《Sustainable Futures》：Industry 5.0 through the lens of ergonomics and sustainability: Mapping the territory
编辑推荐：
为应对工业4.0过度技术中心化带来的劳动者疏离、就业冲击及可持续性挑战，本文通过系统性文献综述与文献计量分析，首次绘制了工业5.0(Industry 5.0)框架下人机工程学(Ergonomics)与可持续性(Sustainability)交叉领域的研究版图。研究发现该领域呈碎片化但快速演进的态势，并识别了关键技术主题、研究集群与实施挑战，为构建人本中心、具有韧性的可持续生产系统提供了整合性理论基础与未来研究方向。
蒸汽机的轰鸣拉开了第一次工业革命的序幕，电力与流水线催生了第二次，计算机与自动化引领了第三次。而当下，我们正身处以人工智能(AI)、物联网(IoT)、网络物理系统(CPS)深度融合为特征的工业4.0时代。这场技术革命极大地提升了生产效率与质量，却也带来了新的隐忧：对自动化、效率的极致追求，是否在无形中“绕过”了生产线上的“人”？技术狂飙的背后，是劳动者对工作疏离的忧虑和对岗位被取代的恐惧。
正是在这样的背景下，一个更具温度与远见的概念——工业5.0(Industry 5.0)应运而生。它并非对工业4.0的否定，而是一次深刻的范式转变：从技术中心转向人本中心(Human-Centricity)。工业5.0强调人类智慧与机器能力的创造性协作，旨在构建一个不仅高效，而且更具韧性(Resilience)和可持续性(Sustainability)的生产系统。它将工人的福祉置于生产过程的中心，追求超越就业和增长的社会目标。然而，尽管“人本”、“可持续”、“韧性”被公认为工业5.0的三大支柱，现有研究却往往将它们割裂对待。人机工程学(Ergonomics)与可持续性这两个在各自领域已发展成熟的概念，在工业5.0的语境下如何交织、互促？这个新兴交叉领域的研究版图究竟是何模样？有哪些关键主题、研究缺口与未来方向？为了回答这些问题，由Tahseen Arshi等人开展的研究，通过系统性文献综述与文献计量分析，首次对工业5.0中人机工程学与可持续性的交叉领域进行了全面测绘与整合分析，相关成果发表在《Sustainable Futures》上。
为开展这项研究，研究人员主要运用了以下关键方法：1) 系统性文献检索与筛选：基于PRISMA框架，在Scopus和Web of Science两大核心数据库中进行系统检索，通过严格的纳入与排除标准，最终筛选出128篇文献进行深入分析。2) 文献计量与可视化分析：利用VOSviewer软件对筛选出的文献进行量化分析，绘制了共同作者网络、引文模式，并进行了关键词共现与聚类分析，以揭示该领域的研究结构、合作网络与主题演化。3) 主题地图与聚类分析：通过构建主题地图(Thematic Map)和树状图(Dendrogram)，识别了不同研究主题的发展阶段（如基本主题、利基主题、新兴主题等）及其相互关系。
研究结果
3.1. 词云分析与词频随时间变化
对文献关键词的分析显示，最核心的术语包括“工业5.0”、“人机工程学”、“工业4.0”和“可持续开发(Sustainable Development)”。词频随时间的变化表明，随着技术进步，研究的焦点已从纯粹的自动化转向融入更多人类视角。
3.2. 主题地图与树状图
主题地图将研究主题划分为四个象限：高密度高相关性的“驱动主题”、高密度低相关性的“利基主题”、低密度高相关性的“基本主题”以及低密度低相关性的“新兴/衰退主题”。分析发现，“工业5.0”、“工业4.0”、“可持续性”属于基本主题，而“人-机器人协作”、“工人”、“人的因素(Human Factors)”则属于利基主题，表明这些主题研究较为深入但与整个领域核心连接较弱。树状图聚类分析进一步将关键词分为三大集群，其中紫色集群明确地将“工业5.0”、“人机工程学”、“人本中心”、“可持续开发”和“可持续性”紧密关联在一起，直观展示了本研究关注的核心交叉领域。
4. 工业5.0、人机工程学和可持续性整合概念的挑战
研究系统梳理了实现三者整合所面临的多重挑战，并归纳了关键成功因素。主要挑战包括：技术与集成复杂性（如AI与现有技术集成、人数字孪生(HDT)应用）、劳动力技能缺口与认知负荷、可持续性与绩效的权衡、人本中心设计的局限性、伦理与法律模糊性、碎片化的研究与实施模型、行业差异性与可扩展性问题，以及对变革的抵制与领导层惰性。研究指出，中小企业(MSMEs)由于资金和技术能力限制，在向工业5.0转型中面临更大困难。
5. 研究问题、发现与讨论之间的联系
