英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
物流创新与社会可持续性：如何防止人机交互过程中产生的团队分化
作者：Matthias Klumpp，Henk Zijm
1 弗劳恩霍夫物流研究所
2 奥廷根大学
3 埃森经济管理应用科技大学
4 特温特大学
人机交互(HCI)是物流和供应链部门技术创新成功的基石。 作为社会可持续性的一个主要部分，这种互动随着AI应用程序（物联网、自主传输端口，物理互联网)的应用，机器获得更大的自主权，从执行人类的命令，发展为生产的管理。其中最核心的问题转移到机器上的控制水平，如自动车辆和自动材料处理装置。这些问题包括人类缺乏对AI的自主决策的信任，或在自主决策被误解时，人们更倾向于认为系统错误。 本文概述了一个理论框架，描述了不同层次的接受和信任作为技术创新的关键人机交互要素，并指出了在个人和公司层面，团队分化的潜在危机。根据四个基准案例的调查结果，对员工在采用创新中的角色进行了分类。讨论了行动、战术和战略层面的措施，以改善人机交互，特别是个人和公司应用最先进技术和防止产生团队分化，从而提高社会可持续性。
关键词：AI；社会可持续性；物流效率；人机交互
导言
物流和供应链管理由于全球经济中的技术、社会和市场演变而受到迅速变化的影响，例如，Bloemhof，Hilger，Sternberg，Norrman，Bertazzi，Mogre和Fors等人。 针对日益增长的客户需求（成本效益、可持续性、速度、量身定制的问题解决方案)，生产和分销自动化已从执行编程任务转变为同一水平，其中软件代理和机器人使用的是基于人工智能的算法。 随之而来的一个关键问题是人机交互未来的形式和功能。 在过去，机器人和人类在生产和运输中的工作领域在很大程度上是分开的，这种情况下，例如在卡车驾驶或数控制造中，角色是明确的：人类工人执行控制和决策任务，机器和机器人执行生产和运输的机械任务。 然而，随着自动化进入人工智能应用的新阶段，这种情况正在发生变化。机器人、机器和设备，如集装箱或运输设备，将能够在没有人工干预的情况下作出明智和先进的决定，而人力资源则发挥监督控制和监督作用。
因此，从要求人类具有能力资格，将转移到与AI应用程序在“识别-决策”领域内的合作：人类必须识别和决定何时覆盖和停止自动应用程序，例如，在潜在危险或不可预见的变化条件的时候。
这种情况的发展和其中所包含的，即将到来的挑战，对大量雇员具有现实意义。 例如，在德国，有290多万人在物流部门工作，其中86.8万人在陆运部门工作。 再比如，司机尽管有自动卡车驾驶技术，而且测试数量正在迅速增加，但长期来说，仍需要人类的司机。 根据即将到来的人工智能应用，人机交互性能的进一步发展是一个高度相关的主题，比如： 物流将如何被AI应用和人机交互影响。考虑到运输和物流劳动力市场的老龄化和人口挑战，这仍然是一个有趣的问题。
将这些发展与可持续性和特殊性联系起来，用三重底线方法分析。 很明显，社会、环境和经济可持续性都受到运输和物流中人工智能应用的发展的影响。到目前为止，在研究和实践中，社会层面在很大程度上被忽视，Seuring等人已经概述了这一点，Ramos等人则提供了进一步的贡献。 与人工智能应用程序相关的工作条件、安全和安全符合社会层面的问题，需要先进行充分的培训。
可持续性的生态层面与许多人工智能一样得到处理应用程序包括有可能大幅减少所需资源。 这是否真的能实现，关键取决于人机交互在运输和物流领域AI应用中的作用。最后，大多数人工智能应用都是重大投资项目，因此预计也会产生相应的投资回报。这显然影响到可持续性的经济层面，不仅仅是利润和投资回报率，而且在企业的长期竞争力方面。 甚至立法方面也可能发生严重变化：例如，如果无人驾驶卡车进入道路，欧洲的驾驶时间限制可能会发生变化，但人类控制人员对交通安全和安保的责任和问责正成为激烈辩论的主题。 因此，人机交互的作用将再次通过AI应用来强烈影响社会经济和可持续性。 总之，人机交互的表现将对运输和物流的整体可持续性表现产生重大影响，嵌入在人类、地球和利润的三个维度中。 或者，表现方式存在不同：提高人工智能应用程序中人机交互总体性能的措施是改善整个供应链所有三个层面可持续性地位的关键因素。
