优化孟加拉国RMG行业生产任务中的人体工程学干预措施，以实现可持续发展

《Cleaner Logistics and Supply Chain》：Optimizing ergonomic interventions in production tasks for sustainability in Bangladeshi RMG industries

　　Md Al Amin | Roberto Baldacci
工程管理与决策科学系，科学与工程学院，哈马德·本·哈利法大学，多哈 34110，卡塔尔

**摘要**
孟加拉国的成衣（RMG）产业作为国家经济的支柱，在财务和运营限制下面临着平衡工人安全与生产力的关键挑战。为了在可持续供应链管理（SSCM）的框架内解决这些挑战，本研究开发了一种结合层次分析法（AHP）与多目标优化的混合决策框架。首先使用AHP根据三个关键标准（人体工程学风险因素、劳动力生产力和人体工程学干预成本）从十二个代表性RMG任务中得出综合优先级分数。这些综合分数随后被纳入优化模型作为惩罚项，以指导任务优先级排序。然后应用多目标线性规划来确定在现实世界约束条件下的最有效干预措施。该优化模型同时最大化生产力并最小化人体工程学风险，同时考虑了任务级别的优先级差异。结果表明，最优干预措施偏好那些人体工程学风险较低且生产力贡献较高的任务。在基准条件下，选定的任务集每小时实现总生产力524单位，绩效得分为417.98。敏感性分析和基于帕累托的权衡进一步证明了该模型在平衡竞争目标和支持透明决策方面的能力。所提出的框架为在资源受限的RMG环境中将人体工程学考虑因素纳入可持续生产计划提供了一种系统性和数据驱动的方法，并为提高运营效率和工人福祉提供了实际见解。

**1. 引言**
随着孟加拉国经济日益依赖出口导向的制造业，成衣（RMG）部门成为工业增长的中心支柱。尽管该行业具有经济重要性，但仍然面临着提高运营效率和确保以工人为中心的可持续实践的双重挑战。随着全球对道德和可持续采购压力的增加，将可持续性原则纳入供应链管理已成为长期竞争力和合规性的关键（Negri等人，2021年；Esan等人，2024年）。SSCM强调将环境、经济和社会要素整合到决策过程中，从而创建一个促进生产力和问责制的框架（Yosef等人，2023年）。然而，最近的SSCM文献越来越多地认识到工人福祉和职业健康是可持续供应链绩效的关键驱动因素。在孟加拉国RMG行业的研究表明，改善的人体工程学条件和安全管理系统能够提升员工参与度、生产力和运营稳定性（Hoque和Shahinuzzaman，2021年；Aktar，2022年；Hamja等人，2025年）。从供应链的角度来看，这些改进有助于社会可持续性、风险降低和韧性，特别是在劳动密集型生产中。

在可持续性的社会维度中，专注于设计符合人类身心能力的任务和工作环境的人体工程学在供应链决策中受到的关注相对较少（Gaj?ek等人，2022年）。在孟加拉国RMG行业等劳动密集型产业中，工人经常面临重复性动作、不自然的姿势和体力要求高的任务。这些人体工程学风险常常导致肌肉骨骼疾病、士气下降和缺勤率增加，最终影响生产力。这些结果不仅损害了工人的健康，也挑战了更广泛的可持续性目标。虽然SSCM文献在环境技术、绿色物流和循环经济实践方面取得了重大进展，但人体工程学考虑通常被视为社会可持续性的次要组成部分（Yu等人，2022年；Hussain和Malik，2020年；Singh，2025年）。尽管对RMG行业职业健康和安全的关注越来越多，现有研究大多依赖于描述性人体工程学评估或孤立的风险评分技术。很少有研究将人体工程学风险评估与基于优化的任务选择相结合，同时考虑生产力、成本和运营限制（Tahmid和Rasel，2025年；Hamja等人，2025年；Hoque和Shahinuzzaman，2021年）。本研究通过提出一种结合AHP和多目标优化的混合框架来填补这一空白，以支持可持续供应链规划中基于人体工程学的决策。因此，本研究遵循以下研究问题：
• RQ1：如何系统地评估人体工程学风险并将其纳入RMG行业的任务优先级排序中，以支持可持续生产？
• RQ2：哪种混合决策方法可以优化任务级别的干预措施，以平衡减少人体工程学风险、提高生产力和预算限制？

为了在概念和实践上弥合这一空白，本研究引入了一种混合决策支持框架，通过结合应用AHP和多目标线性编程将人体工程学干预措施整合到生产任务中。这种综合方法基于专家输入，有助于在有限预算和最低生产力要求等现实约束下对生产任务进行结构化优先排序。具体而言，AHP用于根据三个关键标准（人体工程学风险、劳动力生产力和干预成本）对12个代表性RMG任务进行排序。所得到的综合分数直接纳入多目标优化模型中，以便选择最有效的人体工程学干预措施，同时平衡竞争目标。这项研究尤其相关，因为全球南方的制造业面临着在不牺牲成本效率和工人福祉的情况下满足国际可持续性标准的压力（Zink和Fischer，2018年；Akhter，2018年）。

**2. 文献综述**
本节综合了与人体工程学风险管理、可持续供应链管理和劳动密集型制造业中决策支持建模相关的先前研究。首先澄清关键概念和术语，然后考察相关实证和方法论研究，接着讨论孟加拉国RMG行业中的常见人体工程学风险和生产任务，解释本研究中采用的方法论选择，并系统地识别现有文献中的未解决缺口。最后概述了本研究对这些缺口的具体研究贡献。

**2.1. 关键定义和意义**
人体工程学是研究人类与工作系统交互的科学，旨在提高工人福祉和整体系统性能（Berlin & Adams，2017年）。在工业环境中，通常采用人体工程学干预措施来减少身体压力、重复性动作伤害和肌肉骨骼疾病（MSDs），从而改善工人健康、工作满意度和生产力（Kim等人，2013年）。这些风险在劳动密集型行业（如孟加拉国RMG行业）尤为突出，其中手动处理、不自然的姿势和重复性任务是日常工作的常见特征（Hossain等人，2018年）。在本研究中，人体工程学考虑特别关注身体任务要求，如姿势、力量、重复率和暴露时间，这些指标被量化以评估风险并指导干预计划。然而，人体工程学干预措施涉及旨在减少或消除已识别人体工程学风险的实际实施。这些措施可以包括工程解决方案、行政措施或培训计划，以促进更安全的工作技术（Van Eerd等人，2010年；Ahmed，2018年）。在RMG行业中，人体工程学干预措施通常需要低成本、易于实施，并与现有运营实践兼容，因此任务级别的优先排序对于有效分配资源至关重要。虽然SSCM文献在环境问题和经济绩效方面给予了大量关注，但社会维度（特别是职业健康和安全）受到的关注相对有限（Hamja等人，2018年；Rajput，2019年）。在这一支柱中，人体工程学福祉往往被狭义地考虑或视为一般劳动条件的子集，尽管它对劳动力稳定性、生产连续性和整体系统韧性具有关键影响。

