Исследование посвящено проблеме системного взаимодействия человека-оператора и робота-манипулятора в высокотехнологичном производственном процессе. Актуальность работы обусловлена необходимостью создания математической модели, которая сбалансированно распределяет задания в высокотехнологичном производстве указанной бинарной пары с учетом меняющихся индивидуальных когнитивных способностей человека-оператора в течение рабочей смены. В работе проанализированы факторы, влияющие на производительность бинарных коллаборативных рабочих мест, с акцентом на динамику психофизиологического состояния оператора и кривых его работоспособности в течение производственной смены. Для математической формализации взаимосвязей психофизиологических параметров оператора, вызванных его взаимодействием с роботом-манипулятором, разработан граф, учитывающий показатели работоспособности, утомляемости, ошибаемости и уровня автономности робота-манипулятора. Разработанная авторами математическая модель позволила разработать механизм управления технологическим процессом, который адаптивно перераспределяет функции между человеком-оператором и роботом-манипулятором. Предложенное решение регулирует уровень автономности роботизированной системы в зависимости от текущего психофизиологического состояния оператора, что способствует повышению производительности производства. Полученные результаты могут быть масштабированы на большую размерность коллаборации и применены как рекомендации для проектирования человеко-ориентированных производственных систем, соответствующих концепции «Индустрии 5.0». Научная новизна предложенного решения состоит в построении и верификации в среде имитационного моделирования математической модели взаимодействия «человек-оператор – робот-манипулятор», позволяющей количественно проанализировать сценарии их коллаборативного взаимодействия и провести оптимизацию алгоритмов распределения задач в человеко-ориентированных производственных системах в онлайн-режиме для повышения производительности производства.
This study examines the systemic interaction between a human operator and a robotic manipulator in a high-tech manufacturing process. The relevance of this work stems from the need to develop a mathematical model that balances the distribution of tasks in high-tech production for this binary pair, taking into account the changing individual cognitive abilities of the human operator during a work shift. The study analyzes factors influencing the productivity of binary collaborative workstations, focusing on the dynamics of the operator’s psychophysiological state and their performance curves during a work shift. To mathematically formalize the relationships between the operator’s psychophysiological parameters caused by their interaction with the robotic manipulator, a graph was developed that takes into account indicators of performance, fatigue, error rate, and the level of autonomy of the robotic manipulator. The mathematical model developed by the authors allowed for the development of a process control mechanism that adaptively redistributes functions between the human operator and the robotic manipulator. The proposed solution regulates the level of autonomy of a robotic system based on the operator’s current psychophysiological state, thereby increasing production productivity. The results obtained can be scaled to larger collaboration dimensions and applied as recommendations for the design of human-centered production systems aligned with the Industry 5.0 concept. The scientific novelty of the proposed solution lies in the construction and verification in a simulation environment of a mathematical model of human-operator-robot interaction, enabling quantitative analysis of collaborative scenarios and the optimization of task distribution algorithms in human-centered production systems online to improve production productivity.
1. Аренс Ю. А., Каткова Н. А., Халимон Е. А., Брикошина И. С. Пятая промышленная революция – инновации в области биотехнологий и нейросетей // E-Management. 2021. Т. 4. № 3. С. 11–19 DOI: 10.26425/2658-3445-2021-4-3-11-19.
2. Nahavandi S. Industry 5.0 – A human-centric solution // Sustainability. 2019. Vol. 11. Is. 16. P. 4371. DOI: 10.3390/su11164371.
3. Галин Р. Р., Серебренный В. В., Тевяшов Г. К., Широкий А. А. Взаимодействие человека и робота в коллаборативных робототехнических системах // Известия Юго-Западного государственного университета. 2020. Т. 24. № 4. С. 180–199. DOI: 10.21869/2223-1560-2020-24-4-180-199.
4. Вишневский Д. А., Подлипенская Л. Е., Денисова Н. А., Бондарь Н. А. Методика определения параметров математической модели динамики психофизиологического состояния оператора металлургического оборудования // Безопасность техногенных и природных систем. 2024. Т. 8. № 1. С. 7–19. URL: https://cyberleninka.ru/article/n/metodika-opredeleniya-parametrov-matematicheskoy-modeli-dinamiki-psihofiziologicheskogo-sostoyaniya-operatora-metallurgicheskogo (дата обращения: 23.01.2026).
5. Mourtzis D., Angelopoulos J., Panopoulos N. Operator 5.0: A survey on enabling technologies and a framework for digital manufacturing based on extended reality // Journal of Machine Engineering. 2022. Vol. 22 (1). Р. 43–69. DOI: 10.36897/jme/147160.
6. Вишневский Д. А., Бондарь Н. А., Гайдар А. И. Математическое моделирование взаимосвязи работоспособности, утомляемости и ошибаемости оператора металлургической отрасли с учетом управляемых и неуправляемых факторов // Наукоемкие технологии и оборудование в промышленности и строительстве. 2022. № 27 (70). С. 91–96. DOI: 10.23947/2541-9129-2024-8-1-7-19. EDN: AKUPSC.
