インダストリー 4.0 シナリオにおける没入型分析のための複合現実ソリューションのユーザビリティの側面の評価
2020年10月6日
このプロトコルは、イマーシブ分析に使用される開発された Mixed Reality アプリケーションの技術設定を示します。これに基づいて、開発された技術ソリューションのユーザビリティの側面についての洞察を得るために研究で使用された対策が提示されます。
スマートグラスを使用したデータ分析の実行は、データを機械現場で直接分析できるため、インダストリー4.0のコンテキストで大きな可能性を秘めています。スマートグラスを使用すると、オペレーターはデータを分析でき、メンテナンス作業のために手を空けておくことができます。実験は、デスクトップコンピュータとMixed Realityスマートグラスが設置された部屋で行ってください。
参加者にスキンコンダクタンス測定装置を装着してもらい、参加者に5分間休ませてベースラインストレスレベル測定値を取得してもらいます。次に、実験には40〜50分かかることを参加者に伝え、実験中に知覚されたストレスを測定するためのState-Trait Anxiety Inventoryアンケートに記入するように参加者に依頼します。メンタルローテーションテストを行うには、参加者にデスクトップコンピューターの前に座ってもらい、シミュレートされた3D空間で異なる位置を持つ類似のオブジェクトを識別する必要があることを参加者に伝えます。
参加者に、示された5つのオブジェクトのうち2つだけが類似していること、および7つのタスクを完了するのに2分間の時間があることを伝えます。空間音響能力の評価を行うには、参加者に、音ごとに6つの音も13秒間再生されること、および参加者が音が発生する方向を検出する必要があることを説明します。外れ値検出スキルの評価を行うには、参加者に Mixed Reality スマートグラスを装着してもらい、Mixed Reality スマートグラス用に作成されたワールド内で 8 つの外れ値を見つける必要があることを説明してもらいます。
外れ値は、白い点のグループ内の赤いマークされた点であり、視線を向けて検出すると緑に変わることを参加者に説明します。さらに、視覚的な支援が提供されるだけでなく、外れ値を見つけるのに役立つ環境音の手がかりも含まれることを説明します。次に、各タスクに必要な時間、歩行の長さ、および開始位置に対する最終的な移動位置が記録されることを参加者に伝えます。
クラスター認識スキルの評価を行うには、参加者に、使用済みの Mixed Reality スマートグラスで作成されたワールド内で 6 つのクラスターを見つける必要があることを説明し、参加者が音声コマンドを使用してクラスター内を移動して、重複するクラスターを区別する必要があることを強調します。6つのクラスターがすべて見つかったら、参加者にスマートグラスを持たずにコンピューターの前に座ってもらい、コンピューターソフトウェア内で同じタイプのクラスターを検出する必要があることを説明してもらいます。デスクトップ評価の最後に、参加者に新しいState-Trait Anxiety Inventoryアンケート、主観的なフィードバックを収集するための自己開発アンケート、および人口統計アンケートに記入してもらいます。
参加者の皮膚コンダクタンス測定器を取り外し、参加者の参加に感謝します。この代表的な分析では、ローパフォーマーとハイパフォーマーはベースライン変数に差を示さなかったが、ローパフォーマーはハイパフォーマーよりも女性参加者の割合が高く、ハイパフォーマーはローパフォーマーよりも若かった。クラスター認識タスクでは、2Dアプリケーションと3Dアプローチの間で、パフォーマンスの低い人と高い人の間で大きな差はありませんでした。
外れ値検出タスクでは、ハイパフォーマーはローパフォーマーよりも大幅に速く、タスクを解くためにより短い歩行距離が必要でした。実際、BoundingBox、Pathlength、PathVariance、PathMean、AngleVariance、および AngleMean の値は、タスクごとに大幅に増加しました。記録された時間は、Mixed Reality Smart Glassesを使用したタスク間でほとんど変化を示しませんでした。
立体音響に基づいて、参加者は立体音響を使用しない場合よりも早く外れ値検出ケースの課題を解くことができました。注目すべきは、State-Trait Anxiety Inventoryのスコアは、タスク前とタスク後の評価の間に有意差を示さなかったことです。さらに、参加者が Mixed Reality スマートグラスを使用した場合、参加者がデスクトップ コンピューターを使用した場合と比較して、小さいながらも大幅に高速なクラスター認識時間が観察されました。
この新しいドメインの専門家のフィルタリングが不可欠であるため、多くの事前テストを含めました。ニュートラルルームでメソッドをテストしましたが、実際の機械インストラクターが工場でデータを分析しているのを見るのは興味深いでしょう。
完全なトランスクリプトを表示し、数千本の科学動画にアクセス
概要
このプロトコルは、没入型分析用に設計された混合現実アプリケーションの技術セットアップを概説しています。この技術ソリューションの使いやすさの側面を評価するために行われた研究で使用された手段が含まれています。
主要な研究コンポーネント
科学分野
- 神経科学
- 混合現実技術
- 使いやすさ調査
背景
- スマートグラスは、機械サイトでのデータ分析を可能にします。
- オペレーターは、メンテナンスタスクを行っている間にデータを分析できます。
- 使いやすさの理解は、効果的な実装にとって重要です。
- 混合現実アプリケーションは、インダストリー4.0を含む様々な分野で登場しています。
研究の目的
- 混合現実アプリケーションの使いやすさを評価すること。
- データ分析におけるスマートグラスの効果を探ること。
- アプリケーション使用中のユーザー体験に関する洞察を集めること。
使用された方法
- 参加者は皮膚伝導測定デバイスを着用しました。
- 実験前に基本のストレスレベルが測定されました。
- 参加者は状態-特性不安検査の質問票に回答しました。
- 模擬3D空間で精神回転テストが実施されました。
主な結果
- 参加者からのフィードバックに基づいて使いやすさの洞察が集められました。
- 実験全体を通じてストレスレベルがモニタリングされました。
- 精神回転タスクにおけるパフォーマンスが評価されました。
- スマートグラスを使用してデータ分析の効果が評価されました。
結論
- 混合現実アプリケーションは、没入型分析にとって有望です。
- ユーザー体験は、このような技術の成功にとって重要です。
- 使いやすさと機能性を改善するためにさらなる研究が必要です。
よくある質問
Executive Industry Relevance