**2.2. 相关工作**
许多研究解决了供应链中的可持续性挑战，重点关注绿色技术、循环经济采纳和基于绩效的评估框架（Al Amin和Baldacci，2024a；Yu等人，2022年；Hussain和Malik，2020年）。在RMG行业中，研究主要探讨了环境合规性、废物减少和供应链透明度等问题（Al Amin & Baldacci，2024a & Al Amin & Baldacci，2024b）。然而，人体工程学考虑在系统集成到SSCM战略和资源分配模型方面仍然不足。Dul和Neumann（2007年）强调了人体工程学在提高业务绩效和可持续性方面的战略价值，但其在线供应链层面决策中的实施仍然有限。Hamid & Selamat（2020年）研究了马来西亚制造业中的人体工程学风险，但没有将其扩展到干预计划或供应链优化中。类似地，Celano等人（2004年）开发了装配线的人因评估模型，但没有将其与基于成本的或战略决策框架联系起来。最近的文献开始将人体工程学风险评分和以人为中心的指标纳入工作场所评估（Bittencourt等人，2023年；Hilmi等人，2024年），但这些努力大多与SSCM优化模型分离。MCDM工具（如AHP和TOPSIS）在可持续性规划中越来越受欢迎（Dang等人，2019年），但大多数应用未能解决人体工程学标准或将这些排名整合到支持预算受限的数据驱动决策的定量模型中。

**2.3. 人体工程学风险和常见的RMG任务**
孟加拉国的RMG行业以其劳动密集型运营为特点。工人经常面临重复性动作、不自然的姿势、长时间站立或坐着以及手动处理材料等体力要求高的任务。这些工作条件带来了显著的人体工程学风险，导致肌肉骨骼疾病、疲劳和职业伤害，进而增加缺勤率、降低士气并影响运营效率（Hossain等人，2018年；Kabir等人，2023年）。在任务层面理解和分类这些风险对于优先排序能够改善工人福祉和支持可持续生产力的干预措施至关重要。人体工程学风险评估提供了一种结构化的方式，用于识别与每个任务相关的具体身体压力源，并根据重复率、力量、姿势和持续时间等标准化参数评估其严重性（Kabir等人，2019年；Ahmed等人，2019年）。选择十二个代表性任务的目的是捕捉孟加拉国RMG行业核心生产阶段（裁剪、缝纫和整理）中最具人体工程学关键性和最常执行的操作。这些任务的确定基于专家咨询、现场观察和先前研究，这些研究强调了重复性动作、不自然的姿势和长时间任务是常见的人体工程学问题。将范围限制在十二个任务内，确保了数据集的可管理性和分析稳健性，适合结构化优先排序和优化。虽然这些任务代表了核心的手动工作量，但排除了库存处理、机器维护和行政职责等辅助操作，因为它们通常涉及较低的人体工程学风险、发生频率较低或超出了基础体力劳动的范围。这种有针对性的选择使模型能够关注高影响的人体工程学干预措施，同时保持实际相关性和分析可行性。

**2.4 文献综述的结论**
第2节回顾了供应链中人体工程学的使用以及SSCM中决策支持工具的应用。第3节详细介绍了研究方法，包括AHP的构建和多目标优化模型的开发。第4节使用RMG行业的具体数据说明了所提出框架的应用。第5节讨论了结果及其实际意义。第6节总结了研究，指出了其局限性，并为未来研究提供了方向。## 常见的RMG任务及其相关人体工程学描述

| 任务编号 | 任务名称 | 描述 |
| ------- | ------- | ------- |
| T1 | 手动布料搬运 | 工人们搬运沉重的布料卷，经常需要不自然地弯腰或扭转身体。 |
| T2 | 布料裁剪 | 用剪刀或机器裁剪大块布料，通常需要倚靠在某物上。 |
| T3 | 缝纫机操作 | 高频率重复动作和长时间坐着，导致姿势相关问题。 |
| T4 | 熨烫/压平 | 长时间站立并进行重复的上肢运动。 |
| T5 | 包装和折叠 | 手动折叠、捆绑和打包工作，通常需要坐着或蹲着完成。 |
| T6 | 质量检查 | 在光线不足和姿势不舒适的情况下进行视觉检查。 |
| T7 | 材料分类 | 弯腰、蹲下或跪着对不同材料进行分类。 |
| T8 | 按扣和拉链缝制 | 需要精细的运动控制，并且存在视觉压力。 |
| T9 | 装载/卸载 | 在移动材料过程中进行重物搬运。 |
| T10 | 刺绣（手工/机器） | 需要重复使用手部并弯曲颈部的高精度工作。 |
| T11 | 领口和袖口安装 | 需要频繁扭转和弯曲身体的手工指导操作。 |
| T12 | 线头修剪 | 快速剪刀操作需要良好的手腕人体工程学和姿势。 |

这种分类为人体工程学建模阶段奠定了基础，使得能够在任务层面量化风险并进行优先级排序。它是后续应用AHP（层次分析法）的基础，AHP会根据人体工程学风险、生产率和成本标准对任务进行评估。从高力量手动操作（T1、T9）到重复性精细动作任务（T10、T12），各项任务对身体的要求各不相同，这表明在人体工程学干预规划中需要一种细致且基于数据的方法。这种细致性有助于在优化阶段更有效地选择任务，确保同时考虑工人安全和运营持续性。

### 2.4 方法论的合理性

本研究采用了一种混合方法论框架，结合了AHP（层次分析法）和多目标线性规划，以支持S SCM（可持续供应链管理）中的人体工程学决策。这种组合经过精心选择，旨在平衡专家驱动的优先级排序和在现实世界限制条件下的定量优化。选择这些方法的理由不仅在于它们各自的优点，还在于它们与孟加拉国RMG（纺织品制造）行业实际和数据限制的兼容性。AHP之所以被选中的原因在于其简单性、可解释性以及在涉及专家判断的情境中的广泛接受度（Sahoo & Goswami, 2023）。虽然模糊决策方法和混合决策方法在处理不确定性方面具有更大的灵活性，但它们往往引入不必要的计算复杂性，并且更难以向非技术利益相关者传达（Hodosi et al., 2023, Chalekaee et al., 2019）。此外，像TOPSIS这样的方法侧重于对备选方案的排名，而不是分配可操作的权重，因此在输出需要输入优化模型时不太适用（Chakraborty, 2022）。其他相关的决策方法，如CoCoSo，通过结合加性和乘法聚合方案，在处理相互冲突的标准时特别有效（Goswami et al., 2025, Yazdani et al., 2019）。这种混合结构不仅能够选择任务，还能进行排名，这是CoCoSo和TOPSIS都无法实现的。因此，选择AHP并非作为其他决策方法的替代品，而是作为一种与优化相结合的补充权重机制，以解决劳动密集型RMG生产系统的特定决策问题。

### 2.4.4 方法论的合理性

本研究采用了一种混合方法论框架，结合了AHP和多目标线性规划，以支持S SCM中的人体工程学决策。这种组合的灵感不仅来自于它们各自的优点，还在于它们与孟加拉国RMG行业的实际和数据限制的兼容性。AHP之所以被选中的原因在于其简单性、可解释性以及在涉及专家判断的情境中的广泛接受度（Sahoo & Goswami, 2023）。虽然模糊决策方法和混合决策方法在处理不确定性方面具有更大的灵活性，但它们往往引入不必要的计算复杂性，并且更难以向非技术利益相关者传达（Hodosi et al., 2023, Chalekaee et al., 2019）。此外，像TOPSIS这样的方法侧重于对备选方案的排名，而不是分配可操作的权重，因此在输出需要输入优化模型时不太适用（Chakraborty, 2022）。其他相关的决策方法，如CoCoSo，在处理相互冲突的标准时特别有效（Goswami et al., 2025, Yazdani et al., 2019）。这种混合结构不仅能够选择任务，还能进行排名，这是CoCoSo和TOPSIS都无法实现的。因此，选择AHP并非作为其他决策方法的替代品，而是一种与优化相结合的补充权重机制，以解决劳动密集型RMG生产系统的特定决策问题。

