人因工程学的重要性与应用Word文档下载推荐.docx
《人因工程学的重要性与应用Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《人因工程学的重要性与应用Word文档下载推荐.docx（18页珍藏版）》请在冰豆网上搜索。
作为一门注重设计的科学，人因工程学还包括对设计的评价等方面。
综上所述，人因工程学可以简单地定义为：
人因工程学是基于对人和机器，技术的深入研究，发现并利用人的行为方式、工作能力、作业限制等特点，通过对于工具、机器、系统、任务、和环境进行合理设计，以提高生产率、安全性、舒适性和有效性的一门工程技术学科。
作为一门工程技术，人因工程学不同于其他一般工程技术学科的一些要点有：
*牢记产品是用来为顾客服务的，在设计时必须始终把用户放在首位。
*必须意识到个体在能力和限制上的差异，并且充分考虑到这些差异对各种设计可能造成的影响。
*强调设计过程中经验数据和评价的重要性。
依靠科学方法和使用客观数据去检验假设，推出人类行为方式的基础数据。
*运用系统的观点去考虑问题，意识到事物、过程、环境和人都不是独立存在的。
另外，还需要指出的是：
*人因工程学不只是基于表格数据和一些指标来进行设计。
实践中，人因工程师要制订和使用列表和指标，但这并不是其全部工作的意义。
如果使用不当，同样不能确保设计出一件好的产品。
一些设计中非常重要的因素、具体的应用和思想方法是不可能通过列表或指标得到的。
*人因工程学不是设计产品的模型。
对工程师来讲，成熟的工作程序并不能保证所有人都能成功的进行工作。
人因工程师必须通过研究个体差异，从而在为用户设计产品时考虑到不同的特征。
*人因工程学不同于常识。
从某种程度上说，应用常识也能够改进设计，而人因工程学远不止这些。
标志上的文字需要多大才能够在一定的距离看到，如何选择一个听的见的报警声，使它能够不受其他杂音的干扰，这些都是简单的常识做不到的，常识也测不出驾驶员对报警灯和汽笛的反应时间。
、人因工程学的历史
了解人因工程学的历史对学好这门课程是非常重要的。
然而，想要详细叙述全世界人因工程学的发展历程是十分困难的。
这里只能以一些重要事件和任务的贡献来简单地描述人因工程学的发展历程。
1、早期历史
人因工程学开始于十九世纪的晚期和二十世纪初，从那时起，人因工程学的发展就不可避免地和技术的发展相互交织在一起。
例如在二十世纪早期，Frank和LillianGilbreth就已经在进行动作研究和商务管理方面的工作了。
Gilbreth后来被认为是人因工程学领域的先驱之一。
他们致力于熟练动作和作业疲劳方面的研究、进行工作站设计以及为残疾人设计合适的工具。
例如他们对外科手术过程的研究成果直到今天还在使用。
现在，在手术中外科大夫只需说出所需的器械，同时把手伸向护士，由护士从器械盘中拿起所需器械并递给大夫。
而以前，外科大夫是自己从托盘中拿器械的。
显然，这样很浪费时间，尤其是当大夫正在手术却又不得不去寻找工具时。
尽管有Gibreth等人所作了巨大的努力和贡献，但是人们还是没有意识到使设备及操作程序适应人的要求的必要性。
二战前，进行行为研究的科学家主要工作还是通过测验为工作选择合适的人员，对培训过程进行不断的优化来使人员满足工作的需要。
这种理论在二战期间出现了问题，因为即使是采用最好的人选和培训手段，有些复杂设备的操作还是超出了工作人员的能力要求。
这时，人们开始重新考虑使设备满足人员的需求的问题。
2、1945年到1960年：
专职人员的出现
1945年战争结束的时候，美国空军和海军共同建立了工程心理实验室。
与此同时，第一家私人公司也开始进行有关方面的研究（Dunlap&
Associates）。
在国家医药研究委员会、科学与工业研究部的鼓励下，英国也在进行着同样的努力。
战后诞生了人因工程学职业。
1949年，在英国成立了工效学研究协会，Chapanis等人出版了《应用实验心理学：
工程设计中的人因》。
这是第一部关于人因工程学的著作。
在以后的几年里，国际上举行了一些学术讨论会，发行了人因工程学的出版物，设立了许多人因工程学实验室，并不断有新的研究与应用团体出现。