因此，本文的研究问题可以表述如下：如何期望社会可持续性发展和管理，以提高自动化和AI应用在物流中，对人机交互提出了新的挑战。 鉴于物联网技术（即互动设备的自主决策和工作）的迅速发展，运输或仓储中的自主车辆和智能材料处理设备是值得注意的早期例子，这一问题变得突出。 本文的贡献有三个方面：（1）提供关于商业物流自动化和AI应用具体发展的文献概述和最新描述；（2）排除员工和公司之间团队分化对社会可持续性的潜在风险；（3）提供基准示例和管理概念要素，以减轻物流中社会可持续性的这种可能风险。
本文内容如下：我们从一篇广泛的文献综述开始，介绍了运输自动化的最新和最先进的趋势，特别是在道路部门，并描述了一个被称为物理互联网(PI)的总体愿景。 由于这些概念要求人类员工发挥新的作用，我们制定了一个具体的理论框架，解决物流中人机交互的发展问题，以及工人和公司之间团队分化的风险。 我们还提供了四个基准案例，以强调这一问题的可行性，并提出了减少这一风险的管理方法的组成部分，作为物流社会可持续性的核心途径。 最后，我们对未来的研究问题提出了结论和展望。
文献综述
运输自动化
运输自动化是一项重大技术发展，涉及所有运输方式，也
涉及连接各种运输方式的活动模式，如仓储和转运业务。 在整个物流系统都可以看到这样的例子：从高度自动化的集装箱码头到无人驾驶汽车和卡车体验，生产中的自动引导车辆以及仓储、穿梭列车和船舶中的自动存储和检索系统，以及无人驾驶货运飞机（包括无人驾驶飞机）的开发。 通常，这些发展是由于需要提高速度和降低运营成本，但也是由于与环境可持续性和社会接受能力有关的论点(例如，无人夜间运输。详见：2018年出版的《Bals and Tate》)。 在下文的表1中，详细列举了运输自动化的发展情况。
具体来说，卡车公路运输是一个重要有价值的例子：在商业实践中，卡车驾驶确实涵盖了所有物流相关职业的重要部分。例如，在美国，有300多万卡车司机，在欧洲联盟，这一数字达到350万人。 与此同时，老龄化也在这一部门显现：如在格尔的所有卡车司机中，26.5%的人年龄超过55岁，因此预计将在未来十年退休。 物流公司采取各种措施，通过智能路线规划和优化等方式减轻这些老化影响和实现自动化，但也提供奖励给现有和新的，年轻的卡车司机人员。 引入人工智能应用程序的另一个动机是安全：不仅是其他道路使用者的安全，而且还包括司机本身的工作条件。人工智能应用在道路运输中的支持潜力巨大，以距离控制和预警系统为明显例子。 汽车和卡车的辅助和自动驾驶正处于通用应用程序的门槛上，这是由于交通工具传感器技术的迅速增长。 此外，以前的独立系统越来越多地连接在一起，能够合作，以便在驾驶中进行自我修正。例如，巡航控制系统最初旨在保持卡车和汽车的恒定预先设定速度，目前与进一步的智能应用相结合，例如GPS导航和自动变速箱，允许车辆部署动态巡航控制。 这确实包括技术开发中的三个子级步骤，已经在卡车上有实施：在第一代巡航控制应用中，系统稳定地保持恒定的预定速度水平。这只是操纵卡车或汽车的柴油输入和推进系统。 随后，该系统能够在预设的距离上跟随前面的车辆，因此已经将车辆中的气体和制动器的管理结合起来。 这在现代排排系统的道路运输中得到了广泛的应用，其中“虚拟道路列车”是由卡车在短距离内自动相互减速而形成的。 下一代巡航控制系统能够通过GPS定位结合地图材料预测路线特征。 例如，这使得系统可以在下坡前减速，或在下坡前加速、倒车和上坡路段。
表1：运输自动化现状
公路 铁路 航空 航海
状况说明 排水
自适应巡航控制
具体重点 效率
可持续性
自动化连接
联合运输与合作
Drone/UCA技术
偏远地区
远程控制技术
费用
效率、安全
人力资源/工作情况
实例
表2：自动驾驶水平
请注意，按照法律规定，在可预见的未来，至少在公共交通系统中，会有人不再受雇于他们的“专有技术”，而是他们拥有这种“专有技术”。自动驾驶的能力将通过技术应用来实现，同时驾驶员应了解所有系统的已知原因，特别是何时关闭自动系统（因此也应理解“已知时间”）。为此，人类必须在很大程度上理解自动化系统的功能和应用以及功能和限制：在未来，卡车司机将更像软件专家。这种自动化甚至完全自主的设备已经可以预见，货车将是面临老化问题最严重的部门，但它很容易扩展到其他物流部门（仓储、港口码头、无人驾驶火车梭），其中一些已经在走向完全自主的道路上。更重要的是，应该将自动驾驶描述为一个不同程度的自主的连续体，而不是一个二分法的问题，正如美国汽车工程师学会(SAE International 2017)定义的自动驾驶六个级别，并在表2中有概述。
