下载掌阅APP，畅读海量书库
立即打开
操作者操纵机器时所需要的活动空间，再加上机器、设备、工具、用具、被加工物件所占用的空间总和，称为作业空间
。作业空间工效学评估的内容主要包括产品尺寸、操作工人作业的姿势和视域、人体操作可及度范围与舒适操作区域、工作环境和空间大小等。
根据作业人员所处的环境，作业空间可以分为近身作业空间、个体作业空间和总体作业空间三类。晶片分选作业采用坐姿作业方式，并且绝大部分工作通过上肢来完成操作，故我们主要研究近身作业空间。近身作业空间是指在充分考虑人体静态和动态尺寸的基础上，操作者处于某一位置时，在站姿或坐姿条件下完成作业任务的空间范围。
作业空间受产品空间尺寸的影响，作业空间设计离不开对人体尺寸参数的研究。陈波等在广泛调查国产石油钻机司钻控制房的基础上，基于人体尺寸数据对钻机控制系统的工作空间进行分析，给出了便于工人操作的机器尺寸
。蔡敏等对三种常见的作业空间布局进行研究，基于中国成年人身体尺寸对作业空间中工作台面高度、座椅高度调节范围、脚凳高度调节范围以及屏幕高度等数据进行计算，使作业空间满足不同身高人员的使用需求，并通过实例仿真对设计后的作业空间进行验证，发现合理的作业空间设计能有效降低操作工人的工作负荷
。邓丽基于工人作业任务，根据用户性别和作业姿势对用户进行定量分析，根据人体尺寸数据得出了不同人体尺寸百分位下男、女的上肢作业空间范围
。易熙琼等以职员办公桌为研究对象，对人体上肢水平活动姿势特征进行分析，得到了优化后的桌面深度和宽度，并通过比较分析，初步探讨了基于姿势特征的办公桌水平作业域的优化方法
。赵仕奇等对卫生香振动送料包装机作业控制台和作业区域进行分析，结合国家标准中与作业者有关的人体尺寸数据，对包装机的作业区域进行重新设计，设计出了符合人机工程学的新型包装机
。但上述文献大多从作业区域布局或人体尺寸单一角度进行分析，未考虑到用户的主观行为，而本方法同时对两者进行分析，使分析更加合理。
（1）设备作业空间布局
晶片分选机与操作人员关系最为密切的空间为工作台面和机器底座的前工作面。工作台面集成了X射线管、单射器、晶片放置台、信号接收器、触控屏等部件，是主要的操作区域。机器底座的前工作面主要有机器开关、指示灯、控制踏板以及腿部活动空间，同时该工作面也是躯干与机器的主要接触面（图2.1）。
图2.1 某型晶片分选机实物
在晶片分选设备工作空间的设计与评估中，需要对手部作业与活动空间、腿部作业与活动空间进行重点分析，同时要考虑人体躯干与机器接触区域的设计（图2.2）。
图2.2 晶片分选设备工作空间布局
（2）设备基本尺寸分析
参照GB/T12985—1991，晶片分选设备属于Ⅰ型产品中的一般工业产品。在该产品人机尺寸设计中应选取GB10000—88中第5百分位和第95百分位的女性身体尺寸数据作为参考。中国成年女性人体尺寸数据如表2.1所示。
表2.1 中国成年女性人体尺寸数据
续表
晶片分选作业多采用坐姿进行，且晶片分选设备工作台面的高度不能进行调节，工人在操作过程中只能通过调节工作椅的高度来使自己处于较为舒适的工作状态。本次合作企业的晶片分选设备采用一体式触控屏来进行操作。在设计过程中，必须充分考虑手眼之间的协调性，对工作台面各部件进行合理布局，提高产品的易用性。晶片分选设备在设计过程中需要考虑的主要尺寸如图2.3所示。其中， A 表示座椅高度， B 表示水平视线高度， C 表示触控屏距身体距离， D 表示容膝空间， E 表示脚凳高度， F 表示设备凹槽高度， G 表示腿部空间， H 表示工作台面高度， I 表示触控屏顶部高度， J 表示设备总体高度。
图2.3 晶片分选设备主要尺寸