1957年是美国人因工程学史上一个非常重要的年代。
当年，美国建立了人因工程学协会，由工效学研究协会出版了“工效学”期刊，并由21个部门组成了美国心理学家协会。
1959年，世界上美英等国的人因工程学和工效学协会联合成立了世界工效学组织。
3、1960年到1980年：
迅速增长时期
1960年到1980年间的二十年，是人因工程学迅速发展和壮大的时期。
到六十年代，美国的人因工程学基本上集中在复杂的军事工业应用上。
随着航天技术的发展和载人宇宙航行的出现，人因工程学迅速成为航天工业的一个重要部分。
在此期间，人因工程学迅速成长，1960年人因工程学协会的成员还只有500人，到1980年已经超过了3000人。
更重要的是，人因工程学已经开始在军事和航天工业以外的领域得以应用。
许多公司都建立了人因工程学小组，包括医药公司、计算机公司、汽车公司和其他消费品公司。
工厂也开始认识到人因工程学在工作地和产品设计方面的重要性和它所做出的贡献。
尽管1980年人因工程学增长的如此迅速并且获得了工业界的共识，但它仍旧不能做到妇孺皆知。
4、1980年到1990年：
计算机、灾难和诉讼时期
1990年人因工程学协会的成员已经增加到将近5000人。
计算机革命使得人因工程学成为公众瞩目的焦点。
利用工效学设计计算机、用户友好界面的软件、办公室中的人因工程学等的话题似乎已经成为人们话题。
计算机技术向人因工程学提出了新的挑战。
新的控制设备、屏幕显示的信息输出、新技术对人类的冲击都是人因工程学正在研究的领域。
八十年代，也是一个充满不幸的、大规模的技术性灾难的十年。
1979年三里岛核电站的事故为之揭开了序幕。
尽管没有造成人员的伤亡和反应机组本身财产上的损失，事故还是差点导致核泄漏的严重后果。
1984年的12月4日，印度博帕尔的一家碳化物农药厂发生有毒化学物质泄漏，造成将近4000人死亡，200000人受伤。
两年以后的1986年，前联切尔诺贝利核电站的爆炸和大火，导致300余人死亡，大量的人员遭到有害射线的辐射，上百万的土地被放射性物质所污染。
三年以后，又一场大爆炸席卷了得克萨斯州的一家塑料工厂。
其爆炸力相当于10吨的TNT，有23个人死亡，100多人受伤，使美国商业保险公司蒙受了历史上最惨重的损失，赔款达到了1.5亿美元。
根据美国学者的研究，这几起灾难事故发生的重要原因之一就是不恰当的人因设计。
另外，牵涉到人因工程学有关领域的辩论以及关于产品可靠性和个人伤害方面的诉讼案件大大增多。
法庭已经越来越重视人因工程学专家在解释人类行为和期望、界定设计的缺陷、评价警报和指令系统的有效性等方面所作的贡献。
人因工程学协会约有15%的成员担任着有关司法鉴定的专家工作。
5、1990年以后
人因工程学越来越多地应用于计算机和信息技术（计算机界面、人机交互、互联网等）及空间技术的应用之中。
建立永久性空间站的计划必然涉及到大量的人因工程学方面的研究。
其他领域的发展也会增加对人因工程学的需求。
例如，美国职业安全与健康管理部对一般企业明文规定了人因方面的标准。
1988年美国国会通过了一项法令，要求联邦航空管理局进一步增强对人因工程学的研究，以提高飞行的安全性。
此外，医药设施的设计和老年人使用的产品及设施的设计也是人因工程学的重要人物。
我们希望将来人因工程学师为改善生活和工作的质量而做出的贡献能够被人们所承认，比如象满意度、幸福感、尊严等，早已远远超出了对生产率、安全性和其他一些无形畴的讨论。
而且，在不发达国家，人因工程学对工作和生活质量的提高可能更为重要。
第二节人因工程学的重要性及应用
人因其实早已不是什么新鲜概念了，历史上应用人因工程学的例子屡见不鲜。
特别是随着近几十年来技术进步飞速发展，使得人因工程学的地位越来越重要。
人因工程学涉及到的领域包括宇航系统，城市规划，建筑设施，工厂运作，机械设备，交通工具，家具制造，服装，文具，生活用品制造等等。
人类的各种活动都不可避免地与人发生关系，而如何使各种活动更加适合于人的需要都会不可避免地应用到人因工程学。
而且，人们逐渐认识到，在各种产品设计，系统设计等设计阶段的初期就必须用系统的方法考虑人因工程学。
