有形信息学:弥合工业系统智能化中的认知断层

《Journal of Industrial Information Integration》:Tangible informatics: Bridging the cognitive disconnect in the intelligentization of industrial systems

【字体: 大 中 小 】 时间:2026年10月02日 来源:Journal of Industrial Information Integration 11.2

编辑推荐:

   **摘要** 随着工业智能系统的输出从确定性状态数据转向概率性判断与决策备选方案,系统在"生产什么"与操作员能"可靠消费什么"之间出现了一种结构性错位(本文称之为认知断裂):操作员在时间与风险约束下难以理解和安全采纳那些无形的推理结果,而组织则难以将这些建议嵌入可执行的流程

  

**摘要**

随着工业智能系统的输出从确定性状态数据转向概率性判断与决策备选方案,系统在"生产什么"与操作员能"可靠消费什么"之间出现了一种结构性错位(本文称之为认知断裂):操作员在时间与风险约束下难以理解和安全采纳那些无形的推理结果,而组织则难以将这些建议嵌入可执行的流程中,结果要么表现为过度依赖(自动化偏差),要么表现为长期回避(警报疲劳)。为应对这一挑战,本文提出"具象化信息学"——一种基于人机功效与工效学(HFE)的社会技术参考模型与诊断设计语言,其核心思路是将智能系统的输出重新定义为可感知、可验证、可治理的协作对象,而非提出新的解释方法或界面技术。本文的主要贡献是具象化信息学参考模型(TIRM),即一种对象语言,它将协作对象的就绪度分解为物理层(可感知)、逻辑层(可验证)和价值层(可执行/可治理),并阐明操作员的角色以及各层之间的耦合关系。该模型通过一个诊断性的具象化指数加以操作化,该指数采用锚定式评分标准,辅以透明的、基于层次分析法(AHP)的权重校准与一致性检验,以及一条非补偿性瓶颈规则,以防止某一强项掩盖另一项缺失。与此同时,本文还提供一个初步评估包,包括基于案例的设计演示、对18个工业系统的结构化回溯评估,以及可重复的稳健性分析(权重与阈值敏感性分析)。本文的证据性主张刻意与现有证据水平保持一致:本研究提供的是诊断性与方法论层面的证据,并辅以一项受控研究设计用于评估操作员的决策结果。本文不提出新的算法模型,而是为跨工业信息集成领域的智能输出具象化提供一个统一的设计语言和行动路线图。

**引言**

工业系统正从"数字化互联"向"智能化协作"转型[1],[2]。在这一转型过程中,故障往往并非源于预测精度不足,而是源于人机协作闭环的失稳。系统输出已从确定性状态数据转向概率性判断和策略建议,然而一线操作员在时间与风险约束下难以验证并安全采纳这些输出。与此同时,组织也难以将智能建议嵌入具有清晰治理边界的可执行流程中。

这些困难通常产生两种对立的失效模式:过度依赖(将建议视为确定性结论)或长期回避(将智能输出视为噪声,回退到基于经验的程序)。本文将这一根本性的结构性错位刻画为认知断裂:系统输出缺乏一种稳定的协作对象形态,无法同时满足可感知、可验证和可执行的要求。本文将人机协作闭环定义为一条可审查的流程链,包括线索获取、理解、采纳和责任反馈。当输出无法以稳定对象的形式进入该链条时,闭环即失稳(图1)。

从人机功效与工效学(HFE)的视角[3],[4]来看,人机交互的对象经历了两次连续的迁移:从可直接操作的物理设备,到可视化信息流,再到智能模型产生的高维概率性判断。过度依赖和长期回避是在不同压力条件下采取的极端控制策略[5],[6]。因此,认知断裂不仅仅是"理解解释"的问题,而关乎输出能否以稳定、可验证、可执行的形式进入人类心智模型和组织流程。如图2所示,操作员必须消费的信息模态已发生显著演变,而吸收这些信息的协作基础设施却未能跟上步伐。

认知断裂可以从两个角度来理解:既可以视为人机接口(HMI)问题,即输出未以操作员可感知并可行动的形式呈现;也可以视为可解释AI问题,即模型的推理、不确定性和局限性透明度不足。本文的立场是:两者都不是单独的原因。具象化信息学并非提出另一种可解释AI(XAI)方法、可视化技术或HMI优化层。XAI主要解决模型为何产生某项输出的问题;工业HMI设计主要解决信息如何显示和交互的问题;自适应透明度解决何时以及暴露多少系统推理的问题。具象化信息学解决的是一个互补性问题:一项智能输出能否成为操作员在组织约束下可感知、可验证并可行动的**稳定协作对象**。因此,它是一个更广泛的社会技术框架,将解释、线索和治理机制(包括XAI、HMI和自适应透明度方法所产生的机制)操作化为跨越接口、推理和流程治理层面的协作对象。这一定位在第3节中明确表述(表3、表4),而区分完全具象化与部分具象化的边界条件则在第2节中定义。

本文倡导通过具象化将无形的判断转化为协作对象,并将这一工程路径称为"具象化信息学"(定义见第2节)。此类协作对象必须在现场约束下稳定可感知,能在时间窗口内快速验证,且能够进入组织上可执行的流程。据此,本文贡献了三件可复用且刻意限定范围的设计工件:

- **一项社会技术对象语言**:TIRM三层参考模型(第4节),辅以具有透明评分标准的诊断性具象化指数、权重校准协议和非补偿性瓶颈规则。
- **一张定位地图**:分层技术生态栈(第5节),将代表性机制映射到其HFE关联上。
- **一个流程模板**:四步"诊断/映射/选择/验证"方法论(第6节),通过三个互补的案例式设计演示加以说明,并通过18个系统的结构化回溯评估及可重复的稳健性分析加以检验。

为明确范围,本文采用数据–信息–知识–智慧(DIKW)层次[7],[8]来刻画四个层次上的信息学对象:数据(可测量性)、信息(语义语境)、知识(机制与约束)和智慧(权衡与治理)。在智能工业系统中,这些层次共存,并在时间与风险压力下被消费。因此,具象化超越了数据可视化:每个DIKW层次上的对象都必须以可感知、可验证、可执行的形式进入协作闭环。

本文的工件是通过设计科学方法(概念综合与理论驱动构建)而非数据驱动发现来开发的,因此本文应作为参考模型和诊断设计语言的贡献来阅读。三个标准(可感知、可验证、可执行/可治理)以及物理–逻辑–价值分层是从既有人机功效构念(情境意识、信任校准、工作负荷、认知工作分析和自动化层次)以及具身交互的符号接地动机中抽象出来的。十二项锚定评分标准操作化了每个标准所识别的四个面向;三个场景原型及其AHP权重谱系是基于人机功效文献中与时间关键型、知识密集型和田间协作型工作相关的设计优先级构建的;四步方法论实例化了标准的"诊断–设计–评估"周期。随后在结构化回溯样本(附录E)上对这些构建的工件进行了内部一致性、评分者间信度和稳健性检验。

本文其余部分组织如下:第2节定义具象化信息学、其三项操作性标准以及边界条件与非示例。第3节围绕四个整合主题综述相关工作,并将TIRM与现有设计框架进行定位比较。第4节呈现TIRM参考模型,包括操作员角色、层间耦合、情境意识映射和诊断性具象化指数。第5节构建技术生态栈,第6节构建四步方法论。第7节通过三个互补的案例式设计叙事来说明该方法论。第8节讨论失效模式、局限性和研究议程,第9节总结。附录提供编码协议、具象化指数校准、具有方法论稳健性检验的结构化回溯评估以及一项受控研究设计。

**节选片段**

**核心定义:具象化信息学**

本文将具象化信息学定义为一种弥合智能工业系统中认知断裂的集成范式。其核心目标是将抽象的计算逻辑、概率性推理和组织问责结构映射为具有物理属性或强数字表征的实体,从而赋予无形的系统输出以可感知、可验证和可执行的属性。在此类系统中,具象化并非……

**相关工作**

为减少碎片化并使论证具有累积性,本文围绕四个问题而非方向目录来组织相关工作。第一个问题是:人机功效基础如何定义"良好的"人机AI协作,涵盖情境意识、信任校准、工作负荷和认知工作分析。第二个问题是:界面和解释机制如何将信息传递给操作员,包括工业HMI、XAI、自适应透明度和生态界面……

**具象化信息学参考模型(TIRM)**

本节呈现具象化信息学参考模型(TIRM),即一种将无形判断转化为协作对象的最小能力分解(图4)。TIRM将具象化能力组织为三个层次:

- **物理层**确保关键线索在现场约束下稳定可达,形成可行动的线索通路。
- **逻辑层**使判断的边界、证据和冲突点能够快速审计和质疑。
- **价值层**……

**从分类法到可操作设计**

为避免与单纯的数据层可视化混淆,应明确:具象化是一项跨层的协作工程需求。DIKW描述了工业信息学对象的分类体系(数据、信息、知识和智慧)。相比之下,三个标准(可感知、可验证、可执行)描述了决定对象能否以协作形式进入闭环的关键能力族。将两者结合,得出一个可操作的……

**方法论**

基于TIRM对象语言,本节提出一种四步方法论(诊断、映射、选择和验证),将TIRM和技术生态栈转化为可执行的设计工作流。该流程帮助研究人员和工程团队从运营场景出发,识别认知断裂发生的位置,并在工业约束下选择可部署的机制组合。

每一步都产生特定的输出工件。这些工件是……

**案例研究**

为增强参考模型和方法论的可复用性,本节呈现三个互补的、明确为示例性质的案例式设计叙事。它们展示了TIRM和四步方法论如何被操作化,但不作为已部署工业有效性的实证证据,定量诊断与稳健性证据在附录E中单独报告。案例1选择一个高认知负荷的监控岗位来说明跨层……

**讨论**

本节组织具象化的风险、权衡和未来方向,以批判性的自我评估补充前文偏设计导向的各节。

**结论**

本文提出具象化信息学作为面向智能工业系统的HFE导向工程路径,旨在应对交互对象从物理实体迁移至无形智能判断时产生的认知断裂。通过将核心设计问题从"如何生成更好的智能"重新定义为"如何以操作员可感知、可验证并可行动的形式交付智能",本研究将关注点转向了协作对象本身。

**CRediT作者贡献声明**

江宏伟:原创草稿撰写、方法论、形式分析。
尤家鹏:验证、调查、数据整理。
陈志扬:原创草稿撰写、可视化、验证。
孙政:审阅与编辑、原创草稿撰写、指导、项目管理、方法论、经费获取、概念化。

**利益冲突声明**

作者声明不存在可能影响本文所述工作的已知竞争性财务利益或个人关系。

江宏伟 | 尤家鹏 | 陈志扬 | 孙政
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号