；

S3：每名受试志愿者各配备一名实验记录员，实验八点开始后，他们每隔5分钟就记录本时间段内所做的题量和做错的题目数量，并登记在原始数据记录表上；

S4：做到4个小时后受试志愿者需立刻停止答题，并离场。

2 数据处理

我们用出错率来衡量疲劳程度，所谓出错率就是每5分钟做过的题目中做错题目的频率，即出错率=5分钟做错的题目/5分钟内做过的题目。我们的实验记录员会在实验期间每隔5分钟做一次数据记录，记录的主要内容是在5分钟时间段内受试志愿者完成题目的数量和在5分钟内受试志愿者答题出错的个数。

我们把A、B、C三种难度的出错率的平均出错率作为本实验的最终出错率，因此得出平均出错率的数据记录表如表1所示。

运用Excel数据分析工具得出事务性脑力疲劳特征曲线如图1所示。

其回归方程为：

y=-0.000003x3+0.00035x2-0.0094x+0.11025

计算其拟合优度为：R2=0.9332。

3 讨论分析

其实，我们这个曲线与机械产品的失效率曲线相似，属于类浴盆曲线。所谓浴盆曲线就是反映机械产品总体整个寿命期失效率的情况，因其曲线形状和浴盆的剖面很相像故称为浴盆曲线。它一般分为早期失效期、偶然失效期和耗损失效期。早期失效期曲线为递减型，其产品投入使用的早期由于设计、制造、存储和运输等形成的缺陷，需要经过一段时间的调试、磨合后，才逐渐运转正常。耗损失效期其失效率曲线是递增型，在某个时间点后由于老化、疲劳、磨损、蠕变、腐蚀等所谓的耗损的原因所引起的，故称为耗损失效期。

同样地，我们做个类比，机械产品的失效和人脑疲劳出错在属性上其实是具有一致性的。一个是反映机械产品的工作中的损耗程度，一个是反映人脑力工作的疲劳程度，人脑其实也是一个机器，只不过他的机理比较复杂而已。因此，我们不妨把这个平均特征曲线也分为适应工作期和疲劳工作期两个阶段。

第一个阶段从平均特征曲线可以发现出错率由开始的很大到逐渐降低，本文认为为由于受试志愿者从未做过如此大量且专门的加法算式运算，存在事务性脑力劳动工作熟悉期，需要一定时间的适应工作。

第二个阶段，可以先做定性分析，本文认为由于工作一段时间后，脑力劳动开始使用更多的资源，出现疲劳，因此受试志愿者的出错率会呈现不断增大的趋势。

再做出定量分析，观察平均特性曲线可以发现，在第二阶段内一段时间出错率很低，且出錯率的相对变化率也很低，不妨定义为非疲劳工作期；在过了某一时刻的后一段时间内出错率很高，且出错率的相对变化期也很高，不妨定义为疲劳工作期。

一个正常的成年人在计算数学算式时都有一定的出错率，因此在这里，我们类比作业测定里的时间宽放，对出错率进行宽放。结合曲线规律和数据分析本文将出错率宽放至6%，也就是说6%以下的出错率是属于正常出错率。

因此，依据平均特性曲线的关系表示，当Y=0.06时得：

X1≈6，X2≈29 ； （X≥0）

因此，真正的事务性脑力劳动的疲劳规律曲线应该是第二阶段即：

y=-0.000003x3+0.00035x2-0.0094x+0.11025

故：在6

总结可得：在115分钟内，事务性脑力劳动工作基本不受疲劳影响；若超出115分钟，则处于疲劳工作期，随着事务性脑力劳动工作者作业时间的增加，脑力疲劳程度不断增加。

在做了以上定量分析后，我们将疲劳规律应用到一家生产传感器企业的SMT智能生产车间，对该生产线的成本降低、效率提升和绩效评定等方面起到了十分积极的作用。

参考文献：

[1]彭晓武.VDT作业脑力劳动负荷评价的实验研究[D].华中科技大学，2006.

[2]田勇军.脑力劳动工作测量的可行性研究[D].华中科技大学，2005.

[3]贾惠侨.脑力疲劳的研究综述[J].科教文汇，2016（8）：49-63.

[4]马俊林，王春艳，曾昭翔.对“浴盆”曲线表达方式的探讨[J].内燃机车，1997（12）：19-21.