人机工程学结课论文

论文的题目是论文不可分割的有机组成部分,而论文的主要内容一般在题目中就可反映出来。下面是我带来的关于工业设计类论文题目的内容，欢迎阅读参考!

1. 城市住宅整体厨房的规划设计研究

2. 上下肢主被动康复器的设计及人机工程学研究

3. 基于人机工程学的自动售药机的设计

4. 铁路客车设施设计新探讨

5. S180中老年人手机人性化设计研究

6. 宏茂科技的机床产品造型设计与研究

7. 安徽滁州卷烟厂自动化物流系统规划设计

8. 南京工业大学材料化学工程中心实验楼方案设计

9. 烟草工业企业业主方工程项目管理信息系统的分析与设计

10. 基于可用性工程理论的工业产品设计程序应用研究

11. 中航工业规划建设工程项目设计团队绩效考核改进及应用研究

12. 工业厂区自动消防系统工程的设计

13. 昆明卷烟厂成品库物流调度系统分析与设计

14. 形状混合的理论与应用研究

15. 论“对的设计”与“好的设计”

16. 工业设计中材料的可持续性应用研究

17. 工作室教学模式在高校工业设计专业的应用研究

18. 叉车座椅的工业设计研究

1. 基于工业设计的产品动作美学的研究与实践

2. 工业设计产品虚拟设计平台研究

3. 绿色光源LED产业转型下的工业设计

4. 湖南省工业设计现状及发展战略研究

5. 工业设计草图的多义性及团队设计中的草图重释

6. “健康工业设计”理念及其在办公环境中的应用研究

7. 医用平移推车造型及其侧倾机构的工业设计应用与研究

8. 工业设计理论在数控机床外观造型设计中的应用研究

9. 我国中小型制造企业的工业设计及其管理与协作系统研究

10. 现代工业设计在企业中的推广运用研究

11. 园林机械的设计研究—草坪切割机的改进研究性设计

12. 手柄的人的因素分析与研究

13. 面向家用健身器材的人机工程理论分析与研究

14. 数控机床设计中的人机工程界面研究

15. 敏捷制造环境下虚拟设计中心及其支撑平台的研究

16. 我国出口类农机设计策略研究

17. 多功能车的产品语意研究与应用

18. DALI住宅照明系统的工业设计

19. 数控机床的造型设计研究

20. 基于人机工程学的高铁自助售票机设计研究

21. 电动汽车形态设计的研究

22. 论工业设计在自动化立体仓库中的应用

1. 协调的艺术——现代工业设计的新角色

2. 中国深圳第八届“中国(深圳)国际工业设计周”盛大登场

3. 工业设计大师荣久庵宪司在日本逝世

4. 论设计素描在工业设计教学中的应用

5. 论建筑设计与工业设计之间差异性与互溶性见解

6. 工业设计是企业发展基石

7. 低碳经济背景下湖南工业设计社会伦理研究

8. 中国传统文化与工业设计

9. 工业设计史课程教学探析

10. 高职工业设计专业与模具专业共生建设探究

11. 机床辅机产品工业设计及改善策略

12. 浅析2015届各大高校工业设计展

13. 行为管理学在工业设计中的应用研究

14. 探析现代工业设计的审美体验

15. 为工业设计撑起保护伞

16. 工业设计专业高职和本科教育衔接一体的人才培养研究

17. 地方性本科院校工业设计专业“产学研”教学模式研究

18. 项目教学法在工业设计专业教学中的实践

19. 工业设计理念在农机产品设计中的应用

20. 信息化背景下交互设计在工业设计中的应用

21. 中兴通讯刀片服务器获中国工业设计红星奖

22. 工业设计中的设计管理研究

人工智能课程报告 摘要：自上世纪五十年代以来，经过了几个阶段的不断探索和发展，人工智能在模式识别、知识工程、机器人等领域已经取得重大成就，但是离真正意义上的的人类智能还相差甚远。但是进入新世纪以来，随着信息技术的快速进步，与人工智能相关的技术水平也得到了相应的提高。尤其是随着因特网的普及和应用，对人工智能的需求，变得越来越迫切，也给人工智能的研究提供了新的更加广泛的舞台。本文强调在当今的网络时代，作为信息技术的先导，人工智能学习在人工智能科学领域中是一个着非常值得关注的研究方向，要在学科交叉研究中实现人工智能学习的发展与创新，就要关注认知科学、脑科学、生物智能、物理学、复杂网络、计算机科学与人工智能之间的交叉渗透点，尤其是重视认知物理学的研究。