Оценка аспектов юзабилити решения смешанной реальности для иммерсивной аналитики в сценариях Индустрии 4.0

Выполнение анализа данных с помощью умных очков имеет огромный потенциал в контексте Индустрии 4.0, поскольку данные могут быть проанализированы непосредственно на машинной площадке. Используя умные очки, оператор получает возможность анализировать данные, при этом оставляя руки свободными для проведения работ по техническому обслуживанию. Проведите эксперимент в комнате, оборудованной настольным компьютером и умными очками смешанной реальности.

Попросите участника надеть устройство для измерения проводимости кожи и дать ему отдохнуть в течение пяти минут, чтобы получить исходное измерение уровня стресса. Затем сообщите участнику, что эксперимент займет от 40 до 50 минут, и попросите его заполнить опросник для измерения воспринимаемого стресса во время эксперимента. Чтобы провести тест на мысленное вращение, попросите участника сесть перед настольным компьютером и сообщите ему, что ему придется идентифицировать похожие объекты с разным положением в смоделированном 3D-пространстве.

Сообщите участнику, что только два из пяти показанных объектов будут похожими, и что у них будет две минуты на выполнение семи заданий. Чтобы провести оценку пространственных звуковых способностей, объясните участнику, что каждый звук будет воспроизводиться в течение 13 секунд и что участник должен будет определить направление, с которого издаются звуки. Чтобы выполнить оценку навыка обнаружения выбросов, попросите участника надеть умные очки смешанной реальности и объяснить, что в мире, созданном для умных очков смешанной реальности, должно быть обнаружено восемь выбросов.

Объясните участнику, что выброс — это отмеченная красным цветом точка в группе белых точек, которая станет зеленой, когда они обнаружат ее, направив свой взгляд. Далее объясните, что будет предоставлена не только визуальная помощь, но и звуковые сигналы окружающей среды, которые помогут найти выбросы. Затем сообщите участнику, что будет записано необходимое время для выполнения каждого задания, продолжительность ходьбы и его окончательное положение движения по отношению к исходному положению.

Чтобы выполнить оценку навыка распознавания кластеров, объясните участнику, что ему нужно будет найти шесть кластеров в мире, созданном с помощью использованных умных очков смешанной реальности, подчеркнув, что участники должны будут различать перекрывающиеся кластеры, перемещаясь по кластерам с помощью голосовых команд. Когда все шесть кластеров будут обнаружены, попросите участника сесть за компьютер без умных очков и объяснить, что теперь в компьютерном программном обеспечении должен быть обнаружен тот же тип кластеров. В конце настольной оценки попросите участника заполнить новую анкету для опросника тревожности, самостоятельно разработанную анкету для сбора субъективной обратной связи и демографическую анкету.

Снимите с участников прибор для измерения проводимости кожи и поблагодарите участника за участие. В этом репрезентативном анализе пациенты с низкими и высокими показателями не продемонстрировали различий в своих исходных переменных, хотя у участников с низкими показателями процент участников был выше, чем у пациентов с высокими показателями, а у участников с высокими показателями они были моложе, чем у них были низкие показатели. Для задачи распознавания кластеров низкие и высокие показатели существенно не различались между 2D-приложением и 3D-подходом.

Для задачи обнаружения выбросов высокопроизводительные устройства были значительно быстрее, чем низкопроизводительные, и им требовалось более короткое расстояние для решения задач. Действительно, значения BoundingBox, Pathlength, PathVariance, PathMean, AngleVariance и AngleMean значительно увеличивались от задачи к задаче. Хотя записанное время мало изменилось от задачи к задаче с использованием умных очков смешанной реальности.

На основе пространственных звуков участники смогли решить задачи в случае обнаружения выбросов быстрее, чем без использования пространственных звуков. Примечательно, что оценки опросника тревожности по состоянию характера не продемонстрировали существенных различий между оценками до и после выполнения задачи. Кроме того, небольшое, но значительно более быстрое время распознавания кластеров наблюдалось при использовании умных очков смешанной реальности по сравнению с тем, которое наблюдалось при использовании настольного компьютера.

Поскольку фильтрация для экспертов в этой новой области имеет важное значение, мы включили множество предварительных тестов. Несмотря на то, что мы тестировали методы в нейтральной комнате, было бы интересно увидеть, как настоящие инструкторы по машинам в заводских условиях анализируют свои данные.