对于优化阶段，多目标线性规划相比混合整数非线性规划、目标规划或遗传算法等更先进的方法更具优势。虽然这些方法可以处理复杂的非线性问题，但它们通常需要更多的计算资源、更长的执行时间，以及大型高质量的数据集，而这在资源受限的环境中可能不易获得（Rao & Savsani, 2012）。相比之下，线性规划在计算效率、可解释性方面表现优异，并且足以在预算限制和性能阈值等严格条件下对生产力、人体工程学风险和成本之间的权衡进行建模（Dantzig, 2002）。这种结合AHP和多目标优化的混合方法特别适合解决孟加拉国RMG行业中需要考虑人体工程学的复杂多标准决策问题。AHP能够在数据稀缺的环境中系统地整合专家判断，即使在数据稀缺的情况下也能得出一致的优先级权重。然而，尽管AHP能够有效捕捉定性见解，但它不支持在定量约束下的决策。为了填补这一空白，本研究采用了多目标优化，在财务限制、风险阈值和生产力要求等明确限制条件下，数学上确定最有效的人体工程学干预方案。这种混合方法使模型能够以结构化和可操作的方式捕捉安全和效率之间的内在权衡。与传统的模糊AHP、TOPSIS或IF-TOPSIS等主要关注排名或主观聚合的方法不同（Afful-Dadzie et al., 2017），这种混合方法能够同时实现基于优先级的决策结构和考虑约束的优化。因此，它提供了一个 robust 且可扩展的决策支持工具，能够满足劳动密集型、资源受限行业（如RMG行业）的独特需求。

### 2.5 研究空白

尽管S SCM在学术文献和工业实践中日益受到重视，但在定量决策模型中，特别是在劳动密集型、资源受限的行业（如孟加拉国的RMG行业）中，人体工程学考虑仍然严重不足。虽然可持续性的社会维度在概念上已经得到重视，但其操作层面的实现，尤其是在职业健康、安全和人体工程学风险方面，往往是肤浅或定性的（Nakamba et al., 2017, Hutchins and Sutherland, 2008）。现有的S SCM框架通常强调环境合规性和成本效率，而工人福利往往被概括在“社会可持续性”这一大概念之下（Dubey et al., 2017, Foot and Ross, 2017）。此外，很少有研究提供将人体工程学优先级嵌入供应链决策的定量、模型驱动的框架，特别是在财务或运营限制条件下（Sobhani et al., 2016, Sobhani et al., 2015）。人体工程学数据与优化技术之间的缺乏整合是一个主要的方法论空白。大多数现有模型要么依赖于描述性分析，要么基于专家的启发式方法，而没有系统的、数据驱动的优先级排序机制（Rodríguez-Gámez et al., 2025, Zink and Fischer, 2018, Hasle and Jensen, 2012）。然而，表2展示了一些专注于人体工程学评估和决策支持方法的研究的比较分析。

表2. 人体工程学决策支持方法和研究空白的比较概述

| 研究 | 方法 | 定量优先级排序 | 基于优化的决策支持 | 关键贡献 | 见解/发现 | 研究空白 |
| ---- | ---------- | -------- | ------------ | ------- | ---------- | -------- |
| Bano (2019) | 工作因素问卷 | XX | 进行了针对缝纫工人的主观人体工程学评估；建议了改善工作场所安全和生产力的 interventions | 报告了高人体工程学风险因素；指出灵活的个人时间和休息安排对于减少疲劳至关重要 | 仅采用描述性方法，缺乏优先级排序或优化 |
| Rajput (2019) | 观察 + 人体工程学重新设计 | XX | 对蒸汽熨烫工作站进行了横断面调查和观察研究；提出了减少WMSDs（肌肉骨骼疾病）和热应激的重新设计建议 | 由于重复性搬运和热应激，WMSDs发生概率很高；呼吁更新设备标准和法规 | 没有进行定量任务选择；仅限于设计建议 |
| Ahmed (2018) | REBA + 工作站重新设计 | XX | 使用REBA进行人体工程学风险评估；开发了基于人体测量学的工作站重新设计以减少WMSDs | 人体工程学风险得分在工作站重新设计后显著降低 | 专注于人体工程学评分，而非决策支持工具 |
| Hossain et al. (2018) | QEC + NMQ-EX | XX | 使用QEC和NMQ-E对RMG工人的人体工程学风险进行大规模横断面研究 | 下背部和颈部受影响最大；80%的工人面临高WMSDs风险；建议了人体工程学干预措施和政策改革 | 大规模风险分析，缺乏优先级排序或优化模型 |
| Samad et al. (2019) | 调查方法 | XX | 提出了改进RMG工厂姿势和减少肌肉骨骼投诉的替代工作站设计 | 确定了不良姿势和重复动作是疼痛的主要原因；建议了人体工程学重新设计 | 缺乏结构化的优先级排序和优化框架 |
| Hoque & Shahinuzzaman (2021) | OHS管理系统分析 | XX | 调查了孟加拉国服装工厂的任务绩效和职业健康与安全（OHS）系统 | 发现任务设计、安全管理和生产力之间存在紧密联系 | 检查了任务绩效和安全系统，但缺乏定量优先级排序和基于优化的任务选择 |
| Aktar (2022) | 基于调查的实证分析 | XX | 分析了OHS、员工参与度和任务绩效之间的关系 | 显示OHS对生产力和员工参与度有积极影响 | 仅关注OHS与绩效的关系，缺乏决策支持或优化建模 |
| Sahu et al., 2023a, Sahu et al., 2023b | 混合决策方法；区块链–SWOT框架 | ? | 开发了结合SWOT、区块链和决策工具的混合决策方法框架，用于质量与可持续性管理 | 证明了数据驱动和区块链支持的决策架构可以提高可持续性绩效 | 专注于战略层面的可持续性决策；缺乏任务层面的人体工程学风险建模和基于优化的干预计划 |
| Hamja et al. (2025) | 精益–人体工程学干预研究 | ? | 通过工人参与将人体工程学与精益实践相结合 | 通过参与式人体工程学减少了肌肉骨骼不适并提高了工人满意度 | 证明了人体工程学的改进，但没有采用正式的决策方法来实现优先级排序或优化 |
| Javed et al. (2025) | 观察性人体工程学风险评估 | XX | 识别了中小型服装企业的缝纫机操作者的人体工程学危险 | 显示了重复性缝纫任务中高肌肉骨骼风险 | 仅限于风险识别；没有优先级排序、成本考虑或基于优化的干预计划 |
| Islam (2025) | 服装产品开发中的可持续性评估 | XX | 解决了可持续服装产品开发中的环境、社会和经济挑战 | 强调了服装供应链中的社会和经济可持续性差距 | 未将人体工程学风险纳入定量决策支持或优化模型 |
| Hossan (2025) | 比较案例研究（社会合规性与S SCM） | XX | 评估了社会合规性对孟加拉国RMG企业S SCM绩效的影响 | 社会合规性提高了可持续性成果 | 宏观层面分析；缺乏特定任务的优先级排序和优化 |

### 2.5.5 研究空白

尽管S SCM在学术文献和工业实践中的重要性日益增加，但在定量决策模型中，特别是在像孟加拉国RMG行业这样的劳动密集型、资源受限行业中，人体工程学考虑仍然显著不足。虽然可持续性的社会维度在概念上已经得到重视，但其操作层面的实现，尤其是在职业健康、安全和人体工程学风险方面，往往是表面化或定性的（Nakamba et al., 2017, Hutchins and Sutherland, 2008）。现有的S SCM框架通常强调环境合规性和成本效益，而工人福利往往被笼统地归入“社会可持续性”这一概念之下（Dubey et al., 2017, Foot and Ross, 2017）。此外，很少有研究提供将人体工程学优先级嵌入供应链决策的定量、模型驱动的框架，特别是在财务或运营限制条件下（Sobhani et al., 2016, Sobhani et al., 2015）。人体工程学数据与优化技术之间的缺乏整合是一个主要的方法论空白。大多数现有模型要么依赖于描述性分析，要么基于专家的启发式方法，而没有系统的、数据驱动的优先级排序机制（Rodríguez-Gámez et al., 2025, Zink and Fischer, 2018, Hasle and Jensen, 2012）。然而，表2展示了几项关注人体工程学评估和决策支持方法的研究的比较分析。