自然语言是人类思维活动的载体，是人工智能学习研究知识表示无法回避的直接对象，要对语言中的概念建立起能够定量表示的不确定性转换模型，发展不确定性人工智能；要利用现实生活中复杂网络的小世界模型和无尺度特性，把网络拓扑作为知识表示的一种新方法，研究网络拓扑的演化与网络动力学行为，研究网络化了的智能，从而适应信息时代数据挖掘的普遍要求，迎接人工智能学习与应用领域新的辉煌。概述 自20世纪90年代以来，随着全球化的形式与国际竞争的日益激烈，对人工智能技术的研究与应用变的越来越被人们关注，且人工智能在制造中的运用以成为实现制造的知识化、自动化、柔性化以实现对市场的快速响应的关键。 人工智能是一门研究人类智能的机理以及如何用机器模拟人的智能的学科。从后一种意义上讲，人工智能又被称为“机器智能”或“智能模拟”。人工智能是在现代电子计算机出现之后才发展起来的，它一方面成为人类智能的延长，另一方面又为探讨人类智能机理提供了新的理论和研究方法。学习机制的研究是人工智能研究的一项核心课题。它是智能系统具有适应性与性能自完善功能的基础。学习过程具有以下特点：学习行为一般具有明显的目的性，其结果是获取知识；学习系统中结构的变化是定向的，要么由学习算法决定，要么由环境决定；学习系统是构造智能系统的中心骨架，它是全面组织与保存系统知识的场所。因此，人工智能学习研究的一个主要目的是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但是，不同的时代、不同的人对这种“复杂工作”的理解是不同的。一.人工智能学习的历史性基础和发展步伐 人工智能学习的发展历史是和计算机科学与技术的发展史联系在一起的。除了计算机科学以外，人工智能还涉及信息论、控制论、自动化、仿生学、生物学、心理学、数理逻辑、语言学、医学和哲学等多门学科。 一般认为，人工智能的思想萌芽可以追溯到德国著名数学家和哲学家莱布尼茨(Leibnitz，1646-1716)提出的"通用语言"设想。这一设想的要点是：建立一种通用的符号语言，用这个语言中的符号表达“思想内容”，用符号之间的形式关系表达“思想内容”之间的逻辑关系。于是，在“通用语言”中可以实现“思维的机械化”这一设想可以看成是对人工智能的最早描述。 计算机科学的创始人图灵被认为是“人工智能之父”，他着重研究了一台计算机应满足怎样的条件才能称为是“有智能的”。1950年他提出了著名的“图灵实验”：让一个人和一台计算机分别处于两个房间里，与外界的联系仅仅通过键盘和打印机。由人类裁判员向房间里的人和计算机提问，并通过人和计算机的回答来判断哪个房间里是人、哪个房间里是计算机。图灵认为，如果“中等程度”的裁判员不能正确地区分，则这样的计算机可以称为是有智能的。“图灵实验”是关于智能标准的一个明确定义。有趣的是，尽管后来有些计算机已经通过了图灵实验，但人们并不承认这些计算机是有智能的。这反映出人们对智能标准的认识更深入、对人工智能的要求更高了。 图灵和冯·诺依曼的上述工作，以及麦克考洛和匹茨对神经元网的数学模型的研究，构成了人工智能的初创阶段，这其实也是人工智能学习的开始。 人工智能早期研究给人的深刻印象是博羿，与自动定理证明的研究意义不限于数学一样，搜索的研究意义也不限于博弈。根据认知心理学的信息处理学派的观点，人类思维过程的很大一部分可以抽象为从问题的初始状态经中间状态到达终止状态的过程，因此可以转化为一个搜索问题，由机器自动地完成。例如“规划”问题。设想一台机器人被要求完成一项复杂任务，该任务包含很多不同的子任务，其中某些子任务只有在另一些子任务完成之后才能进行。这时，机器人需要事先“设想”一个可行的行动方案，使得依照该方案采取行动可以顺利完成任务。“规划”即找出一个可行的行动案，可以通过以其子任务为状态、以其子任务间依赖关系为直接后继关系的状态空间中的搜索来实现。人工智能的早期研究还包括自然语言理解、计算机视觉和机器人等等。通过大量研究发现，仅仅依靠自动推理的搜索等通用问题求解手段是远远不够的。Newell和Simon等人的认知心理学研究表明，各个领域的专家之所以在其专业领域内表现出非凡的能力，主要是因为专家拥有丰富的专门知识(领域知识和经验)。70年代中期，Feigenbaum提出知识工程概念，标志着人工智能进入第二个发展时期。知识工程强调知识在问题求解中的作用；相应地，研究内容也划分为三个方面：知识获取，知识表示和知识利用。知识获取研究怎样有效地获得专家知识；知识表示研究怎样将专家知识表示成在计算机内易于存储、易于使用的形式；知识利用研究怎样利用已得到恰当表示的专家知识去解决具体领域内的问题。