针对第一个研究问题（当前对工业5.0中采纳人机工程学原则和可持续性的理解），研究发现，虽然存在大量关于人机工程学或可持续性的独立研究，但它们在工业5.0背景下的交叉整合研究仍处于初级阶段且高度碎片化。工业5.0被视为一种聚焦生产力、人类和地球的范式转变，其核心是通过人机协作实现韧性、人本中心和可持续性。针对第二个研究问题（关键出版物趋势、作者、主题、研究缺口与未来方向），文献计量分析揭示了领域内的理论碎片化。约26.7%的出版物来自工程领域，19.8%来自计算机科学，表明当前研究具有强烈的技术导向，而来自商业管理和社会科学等视角的研究相对不足。尽管约70%的关键研究提及可持续性，59%提及人机工程学或人的因素，但文献计量图谱显示这两个领域在工业5.0研究中的结构性整合很弱，鲜有研究明确搭建它们之间的桥梁。研究发现，工业5.0的相关研究在技术、人机工程学和可持续性三个维度上存在明显的“ epistemological divide”（认识论鸿沟）。工程和计算机科学研究通常采用优化驱动、定量和绩效导向的指标，而人机工程学和可持续性领域则更多反映社会技术、行为和系统导向的视角。这种不平衡表明，工业5.0研究在很大程度上仍是技术中心和环境导向的，未能充分将人机工程学设计视为可衡量的可持续性驱动因素。一个整合工业5.0、人机工程学与可持续性的概念图被提出，阐明了三者之间的相互作用关系。
6. 基于关键词共现的聚类分析
通过VOSviewer进行的关键词共现聚类分析，识别出四个主要研究集群，并提出了未来的潜在研究主题。
- •
蓝色集群（集群1）：智能制造的优化与调度。 关注利用工业物联网(IIoT)数据流进行实时调度、基于机器学习的算法开发，以及整合能源管理。
- •
红色集群（集群2）：工业4.0与工业5.0的人本与可持续性方面。 聚焦从自动化到人本中心的范式转变，探讨如何通过工业5.0实现韧性社会、人类福祉及可持续性目标，涉及人工智能伦理、人本中心智能制造(HSM)等。
- •
绿色集群（集群3）：人-机器人交互(HRI)与信息物理系统(CPS)。 核心是人-机器人协作(HRC)，研究主题包括多人多机器人系统动态、网络安全、供应链中的人本因素，以及机器人拟人化带来的心理影响。
- •
黄色集群（集群4）：人机工程学、人的因素与认知工程。 强调工业5.0中人本中心设计对认知人机工程学的需求，提议利用神经生理学技术（如脑电图EEG、眼动追踪）评估认知负荷，并关注人-机器人协作中的信任与接受度因素。
研究结论与重要意义
本研究通过系统的文献计量与内容分析，为工业5.0这一新兴领域提供了深刻洞察。其主要结论与意义体现在以下几个方面：
首先，研究揭示了工业5.0、人机工程学与可持续性交叉研究领域呈现出“概念先行但整合不足”的鲜明特征。尽管工业5.0在理念上强调三者的统一，但学术研究却高度碎片化，存在明显的“认识论鸿沟”。技术领域（工程、计算机科学）主导了出版物，而来自管理、社会科学等视角的研究占比较低，导致人本中心和可持续性维度在实证与框架整合上相对薄弱。这标志着该领域仍处于早期发展阶段，亟需跨学科的研究设计与合作框架来弥合裂痕。
其次，研究识别了该领域的具体研究缺口与未来方向。分析指出，当前研究缺乏将操作员层面的人机工程学干预（如认知负荷、肌肉骨骼压力）与企业层面的可持续性绩效成果（如能源效率、废物减少）联系起来的整合性模型。未来的研究需要致力于开发能够同时纳入物理与认知人机工程学、可持续性指标以及人-机器协作模型的多层级综合框架。聚类分析提出的诸多潜在研究主题，如动态调度算法、人工智能伦理、多人多机器人系统动态、神经生理学评估工具等，为后续学者指明了具体路径。
再者，研究系统化了实现工业5.0愿景所面临的主要挑战。这些挑战涵盖技术集成、技能缺口、可持续性权衡、设计局限、伦理法规、研究碎片化、行业差异以及变革阻力等多个层面，特别是中小企业的转型困难。研究为每一项挑战匹配了关键成功因素，例如发展灵活互操作的基础设施、注重认知人机工程学与持续技能发展、采用参与式设计、制定透明数据政策等，为产业界和政策制定者提供了实用的行动指南。
最后，本研究具有重要的理论与实践意义。在理论层面，它将人机工程学重新定位为工业5.0中的战略性可持续性驱动因素，而不仅仅是安全或舒适性考量，推动了该领域的概念发展。在实践层面，研究为产业管理者提供了战略启示：必须超越单纯的技术自动化，将人机工程学深度融入系统设计和可持续性战略，并建立连接工程、人因研究和人力资源的跨职能治理结构。对于政策制定者，研究建议通过设计跨学科资助计划、制定人本中心度量标准、以及推出针对中小企业的转型支持项目，来引导和加速一个更加均衡、包容的工业5.0生态系统的形成。
综上所述，这项研究不仅绘制了工业5.0关键交叉领域的学术版图，诊断了其“成长中的烦恼”，更为其从技术主导的范式向平衡的社会技术生态系统进化，提供了整合性的知识基础与路线图参考。