表2. 人体工程学决策支持方法和研究空白的比较概述

| 研究 | 方法 | 定量优先级排序 | 基于优化的决策支持 | 关键贡献 | 见解/发现 | 研究空白 |
| -------------- | ------------------ | ------------ | ------------------ | -------- | -------- |
| Bano (2019) | 工作因素问卷 | XX | 通过工作因素问卷进行了主观人体工程学评估；建议了改善工作场所安全和生产力的干预措施 | 工人们报告了高人体工程学风险因素；灵活的个人时间和休息安排被认为对减少疲劳至关重要 | 仅采用描述性方法，缺乏优先级排序或优化 |
| Rajput (2019) | 观察 + 人体工程学重新设计 | XX | 对蒸汽熨烫工作站进行了横断面调查和观察研究；提出了减少WMSDs和热应激的重新设计建议 | 由于重复性搬运和热应激，WMSDs发生概率很高；呼吁更新设备标准和法规 | 没有进行定量任务选择；仅限于设计建议 |
| Ahmed (2018) | REBA + 工作站重新设计 | XX | 使用REBA进行人体工程学风险评估；开发了基于人体测量学的工作站重新设计以减少WMSDs | 人体工程学风险得分在工作站重新设计后显著降低 | 专注于人体工程学评分，而非决策支持工具 |
| Hossain et al. (2018) | QEC + NMQ-EX | XX | 使用QEC和NMQ-E对RMG工人进行大规模横断面研究 | 下背部和颈部受影响最大；80%的工人面临高WMSDs风险；建议了人体工程学干预措施和政策改革 | 大规模风险分析，缺乏优先级排序或优化模型 |
| Samad et al. (2019) | 调查方法 | XX | 提出了改进RMG工厂姿势和减少肌肉骨骼投诉的替代工作站设计 | 确定了不良姿势和重复动作是疼痛的主要原因；建议了人体工程学重新设计 | 缺乏结构化的优先级排序和优化框架 |
| Hoque & Shahinuzzaman (2021) | OHS管理系统分析 | XX | 调查了孟加拉国服装工厂的任务绩效和职业健康与安全（OHS）系统 | 发现任务设计、安全管理和生产力之间存在紧密联系 | 检查了任务绩效和安全系统，但缺乏定量优先级排序和基于优化的任务选择 |
| Aktar (2022) | 基于调查的实证分析 | XX | 分析了OHS、员工参与度和任务绩效之间的关系 | 显示OHS对生产力和员工参与度有积极影响 | 仅关注OHS与绩效的关系，缺乏决策支持或优化建模 |
| Sahu et al., 2023a, Sahu et al., 2023b | 混合决策方法；区块链–SWOT框架 | ? | 开发了结合SWOT、区块链和决策工具的混合决策方法框架，用于质量和可持续性管理 | 证明了数据驱动和区块链支持的决策架构可以提高可持续性绩效 | 专注于战略层面的可持续性决策；缺乏任务层面的人体工程学风险建模和基于优化的干预计划 |
| Hamja et al. (2025) | 精益–人体工程学干预研究 | ? | 通过工人参与将人体工程学与精益实践相结合 | 通过参与式人体工程学减少了肌肉骨骼不适并提高了工人满意度 | 证明了人体工程学的改进，但没有采用正式的决策方法来实现优先级排序或优化 |
| Javed et al. (2025) | 观察性人体工程学风险评估 | XX | 识别了中小型服装企业中缝纫机操作者的人体工程学危险 | 识别了重复性缝纫任务中的高肌肉骨骼风险 | 仅限于风险识别；没有优先级排序、成本考虑或基于优化的干预计划 |
| Islam (2025) | 服装产品开发中的可持续性评估 | XX | 解决了可持续服装产品开发中的环境目标是通过优化任务级别的人体工程学干预措施来提升社会可持续性支柱，这些措施可以在预算限制下提高生产效率并降低工人风险。

3.1. 任务分析及决策标准
基于现场观察和相关文献的回顾，选择了服装制造（RMG）行业中常见的十二项代表性生产任务。这些任务涵盖了服装生产的各个阶段，反映了劳动密集型环境中的典型手动和半自动化操作。每项任务都用三个核心的人体工程学和操作标准进行了评估。评估标准的选设定是为了支持劳动密集型RMG生产中的人体工程学干预规划，同时平衡操作性能和可行性。通过对人体工程学、生产管理和可持续制造文献的回顾，确定了三个标准：人体工程学风险因素、劳动力生产率和人体工程学干预成本。这些标准反映了资源受限制造环境中影响任务级别决策的核心维度。首先，人体工程学风险因素（ERF）衡量与任务相关的身体负荷和姿势压力，较高的值表明由于重复动作、不自然的姿势或强力施加的力量而导致的人体工程学风险较大。其次，劳动力生产力（WP）指的是工人每小时生产的 Output unit 数量，作为任务效率及其对整体运营贡献的指标。第三，人体工程学干预成本（CEI）代表了实施人体工程学改进所需的估计财务投资，例如可调节的工作站、辅助工具或针对性培训计划。这三个标准构成了用于得出任务优先级分数的分析层析过程（Analytic Hierarchy Process）的基础，并随后被整合到本研究中开发的多目标优化模型中。

3.2. 基于AHP的优先级加权
为了将专家判断纳入人体工程学决策过程，使用了AHP为三个人体工程学评估标准分配相对重要性。通过人体工程学家和RMG运营管理人员的专家输入，建立了成对比较矩阵，以确定每项任务的优先权重。然后使用这些权重来计算每项任务的综合得分值，这些得分值成为优化模型的输入。

3.2.1. 定义目标、标准和备选方案
AHP过程从制定一个层次结构开始，包括总体目标、评估标准和备选方案（如图1所示）。这些标准是基于人体工程学评估框架和专家咨询确定的，构成了AHP层次结构的第二级。第三级包括待评估的备选任务。决策问题是根据它们的身体工程学和可持续性影响对12项生产任务（T1–T12）进行排序。使用三个标准对备选方案（任务）进行评估：(i) C1：人体工程学风险因素——需要最小化；(ii) C2：人体工程学干预成本——需要最小化；(iii) C3：劳动力生产力——需要最大化。

下载：下载高分辨率图片（268KB）
下载：下载全尺寸图片
图1. 层次结构（目标、标准和备选方案）。

3.2.2. 成对比较和权重确定
建立了一个成对比较矩阵，以量化每个标准相对于总体目标的相对重要性。决策者和主题专家被要求使用9点Satty量表比较每对标准，其中值表示一个标准相对于另一个标准的偏好程度。完成矩阵后，通过计算一致性比率（Consistency Ratio，CR）来评估判断的一致性。如果CR超过阈值，则相应地审查和调整矩阵。一旦验证了一致性，就提取矩阵的标准化主特征向量以得出每个标准的相对权重。这些权重代表了每个标准对任务优先级的贡献，并用于后续的评分和优化阶段。