知识工程的主要技术手段是在早期成果的基础上发展起来的，特别是知识利用，主要依靠自动推理和搜索的技术成果。在知识表示方面，除使用早期工作中出现的逻辑表示法和过程表示法之外，还发展了在联想记忆和自然语言理解研究中提出的语义网表示法，进而引入了框架表示法，概念依赖和脚本表示法以及产生式表示法等等各种不同方法。与早期研究不同，知识工程强调实际应用。主要的应用成果是各种专家系统。专家系统的核心部件包括：(a)表达包括专家知识和其他知识的知识库。(b)利用知识解决问题的推理机。大型专家系统的开发周期往往长达10余年，其主要原因在于知识获取。领域专家虽然能够很好地解决问题，却往往说不清自己是怎么解决的，使用了哪些知识。这使得负责收集专家知识的知识工程师很难有效地完成知识获取任务。这种状况极大的激发了自动知识获取----机器学习研究的深入发展。已经得到较多研究的机器学习方法包括：归纳学习、类比学习、解释学习、强化学习和进化学习等等。机器学习的研究目标是：让机器从自己或“别人”的问题求解经验中获取相关的知识和技能，从而提高解决问题的能力。 80年代以来，随着计算机网络的普及，特别是Internet的出现，各种计算机技术包括人工智能技术的广泛应用推动着人机关系的重大变化。据日美等国未来学家的预测，人机关系正在迅速地从“以人为纽带”的传统模式向“以机为纽带”的新模式转变人机关系的这一转变将引起社会生产方式和生活方式的巨大变化，同时也向人工智能乃至整个信息技术提出了新的课题。这促使人工智能进入第三个发展时期。 在这个新的发展时期中，人工智能面临一系列新的应用需求。首先是需要提供强有力的技术手段，以支持分布式协同工作方式，现代生产是一种社会化大生产，来自不同专业的工作者在不同或相同的时间、地点从事着同一任务的不同子任务。这要求计算机不仅为每一项子任务提供辅助和支持，更需要为子任务之间的协调提供辅助和支持。由于各个子任务在很大程度上可以独立地进行，子任务之间的关系必然呈现出动态变化和难以预测的特点。于是，子任务之间的协调（即对分布协同工作的支持）向人工智能乃至整个信息技术以及基础理论提出了巨大的挑战。 其次，网络化推进了信息化，使原本分散孤立的数据库形成一个互连的整体，即一个共同的信息空间。尽管现有的浏览器和搜索引擎为用户在网上查找信息提供了必要的帮助，这种帮助是远远不够的，以至于“信息过载”与“信息迷失”状况日益严重。更强大的智能型信息服务工具已成为广大用户的迫切需要。另一方面，信息空间对人类的价值不仅在于单独的信息条目（比如某厂家生产出了某一新产品的信息），还远在于一大类信息中隐藏着的普遍性知识（比如某个行业供求关系的变化趋势）。于是，数据中的知识发现也成为一项迫切的研究课题。机器人始终是现代工业的迫切需求。随着机器人技术的发展，研究重点已经转向能在动态、不可预测环境中独立工作的自主机器人，以及能与其他机器人（包括人）协作的机器人。显然，这种机器人之间的合作可以看成是物理世界中的分布式协同工作，因而包括相同的理论和技术问题。 由此可见，人工智能第三发展时期的突出特点是研究能够在动态、不可预测环境中自主、协调工作的计算机系统，这种系统被称为Agent 。目前，正围绕着Agent的理论、Agent的体系结构和Agent语言三个方面展开研究，并已产生一系列重要的新思想、新理论、新方法和新技术。在这一研究中，人工智能呈现一种与软件工程、分布式计算以及通讯技术相互融合的趋势。Agent研究的应用不限于生产和工作，还深入到人们的学习和娱乐等各个方面。例如，Agent与虚拟现实相结合而产生的虚拟训练系统，可以使学生在不实际操纵飞机的情况下学飞行的基本技能；类似地，也可使顾客“享受”实战的“滋味”。 我国也先后成立中国人工智能学会、中国计算机学会人工智能和模式识别专业委员会和中国自动化学会模式识别与机器智能专业委员会等学术团体，开展这方面的学术交流。此外国家还着手兴建了若干个与人工智能研究有关的国家重点实验室，这些都将促进我国人工智能的研究，为这一学科的发展作出贡献。 综观人工智能学习的发展历程，可以看出它始终遵循的基本思路。首先是强调人类智能的人工实现而不是单纯的模拟，以便尽可能地为人类的实际需要服务。其次是强调多学科的交叉结合，数学、信息科学、生物学、心理学、生理学、生态学以及非线性科学等等越来越多的新生学科被融入到人工智能学习的研究之中。 二.人工智能学习的主要技术及其发展趋势 目前人工智能学习研究的3个热点是：智能接口、数据挖掘、主体及多主体系统。智能接口技术是研究如何使人们能够方便自然地与计算机交流。