Evaluación de aspectos de usabilidad de una solución de realidad mixta para análisis inmersivo en escenarios de Industria 4.0

Realizar análisis de datos con gafas inteligentes tiene un enorme potencial en el contexto de la Industria 4.0, ya que los datos se pueden analizar directamente en el sitio de una máquina. Con el uso de gafas inteligentes, el operador puede analizar datos, mientras mantiene las manos libres para los trabajos de mantenimiento. Realice el experimento en una sala equipada con un ordenador de sobremesa y unas gafas inteligentes de realidad mixta.

Pida al participante que se coloque un dispositivo de medición de la conductancia de la piel y que descanse durante cinco minutos para obtener una medición del nivel de estrés de referencia. Luego, informe al participante que el experimento durará de 40 a 50 minutos y pídale al participante que complete un cuestionario de Inventario de Ansiedad Estado-Rasgo para medir el estrés percibido durante el experimento. Para realizar una prueba de rotación mental, haga que el participante se siente frente a la computadora de escritorio e informe al participante que tendrá que identificar objetos similares con diferentes posiciones en un espacio 3D simulado.

Informe al participante que solo dos de los cinco objetos mostrados serán similares y que tendrán dos minutos para completar siete tareas. Para realizar una evaluación de la capacidad sonora espacial, explique al participante que también se reproducirán seis sonidos durante 13 segundos por sonido, y que el participante tendrá que detectar la dirección desde la que se producen los sonidos. Para realizar una evaluación de la habilidad de detección de valores atípicos, pida al participante que se ponga las gafas inteligentes de realidad mixta y explique que se deben encontrar ocho valores atípicos dentro del mundo creado para las gafas inteligentes de realidad mixta.

Explique al participante que un valor atípico es un punto marcado en rojo dentro de un grupo de puntos blancos que se volverá verde cuando lo detecte dirigiendo su mirada. Explique además que no solo se proporcionará ayuda visual, sino que también se incluirán señales sonoras ambientales para ayudar a localizar los valores atípicos. A continuación, informe al participante que se registrará el tiempo necesario para cada tarea, la longitud de la caminata y su posición final de movimiento en relación con su posición inicial.

Para realizar una evaluación de la habilidad de reconocimiento de clústeres, explique al participante que deberá ubicar seis clústeres dentro del mundo creado con las gafas inteligentes de realidad mixta usadas, enfatizando que los participantes tendrán que distinguir entre clústeres superpuestos navegando alrededor de los clústeres mediante comandos de voz. Cuando se hayan localizado los seis grupos, pida al participante que se siente frente a la computadora sin las gafas inteligentes y explique que ahora se debe detectar el mismo tipo de grupos dentro del software de la computadora. Al final de la evaluación de escritorio, pida al participante que complete un nuevo cuestionario de Inventario de Ansiedad Estado-Trait, un cuestionario de desarrollo propio para recopilar comentarios subjetivos y un cuestionario demográfico.

Retire el dispositivo de medición de conductancia cutánea de los participantes y agradezca al participante por su participación. En este análisis representativo, los estudiantes de bajo y alto desempeño no mostraron diferencias en sus variables de referencia, aunque los de bajo desempeño tenían un mayor porcentaje de participantes femeninas que los de alto desempeño, y los de alto desempeño eran más jóvenes que los de bajo desempeño. Para la tarea de reconocimiento de clústeres, los resultados bajos y altos no difirieron significativamente entre la aplicación 2D y el enfoque 3D.

Para la tarea de detección de valores atípicos, los de alto rendimiento fueron significativamente más rápidos que los de bajo rendimiento y requirieron una distancia de caminata más corta para resolver las tareas. De hecho, los valores de BoundingBox, Pathlength, PathVariance, PathMean, AngleVariance y AngleMean aumentaron significativamente de una tarea a otra. Aunque el tiempo registrado mostró pocos cambios de una tarea a otra utilizando las gafas inteligentes de realidad mixta.

Basándose en los sonidos espaciales, los participantes fueron capaces de resolver las tareas en el caso de detección de valores atípicos más rápido que sin utilizar sonidos espaciales. En particular, las puntuaciones del Inventario de Ansiedad Estado-Rasgo no demostraron diferencias significativas entre las evaluaciones previas y posteriores a la tarea. Además, se observaron tiempos de reconocimiento de clústeres pequeños pero significativamente más rápidos cuando los participantes usaron las gafas inteligentes de realidad mixta en comparación con los observados cuando los participantes usaron la computadora de escritorio.

Dado que el filtrado de expertos en este nuevo dominio es esencial, hemos incluido muchas pruebas previas. Aunque probamos los métodos en la sala neutral, sería interesante ver a instructores de máquinas reales en el entorno de la fábrica analizando sus datos.