3.2.3. 使用基于AHP的综合评分对任务进行优先级排序
通过AHP方法确定标准权重后，采用了一种综合评分方法来对确定需要进行人体工程学干预的任务集进行优先级排序。每个任务都根据AHP得出的权重针对三个主要标准进行评估。为了确保方向的一致性（即，较高的分数表示更好的任务适用性），ERF和CEI（最小化标准）被反向标准化，而WP则直接标准化。这些标准化值的加权总和产生了每个任务的综合得分，代表了其整体的人体工程学和操作优先级。这种评分系统作为优化模型内的决策支持层，根据原始数据和专家意见指导任务选择。随后，这些综合得分被用作多目标优化模型中的惩罚成分，以阻止选择低优先级的任务，除非成本或性能折中是合理的。

A. 标准化WP（效益标准 → 值越高越好），WPiNorm=WPiMax(WP)
B. 标准化ERF（成本标准 → 值越低越好），ERFiNorm=Min(ERF)
C. 标准化CEI（成本标准 → 值越低越好），CEIiNorm=Min(CEI)
使用以下公式计算每个任务的综合得分：
(1) Scorei = WERF*ERFiNorm + WCEI*CEIiNorm + WWP*WPiNorm

3.3. 优化模型构建
开发了一个多目标线性规划模型，以支持在人体工程学方面的S SCM（可持续供应链管理）战略决策。模型的目标是一组任务，这些任务在最大化劳动力生产力和最小化人体工程学风险之间实现平衡，同时确保人体工程学干预的总成本不超过预定义的预算。设i表示RMG任务，其中i = 1, 2, …, n。

决策变量
设?Xi?{0, 1}，如果任务i需要人体工程学干预则Xi=1，否则Xi=0。

参数
• WPi：任务i的生产力。
• ERFi：任务i的人体工程学风险因素。
• CEIi：任务i的人体工程学干预成本。
• Scorei：任务i的综合得分。
• B：总可用预算。

目标函数
模型包含三个目标：
(1) 最大化劳动力生产力：每个任务贡献一个生产力值WPi。
(2) 最大化Z1 = ∑i=1nWPi*
(3) 最小化人体工程学风险：每个任务都有人体工程学风险因素ERFi。
(4) 最小化Z2 = ∑i=1nERFi*
(5) 最小化优先级得分的惩罚：优先级较低的任务，通过综合得分Scorei衡量，会受到更高的惩罚。
(6) 最小化Z3 = ∑i=1nScorei*

为了平衡这些目标，应用了加权和公式：
Z = ∝∑i=1nWPi*Xi - β?Z2 - γ?Z3

或者，
Z = α?∑i=1nWPi*Xi - β?∑i=1nERFi*Xi - γ?∑i=1nScorei*

其中，α和β是分配给劳动力生产力和人体工程学风险的权重。γ表示优化模型对AHP综合得分较低的任务选择的惩罚强度。

约束条件
模型受到以下约束：
1. 预算约束 - 总干预成本不应超过可用预算B：
∑i=1nCEIi*Xi ≤ B
2. 最小生产力要求 - 确保生产力至少达到预定义的阈值Pmin：
∑i=1nWPi*Xi ≥ Pmin
3. 最大允许的人体工程学风险 - 总人体工程学风险不应超过可接受的阈值：
∑i=1nERFi*Xi ≤ Rmax

4. 提出的混合框架的应用
本节展示了在孟加拉国RMG行业中实施提出的AHP集成优化框架进行人体工程学干预规划的方法。分析使用了来自现场观察和专家意见的现实数据。分析了十二项核心生产任务（如表1所示），这些任务在中小型RMG工厂中很常见，涉及人体工程学风险、生产力和干预成本。为了确保道德合规性和保护组织隐私，参与RMG工厂的名称已被匿名处理。所有与任务相关的见解都是通过现场观察和与监督人员和人体工程学官员的咨询获得的。所有参与者都获得了知情同意，没有披露任何个人或组织可识别的数据。

4.1. 使用综合评分的基于AHP的任务评估
步骤1：任务分析和基于标准的数据收集
第一步是对孟加拉国RMG操作中通常执行的十二项代表性任务进行分析。这些任务的选取基于它们在中小型制造环境中的普遍性和人体工程学相关性。对于每项任务，收集了三个关键评估标准的数据。ERF按照1-9的量表进行评分，其中较高的值表示更费体力或更容易受伤的任务。WP以典型工人每小时生产的单位数来衡量，而CEI则根据标准人体工程学解决方案（如工作站重新设计、工具改进或培训计划）以美元进行估算。为了获取ERF数据，向30位领域专家分发了结构化调查问卷，其中17位提供了有效回答。这17位专家的平均ERF值用于分析，并进一步根据既定的人体工程学评估指南进行了交叉验证，以确保可靠性。劳动力生产力和人体工程学干预成本的数据是通过专家咨询和现场观察相结合的方式收集的。这些值随后使用基于贝塔分布的三点估计算法进行了细化，以捕获乐观、最可能和悲观的估计，从而提高输入参数的准确性和稳健性。表3展示了编译的数据集，这是基于AHP的优先级排序和后续优化建模的基础。

表3. 任务特定数据
| 任务 | WP（单位/小时） | ERF（1-9量表） | CEI（美元） |
| --- | --- | --- | --- |
| T1 | 52 | 45 | 36 |
| T2 | 48 | 55 | 45 |
| T3 | 55 | 60 | 50 | 53 |
| T4 | 54 | 56 | 45 | 60 |
| T5 | 45 | 60 | 54 | 56 |
| T6 | 50 | 53 | 54 | 44 |
| T7 | 50 | 27 | 30 | 34 |
| T8 | 53 | 30 | 30 | 31 |
| T9 | 25 | 35 | 45 | 45 |
| T10 | 36 | 54 | 56 | 44 |
| T11 | 50 | 25 | 1 | 0 |
| T12 | 60 | 1 | 00 | 1 |

步骤2：使用AHP计算标准权重
AHP成对比较是由6位基于他们在RMG领域内的SCM（可持续供应链管理）学术和专业专长的专家进行的。所有专家在供应链运营、可持续性实施和工业决策等领域至少有5年的相关经验。例如，表4显示，减少人体工程学风险的重要性是提高生产力的5倍，是降低成本的3倍。我们应用了AHP互惠性原则（如果A比B重要5倍，则B的重要性是A的1/5）。一致性比率（CR）< 0.1确认了判断的有效性。

表4. 将偏好转化为AHP成对值
| 标准对 | 解释 | AHP量表权重 |
| --- | --- | --- |
| ERF vs. CEI | ERF比CEI适度到强烈更重要 | 30.62 |
| ERF vs. WP | ERF比WP强烈更重要 | 50.25 |
| CEI vs. WP | CEI比WP适度更重要 | 20.12 |

步骤3：计算综合得分
在计算综合得分之前，我们需要对标准进行标准化。
(10) 劳动力生产力标准化（WP），WPiNorm = WPiMax(WP)
(11) 人体工程学风险因素标准化（ERF），ERFiNorm = Min(ERF)
(12) 人体工程学干预成本标准化（CEI），CEIiNorm = Min(CEI)
因此，每个任务的综合得分为：
(13) Scorei = 0.623*ERFiNorm + 0.251*CEIiNorm + 0.126*WPiNorm

然而，下表5展示了优化模型的输入参数。数据来源于专家、计算（使用方程式10-13）和行业来源。

表5. 优化模型的输入
| 任务 | ERF_Norm | CEI_Norm | WP | WP_Norm | 综合得分 | 排序 |
| --- | --- | --- | --- | --- | --- |
| T1 | 40.50 | 35 | 0.71 | 45 | 2 |
| T2 | 50.40 | 0.86 | 70.60 | 2 |
| T3 | 50.40 | 0.62 | 54 | 80.80 | 0.54 |
| T4 | 60.33 | 30.66 | 73 | 50.91 | 74 |
| T5 | 60.33 | 34 | 20.00 | 59 | 54 |
| T6 | 60.21 | 0.00 | 25 | 1.00 | 0 |
| T7 | 40.50 | 0.75 | 0.50 | 81 |
| T8 | 60.33 | 34 | 20.00 | 59 | 94 |
| T9 | 30.66 | 73 | 30.88 | 30.67 | 56 |
| T10 | 60.33 | 34 | 100.61 | 0 | 4 |
| T11 | 70.28 | 63 | 90.00 | 64 |
| T12 | 21.00 | 31 | 0.80 | 65 | 40.90 |