为了实现这一目标，要求计算机能够看懂文字、听懂语言、说话表达，甚至能够进行不同语言之间的翻译，而这些功能的实现又依赖于知识表示方法的研究。因此，智能接口技术的研究既有巨大的应用价值，又有基础的理论意义。目前，智能接口技术已经取得了显著成果，文字识别、语音识别、语音合成、图像识别、机器翻译以及自然语言理解等技术已经开始实用化。 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘和知识发现的研究目前已经形成了三根强大的技术支柱：数据库、人工智能和数理统计。主要研究内容包括基础理论、发现算法、数据仓库、可视化技术、定性定量互换模型、知识表示方法、发现知识的维护和再利用、半结构化和非结构化数据中的知识发现以及网上数据挖掘等。 主体是具有信念、愿望、意图、能力、选择和承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以和环境交互，与其他主体通信，通过规划达到目标。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解。目前对主体和多主体系统的研究主要集中在主体和多主体理论、主体的体系结构和组织、主体语言、主体之间的协作和协调、通信和交互技术、多主体学习以及多主体系统应用等方面。 新一代的智能技术是指80年代以来迅速发展起来的以神经网络（ANN）、进化计算、模糊逻辑、Agent为主要代表的计算只能技术，其中主要具有学习进化与自组织的能力。 神经网络也就是模拟人脑中神经元的功能，希望通过模拟人脑最基本的单位神经元功能来模拟人脑的功能。它通过一定的范例训练构成的神经网络，就象教一个小孩子一样，在训练结束后，这个神经网络就可以完成特定的功能了。它是通过范例的学习，修改了知识库和推理机的结构，达到实现人工智能的目的。 最后还有一个应用领域，就是模型识别，我想它应该在知识挖掘中应用不小，因为现在工程中的获得的数据越来越多，要想人为地从这些数据中确定某一规律都不容易，更不要说在这些数据中发现新规律了，因此有必要进行数据挖掘，它的应用对于决策支持系统将有着巨大的意义。 人可以思考，人工智能也需要思考，这就是推理；人可以学习，人工智能也就需要学习；人可以拥有知识，那么人工智能也就需要拥有知识。 人工智能是为了模拟人类大脑的活动的，人类已经可以用许多新技术新材料代替人体的许多功能，只要模拟了人的大脑，人就可以完成人工生命的研究工作，人创造自己，这不但在科学上，而且在哲学上都具有划时代的意义。 学习是指系统适应环境而产生的适应性变化，它使得系统在完成类似任务时更加有效。80年代以来，ANN的学习机制再次得到人们的重视，基于连接机制的亚符号学习又一次成为的当今学习机制研究的热点，提出了竞争学习，进化学习、加强学习等各种新的学习机制。机械式学习。它的另一个名称死记式学习能够直接体现它的特点，这是一种最简单的，最原始的学习方法，也是机器的强项，人的弱项。指导式学习。这种学习方式是由外部环境向系统提供一般性的指示或建议，系统把它们具体地转化为细节知识并送入知识库中，在学习过程中要对反复对知识进行评价，使其不断完善。 归纳学习。我们看到，机器所善长的不是归纳，而是演绎，它适用于从特殊到一般，而不太适应从一般到特殊，从特殊到一般的归纳是人类所特有的，是智慧的标志。具体的归纳学习方法有许多，但它们的本质就是让计算机学会从一般中得出规律。 类比学习。类比也就是通过对相似事物进行比较所进行的一种学习。它的基础是类比推理，也就是把新事物和记忆中的老事物进行比较，如果发现它们之间有些属性是相同的，那么可以（假定地）推断出它们的另外一些属性也是相同的。基于解释的学习。这是近年来兴起的一种新的学习方法。它不是通过归纳或类比进行学习，而是通过运用相关的领域知识及一个训练实例来对某一目标概念进行学习，并最终生成这个目标概念的一般描述，这个一般描述是一个可形式化表示的一般性知识。 增强式学习（ReinforcementLearning）是一种基于行为方法的半监督学习。一般的学习方法分两类，一类是上文提到的基于模型的，在这种方法，智能体需要环境确切的模型，具有较高的智能，但不适合于不确定的动态环境；另一种是基于行为的方法，在这种方法中，不需要环境的确切模型，采用分层结构，高层行为可以调整和抑制低层的行为能力，但每层中都具有其自主的确定权，如[3]中的Holonic智能制造系统。