在设计过程中，可以参考表2.1中的人体尺寸，计算出图2.3中晶片分选设备设计过程中所需的各个尺寸。
①工作台面高度 H 。根据之前调研的结果，女性在工作中一般都需要穿平底鞋，鞋底平均厚度约3 cm。台面高度参考女性第95百分位的尺寸来进行。工作台面高度=第95百分位坐姿肘高+第95百分位小腿加足高+鞋厚。
H =Wh15( P 95 )+Wh18( P 95 )+3=28.4+40.5+3=71.9(cm)
②座椅高度 A 。座椅高度根据桌高而定，并且座椅高度的调节范围应满足第5百分位和第95百分位的尺寸。最大坐高=桌面高度-第5百分位坐姿肘高；最小坐高=桌面高度-第95百分位坐姿肘高。
A (max)=71.9-Wh15( P 5 )=71.9-21.5=50.4(cm)
A (min)=71.9-Wh15( P 95 )=71.9-28.4=43.5(cm)
因此，座椅高度调节范围为43.5～50.4cm。
③脚凳高度 E 。脚凳高度可以调节，主要是计算脚凳的最大高度。当用户的双脚处于垂直状态时，脚凳的最高高度=最大坐高-（第5百分位小腿加足高+鞋厚）。用户在实际使用过程中，小腿和大腿之间角度一般为90°～120°，当处于120°的状态时，脚凳的最大高度=最大坐高-（第5百分位小腿加足高+鞋厚）×cos30°。
E （双腿自然垂直）=50.4-[Wh18( P 5 )+3]=50.4-(34.2+3)=13.2(cm)
E （小腿与大腿成120°夹角）=50.4-[Wh18( P 5 )+3]×cos30°≈18(cm)
因此，脚凳高度调节范围为0～18cm。
④触控屏顶部高度 I 。为保证触控屏幕在正常视线范围内，屏幕顶部高度应该位于人体水平视线以下，即触控屏顶部最大高度≤最大坐高+第5百分位坐姿眼高。
I (max)=50.4+Wh13( P 5 )=50.4+69.5=119.9(cm)
⑤腿部空间 G 。腿部空间的设计应参照第95百分位女性身体尺寸进行。 G =第95百分位小腿加足高+第5分位坐姿大腿厚+修正量。
G =Wh18( P 95 )+Wh16( P 5 )+修正量=40.5+15.1+10=65.6(cm)
⑥触控屏距身体距离 C 。在晶片分选作业中，机器的操作都在触控屏上进行，触控屏应处于第5百分位用户前臂的可及范围之内，即 C =第5百分位上肢前伸长-第5百分位胸厚。
C =Wh2( P 5 )-Wh3( P 5 )=61.4-18.1=43.3(cm)
⑦容膝空间 D 。坐姿作业的工作台设计，必须保证有充足的容膝空间。容膝空间设计要参照第95百分位女性的身体尺寸进行，并考虑合适的尺寸修正量。 D =第95百分位臀膝距-第95百分位胸厚+修正量。腿部空间一般需要预留5 cm～10cm的修正量。
D =Wh20( P 95 )-Wh3( P 95 )+修正量=57-23+10=44(cm)
（3）舒适操作范围分析
晶片分选作业最主要的操作动作在晶片检测台和触控屏上进行。因此，晶片检测台和触控屏须设置在作业者舒适的视线范围和可及度范围内。这样既能保证操作者方便地观察触控屏，又能使其以舒适的姿势在触控屏上进行操作。
根据第95百分位女性身体尺寸绘制的手眼协调区域如图2.4所示。图中阴影部分是最佳的手眼协调区域，晶片分选机各操作装置都应设置在阴影区域内，便于用户操作。
图2.4 手眼协调区域
屏幕位置过高会导致用户脖子后仰并造成不适，因此显示屏的高度应该位于人的水平视线之下。本章研究中，用户很多操作动作都在触控屏上完成，若屏幕高度大于用户肩高，用户需抬起手臂才能在屏幕上进行操作，此时手臂无外部支撑，容易造成肩部不适。综合考虑，晶片分选设备的舒适作业空间应为用户手眼协调区域内工作台面以上、肩高以下的立体空间区域，如图2.5所示。