在下一节中，我们以全面自动化供应链的发展前景（即物理互联网）来补充这一问题。
物理互联网领域
物理互联网(PI)最初由Montreuil（2011年）定义为一个有远见的物流系统，其模块化的集线器和辐条网络自动从源头到目的地，获得更精细的系统配合。 这一高效和可持续物流的长期愿景只有在本文所讨论的，提供了理论框架的人机交互，并得到个人和公司的利用时，才能成功地实现。 这样一个系统的基本物理互联网元素有：包裹、托盘、容器和“交换体”，它们都配备了智能硬件，使它们能够与，到达目的地的途中的装卸和运输设备连接起来。 这些类型的装载单元的载波确实在其网络中的各种替代路径之间进行优化，例如绕过集线器，或者提前提供更
多的服务，或在实际运输过程中实时提供服务。 一个全面的物理互联网可以建立在所有这些要素的基础上，以现有要素和概念的整合为主要的挑战（见图1）。
注意：不应将物理互联网与物联网混淆；后者指的是通信设备的可能性，往往是由软件代理发起的本地行动，甚至是完全自主的。 物联网技术是物理互联网的重要组成部分，例如，在首选路线拥堵的情况下，确定替代路线；或在延误的情况下，发出潜在的质量损失信号(例如，在食品和植物运输方面)。 然而，对所有相关利益相关者来说，物理互联网是用于替代传统手工操作的物流网络，主要是运输公司和物流服务提供商产生了重要成果。这被认为是一种成功的尝试，以克服传统的分散市场经济机制的缺点，这些机制阻止了整体优化，因为许多运输和物流服务提供商，在目前的工作和行动方式中被“锁定”。
最好的做法是将物理互联网视为一个自主系统，类似于数字互联网，由协议和交通控制系统管理，“4PL”服务提供商提供接入，这些服务提供商能够结合和同步货运，并得到一流的信通技术和物理基础设施的支持。 高水平的运输自动化是实现这种物理互联网愿景的重要条件。 然而，与数字互联网不同的是，人类互动的水平将变得重要，因为最终我们正在处理物理物体的物理传输。毫无疑问，必须克服重大障碍，包括为物理互联网，来设计一个多方面的决策支持系统，在可能的情况下，通过智能代理自动执行。 但一旦达到充足的规模，标准化包装、自动运输和转运以及自动(re)路由的组合，会提供一种在成本和速度方面很成功的替代方案，类似于目前集装箱运输的成功。 最根本的变化将是许多仍然存在的物流公司的作用，它们要么需要转移到具有启动和监督技能的“4PL”服务提供商，要么完全放弃业务。 然而，目前高度分散和分散的工作方式并不能实现更长的可持续性，无论是在经济上还是在生态和社会上。
图1：物理互联网的内容
图2：AI应用的人类接受模型。
接受阻力(A R)
接受人工智能
接受人工智能的决定
接受人工智能的能力
AI信任基金
AI能力
AI决定
AI接管
个人信任程度
同时，我们应建立高级别监督和纠正机制，例如，克服基础设施问题，为脆弱的货运提供安全的途径，或在非法入侵时能够采取反击措施。
自主系统，如物理互联网，是由传感器应用和机器学习的最新技术发展所设计的，这些技术结合起来允许机器系统完成复杂的任务，例如自动驾驶。 这些应用被确定为“弱人工智能”应用。 由于它们仅限于并专注于具体应用程序-而不是“强人工智能”，它可以像人类一样解决大量和越来越多的任务，然后成为“超人”。 机器学习是人工智能应用程序的基石，意思是允许程序学习自己，留下了以前对编码动作的限制，而以前的每个机器动作都必须以某种方式编程，软件、机器或机器人现在能够向人类学习。 例如，美国的机器人创新公司波士顿动力公司和德国的马加齐诺公司提供了能够独立满足在内部物流中订购任务的机器，并向人类学习人类运动和大厅布局。 在杂志中的例子里，这不仅代表个体，而且还代表群体智能学习，因为机器人之间相互通信，每一种训练和努力都会立即与组内的所有机器共享。 对于运输和物流，已经有了大量的理论概念和应用，例如，在交通流预测和管理领域。为了更好地理解这些变化，下一节将讨论理论框架的总体愿景。
发展框架
物流中的人机合作
人类与AI应用和自动化设备的互
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[236396]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