7. Тина Халл (Tina Hull) Перевод: Владимир Рентюк. Что необходимо знать о коллаборативных роботах // Control Engineering Россия. 2019. № 6 (86). С. 48–51. URL: https://controlengrussia.com/innovatsii/robototehnika/kollaborativnye-roboty/ (дата обращения: 29.01.2026).
8. Баранов Ю. Н., Трясцин А. П., Дубровин А. Г., Катунин А. А., Никитенко О. С. Мониторинг функционального состояния операторов технических систем как фактор безопасности технологических процессов // Вестник аграрной науки Дона. 2020. № 2 (50). С. 93–99. URL: https://cyberleninka.ru/article/n/monitoring-funktsionalnogo-sostoyaniya-operatorov-tehnicheskih-sistem-kak-faktor-bezopasnosti-tehnologicheskih-protsessov (дата обращения: 23.01.2026).
9. Медунецкий В. М., Сержантова М. В. Особенности взаимодействия человека с робототехнической системой в производственном процессе // Современная наука: актуальные проблемы теории и практики. Серия: естественные и технические науки. ООО «Научные технологии». 2024. № 11. С. 103–107. URL: https://elibrary.ru/item.asp?id=80456369 (дата обращения: 29.01.2026). DOI: 10.37882/2223-2966.2024.11.21.
10. Сержантова М. В., Ушаков А. В. Конечные цепи Маркова в модельном представлении деятельности человека-оператора в квазистатической функциональной среде // Научно-технический вестник информационных технологий, механики и оптики. 2016. Т. 16. № 3. С. 524–532. URL: https://cyberleninka.ru/article/n/konechnye-tsepi-markova-v-modelnom-predstavlenii-deyatelnosti-cheloveka-operatora-v-kvazistaticheskoy-funktsionalnoy-srede (дата обращения: 30.01.2026). DOI: 10.17586/2226-1494-2016-16-3-524-532.
11. Сержантова М. В., Ушаков А. В. Рекреативный интервал в проблеме управления производительностью деятельности антропокомпонента-оператора в квазистатической функциональной среде. Мехатроника, автоматизация, управление. 2015. Т. 16. № 4. С. 262–267. URL: https://mech.novtex.ru/jour/article/view/163 (дата обращения: 29.01.2026).
12. Сержантова М. В., Ушаков А. В. Интервальная аддитивная кусочно-полиномиальная временная модель деятельности человека-оператора в квазистатической функциональной среде // Научно-технический вестник информационных технологий, механики и оптики. 2015. Т. 15. № 2. С. 329–337. URL: https://cyberleninka.ru/article/n/intervalnaya-additivnaya-kusochno-polinomialnaya-vremennaya-model-deyatelnosti-cheloveka-operatora-v-kvazistaticheskoy (дата обращения: 01.02.2026). DOI: 10.17586/2226-1494-2015-15-2-329-337.
13. Вишневский Д. А., Сахаров Б. А. Анализ влияния «человеческого фактора» на надежность металлургического оборудования // Наукоемкие технологии и оборудование в промышленности и строительстве. 2018. № 55. С. 97–104. URL: https://cyberleninka.ru/article/n/analiz-vliyaniya-chelovecheskogo-faktora-na-nadyozhnost-metallurgicheskogo-oborudovaniya (дата обращения: 29.01.2026).
14. Кудрин Р. А., Лифанова Е. В., Плотникова А. В. Биоэлектрическая активность головного мозга у операторов с разным хронотипом // Вестник Волгоградского государственного медицинского университета. 2019. № 1 (69) C. 116–119. URL: https://cyberleninka.ru/article/n/bioelektricheskaya-aktivnost-golovnogo-mozga-u-operatorov-s-raznym-hronotipom (дата обращения: 29.01.2026). DOI: 10.19163/1994-9480-2019-1(69)-116-119.
15. Глуткин С. В., Чернышева Ю. Н., Зинчук В. В., Балбатун О. А., Орехов С. Д. Физиологическая характеристика лиц с различными хронотипами // Вестник Смоленской государственной медицинской академии. 2017. Т. 16. № 2. С. 48–58. URL: https://cyberleninka.ru/article/n/fiziologicheskaya-harakteristika-lits-s-razlichnymi-hronotipami (дата обращения: 29.01.2026).
16. Булатов В. В., Джаошвили Н. Г., Нуйя О. С., Рудаков Р. В., Сержантова М. В., Савельев Н. В. Разработка автоматизированного контроля пересечения траекторий движения роботов-манипуляторов // Современные наукоемкие технологии. 2025. № 2. С. 24–29. URL: 1https://top-technologies.ru/ru/article/view?id=40299 (дата обращения: 25.01.2026). DOI: 10.17513/snt.40299.