用于评估数字孪生对认知人机工程学影响的框架

《International Journal of Industrial Ergonomics》：A framework for assessing the impact of digital twin on cognitive ergonomics

　　胡安·安东尼奥·托雷西利亚-加西亚|玛丽亚·德尔卡门·帕尔多-费雷拉|阿格涅什卡·格拉齐娜·斯科特尼茨卡|胡安·卡洛斯·鲁比奥-罗梅罗西班牙马拉加大学工业工程学院摘要背景在复杂的操作环境中应用数字孪生技术为优化人机交互提供了有力途径。然而，它对认知人体工程学的具体影响——尤其是对心理负荷、情境感知和决策能力的影响——仍需进一步研究。目标本研究提出并通过实证验证了一个综合框架，用于衡量数字孪生系统对关键认知人体工程学因素的影响，包括认知负荷、感知能力、用户体验以及决策表现。方法在高度仿真的工业环境中采用了混合方法设计，共有30名参与者参与。通过客观指标（NASA-TLX量表、眼动追踪、心率变异性、SAGAT量表、任务日志）和定性分析（访谈、调查、观察），对比了传统界面与数字孪生增强型系统的效果。结果数字孪生界面显著降低了认知负荷（NASA-TLX得分下降了33%），同时提升了情境感知能力（SAGAT准确率从61%上升至82%）。使用数字孪生界面操作的参与者报告的认知负荷明显更低，且情境感知能力更强。这些效果在主观评价和客观指标上均得到体现，凸显了数字孪生技术在减轻认知负担的同时提升系统状态感知能力的优势。结论研究结果表明，数字孪生系统能够减轻认知负担、提升实时感知能力，并在动态环境中助力做出更有效的决策。该验证框架为设计符合认知人体工程学原则的数字孪生界面提供了实用指导，与工业4.0和操作员4.0的理念相契合。这些改进有助于创造更安全、更高效的工作环境，也为将以人为中心的设计理念融入先进技术系统提供了可扩展的方法。引言数字孪生系统是物理资产或流程的动态、数据驱动的虚拟对应物，通过持续的数据交换实现同步，从而支持实时监控、预测和决策制定（Barricelli和Fogli，2022；Fuller等人，2020；Longo等人，2023；Negri等人，2020；Rasheed等人，2020；Singh等人，2021；VanDerHorn和Mahadevan，2021）。从制造业到交通运输业再到医疗保健领域，数字孪生系统通过整合传感器数据与仿真技术，反映系统状态的动态变化，为操作人员提供可操作的洞察信息（Barricelli和Fogli，2022；Fuller等人，2020；Rasheed等人，2020；Singh等人，2021；VanDerHorn和Mahadevan，2021）。在复杂且时间紧迫的环境中，这一功能有望提升人机协调性及关键任务的处理效率。通过将实时操作数据与虚拟分析相结合，数字孪生系统影响了关键任务中的认知工作方式，为以人为中心的决策提供了依据。近期的一些研究和综述指出，数字孪生技术在安全管理方面发挥着重要作用，如危害预测、应急响应以及以人为中心的监控等，使其成为推动职业健康安全发展的最具影响力的工业4.0技术之一（Alfaro-Viquez等人，2025）。尽管数字孪生技术已在多个行业快速应用，但其在操作层面的影响仍不明确，尤其是在实际环境中对认知人体工程学核心维度——如认知负荷、情境感知、决策能力和用户体验——的可衡量影响方面（Caputo等人，2019；Müller等人，2024）。认知人体工程学研究的是技术如何影响人类的核心心理过程，如感知、记忆、推理和注意力，旨在设计能够降低认知负荷、帮助准确评估形势并避免错误的界面（Eirinakis等人，2020；Fallaha等人，2020；Hasanain，2024；Korhan等人，2022；Niloofar等人，2023；Saariluoma等人，2025；Tran等人，2024；You等人，2025）。在以人机协作为常态的工业4.0环境中，界面设计需与人类的认知能力相匹配，才能保持良好的感知能力、避免过度负荷并确保稳定的控制能力。这些目标通过减少疲劳、压力和决策失误，直接有助于提升职业健康安全水平。将数字孪生技术引入工作环境，能够改善人机交互，从而变革认知人体工程学，同时对职业健康安全产生重要影响（Arana-Landín等人，2023；Müller等人，2024；Park等人，2023；Zio和Miqueles，2024）。