4.2. 约束定义和模型操作化
为了确保优化模型的实际相关性，基于专家咨询、行业特定限制和与孟加拉国中小型RMG企业相关的可持续性考虑，建立了一组现实世界的约束条件。首先，设置了预算约束，将选定的人体工程学干预的总成本限制在最多5000美元。这反映了在发展中国家运营的中小企业通常面临的财务限制。其次，设置了每小时至少500单位的最低生产力阈值，以确保选定的任务组合保持可接受的整体操作产出水平。第三，实施了最大允许的人体工程学风险为35的约束，确保选定任务的累积人体工程学暴露不会危及工人安全。除了这些硬性约束外，通过AHP优先级排序得出的综合任务得分还被纳入目标函数作为惩罚项。这允许模型阻止选择专家认为不太有利的目标，同时在成本限制下仍保留优化生产力和人体工程学风险的灵活性。通过标量权重γ调整惩罚的影响，从而在专家判断和定量绩效之间实现折中。这种整合鼓励选择不仅成本效益高且具有生产力的任务，而且还符合专家验证的人体工程学优先级。总体而言，这些约束使模型得以操作化，确保其输出既可实施又与可持续和人体工程学供应链规划的更广泛目标保持一致。

4.3. 多目标优化执行和解决方法
将AHP得出的优先级得分和相关任务属性（特别是劳动力生产力、人体工程学风险因素和人体工程学干预成本）整合到了二元多目标线性规划模型中。该模型（方程式2-9）使用IBM ILOG CPLEX软件实施，能够在定义的约束下精确执行任务选择。优化框架旨在同时最大化累积生产力并最小化总体人体工程学风险，目标干预预算为5000美元。为了解决多目标任务选择问题，采用了加权和方法，将相互冲突的目标结合到一个综合目标函数中，使用预定义的折中权重。选择这种方法是因为它的透明度、计算效率以及适用于二元线性决策问题的适用性，特别是在以中小企业为导向的规划背景下，其中解决方案的可解释性至关重要（Marler和Arora, 2010; Gunantara, 2018）。尽管ε-约束方法可以生成更详尽的帕累托边界，但由于它们对资源受限的RMG环境中的工厂管理者和实践者来说计算负担较高且实际解释性较低（Mavrotas, 2009），因此在本研究中没有采用。在目标函数内部聚合之前，先应用了最小-最大比率标准化，将生产力、人体工程学风险和AHP得出的优先级值缩放到一个共同的、无量纲的范围内。这种归一化确保所有指标的范围都在0到1之间，防止任何单一指标占据主导地位，并实现稳定的加权求和优化。与z分数或向量归一化等替代技术相比，最小-最大比率方法不假设数据的正态性，并且对小样本量的敏感度较低，这是在评估的代表性RMG任务数量有限的情况下需要考虑的重要因素（Aksu等人，2019年）。此外，它保留了任务之间的相对比例差异，并增强了管理的可解释性，因为归一化后的值直接反映了任务性能的比较，而不是与平均值的统计偏差。

5. 结果与讨论
5.1 基于AHP的任务优先级排序
优先级排序结果显示，任务T5、T12和T8是最适合进行人体工程学干预的候选者。这些任务结合了高劳动力生产力、低人体工程学风险和最小的干预成本，从可持续性和成本效率的角度来看都是理想的。通过AHP加权归一化得出的综合分数为决策提供了可靠的基础，特别是在资源和规模有限的RMG企业中。这些排名可以直接用于优化模型中，作为惩罚项或奖励项，以指导符合战略优先级的任务选择。此外，这些分数还作为有价值的管理工具，用于规划分阶段的人体工程学改进，当全面干预所有任务在财务上不可行时。

5.2 优化结果和敏感性分析
在基线情景下（α = 1, β = 1, γ = 10），并且在给定预算和最低生产力阈值的情况下，模型选择了12个RMG生产任务中的10个，同时满足了所有约束条件。其中，线头修剪（T12）、纽扣和拉链缝合（T8）以及打包和折叠（T5）因低成本、低人体工程学风险和高生产力而被确定为优先级最高的三个干预措施。这种优化选择实现了每小时524单位的总生产力以及417.98的性能分数，证明了该模型在平衡人体工程学安全与运营效率方面的能力。为了评估所提出的优化模型的实际影响，通过调整分配给生产力（α）、人体工程学风险（β）和基于AHP的任务优先级惩罚（γ）的权重，测试了五种不同的战略配置。每种策略反映了不同的管理重点，从平衡的权衡到生产力主导或注重安全的规划。性能结果，包括总生产力、累积人体工程学风险和性能分数，总结在表6中。

表6. 不同情景下的优化和敏感性结果。

5.2.1 预算可行性情景
通过改变预算约束来进一步分析其对任务选择可行性的影响。在3300美元的预算下，模型产生了一个可行的解决方案，性能分数为450.18，选择了12个人体工程学干预措施中的10个。值得注意的是，任务T4（熨烫/压平）和任务T10（刺绣）被排除在外。将预算增加到3500美元后，性能分数略有提高至453.99，但仍只选择了10个任务，这次排除了任务T10和T11（领口和袖口附件）。这一结果表明，仅增加预算并不能保证包含所有任务。在这种情况下，限制因素不是成本，而是人体工程学风险约束，其累积ERF阈值被设定为35。任务T10和T11的个别ERF值最高（分别为6和7），无法在不超出此限制的情况下被纳入。模型优先选择那些能在可接受的人体工程学风险水平内实现高生产力和AHP一致性的组合。

5.2.2 补救策略
为了在未来规划中容纳高风险任务如T10和T11，有两种补救方案：(i) 人体工程学重新设计或培训：通过人体工程学重新设计、机械辅助工具或工人培训等干预措施降低这些任务的ERF分数，使它们符合模型约束条件。(ii) 修改风险阈值：如果风险缓解政策或工作场所改进证明有必要，可以调整最大风险阈值，以便在不违反安全限制的情况下包含这些任务。这一分析展示了该模型在指导任务优先级选择以及在实际约束下的战略决策方面的价值。它强调了平衡生产力目标与人体工程学风险管理及专家信息支持的任务评估的重要性，从而促进了可持续的、以人为中心的供应链规划。

5.3 实际影响和人体工程学干预
虽然所提出的模型为选择人体工程学干预任务提供了系统化的方法，但它并没有直接规定应实施哪种类型的干预。为此，表7提供了基于行业最佳实践、专家咨询和相关文献的任务具体人体工程学风险和推荐干预措施的对应关系。尽管优化模型根据特定约束确定了需要人体工程学干预的任务子集，但表7为所有十二个任务都提供了推荐的干预措施。这确保了该框架在不同运营情境下的广泛应用性，允许决策者根据不断变化的需求和资源调整建议。这些建议将有助于通过将任务选择转化为可操作的工作场所改进来实施模型的输出。优化模型中使用的干预成本反映了这些相关的人体工程学解决方案。因此，该模型支持战略任务选择，并促进了更安全和更高效RMG运营的战术决策。

