Avaliando aspectos de usabilidade de uma solução de realidade mista para análises imersivas em cenários da Indústria 4.0

A realização de análise de dados com óculos inteligentes tem um enorme potencial no contexto da Indústria 4.0, pois os dados podem ser analisados diretamente no local de uma máquina. Usando óculos inteligentes, o operador é capaz de analisar dados, mantendo as mãos livres para trabalhos de manutenção. Execute o experimento em uma sala equipada com um computador desktop e Óculos Inteligentes de Realidade Misturada.

Peça ao participante para colocar um dispositivo de medição de condutância da pele e fazer com que o participante descanse por cinco minutos para adquirir uma medição do nível de estresse da linha de base. Em seguida, informe ao participante que o experimento levará de 40 a 50 minutos e peça ao participante que preencha um questionário de Inventário de Ansiedade Traço-Estado para medir o estresse percebido durante o experimento. Para realizar um teste de rotação mental, peça ao participante que se sente em frente ao computador desktop e informe ao participante que ele terá que identificar objetos semelhantes com posições diferentes em um espaço 3D simulado.

Informe ao participante que apenas dois dos cinco objetos mostrados serão semelhantes e que ele terá dois minutos para completar sete tarefas. Para realizar uma avaliação da capacidade sonora espacial, explique ao participante que seis sons também serão reproduzidos por 13 segundos por som e que o participante terá que detectar a direção de onde os sons são feitos. Para realizar uma avaliação de habilidade de detecção de valores discrepantes, peça ao participante que coloque os Óculos Inteligentes de Realidade Misturada e explique que oito valores discrepantes devem ser encontrados no mundo criado para os Óculos Inteligentes de Realidade Misturada.

Explique ao participante que um outlier é um ponto marcado em vermelho dentro de um grupo de pontos brancos que ficará verde quando ele detectá-lo, direcionando seu olhar. Explique ainda que não apenas a ajuda visual será fornecida, mas que as dicas sonoras ambientais também serão incluídas para ajudar a localizar os valores discrepantes. Em seguida, informe ao participante que serão registrados o tempo necessário para cada tarefa, a duração da caminhada e sua posição final de movimento em relação à posição inicial.

Para realizar uma avaliação de habilidade de reconhecimento de cluster, explique ao participante que ele precisará localizar seis clusters dentro do mundo criado com os Óculos Inteligentes de Realidade Misturada usados, enfatizando que os participantes terão que distinguir entre clusters sobrepostos navegando pelos clusters usando comandos de voz. Quando todos os seis clusters tiverem sido localizados, peça ao participante que se sente em frente ao computador sem os óculos inteligentes e explique que o mesmo tipo de cluster agora deve ser detectado no software do computador. No final da avaliação do desktop, peça ao participante que preencha um novo questionário de Inventário de Ansiedade Traço-Estado, um questionário autodesenvolvido para coletar feedback subjetivo e um questionário demográfico.

Remova o dispositivo de medição da condutância da pele dos participantes e agradeça ao participante pela participação. Nesta análise representativa, os de baixo e alto desempenho não demonstraram diferenças em suas variáveis basais, embora os de baixo desempenho tivessem uma porcentagem maior de participantes do sexo feminino do que os de alto desempenho, e os de alto desempenho fossem mais jovens do que os de baixo desempenho. Para a tarefa de reconhecimento de cluster, os de baixo e alto desempenho não diferiram significativamente entre o aplicativo 2D e a abordagem 3D.

Para a tarefa de detecção de outliers, os de alto desempenho foram significativamente mais rápidos do que os de baixo desempenho e exigiram uma distância de caminhada menor para resolver as tarefas. De fato, os valores de BoundingBox, Pathlength, PathVariance, PathMean, AngleVariance e AngleMean aumentaram significativamente de tarefa para tarefa. Embora o tempo registrado tenha mostrado pouca mudança de tarefa para tarefa usando os óculos inteligentes de realidade mista.

Com base nos sons espaciais, os participantes foram capazes de resolver as tarefas no caso de detecção de outliers mais rapidamente do que sem o uso de sons espaciais. Notavelmente, os escores do Inventário de Ansiedade Traço-Estado não demonstraram diferenças significativas entre as avaliações pré e pós-tarefa. Além disso, tempos de reconhecimento de cluster pequenos, mas significativamente mais rápidos, foram observados quando os participantes usaram os óculos inteligentes de realidade mista em comparação com os observados quando os participantes usaram o computador desktop.

Como a filtragem de especialistas neste novo domínio é essencial, incluímos muitos pré-testes. Embora tenhamos testado os métodos na sala neutra, seria interessante ver instrutores de máquinas reais no ambiente de fábrica analisando seus dados.