增强式具有这些优点，故常用于机器人足球赛[4]、狩猎问题、甚至战争指挥中[5]，但是这些都只是理论上的研究，因为机器人足球赛的本身目的也是为了测试人工智能的可用性，且更不可能去让战争去由电脑而不是人去指挥了。使用强化学习的Agent最早是出现与遗传算法中，使用“Ethogenetics（行为遗传）”的思想，突破了人们长期以来关于一个编码串对应于组合优化问题所有策略变量的一个组合方式的传统、静态的认识，而将一个编码串看成某个智能主体(Agent)主动进行的一系列决策行为的结果。 人工智能学习可能会向以下几个方面发展：模糊处理、并行化、神经网络和机器情感。目前，人工智能的推理功能已获突破，学习及联想功能正在研究之中，下一步就是模仿人类右脑的模糊处理功能和整个大脑的并行化处理功能。人工神经网络是未来人工智能应用的新领域，未来智能计算机的构成，可能就是作为主机的冯·诺依曼机与作为智能外围的人工神经网络的结合。研究表明：情感是智能的一部分，而不是与智能相分离的，因此人工智能领域的下一个突破可能在于赋予计算机情感能力。情感能力对于计算机与人的自然交往至关重要。 通过以上的学习方法就是为了得到知识，通过一种方便的方法得到知识。前面已经说过了，因为机器的思考方式和人类的思考方式大有不同之处，因此让机器通过自己学习生成自己便于理解和使用的知识，也不失为机器学习的目标之一。 人工智能一直处于计算机技术的前沿，人工智能研究的理论和发现在很大程度上将决定计算机技术的发展方向。由于计算机芯片的微型化已接近极限。人们越来越寄希望于全新的计算机技术能够带动人工智能的发展。目前至少有三种技术有可能引发全新的革命，它们是光子计算机、量子计算机和生物计算机。结束语 许多科学家断言，机器的智慧会迅速超过阿尔伯特·爱因斯坦和斯蒂芬·霍金的智慧之和。著名物理学家斯蒂芬·霍金认为，就像人类可以凭借其高超的捣弄数字的能力来设计计算机一样，智能机器将创造出性能更好的计算机。最迟到本世纪中叶而且很可能还要快得多，计算机的智能也许就会超出人类的智能。 本文对学习中的一些方法进行基本的叙述并阐述了其发展的趋势，但是在一般的学习中，使用基于行为的方法仍旧是最受人关注的；文中介绍了几种强化学习方法的变形，并对他们的运用进行了一定的叙述。在一定程度上，他们实现仿真的可行行。但是这些仿真大多都是验证性的，真正的人工智能在实际生产中的运用仍旧是一个需要研究的课题。最后，我们来总结一下，人工智能学习的各个研究领域。参照人在各种活动中的功能，我们可以得到人工智能的领域也不过就是代替人的活动而已。哪个领域有人进行的智力活动，哪个领域就是人工智能学习研究的领域。人工智能学习就是为了应用机器的长处来帮助人类进行智力活动。人工智能学习研究的目的就是要模拟人类神经系统的功能。 但随着技术及技术的发展，人工智能学习的方法还会有所变化也更加会引起我们的关注。参考文献[1] 《人工智能简史》孙兴清华大学出版社， 1990年[2] 蔡自兴徐光佑《人工智能及其应用》清华大学出版社 2002年1月[3] 陈万求;黄一;;NBIC会聚技术的“后人类”议题[J];湖南师范大学社会科学学报;2013年04期 [4] 王东浩;;道德机器人:人类责任存在与缺失之间的矛盾[J];理论月刊;2013年11期[5] 机器学习理论为什么实现不了强人工智能[6] 王东浩;;人工智能体的道德确立与伦理困境[J];华南农业大学学报(社会科学版);2014年01期[7] 熊力;媒介道德激励功能及其实践研究[D];湖南大学;2013年[8] 孙志楠;;人工智能在电气自动化控制中的应用[J];现代商贸工业;2013年07期[9] 宋翠萍;;浅析智能化技术在电气工程自动化中的应用[J];电源技术应用;2013年06期[10] 胡琴;;电气自动检测技术的现状与发展[J];硅谷;2013年11期[11] 刘惠彦;;电气自动化工程控制系统的现状及其发展趋势[J];科技创新与应用;2013年18期[12] 朱金芳;;人工智能在电气工程自动化中的运用[J];化学工程与装备;2013年05期[13] 潘伟航;;浅析电气自动化在日常生活中的作用和未来发展趋势[J];科技创新与应用;2013年12期[14] 虞峥;;浅谈人工智能技术在电气自动化中的运用[J];电子制作;2013年05期[15] 赵纲;刘刚;;有关电气控制线路设计的研究[J];电子制作;2013年02期[16] 李俊平;人工智能技术的伦理问题及其对策研究[D];武汉理工大学;2013年[17] 赵艳军;锰粉制备输送控制系统设计与研究[D];兰州理工大学;2012年