实际工作中经常有这样的情况，许多新设计的系统由于十分复杂，人们使用起来十分不便，且成本过高，因此在实际使用中不得不加以改动。
而在此时重新进行改动的费用是很高的。
所以，在项目的最初设计中必须尽可能地充分考虑人的因素。
人因工程学的应用可以利用下列表格来表示：
围
对象举例
例子
产品和工具设计及改进
机电设备
机床，计算机，农业机械
交通工具
飞机，汽车，自行车
建筑设施
城市规划，工业设施，工业与民用建筑
宇航系统
火箭，人造卫星，宇宙飞船
仪器设备
计量仪表，办公器械，家用电器
工作服装
劳保服，安全帽，劳保鞋
作业的设计与改进
作业姿势、作业方法、作业量及工具选用和配置等
工厂生产作业，监视作业，车辆驾驶作业，物品搬运作业，办公室作业等
环境的设计与改进
声，光，热，色彩，振动，尘埃，气味等等环境
工厂，车间，控制中心，计算机房，办公室，驾驶室，生活用房等
表1-1人因工程学研究领域举例
第三节基本原理和研究方法
人因工程学在很大程度上是一种实验科学。
它的主要任务就是把与人的能力和行为有关的信息及研究结果应用于产品、设施、程序和周围环境的设计之中。
这些知识主要来源于试验和观察。
人因工程学不仅把采集的经验数据应用于产品的设计当中，而且用于评价设计的优劣。
这样，人因工程学在系统设计中具有双重任务：
开始时是设计的基础，结束时是评估手段。
在这一节里，我们讨论与人因工程学有关的基本研究方法。
人因工程学以人及其有关的设备及环境为研究对象。
研究方法通常被分为三类：
描述性研究、试验性的研究、评价研究。
现实中一个具体的研究往往涉及多个类别。
虽然每一类都有不同的目标，使用不同的方法，但它们全都有同样的基本决策过程：
选择研究地点、选择变量、选择采样主体、收集数据、分析数据。
1、描述性研究
描述性研究用于描绘人的某些特性。
如人体尺寸的测量、不同年龄的人的听力损失、人们对把手如何旋转的偏好、能够抬多重的箱子等等。
虽然描述性研究比较枯燥，但它们对于人因科学的意义非常重要。
许多的设计决策都是基于它得出的基本数据。
另外，在方案给出之前，描述性研究还常用于评定问题的大小和围。
比如说，对操作者进行调查，了解他们对设计效率和操作问题的一些看法等。
2、试验性研究
试验性研究的目的是为了检测一些变量对人的行为的影响。
通常根据实际问题、预测理论来决定需要调查的变量和检测的行为。
例如比较人们编辑手稿的不同偏好，评价手臂活动的时候肩部的负荷大小、人们的视野等。
、通常，试验性的研究更关心变量是否对行为有影响以及将如何影响的问题。
描述性研究则更关心所描述对象的统计结果，如平均值、标准偏差和百分比等。
3．评价研究
评价研究类似于试验性研究，但它的目的多是为了评价一个系统或产品，并希望事先了解人们在使用系统或产品时的行为表现。
评价研究比试验性研究更为全面和复杂。
它通过比较目标的差异来评价一个系统或产品的各个方面。
人因工程学专家通过对设计优劣的系统评价，提出改进的建议。
评价研究常用的方法是成本收益分析。
评价作为各种设计过程的一部分，它可能是最具挑战性的一部分，也是最难的一部分。
它的研究成果通常被用来改进现实系统或产品的设计，作用比较大，但进行这种研究是很不容易的。
在这方面，Murphy的话几乎成了一个规则：
任何事物只要它有毁坏的可能，它就不会永远完好无缺。
因此在无法预测的环境下，评价研究要特别注意选择数据的收集方法和设备。
下面我们分别对于各种研究方法中的各种决策序列分别进行分析：
研究地点选择
研究地点的选择是第一个需要决定的问题，其容就是选择实地研究，还是选择在实验室中进行研究。
对于不同的研究方法有不同的选择规则。
描述性研究是为了收集一个特殊群体的有关数据的，如煤矿工人，计算机操作者，或者是普通市民。
要接近这些人，必须进入现实世界才行。
当然，实际的数据收集可以在实验室中完成，这种实验室常常是可以到处移动的。
试验性研究在选择地点时要略微复杂一些。
对于任务变化，环境约束、被测者的特征等方面的研究，在实际环境中进行比较理想，因为这样获得的结论更容易推广到现实中去。
然而，它也有不利的方面，比如成本高，被测者有一定危险，不能进行试验控制。