表7. RMG操作中的任务特定人体工程学干预措施。

表7. RMG操作中的任务特定人体工程学干预措施
| 任务 | 人体工程学风险 | 推荐干预措施 |
| ---- | -------- | ------------ |
| 手动布料搬运 | 重物搬运、弯曲、不自然的扭转 | 手动搬运托盘、背部支撑带、手动搬运培训 |
| 布料切割 | 上肢重复运动、长时间站立 | 高度可调切割台、防疲劳垫、刀片握把重新设计 |
| 缝纫机操作 | 高重复性、长时间坐着、静态姿势 | 人体工程学椅子、可调节座椅、脚踏板、任务照明 |
| 熨烫/压平 | 热暴露、重复手臂运动、不自然的姿势 | 隔热手套、可调节熨斗架、熨斗悬挂系统 |
| 打包和折叠 | 前倾、重复动作、坐姿或蹲姿 | 折叠辅助装置、可调桌子、定时休息 |
| 质量检查 | 视觉疲劳、不自然的颈部姿势、眼睛疲劳 | 视觉辅助工具、放大灯具、倾斜检查台 |
| 材料分类 | 蹲下、弯曲、不自然的膝盖或背部姿势 | 分类台在最佳高度、缓冲地板、膝盖支撑 |
| 纽扣和拉链缝合 | 精细动作紧张、手腕/眼睛疲劳 | 人体工程学工具、手腕支撑、垫子座椅 |
| 装载/卸载 | 重物搬运、不自然的姿势、下背部紧张 | 团队搬运技术、搬运手推车、手动搬运设备 |
| 刺绣（手动/机械） | 重复的精细动作控制、颈部和手腕紧张 | 人体工程学座椅、任务照明、可调节刺绣框架 |
| 领口和袖口附件 | 频繁扭转、手引导的精细操作、手腕疲劳 | 人体工程学工作站、垫子手套、可调节高度的工作台 |
| 线头修剪 | 重复使用剪刀、手腕疲劳 | 人体工程学剪刀、手腕支撑、工作轮换 |

表8中的干预后劳动力生产力数值并非来自纵向案例实施，而是通过专家咨询、观察数据和文献支持的基准估算得出的。2025年5月10日至7月15日期间，在达卡的四个代表性RMG工厂进行了实地访问，与主管、生产经理和职业健康官员的讨论帮助识别了人体工程学瓶颈。然后根据人体工程学指南（Dul & Neumann, 2007）保守地预测了生产力提升，并通过专家三角验证进行了确认。模型在基线情景和可用预算下选择了12个生产任务中的10个进行人体工程学干预。因此，尽管收到了建议，但由于基线约束，T10（刺绣）和T11（领口和袖口附件）无法实施，导致生产力增加率为0%。这种方法确保，虽然当前的解决方案反映了预算限制和可接受的人体工程学风险阈值的综合效应，但具有更多投资能力或更高ERF容忍度的公司可以在所有12个任务中实施推荐的干预措施。平均而言，接受低成本、高影响力人体工程学改进的任务（如工具重新设计、工作站调整或培训）预计生产力可以提高4-5%。这些估计旨在说明潜在的收益，而不是作为纵向干预的直接实证结果。

图2. 帕累托边界和权衡
图2展示了在固定预算为5000美元和最低生产力要求为每小时500单位的条件下，允许的人体工程学风险（Rmax）与整体系统性能之间的帕累托权衡，以及策略权重α = 1, β = 1, γ = 10时的情况。分析评估了逐渐放松人体工程学风险约束如何影响任务选择、生产力结果和总体性能分数。当人体工程学风险阈值保持在严格水平（Rmax = 35-39）时，模型选择了12个任务中的10个，性能分数为417.98。尽管预算充足，高风险任务（T10和T11）始终被排除在外，表明人体工程学风险起到了约束作用。当Rmax适度放宽（Rmax = 40-46）时，可行解决方案空间扩大，允许包含任务T10，同时仍然排除了最高风险任务（T11）。这一调整使得性能分数提高到451.03，表明在不完全牺牲人体工程学保障的情况下提高了生产力。这一边界区域展示了工人安全和运营效率之间的平衡权衡。在Rmax = 47时，模型达到了帕累托边界的上限，选择了所有12个任务，实现了最高的性能分数481.33。此时，人体工程学约束不再限制任务的选择，允许充分利用可用预算和生产力潜力。然而，这一解决方案也对应了最高的人体工程学风险，突显了决策者面临的隐含权衡。总体而言，帕累托边界显示性能提升不是线性的，而是在放宽人体工程学约束时以离散的跳跃形式出现。重要的是，模型不会自动选择所有任务；相反，任务的选择是从优化结构内部自然产生的。这证实了该模型能够支持基于风险的信息、以人为中心的决策，通过明确量化生产力最大化与人体工程学风险控制之间的权衡。

5.5 解释和验证
优化结果证实，即使在严格的预算限制下，也可以大幅降低人体工程学风险，同时不牺牲劳动力生产力。选定的任务代表了一组具有高影响、低风险的操作，从战略上实现了平衡。更重要的是，该模型成功与基于AHP的优先级结构对齐，验证了专家判断和定量分析的整合。从验证的角度来看，任务选择和干预建议经过了RMG行业主管和人体工程学专家的审查。他们的反馈确认，推荐的变更现实可行，符合当前劳动力能力和工厂条件。这种交叉验证加强了将人体工程学整合决策模型纳入可持续供应链规划的必要性。特别是在劳动密集型行业（如RMG）中，此类模型支持基于证据的决策制定，使管理者能够将有限资源分配到促进工人福祉和运营效率的干预措施上。

5.6与现有文献的比较和正式评估
优化的任务集在概念上与实践中常用的非优化、基于经验的选择方法进行了比较。在许多快速制造（RMG）工厂中，人体工程学干预措施的选择通常基于可见的不适、监督经验和操作便利性，而没有系统地考虑生产率、成本和累积的人体工程学风险。这种直观的选择往往倾向于选择高风险或劳动密集型任务，这些任务会迅速耗尽预算限制，同时带来的生产率提升有限。关于RMG领域人体工程学的现有文献主要集中在识别人体工程学危害及其对工人健康的影响上。早期的研究（如Dul和Neumann（2009）强调了人体工程学在生产系统中的战略意义，但并未将这些见解转化为任务层面的决策模型。后续的实证研究（Ahmed, 2018; Bano, 2019; Rajput, 2019; Samad等人, 2019）主要依赖于观察方法和标准化的评估工具（如REBA、QEC和人体测量评估）来识别姿势风险和工作站缺陷。虽然这些研究提供了有价值的诊断见解，但它们大多停留在风险识别或设计建议上，对企业在资源受限情况下如何优先考虑干预措施提供的指导有限。

最近的研究开始认识到人体工程学、生产率和组织绩效之间的联系。Hoque和Shahinuzzaman（2021）以及Aktar（2022）证明，在孟加拉国的服装工厂中，改善职业健康和安全实践与更高的任务绩效和员工参与度相关。同样，Hamja等人（2025）表明，将人体工程学与精益实践结合起来可以减少肌肉骨骼不适。然而，这些研究主要采用基于干预或行为的视角，并未使用结构化的决策支持或优化技术来指导任务选择。在供应链和可持续性层面，Islam（2025）和Hossan（2025）的研究强调了社会合规性和工人福祉对可持续供应链绩效的重要性。尽管如此，这些贡献大多停留在宏观层面，并未将可持续性目标转化为任务层面的人体工程学规划或运营决策模型。