人因工程学算是一门管理科学。早前，它有个名字叫工效学、人体工学或人因学；这门学科在中国落户也有些年了，但是在实际应用中，我觉得这门科学却仅仅停留在一个“口号”，或者说是“形式”上，并没有得到很完美地体现。人因工程学其实是一门重要的工程技术学科，是管理科学中工业工程专业的一个分支。它研究的是人、机器、环境的相互作用以及合理结合；使设计的机器和环境系统适合人的生理、心理等特点，达到在生产中提高效率、安全、健康和舒适目的的一门学科。但是，在中国，一切涉及精神面层次的东西，怎么说呢？我想应该是六七十年代破四旧时的惯性吧，很多人会认为这纯粹是在扯淡，没事儿瞎闲着。大学毕业的时候，我有个很要好的朋友就是以人因工程学研究做论文题目的，他的导师是美国伯克利大学博士，以前教我们《反应堆分析》。欧美国家研究人和机器、环境之间的关联起步要比我们早，当时他阐述完他的观点后，在座的很多土教授(那时候，我们把没留过洋的教授都称作土教授，呃，有点儿类似“洋芋”和“土豆”的区别。)都纷纷提出自己的质疑：我们那个年代，坐硬板凳上干工作很有激情啊？现在坐上真皮沙发了，反而上班打瞌睡，工作没心情了……既然这样，我们为什么还要想方设法地去要求这些物质享受呢？——很朴素的唯物主义思想！真的，人因工程学因为它存在的特殊性，它侧重于研究人对环境的精神认知，侧重于研究环境施加给人的物理影响，是一个相当边缘化的学科，它的发展打破了我们对本身熟知的学科之间的界限，融合了个学科的相关理论，其综合性是不言而喻的，这导致了这门学科命名的多样化，学科本身定义也不统一，边界模糊；但是无可否认，这门学科的应用范围却是相当广泛的，而且它的一些观点，是必须得到我们做工程的，特别是管理人员的重视！人因工程学的研究内容主要包含了关于人的行为方式、工作能力、作业限制，如照明、噪声、微气候等环境因素、所适用设备对人的生理心理及作业效率的影响。这样一说，很多经常工作在现场的同学们或许就清楚了：比如在锅炉厂房附近，噪声的影响有时候能让人有一种暴起伤人的感觉！电厂运行前有一道吹管的工序，经历过的同学们肯定都会印象深刻，那刺耳的尖叫声能让人心烦意乱。记得有一次，电厂吹管之后，附近农民家的母鸡不下蛋了，组织了一大帮人把电厂门给堵起来，不让工人们进厂上班，那时候，有好多人都是靠翻墙进去的，不少人没少被围观的农民踢屁股。或许你会说，这些类似笑话的事情，怎么会影响到工程的建设呢？直接的影响或许真的没有，但是，发生这样的事情之后，工人们的心理或者就不能说是很正常了吧？上班的时候互相调笑说某某某早上进门的时候被踢了屁股，或者某某某翻墙的时候摔了个狗吃屎……在这样的环境下，工程质量、工业安全都是得不到必要的保障的！如此一来，工程建设就会受到很大的影响，而这类影响或者说应该是潜在的，它存在一个未知的触发条件，一旦这种潜在衍变成现实，那将酿成多大的灾难，这是无法评估的！在河源现场的时候，我就听说过那些德国佬做技术指导的时候，只要知道现场作业采用的是软爬梯，他们就是死也不会上去的。为什么呢？这其实是一个动量守恒的问题，因为人在爬梯子的时候，手和脚对梯子施加的力不完全是竖直方向的，而即便水平方向上的分力很小，在爬了一段绳梯之后，绳子都会摆动得相当厉害！在加上烟道防腐作业的时候，因为有些树脂挥发物是有毒的，带上猪嘴面具之后，过不了多久就会觉得气闷，然后就是一种乏力的感觉。在德国的工业标准里，是严禁采用绳梯的！