VDT環境下事務性腦力勞動疲勞規律研究

汪紀新 張于賢

摘要：在智能制造背景下，生產系統的自動化和信息化逐漸提高使得腦力勞動者不斷攀升。本文運用算式加法實驗來模擬事務性腦力勞動工作過程，通過出錯率來定量反映腦力疲勞程度，再運用數理統計手段分析事務性腦力勞動疲勞特征規律并運用到實際生產。

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.

關鍵詞： 智能制造；腦力勞動；疲勞特征

Key words： intelligent manufacturing；mental work；fatigue features

中圖分類號：R338 文獻標識碼：A 文章編號：1006-4311（2018）26-0239-02

0 引言

隨著工業4.0、中國制造2025等概念的提出，我國制造業生產系統的自動化和信息化程度正快速提高。同時，視頻顯示終端 （visual display terminal，VDT）設備在日常生產當中得到了廣泛的應用，人機互動的水平逐漸提高。因此，越來越多的人員需要運用VDT從事比較復雜的腦力工作，隨之而來的是腦力負荷的增加。那么，如何對腦力勞動者進行工作測量及疲勞評價，核定工作量、人員配置、績效評定等就顯得迫在眉睫和具有十分重要的現實意義。

對腦力勞動負荷測量一般有四種方法，分別是主觀評價法、主任務測量法、輔助任務測量法和生理測量法。本文由于只研究事務性腦力勞動，同時在綜合考慮實驗條件和量化程度等因素后采用的是主任務測量法。簡單的說，本文就是設計了同類型但不同難度的三種加法算式試題，通過隨著實驗時間增加引起出錯率的變化來量化事務性腦力勞動的疲勞程度。

1 實驗設計

1.1 實驗思路和準備

本實驗主要通過簡單而大量的加法算式計算結果在各個時間段出錯頻率的大小來模擬事務性腦力勞動工作過程，進而來反映實驗對象的腦力疲勞程度。實驗在我們商學院工業工程實驗室里進行的，以3名本學院男性在讀碩士研究生志愿者為受試對象，平均年齡在25～26歲，均為右利手。受試者的視力或者矯正視力>1.0，身高平均為172cm且此前都未做過如此大量的加法算式運算。

1.2 實驗任務

在VDT環境下，讓甲乙丙3名受試者分別做三類不同的加法算式試題。具體如下：

A組：兩個兩位數的加法運算，形如29+76；

B組：兩個三位數的加法運算，形如235+692；

C組：三個兩位數的加法運算，形如56+17+95。

然后依次讓甲、乙、丙三個受試志愿者做A、B、C三類試題，并持續4個小時。

1.3 實驗步驟

S1：實驗后勤人員在實驗室準備三臺電腦，并安裝加法算式運算軟件，設置好算式類型并做好出題準備；

S2：讓甲、乙、丙三名志愿者按正確的坐姿分別做A、B、C三組不同難度的試題，實驗上午八點統一開始，持續4小時。（即上午8：00——12：00之間，期間禁止休息）；

S3：每名受試志愿者各配備一名實驗記錄員，實驗八點開始后，他們每隔5分鐘就記錄本時間段內所做的題量和做錯的題目數量，并登記在原始數據記錄表上；

S4：做到4個小時后受試志愿者需立刻停止答題，并離場。

2 數據處理

我們用出錯率來衡量疲勞程度，所謂出錯率就是每5分鐘做過的題目中做錯題目的頻率，即出錯率=5分鐘做錯的題目/5分鐘內做過的題目。我們的實驗記錄員會在實驗期間每隔5分鐘做一次數據記錄，記錄的主要內容是在5分鐘時間段內受試志愿者完成題目的數量和在5分鐘內受試志愿者答題出錯的個數。

我們把A、B、C三種難度的出錯率的平均出錯率作為本實驗的最終出錯率，因此得出平均出錯率的數據記錄表如表1所示。

運用Excel數據分析工具得出事務性腦力疲勞特征曲線如圖1所示。

其回歸方程為：

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

計算其擬合優度為：R2=0.9332。

3 討論分析

其實，我們這個曲線與機械產品的失效率曲線相似，屬于類浴盆曲線。所謂浴盆曲線就是反映機械產品總體整個壽命期失效率的情況，因其曲線形狀和浴盆的剖面很相像故稱為浴盆曲線。它一般分為早期失效期、偶然失效期和耗損失效期。早期失效期曲線為遞減型，其產品投入使用的早期由于設計、制造、存儲和運輸等形成的缺陷，需要經過一段時間的調試、磨合后，才逐漸運轉正常。耗損失效期其失效率曲線是遞增型，在某個時間點后由于老化、疲勞、磨損、蠕變、腐蝕等所謂的耗損的原因所引起的，故稱為耗損失效期。

同樣地，我們做個類比，機械產品的失效和人腦疲勞出錯在屬性上其實是具有一致性的。一個是反映機械產品的工作中的損耗程度，一個是反映人腦力工作的疲勞程度，人腦其實也是一個機器，只不過他的機理比較復雜而已。因此，我們不妨把這個平均特征曲線也分為適應工作期和疲勞工作期兩個階段。

第一個階段從平均特征曲線可以發現出錯率由開始的很大到逐漸降低，本文認為為由于受試志愿者從未做過如此大量且專門的加法算式運算，存在事務性腦力勞動工作熟悉期，需要一定時間的適應工作。

第二個階段，可以先做定性分析，本文認為由于工作一段時間后，腦力勞動開始使用更多的資源，出現疲勞，因此受試志愿者的出錯率會呈現不斷增大的趨勢。

再做出定量分析，觀察平均特性曲線可以發現，在第二階段內一段時間出錯率很低，且出錯率的相對變化率也很低，不妨定義為非疲勞工作期；在過了某一時刻的后一段時間內出錯率很高，且出錯率的相對變化期也很高，不妨定義為疲勞工作期。

一個正常的成年人在計算數學算式時都有一定的出錯率，因此在這里，我們類比作業測定里的時間寬放，對出錯率進行寬放。結合曲線規律和數據分析本文將出錯率寬放至6%，也就是說6%以下的出錯率是屬于正常出錯率。

因此，依據平均特性曲線的關系表示，當Y=0.06時得：

X1≈6，X2≈29 ； （X≥0）

因此，真正的事務性腦力勞動的疲勞規律曲線應該是第二階段即：

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

故：在6

總結可得：在115分鐘內，事務性腦力勞動工作基本不受疲勞影響；若超出115分鐘，則處于疲勞工作期，隨著事務性腦力勞動工作者作業時間的增加，腦力疲勞程度不斷增加。

在做了以上定量分析后，我們將疲勞規律應用到一家生產傳感器企業的SMT智能生產車間，對該生產線的成本降低、效率提升和績效評定等方面起到了十分積極的作用。

參考文獻：

[1]彭曉武.VDT作業腦力勞動負荷評價的實驗研究[D].華中科技大學，2006.

[2]田勇軍.腦力勞動工作測量的可行性研究[D].華中科技大學，2005.

[3]賈惠僑.腦力疲勞的研究綜述[J].科教文匯，2016（8）：49-63.

[4]馬俊林，王春艷，曾昭翔.對“浴盆”曲線表達方式的探討[J].內燃機車，1997（12）：19-21.