由于受到资源限制，常常不能够重复很多次试验，因此许多变量不能保持恒定。
而且有时过程太分散，一些数据还收集不到。
实验室中进行的研究，在实验控制方面具有极大的优势。
许多变量都能受到控制，试验能被随意重复，数据的收集也更加精确。
但是它可能过于理想化，失去了一定的普及性。
一般认为：
实验室研究的成果有时不太实用，在应用之前，必须经过现实世界的检验。
对于理论研究，最好是在实验室中进行，因为需要把多个变量分离开，观察它们的不同影响。
这样的精确度在不受控的现实中是不可能实现的。
然而，现实世界又是应用研究结果的本质的环境。
往往有些变量在高度控制的实验室中非常有效，但在现实世界中，受到其他变量的影响时，就完全失去了作用。
在有些案例中，实地研究也能进行很好的控制。
为了把实验室和实地研究的优势结合起来，研究人员常采用模拟现实的方法。
模拟显示可以分为实体模拟和计算机模拟。
实体模拟常由硬件和模拟的系统、程序或环境组成。
如简单的布娃娃到异常复杂的太空模拟舱。
计算机模拟要在计算机上对一系列的事件和过程进行建模。
通过改变参数来运行模型，推断结果。
比如，劳动力的需求，超载时间，设备停工时间等都可以通过计算机模拟的工作过程来得到。
建立一个正确的计算机模型需要对被测系统有较深的理解，通常要求人们根据实际系统的操作进行一些简单的假设。
3、评价研究
选择一个研究地点对于评价研究同样是没有任何意义的。
要想检测一个系统或设备的性能，让被测物体在一个完全可以替代实际环境的情形下使用，这样才比较真实。
举个例子，对于汽车上用的计算机地图显示器，就应该在汽车行驶当中测量，这样在不同的路况下，测量才能反映真实的情况。
在实验室中时，显示器可能非常清晰，但在行驶中的车上也许就很难看清楚了。
在实验室的桌子上，设备可能很好操作，但在刮着大风、交通繁忙的路上也许就比较困难了。
变量选择
在研究中，选择被测变量是一个非常基础和重要的问题。
这里被测变量被分为两个基本的类别：
标准变量、分层变量（预测）。
✧标准变量：
标准变量描述研究中的重要特征和行为。
根据所收集的数据的不同类型，这些变量被分为下面几组：
实体特征，比如手臂的活动空间、体重等；
行为表现方面的数据，如反应时间、视觉的敏锐性、手的握力和记忆的围等；
主观数据，如偏好、观点和等级观念等；
生理数据，如心跳速率、体温等。
✧分层变量：
在一些描述性研究中，常选择有层次的样本研究。
这些样本都是经过年龄、性别、教育程度等特征进行划分以后，比较有代表性的一些人。
即使不用分层的样本，信息也常常从那些具有某种相似特征的人员中获得。
这样，数据就能以那些特征为依据来进行分析，如性别、年龄等。
在试验性研究中，研究人员在其他变量受控的情况下，改变一个或多个变量考察他们对被测行为的影响。
被改变的变量称为独立变量（或外部变量、辅助变量、相关变量）。
用独立变量变化来影响的被测行为被称为非独立变量。
独立变量都有可能影响飞独立变量，因此，试验中要控制独立变量，以免独立变量的影响相互混淆。
✧独立变量：
人因工程学研究中，独立变量通常被分为三类：
（1）与任务相关的变量，包括设备变量和程序变量；
（2）环境变量，如照明、噪声和振动等；
（3）与被测者相关的变量，如性别、身高、年龄和经验等。
多数研究中，独立变量的数目都比较少。
在1985年到1972年在《人因工程学》上发表的141篇试验论文中，60%的实验只研究了一到两个独立变量，不到3%的研究了五个以上的独立变量。
✧除了实体特征用得较少以外，非独立变量同描述性研究中的标准变量大体类似。
试验性的研究多数非独立变量是人员的成绩、个人效用或其他心理方面的变量。
为评价研究选择变量，要求研究人员把被评价系统或设备的目标转化成具体的、可测量的标准变量。
标准变量必须能够评价系统使用当中出现的一系列未知的问题。
它与描述性研究和试验性的研究中的基本类似。
被测者选择
选择被测者就是决定选择什么人、如何选择、选择多少等这样的问题。
恰当的选择被测对象，是对描述性研究的基础。
研究人员往往要花费很大的精力制定抽样计划，选择被测对象。
✧代表性的抽样：