在数字孪生技术与人类因素研究的交叉领域，已有研究提出了基于认知特点的支持措施，如实时反馈、预测提示以及定制化干预方案（包括认知/人类数字孪生技术），同时还探讨了数字人类建模、信息物理系统融合以及人机协作等基础技术（Alfaro-Viquez等人，2024；Alfaro-Viquez等人，2025；Arkouli等人，2022；Bonomolo等人，2024；da Silva等人，2022；Diao等人，2023；Giallanza等人，2024；He等人，2024；Kokotinis等人，2023；Paul等人，2021a；Paul和Briceno，2021；Saariluoma等人，2022；Sharotry等人，2022；Zebisch和Schilp，2024）。在认知人体工程学领域应用数字孪生技术，可通过实时分析、及时反馈以及双向互动，将传统的人体工程学方法转变为智能服务（He等人，2024）。这种方法能够持续监测和评估人的表现，从而及时采取干预措施，防止认知过载并提升决策质量（He等人，2024）。在数字孪生框架中整合多源数据与人工智能技术，有助于更全面、动态地理解人机交互机制（He等人，2024；Saariluoma等人，2022）。随着驾驶员/操作员数字孪生技术以及人工智能决策支持系统的不断发展，这些理念也被应用于更多动态任务中（Aromaa等人，2024；Diao等人，2023；Modoni和Sacco，2023；Ren等人，2022；Xu等人，2024；Zheng等人，2021），而增强现实的可视化技术则进一步提升了人们对系统状态的理解和预测能力（Grego等人，2024；Tarng等人，2024；Vona等人，2025）。与此同时，隐私保护、系统互操作性、透明度以及信任问题仍然至关重要，这些因素促使人们开展严谨的、以人为中心的评估工作（de Kerckhove，2021；Guennoc等人，2024；Pacaux-Lemoine等人，2022；Pietrantoni等人，2024）。数字人类建模已逐渐成为人体工程学4.0的核心组成部分，它在将人体工程学理念融入更广泛的工业4.0框架中发挥着关键作用（da Silva等人，2022；Paul等人，2021a）。数字人类建模涉及创建人类的虚拟模型，以模拟其身体和认知特征，从而为人体工程学分析和服务设计提供支持（He等人，2024）。这种方法有助于评估工作场所的设计、工具以及任务，确保它们与人类的能力和局限性相匹配（da Silva等人，2022；Paul等人，2021）。将数字人类建模与信息物理系统以及数字孪生技术相结合，是发展人体工程学4.0的重要前提（Paul等人，2021b）。这种整合使得实时数据交换和分析成为可能，进而实现对人机交互的持续监测和优化（Paul等人，2021b）。在人体工程学4.0体系中，数字人类建模有助于推进操作员4.0理念的实现，这一理念旨在通过技术提升人类的能力（da Silva等人，2022；Fallaha等人，2020；Paul等人，2021a）。通过深入理解人体工程学4.0的内涵，数字人类建模能够确保在工业4.0技术的设计和实施过程中充分考虑人体工程学的原则和需求（Paul等人，2021b）。数字孪生技术还可用于监测和优化室内环境的视觉舒适度，通过模拟照度水平、日光系数以及眩光条件等关键参数来实现这一目标（Bonomolo等人，2024）。将视觉人体工程学的理论知识与数字孪生技术的实际应用相结合，有助于打造更加舒适且高效的工作空间（Bonomolo等人，2024；Sharotry等人，2022）。在智能车辆领域，驾驶员数字孪生概念应运而生，旨在弥合完全数字化车辆与人类驾驶员之间的差距（Hu等人，2022）。这种驾驶员数字孪生系统致力于构建一个和谐的、以人为中心的信息化物理系统，充分考虑到驾驶员的主动性和敏感度（Hu等人，2022；Modoni和Sacco，2023）。人工智能和机器学习技术对于提升数字孪生系统的认知、推理以及决策能力至关重要（Ren等人，2022）。将人工智能与数字孪生技术相结合，可以开发出更为智能、全面且能完整呈现复杂系统全生命周期特征的认知数字孪生系统（Xu等人，2024；Zheng等人，2021）。深度强化学习算法的应用，还能进一步提升数字孪生系统在复杂设备管理各阶段的性能（Ren等人，2022）。基于人工智能的数字孪生技术有望推动制造业向可持续的、以人为中心的模式转型，这与工业5.0的发展方向相一致（Alfaro-Viquez等人，2025）。数字孪生技术与增强现实技术的结合，正在为各行业带来更具沉浸感、互动性的体验，同时提升实时决策能力（Vona等人，2025）。以用户为中心的评估工作对于确保增强现实技术支持的数字孪生系统符合用户期望、提高其在实际应用中的接受度和实用性具有重要意义（Grego等人，2024；Vona等人，2025）。