Immersive analytics using mixed reality smartglasses enables hands-free, on-site analysis of high-dimensional data in Industry 4.0 environments. This protocol addresses usability, learning effects, and stress responses, supporting the integration of advanced analytics into operational workflows. The approach informs enterprise adoption decisions by quantifying user experience and technical feasibility for scalable deployment.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Supports rapid identification of data outliers and anomalies in complex datasets.
- Enables functional assessment of user interaction with high-dimensional biological data.
- Facilitates pathway clarification through immersive visualization and manipulation.
Screening & Assay Development
- Prepares validated immersive environments for evaluating user performance in data-driven tasks.
- Standardizes usability metrics and stress quantification for reproducible analytics workflows.
- Enables scalable, hands-free data interrogation for screening readiness.
Translational & Preclinical Research
- Aligns immersive analytics with translational research by supporting real-time, in situ data review.
- Provides continuity from discovery to preclinical validation through consistent usability assessment.
- De-risks technology adoption by quantifying learning effects and user stress in operational settings.
Pipeline & Workflow Integration
This protocol positions mixed reality analytics from early discovery through screening and translational research, enabling seamless integration into digital R&D pipelines.
- Discovery Biology: Quantifies user ability to detect outliers and clusters, supporting hypothesis testing and biological de-risking.
- Screening: Provides reproducible, quantitative usability and stress metrics for workflow standardization.
- Analytics: Delivers objective measurements of task performance, movement, and stress for comparative analysis.
- Translational Research: Bridges digital analytics with operational environments, supporting preclinical continuity.
- Enterprise Reuse: Establishes a reusable protocol for evaluating immersive analytics solutions across R&D teams.
Operational & Enterprise Impact
- Scientific Value: Enhances predictive confidence and reduces ambiguity in high-dimensional data analysis.
- Operational Value: Standardizes usability assessment and stress monitoring for scalable deployment.
- Strategic Value: Informs go/no-go decisions for immersive analytics adoption and capital allocation.
- Portfolio Impact: Supports risk-adjusted prioritization of digital analytics solutions across programs.
Implementation Considerations
- Requires expertise in mixed reality hardware and usability study design.
- Needs access to smartglasses, desktop analytics platforms, and physiological measurement devices.
- Demands cross-team standardization of usability and stress assessment protocols.
- Adaptation may be needed for different data types or operational environments.
- Limitations include the need for real-world validation beyond controlled settings.