可是在中国，如果你爬着爬着“熄火”了，很多工友就会说这小子“虚”了；中国文化博大精深，而多数男同胞听到这样的评价后，也都会为了脸面而继续干，这其实就是一种隐患，属于潜在风险类的，但在中国现场，我还没听说过有把这些细微处纳入明细化管理的苗头。还有一个问题：在医院，特别是急症科的手术室里，医生和护士都穿着浅绿色的衣服，有很多人就问了，不是说护士都是白衣天使么？为什么在跟手术的时候却穿绿衣服？我在百度上搜索了很多次，发现好多朋友都想当然地认为绿色代表生命，象征万物复苏，怎么说呢？这样的回答也可以算是对的，但是并没有说到点子上，其实这也隐含了一个人因工程学原理：手术的时候，医生的视线总是停留在鲜红的血迹上，时间久了之后，视觉神经就会因为疲劳而产生自我调节，用一种补色来填补这种视差。如果这时候医生回头，或者偶尔把视线转移到同伴的白色大褂上时，就会看到斑斑点点的“绿色血迹”，使视觉产生错乱而影响手术；所以，手术室里的医生、护士穿浅绿色的大褂的根本原因是为了减轻视觉疲劳，从而保证手术能更好地进行。人因，确实是一个能够影响到工程建设的至关重要的因素！由人为因素导致的事故在工程建设中也屡见不鲜，比如，用PSA程序，我们可以计算出核电站发生堆芯熔化事故的概率在千万分之一每堆每年，而发生放射性泄漏的几率比堆芯熔化还要小一个数量级！就拿山东核电的AP1000来说，理论上堆芯熔化事故概率是五百八十八万分之一〖×10^(-7)/堆年〗，放射性泄漏的概率为五千五百五十五万分之一〖×10^(-8)/堆年〗！但是，1979年3月28日发生在美国宾夕法尼亚州三哩岛核电站的那场事故，却把堆芯熔化和放射性泄漏都占齐了；从1942年12月2日世界上第一台反应堆点火，到1979年3月28日，仅仅37年！如果从三哩岛核电站本身算起，它的堆芯熔化概率将比这个数据更大：＞1/37！这和我们理论上得出的千万分之一、一亿分之一相差是那么的大，为什么会这样呢？很多人都说，理论嘛，毕竟是书本上的东西，和实际情况肯定是有出入噻；他们也由此怀疑理论，甚至更进一步把这当作经验，这是中国施工现场存在的普遍情况！但事实上，由于人因引发的事故在概率学上是一个未知数，我们不知道具体谁会犯错，在什么时间犯错，犯多大的错，所以，PSA给出的概率是扣除了人因概率的。这也恰恰反映了人因在工程实践上的重要性！比如核电站的操作员，他们都是配备了心理医生的，这样做的主要目的就是为了给工作在重要岗位上的人员舒缓心理压力；但是，往往在这个方面，中国人都会存在一种偏见：认为看心理医生是一种有精神病的象征，而我们有时候骂人也说别人神经病(精神病)之类的；所以，也有很多工作在重要岗位上的人会拒绝这样的工作方式，从一个大的环境来说，这是不应该的，或者说在国内主流意识上是应该改正的。就像很多女同学不肯进妇科医院一样：在中国，妇科和女科是合并在一块儿的，进妇科看病有时候反而会给女同学们一些心理压力。人因工程学的研究对象广泛而用途颇大，要做好一个工程，特别是我们即将进入的涉核领域，我们的管理人员就必须对这门学科有一定地研究。比如说，我们很多搞采购专业的，他们普遍会认为同等产品，国产的会劣于进口的，所以在做设备配套的时候，多数人会选择进口产品。但是有一点，国外的设计人员是针对他们本国人民的普遍要求设计的：一个很简单的例子，你在日本买一个电器，拿到中国来就不一定能用，因为日本的家用电压是110V，频率为60Hz，这和中国不同。又比如，俄国人的设备都很耐用，但是，俄国人的平均身高比中国人高，所以一些设备仪器的操作工位就相对比较高，拿到中国来，我们甚至都不能操作！