描述性研究的目标是从具有代表性的样本中收集数据。
抽样的代表性是指样本应该包含总体的所有相应特征，而且两者构成也要相同。
例如，30%的煤矿工人年龄不到21岁，40%在21到40岁之间，30%在40岁以上，那么代表性的抽样就是以相同的比例包含每一年龄层的群体。
代表性的定义中，相关性是很重要的。
但也有某些采样，尽管与被测群体的特性不完全符合，但对整个研究的影响不是很大，因此仍然比较有用。
例如，在测量人们对空通控制的听觉警报器的反应时间时，可以只选一、两个城市进行研究，并不需要在全国各地进行抽样。
这样做的理由是地理位置不是影响反应时间的相关变量。
但在抽样中却要十分关注样本中不同年龄、性别的人的合适的比例关系，因为这些变量都是相关的变量。
不具有代表性的样本是有偏的样本。
✧随机抽样：
为了获得具有代表性的样本总体，应该从群体中随机的选择样本个体。
随机抽样就是群体中的每一个个体都有相等的机会被选入样本。
在现实社会中，获得一个完全随机的抽样几乎是不可能的。
通常研究人员都是选择一些比较容易获得的个体，并不一定按照严格的随机过程进行。
✧样本空间大小：
描述性研究的一个关键的课题就是确定被测对象的个数，即样本空间的大小问题。
样本空间越大，结果的可信度越高。
但是抽样需要花费大量的财力和时间，因此研究人员往往只收集必要数量的数据。
有一些公式可以用来决定要求的被测对象的数目。
三个主要的参数影响着数目的选择：
期望的准确度（置信度）；
群体的变化性；
建立的统计量，如平均值、第5百分位等。
为试验性研究选择被测对象就是要选择那些具有代表性的、一般化的个体。
被测对象对目标群体的代表性并不需要达到与描述性研究同等的程度。
试验性研究更关心被测对象是否和目标群体受独立变量影响的方式一样。
例如，我们要依据研究数据来设计办公环境时，研究室照明度对显示在计算机屏幕上的文件的阅读的影响的实验中，不必只选择那些对于计算机屏幕阅读有丰富经验的人，因为无论经验多少，在很强的照明下任何人都比在合适的照度下的阅读能力要差一些。
✧样本空间的大小：
决定样本空间的大小其实就是确定如何以最小的成本收集足够的数据，保证评价独立变量的影响时的可信度。
确定样本空间的大小有好几种方法，可以参见统计学教材。
在上述的《人因工程学》中发表的论文中，50%的研究实验的样本容量还不到9个，25%使用9-11的样本容量，只有25%的采用了11个以上的样本容量。
这比描述性研究中使用样本容量的要小得多。
使用太少的数据是很危险的，可能得出错误的结论。
评价研究中选择个体与描述性研究和试验性研究考虑的因素一样。
被测对象必须能够代表最终用户群体。
被测者必须达到一定的数量，能够据此对用户群体的行为做出科学的判断。
数据收集
描述性研究中数据的收集可以在实地或实验室中进行。
比如在煤矿工人工作时测量他们的能量损耗。
带上秒表去工厂测量工人操作的时间。
通常采用调查和访问的方法收集数据。
调查问卷可以在实地填写或者邮寄给被测者。
存在的主要问题是回复率不太高，这样产生偏差的可能性就会增大。
回复率不到50%的调查偏差就相当高了。
试验性研究中数据的收集和描述性研究一样。
试验性研究常在实验室中进行，往往比较复杂，所以常采用计算机辅助的方法。
这种方法具有很大的潜力，能够在试验中加入更多的变量，而且在收集数据时具有更大的精确度和更高的采样率。
在评价研究中，收集数据经常比较困难。
被评价的设备可能本身不具有检测能力，工程师们还要专门为了评价而改造机器。
大多数情况下，原则上的方法还是通过研究人员观察或访问使用者来收集数据，了解他们所面对的问题和想法。
数据分析
收集数据到之后，研究人员必须对数据进行分析。
这里的数据分析常采用基本的统计方法进行。
如计算频率分布、平均值、中位数、标准偏差、相关系数、百分位数等。
试验性研究中的数据常用一些较为复杂的数理统计方法进行分析，比如变量分析或者多元变量分析法。
✧统计重要性：
研究人员常说，“自变量对因变量有显著的影响。
”或者说“他们均值之间的差异是非常显著的”。
这里的显著其实是统计重要性的简称。
统计学上的重要性就是表示把观察到的效果，或均值之间的差异
升级会员 