相比之下，本研究通过将人体工程学风险评估与结合AHP任务优先级排序和多目标优化的正式决策支持框架相结合，推进了现有文献的发展。与之前仅依赖于定性排序或事后干预建议的方法不同，所提出的模型直接将专家得出的综合得分作为惩罚项嵌入到优化目标中。这使得可以在单一分析框架内同时考虑人体工程学风险、生产率贡献和干预成本。因此，不仅能够识别出人体工程学干预措施，还能在明确的预算、生产率和风险相关限制下系统地选择这些措施。

5.7. 研究成果的意义
本研究为可持续生产规划中集成人体工程学的决策制定提供了一个实用的、数据驱动的框架，特别适用于像孟加拉国RMG行业这样的劳动密集型领域。通过将基于专家的信息的任务优先级排序（通过AHP）与多目标优化相结合，所提出的模型使管理者能够在现实的限制条件下选择既能提升工人安全又能改善运营绩效的人体工程学干预措施。结果表明，由人体工程学风险、生产潜力及干预成本指导的战略性任务选择即使在预算和风险限制严格的条件下也能产生高影响的结果。该模型不仅优化了单一目标，还明确考虑了生产率最大化与人体工程学风险降低之间的权衡。敏感性分析表明，通过控制人体工程学风险阈值可以释放额外的绩效提升。例如，将人体工程学风险阈值（Rmax）从35提高到47，允许纳入更高风险的任务（T10和T11）。这说明逐步调整可接受的人体工程学风险水平可以在保持预定安全边界的同时改善整个系统的性能。

重要的是，研究结果表明，即使在财务受限的环境中，也可以实现有意义的人体工程学改进。在5000美元的预算上限和每小时500单位的最低生产率要求下，该模型识别出了满足所有限制的可行任务组合。即使通过增加Rmax或调整ERF值来纳入更高风险的任务，解决方案仍然是可行的，这表明该模型对自动化资源有限的小型企业具有相关性。此外，改变人体工程学风险阈值显示出任务包含和绩效结果的帕累托改进，随着人体工程学灵活性的增加，绩效分数提高了超过10%。这些见解突显了该模型支持适应性多目标规划的能力，并为决策者提供了一个透明的基础，以将人体工程学干预措施与组织风险容忍度和运营优先事项相匹配。

6. 结论
本研究提出、开发并验证了一个多目标优化框架，该框架将人体工程学考虑纳入生产中，特别关注孟加拉国的劳动密集型RMG行业。认识到供应链策略中人体工程学风险的代表性不足，研究旨在在生产和预算限制的条件下系统地评估和实施人体工程学干预措施。为了解决问题RQ1，研究确定了十二个具有代表性的生产任务，并根据三个关键标准对每个任务进行了评估：人体工程学风险因素、劳动力生产率和人体工程学干预成本。这些标准是通过现场观察、专家咨询和文献回顾选定的，从而制定了基于运营数据和专家知识的任务优先级方案。为了解决问题RQ2，研究采用了双重方法论。首先，使用AHP得出综合优先权重，结合了专家对任务在人体工程学、生产率和成本维度上的判断。这些AHP得出的分数被用作二元线性规划模型目标函数中的惩罚项。优化模型的构建旨在在固定预算和风险暴露（Rmax）及最低生产率（Pmin）的限制下，最大化劳动力生产率，同时最小化人体工程学风险和干预成本。通过敏感性分析发现，风险阈值对模型选择高风险但高产出任务的灵活性有显著影响。将Rmax从35提高到47，使得原本因高人体工程学风险而被排除的任务T10和T11得以纳入，从而使整体绩效分数从417.98提高到481.33，同时没有超出预算或生产率限制。

总之，该研究证实，通过结合专家驱动的优先级排序和定量优化来实现的人类工程学知情任务选择，可以同时提升工人安全和运营效率。将人体工程学评估纳入生产为解决劳动密集型行业中的可持续性社会支柱提供了实用途径，从而支持更安全的工作场所和更具韧性的、以人为中心的供应链。

6.1. 政策和管理意义
本研究的结果为寻求提高劳动密集型制造系统可持续性成果的政策制定者和行业实践者提供了几个可操作的启示。从政策角度来看，监管机构和行业组织应该将人体工程学风险评估制度化，作为工厂合规性和可持续性审计框架的正式组成部分。要求使用标准化的身体工程学评估工具，并辅以定量优先级模型，可以实现跨工厂的一致性和透明的决策。此外，有针对性的财务激励措施（如补贴、低息贷款或税收减免）可以帮助中小企业采取具有成本效益的人体工程学干预措施，而不损害经济可行性。将人体工程学绩效指标纳入国家可持续生产和SSCM（可持续供应链管理）战略，将进一步使工人福祉目标与国际可持续性承诺保持一致。

从管理角度来看，417.98的绩效分数和每小时524单位的生产率水平代表了一个现实且可实现的运营点，而不仅仅是一个理论上的最优解。这些数值表明，在保持人体工程学风险在可接受范围内的同时，可以实现生产率目标。与未经优化或基于经验的任务选择相比，优化后的解决方案避免了高风险、低生产率的任务，将资源集中在具有最高综合人体工程学和生产率回报的干预措施上。管理者应优先考虑低成本、高影响的人体工程学干预措施，如剪线（T12）、包装和折叠（T5）以及纽扣和拉链缝合（T8），这些措施以最小的资本投资带来可衡量的安全和生产率效益。所提出的优化框架可以作为在预算和运营限制下的任务选择、资源分配和合规规划的实用决策支持系统。为确保有效实施，生产规划者和监督人员应接受关于解读人体工程学风险指标、生产率权衡和优化结果的培训。

6.2. 局限性和未来方向
尽管本研究做出了重要贡献，但仍需认识到某些局限性。首先，该模型依赖于简化的任务表示，仅关注十二个代表性任务。其次，尽管通过多站点访问和专家三角测量努力确保代表性，但物流限制将数据收集时间限制在两个月内。虽然这对初步建模有用，但可能无法完全捕捉各种RMG设施操作的多样性和复杂性，从而限制了研究结果的普遍性。其次，分析是在静态条件下进行的，生产率、人体工程学风险和干预成本均采用固定值。这种静态方法没有反映工人表现、疲劳累积或运营变化的实时波动。第三，使用线性规划虽然提供了计算简化，但在建模人体工程学风险因素、生产率结果和经济成本之间的非线性交互作用时可能不够充分。第四，该模型主要关注物理人体工程学风险指标，忽略了影响工人福祉和生产率的重要心理社会和认知因素。最后，该框架的可靠性取决于输入数据的准确性，而这些数据是专家指导和特定于任务的。这种依赖性引入了潜在的主观性和变异性，可能会影响模型的结果。

未来的研究可以探索多种途径来提高所提出框架的适用性。可以使用先进的优化方法（如模糊逻辑或进化算法）来捕捉非线性权衡，并提供更大的建模灵活性。整合来自物联网设备、可穿戴设备或计算机视觉的实时数据，可以根据工人疲劳或健康状态动态重新分配任务。将模型扩展到包括认知和心理社会人体工程学风险，可以实现对工人福祉的更全面评估。为了测试其可扩展性，该框架还可以在鞋类、电子或农业等其他劳动密集型行业中进行验证。基于情景的模拟、任务轮换策略和多期规划可以进一步提高真实性和战略价值。最后，将该框架嵌入更广泛的SSCM系统中，可以支持更全面和数据驱动的可持续性规划。

HBKU机构审查委员会声明
HBKU机构审查委员会于2023年8月13日批准了该研究，协议代码为HBKU-IRB-2024-51。

作者贡献声明
Md Al Amin：编写——原始草案，撰写——审阅与编辑，验证，方法论，概念化。
Roberto Baldacci：撰写——审阅与编辑，监督，概念化。

资金支持
本研究未获得外部资金支持。