——这是从设计上来看人因工程学：我们的设计必须符合现场工作人员的要求，这些要求或许不是现场工作人员提出来的，但是却是一些常识性又容易被忽略的东西，设计人员如果没有这样精雕细琢的思路，就会被现场工作人员指责，甚至是谩骂。而在工程上，人因工程学就集中体现在现场管理了，人员要培训，工作的时候尽量做到以老带新，而且上级下达任务的时候一定要明确。这一点上其实我觉得国内多数核电站做得就欠妥，因为参与实际工作的工人学历一般不高，而在核电站里下达命令的时候又都用KKS码或自己的一套拼音文字编码，这对现场工作的工人其实是一个很大的困难，曾经就有人因为对错了编码而错误地截断了一条正在工作的管路，最终酿成了事故。如果说当时在给工人下达指令的时候配备一份中文说明，用汉字语言来重复描述一遍工作的具体地点，那么，那个事故应该就是可以避免的！有一次，一个高级工程师，在面对一个可能引发严重事故的诱因的时候没有果断地下达指令去处理，而是害怕承担事故责任去查找应急程序文件，耽搁了阻止事态扩大的宝贵时机，结果给电站造成了巨额的损失。从程序上说，这个高工没有任何错误，但是，怎么说呢？当时他们单位私底下很多员工都说这位高工能力不行。做工程，人为因素带来的祸端是不可避免的，我们最多只能做到尽量避免！在工作当中，我们也不应该害怕出错，俗话说得好：小错不断，大错不犯！我们只有积累了必要的应对事故的经验，才能在面临事情的时候做到从容，犯错并不可怕，可怕的也不是不知悔改，而是在面临错误的时候惊惶失措、进退失据。不知道有人注意到这个情况没：就是通常在一个工地上，现场施工的工人多数是来自同一个地方，很少有南北混杂的队伍出现。其实，对于老乡来说，他们说话的口音、平常做事的习惯、手势等都是接近的，《三字经》里就说过，人之初，性本善，性相近，习相远。如果把来自天南海北的工人混在一起干活，先不说可能会因习俗而导致的矛盾，就是说话，传递消息、指令的时候都会出现误差。我曾经在河源工地上碰到杭州顺豪橡胶工程有限公司的人，也曾经很“荣幸”地和他们的工人共事过，杭州人说话的时候没有介音，怎么说呢？比如说“警察抓小偷”，他们会读成“警察扎小偷”；记得有一次那个杭州人叫我帮他把胶水刷到橡胶皮上，他就是这样说的：“小王，你把那橡胶板‘杀’了！”我当时就傻了，转身就开始找刀。因为我开始看见他用美工刀在割胶皮嘛，相当奇怪，他完全可以说割的嘛，为什么要说“杀”了？他看到我在找刀，叹了口气说，“唉，你们这些年轻人，什么东西都不会！”于是就取出刷子开始刷胶板，一边刷还一边教我说：“看见没？要这么‘杀’！”；还有一次他叫我去搬短管，就是工地上那些很短，长不过50厘米的衬胶管道，他说：“小王，你去把那些胆管搬过来。”我也很纳闷，在工地呆了一年多，没听过有“胆管”这一说法啊？直到后来他自己去搬了几根，我才晓得，不过幸好两次事件让我想到了他们杭州普通话都不带介音，要不我还真差点理解错了，把50厘米左右的衬胶管道当作“胆管”，我当时还歪着身子记了好久“胆管”的形状。人因工程学发展到现在，它所包含的内容已经含概了微气候环境(即人体舒适性与微气候的关系、高低温作业环境对人的影响、微气候环境标准及改善)、照明环境、噪声环境、色彩环境、空气环境、感觉(心理物理学、感觉生理学、视觉、听觉、其他感觉)、知觉、注意与记忆(认知心理学)、人的信息处理系统(反应时间与运动时间)、体力劳动负荷与工作疲劳、人体测量学、作业空间设计、人机系统设计、人机界面设计等在内的多学科综合。所以，人因工程学是一门我们从工程设计、工程建设到项目投运都不得不加以重视的学科！