在认知人体工程学领域应用数字孪生技术，也引发了关于数据隐私和安全的诸多担忧（Pietrantoni等人，2024）。收集和整合个人数据，如生理指标和行为数据时，必须采取措施保护个人的隐私权（de Kerckhove，2021）。系统互操作性和标准化缺失，也是阻碍数字孪生技术在认知人体工程学领域广泛应用的重大障碍（Alfaro-Viquez等人，2025）。在认知人体工程学领域成功应用数字孪生技术，离不开用户的信任和支持（Pietrantoni等人，2024）。如果用户不信任数字孪生系统，或者无法理解其运作原理，他们就可能不愿使用该系统或依赖其给出的建议（Diao等人，2023）。因此，设计透明、易于理解且具备解释功能的数字孪生系统十分重要（Niloofar等人，2023）。用户应当能够了解数字孪生系统是如何做出决策的，以及其建议背后的依据（Niloofar等人，2023）。将人类因素工程学原则融入数字孪生系统设计中，对于提升系统的准确性和功能性、增强用户信任以及促进各方协作具有至关重要的意义（Guennoc等人，2024；Pietrantoni等人，2024）。通过解决影响用户信任和接受度的各种因素，可以提高数字孪生技术在认知人体工程学领域的应用程度和实际效果（Pacaux-Lemoine等人，2022；Pietrantoni等人，2024）。人类数字孪生技术的发展，可用于认知模拟研究，帮助揭示人类潜意识或隐性信息处理机制，从而为智能系统的设计提供依据（Alfaro-Viquez等人，2025；Saariluoma等人，2022）。认知建模可作为设计智能系统的工具，帮助复制人类的信息处理过程（Saariluoma等人，2022）。通过探索这些未来的研究方向，有望充分发挥数字孪生技术在认知人体工程学领域的潜力，打造更加以人为中心且可持续的系统（He等人，2024）。尽管数字化转型的进程十分迅速，但数字孪生技术应用中与人类认知相关的问题仍缺乏足够的研究。许多研究仅侧重于技术层面的优化，而很少提供关于数字孪生界面如何同时影响心理负荷、情境感知、决策能力以及用户体验的综合性证据（Alfaro-Viquez等人，2025；Diao等人，2023；Giallanza等人，2024；Guennoc等人，2024；Kokotinis等人，2023；Pacaux-Lemoine等人，2022；Paul等人，2021b；Pietrantoni等人，2024；Saariluoma等人，2022；Zebisch和Schilp，2024）。因此，有必要通过综合的多方法评估，来确定是否能够在不增加用户负担的情况下提升其情境感知能力，以及界面设计要素（如空间显著性、预测趋势等）如何帮助用户在操作过程中做出更快、更准确的决策。以往的研究虽然大致介绍了数字孪生技术的功能，但往往缺乏在数字孪生环境下对人类认知的全面、多指标评估。相关定义和预期优势虽被反复提及，却缺乏来自对照实验的可靠证据。目前尚缺失的内容包括：（i）在单次实验中针对核心认知维度进行的全面评估，（ii）主观指标与客观指标的相互验证，（iii）尚未明确提升情境感知能力是否会增加认知负荷，还是有可能在降低认知负荷的情况下实现。为此，我们提出并通过实证验证了一个综合框架，用于在高度仿真的工业环境中，评估数字孪生技术对认知人体工程学四个核心维度的影响，即认知负荷、情境感知能力、决策效率以及用户体验。我们采用混合方法设计，将经过验证的定量评估工具（如NASA-TLX量表、眼动数据、心率变异性、SAGAT量表、任务日志）与定性分析结果（访谈、调查、观察记录）相结合，这些数据和分析均围绕特定的事件和界面元素展开。我们重点关注四个基于理论得出的评估指标，这些指标能够全面反映数字孪生系统中的人机交互情况，即认知负荷、情境感知能力、决策效率以及用户体验。我们的评估框架明确了这些指标的选择依据，同时也与相应的验证工具相对应：NASA-TLX量表（结合心率变异性/眼动监测数据）用于评估认知负荷，SAGAT量表用于评估情境感知能力，决策能力的评估则通过准确性、反应速度以及错误发生率来进行，而用户体验则通过满意度/信任度调查以及定性反馈来衡量。SAGAT量表的运用遵循Endsley的评估指南（Endsley，1993），即在1至3级评估中都采用固定测试题，从而确保评估结果的可靠性。总体而言，这些逆向的TLX–SAGAT关系反映了认知需求以及操作员感知、理解并预测系统状态的能力——而这正是数字技术能够带来益处的方面。该框架提供了一种可复制的、与平台无关的协议，以及一系列针对数字技术可视化与决策支持的实际设计建议，从而推动了工业4.0/操作员4.0时代以人为中心的数字技术评估。