图2.5 晶片分选作业手眼协调区域
（1）行为分析方法
①眼动分析
眼动分析技术是通过对眼球的运动轨迹进行捕捉和记录，从中提取诸如注视点、注视轨迹、注视时间和次数、眼跳的距离等数据，以研究人们的认知过程。眼动主要有注视、眼跳和平滑尾随跟踪三种形式
。眼动数据经过软件处理后，可以通过注视点轨迹图、热点图、集簇图、蜂群图和兴趣区进行分析。
视线追踪技术是眼动仪的基本工作原理。当前，视线追踪技术日趋成熟，它在设计评估、可用性测试与评估、用户场景分析、人机交互和认知心理学等领域都有广泛运用。已有学者通过眼动分析技术展开研究。朱人可借助Tobii Glasses对昼夜环境下相同道路交通环境中用户驾驶行为的眼动数据进行分析
，发现昼夜不同环境会对用户的视觉搜索模式产生一定的影响。韩飞在认知心理学基础上进行了家装风格的眼动观测实验，通过对用户视觉浏览与筛选阶段的数据进行分析，获得了用户在两个阶段的眼动策略，并在此基础上获取评估风格特征元素的眼动指标类型
。田芸等对常用眼动记录方法进行分析与总结，介绍了眼动指标在脑力疲劳研究中的应用
。上述文献大多使用眼动技术的某项单指标进行评估，而许多应用场景需要利用多指标综合评估，因此需要引入用户主观模型来客观捕捉用户需求。
②Kano（狩野）模型
Kano模型由日本东京理工大学狩野纪昭博士提出
，如图2.6所示。Kano模型将用户需求划分为必备型需求、期望型需求和兴奋型需求。
图2.6 Kano模型
由Kano模型可知，用户需求的满意度会对用户整体满意度产生重要的影响。必备型需求是指产品应该具备的基本功能需求，若产品满足该功能需求，则用户满意度不会提升，若产品不提供该功能，则用户满意度会大幅降低。期望型需求是指用户期望产品提供的功能，用户在访谈过程中最关注的也是这类需求，产品满足该类需求越多，用户的满意度也就越高，反之，用户满意度就越低。兴奋型需求是指提供用户期望之外的产品属性和服务，若产品没有提供这类功能，则用户满意度不会下降，若产品提供该功能，则用户的满意度会大大提升，这是提升产品魅力的有效途径。
用户需求是产品设计过程中的重要因素，在产品优化设计过程中，收集用户需求和反馈，将其中合理的需求转化为设计要素，能帮助设计师设计出更合理的方案。借助Kano模型，可以将用户需求对应到相应的需求类别中，并根据各类别需求对用户满意度的影响程度来划分需求的优先级。冯蔚蔚等调查了消费者对当前市场上健身车优化设计的潜在需求，基于Kano模型，从必备型需求、期望型需求和兴奋型需求等方面确定用户需求分类，并将用户需求转化成对应的设计要素，优化后的设计方案提高了用户的满意度
。冯青等结合Kano模型的用户需求类型，构建了面向应急通信车产品开发的Kano问卷来获取用户需求，确定了用户需求的重要度，并据此设计出了应急通信车的方案
。唐中君等基于Kano模型构建了一种用户需求获取方法，即在获取用户需求后构建需求层次模型，利用熵值法来确定各需求的权重，以此确定用户个性化需求的重要度排序，并以手机产品进行验证
。
（2）设备操作流程
了解晶片分选作业流程可以帮助我们更好地对晶片分选机的工作空间进行布局，为此，我们深入到晶片检测作业一线，向工程师和晶片检测员们学习机器操作。在了解晶片分选作业的流程后，绘制了晶片检测流程图（图2.7）。
图2.7 晶片检测流程
根据之前的实践和观察，在晶片检测作业过程中，用户与机器互动的接触点主要有检测设备状况、放置晶片、设置参数、校准参数、检测数据（可以在触控屏上进行，也可以通过脚踏板进行）、记录数据、保存数据、确定晶片规格。其中设置参数、校准参数、检测数据、记录数据与保存数据都可以在触控屏幕上完成，由于这些过程只涉及产品的硬件开发，因此将这几个接触点归纳为“点击屏幕”这一个接触点。整理后得出晶片分选作业流程中关键接触点为检测设备状况、放置晶片、点击屏幕、踩踏板记录数据、确定晶片规格。
（3）晶片分选作业用户行为分析
通过实地观察和调研发现，用户操作过程中的行为可以分为上肢操作和视觉浏览两类。
①上肢操作
在晶片分选作业流程中，放置晶片、设置并校准参数、记录数据、保存数据和确定晶片规格等操作都需要依靠手臂、前臂、手腕和躯干的协调配合来完成。在同一批次晶片的分选作业中，只需设置并校准一次参数。然后用户需要将晶片放置在晶片检测支架上，点击屏幕，便可进行检测。每放置一次晶片，都需要点击屏幕或踩脚踏板来检测数据。当同一个批次的晶片检测完成后，用户需要再次设置检测的参数。
作业过程中，用户各操作动作中需要活动的身体部位如表2.2所示，主要集中在颈部、躯干、上臂、前臂、手腕和腿部。
表2.2 操作过程中身体活动部位
在同一个批次的晶片分选作业中，各部分工作所占时间的比例如图2.8所示。后续产品工效学评估中会重点分析用户的上肢操作动作。
图2.8 晶片检测流程各步骤时间占比
②视觉浏览
用户从晶片盒中拿取晶片，然后将其放置到检测台上，在屏幕上设置并校准参数，在检测数据的过程中还需查看屏幕上的数据变化情况。用户视线主要停留在触控屏和晶片检测台上。通过观察发现，用户视觉浏览顺序与晶片检测作业流程的顺序一致，但用户的视觉浏览轨迹受到工作空间布局的影响。在后续产品工效学评估中，也需要对用户视觉浏览轨迹做一定分析。
（4）作业用户体验地图
为了进一步了解用户使用该产品时的主观感受，我们邀请了目标用户进行访谈并填写主观舒适度问卷，以此了解用户在操作过程中各关键接触点处遇到的问题，并构建了晶片分选作业的用户体验地图。
本次访谈对象为晶片分选行业的8名从业人员，其中2名为企业技术人员，其余6名为一线晶片分选作业员工，访谈脚本见表2.3。在访谈中，让用户将其在操作过程中所遇到的问题填写到对应的接触点下方。此外，我们还邀请用户根据平时使用设备时的感受填写舒适度问卷。该问卷采用李克特量表法进行评分，用户根据题干中描述的问题与自己主观使用感受的相符程度来进行评分。
表2.3 用户访谈脚本
我们对用户访谈结果进行整理后，得出用户在操作过程中最为频繁的动作是放置晶片和更换晶片，保持时间最长的单个动作是更换晶片，最不舒适的动作是在屏幕上进行各种操作和通过踩脚踏板来检测晶片数据。
我们以用户操作过程中的关键接触点为横轴，以各接触点处用户主观舒适度平均得分为纵轴来构建用户体验地图。然后将用户访谈中关于操作部分的问题进行整理后填入到用户体验地图中相应的接触点下方，同时，将用户在各接触点处不舒适的身体部位标记出来。最后，整理用户主观舒适度问卷，将各接触点处用户主观舒适度平均得分对应到用户体验地图中相应接触点上方，并将各个接触点处的评分进行连线，绘制出晶片分选作业的用户体验地图，如图2.9所示。
图2.9 晶片分选作业用户体验地图
通过用户体验地图可知，用户在完成晶片检测的流程中，各个操作环节都存在一定的工效学问题，主要体现为产品尺寸设计不合理，工作空间布局存在一定的问题，没有足够的腿部活动空间，屏幕调节的高度范围有限，操作时比较费劲，拿取晶片时不太舒适。使用过程中不舒适的部位主要为颈部、肩部、手腕、腰部和腿部。用户对于检测设备状况时的主观舒适度评分相对较高，对放置晶片和确定规格的舒适度评分较低，对需要在屏幕上进行操作的各个环节评分都很低，此外，通过踩脚踏板来检测晶片数据的用户满意度也很低。