研究设计
本研究采用混合方法设计来评估数字技术对认知人机工程学的影响。通过整合定量数据（性能与生理指标）和定性数据（用户感知），采用收敛式方法以实现全面理解。该设计通过多种途径验证研究结果：客观指标可量化认知负荷、情境意识及决策效率的变化，而主观反馈则能进一步阐释这些变化。

研究结果
基于同主体内的收敛式设计及经过验证的测量方法，我们报告了带有95%置信区间和效应大小的主要研究结果，随后还提供了来自视线/生理数据的机制性证据以及定性层面的佐证。所有冻结观察间隔均被标记并排除在延迟分析和事件锁定分析之外。图2以快速且带有效益编码的方式展示了各效应大小，结果表明，在所有主要研究结果中，借助数字技术支持的条件下表现优于基准条件。

讨论
研究结果表明，数字技术的整合通过平衡心理负荷与情境理解能力，提升了操作员的性能。此前，数字技术研究主要沿着两条相互独立的路径发展：一是以系统为中心的研究，侧重于建模、同步与预测控制，虽然展现了技术能力，但很少涉及综合的人机效果评估（Alfaro-Viquez等人，2024、2025；Bonomolo等人，2024；Diao等人，2023；Fallaha等人，2020；Giallanza等人，2024）。

结论
数字技术对认知人机工程学具有显著影响。通过提升情境意识并辅助决策制定，数字技术能够提高人们在复杂操作中的表现与安全性。不过，要实现这些益处，需进行符合用户认知能力的精心设计。本研究验证了一种与平台无关的框架，可用于评估数字技术对认知人机工程学的影响。该研究采用了同主体内的收敛式设计，并结合了相关事件分析。

CRediT作者贡献说明
Juan Antonio Torrecilla-García：概念构建、数据整理、正式分析、研究实施、方法设计、资源协调、软件应用、结果验证、可视化处理、初稿撰写、审稿与编辑。
María del Carmen Pardo-Ferreira：概念构建、正式分析、研究实施、方法设计、资源协调、结果验证、初稿撰写、审稿与编辑。
Agnieszka Grazyna Skotnicka：概念构建、数据整理、正式分析、研究实施、方法设计。

利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢/资金支持说明
感谢西班牙政府对该项目的资助：PID 2020-114502 GB-I00“复杂性与时效性：一种用于监测与改进建筑安全管理的全系统方法”。