英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
物流中的智能包装：一个新协作技术应用中的人机交互评价研究
Benedikt Mauml;tti
Fraunhofer Institute for Material Flow and Logistics
IML, Dortmund, Germany
Benedikt.Maettig@iml.fraunhofer.de
Veronika Kretschmer
Fraunhofer Institute for Material Flow and Logistics
IML, Dortmund, Germany
Veronika.Kretschmer@iml.fraunhofer.de
摘要
对不同重量和尺寸的异质产品进行最优包装方案的处理和包装是电子商务行业面临的一项具有挑战性的任务。此外，为了使包装过程保持在一个标准化的水平，而不依赖于员工的经验水平，以数字人为中心的解决方案的需求正在增加。在此背景下，开发了不同的数字辅助系统来指示包装顺序：基于增强现实(AR)的数据眼镜和基于LED的包装助手。在一项实验室研究中，研究人员评估了人与数字设备在主观工作量、可用性、用户体验、身体不适和客观测量等方面的交互作用，并将它们作为对照组进行了评估。结果表明， AR和LED接口都是适当的解决方案，用以协助仓库工人的包装。然而，可以认为，在物理特别是视觉应变方面，LED界面似乎是一个更好的方法。
第1章 引言
1.1动机
总的来说，物流学的作用越来越重要。随着全球化和劳动力市场的灵活性和现代物流要求的不断提高，物流系统需要变得更加灵活、高效和以客户为中心[11]。物流仓库的规模和可用的机械设备根据不同的行业、要处理的产品和公司的规模而有所不同。近年来，电子商务行业在销售额和营业额方面取得了很大的增长[2]。因此，这一领域的增长速度很快，但另一方面也给这些行业带来了压力. 毕竟，电子商务的首要任务是尽快向客户发出订单。电子商务中订单的一个特征是订单通常包含一个到多个不同重量和大小的异构产品。这给订单挑选和包装过程带来了巨大的挑战。包装不好的订单通常会占用卡车里更多的空间，导致成本上升和环境恶化。因此，需要助手来支撑包装的优化。
在工作中，通过使用一些新的技术援助系统来重组和优化工作流程和支持员工的情况变得越来越普遍，。特别是在内科学领域，在日益网络化的经济中，随着流程的日益数字化和自动化，引入了新的信息和协作技术。由于运输、分拣、储存、挑选、包装和配送等体力劳动无法完全被技术所取代，人类的作用在未来仍将是重要的。
可以认为，在一个所谓的社会网络产业中，技术援助系统与人类的合作，在与工业4.0[3]中自主交互的网络物理系统进行交流和互动的过程中，会引发心理需求的变化，尤其是认知需求的变化。社会网络工业指的是面向工业的社会网络形式，在这种形式中，公司中的人和网络物理系统相互协作(垂直网络)，但也指新的网络形式，即公司与另一个(水平网络)[3]广泛合作。该协作中的所有参与者都将组织在一个社交网络中，以使机器能够使用自然语言与人类对话。因此，协作技术将成为人与机器之间协作的一个关键推动者。在地理位置内实现人机协作为使用技术援助系统提供基础，该系统可以对雇员或环境条件所给出的不同的限制作出反应。
德国仓库的员工受各种生理和心理需求或工作相关环境因素的影响。如今，人们普遍认为，数字化的结果将带来新的负荷模式。我们的结论是，对公司而言一个具有挑战性的任务是适应技术的就业需要，并将员工融入不断快速变化的复杂的工作环境。
为了更好地理解新技术与人的内在相互作用，提出了《认知工效学》的新研究课题。它发展成为评价人机界面的一个重要领域，涉及到各种以人为中心的因素，如心理工作量、可用性或用户体验等[41]。主要目标是在技术援助系统及其操作人员之间建立一种负载优化的相互作用，以便在处理经济货物的同时利用新技术帮助仓库工作人员。为了实现这一目标，进行了实验室和实地研究以获得新的见解。本文提出了一种与新协同技术相互作用的人因评价方法。在此基础上，对智能设备的目标使用和认知人机工程学设计提出了建议。
1.2技术水平
物流的数字化仍然远远落后于最初的预期。大多数流程是手动或者是以基于纸张的方式[5]处理。这一因素也对供应链中数字助理的分配和使用产生了重大影响。目前，数字助理主要用于订单提取领域。有各种各样的解决方案可以支持员工在挑选过程中使用，比如根据灯光挑选、根据视觉挑选或根据语音挑选[6]。物流中的其他过程通常以非常简单的活动为特征。员工通过他们的个人经验来弥补支持的不足。而且，包装过程主要是根据个人经验来执行的，而它是基于装箱问题，即NP-hard(所谓的不确定多项式时间硬度)[7]。为了补偿包装中的波动和提高包装质量，因此需要一个软件解决方案来进行优化。
有一些软件系统可以计算出最优的包装方案。例如，软件解决方案使用不同的参数和机器学习试图解决异类包装方案的问题[7]。这些软件解决方案考虑了负载平衡和稳定性约束等问题。还进行了研究，以指导员工通过以前计算的方案。
增强现实技术是近年来教育领域研究的热点。一篇概述性的文章明确指出，到目前为止，AR应用已经被应用于人文艺术、电子健康、工程、制造和建筑以及科学等教育领域[8]。由于增强现实可以明显地创建交互式学习环境，所以应用程序的目标是在物流环境中支持内部工作流程在此过程中，已经开展了一些物流研究，以调查AR对包装的一般适用性[9,10,11]。研究结果表明，AR设备非常适合支持堆垛作业后勤人员，即使可用性仍然可以提高[11]。此外，研究结果表明，AR提供了更灵活地规划物流系统的机会，并支持规划者更有效地应对快速变化的市场需求[1]。除此之外，目前市场上还没有合适的、直观的解决方案来指导员工完成包装过程。工业增强现实应用目前应用于以下领域:产品设计、工厂设计、生产流程培训、生产辅助、质量保证、生产物流或远程维护[12]。
在当前的物流环境中，包装任务是根据员工的知识、评估和经验来执行的。但尤其是在物流行业，新员工通常会进入一家可能没有任何包装专业知识的公司。因此，公司可能没有足够的人力资源来培训新员工。基于这些情况，为了弥补不同工人之间的知识差距，需要高效和直观的物流系统包装助理。
第二章 手动包装数字助理
作为一项针对数字化工业世界中的人为因素和人机交互的新解决方案的联邦研究项目的一部分，本文作者开发了两种不同的用于手工包装过程的数字辅助系统。这两个解决方案都试图实现一个直观和易于使用的解决方案——可视化计算的包装方案。两者都采用不同的方法来实现目标解决方案。两种解决方案的主要目标都是使工人的脑力负荷最小化，并在体积、时间和错误率方面优化包装结果。
开发的重点是创建一种直观且易于理解的信息可视化方法。这两种解决方案都使用最少的信息，以使助理保持简单，减少误解。这两个助手都是基于相同的过程，即将不同种类的文章放在预定义的交付框中。在此之前，优化软件对产品进行了优化设计，计算出了最佳的包装方案，并确定了配送箱的大小，以充分利用箱内的空间，最大限度地利用配送箱的空间。
在开发这两种助手时，使用了不同的配置信息方法，虽然一种解决方案在技术上要复杂得多，并且直接将虚拟信息嵌入到现实中，另一种解决方案基于廉价且简单的元素来呈现信息。
2.1增强现实助手
第一种包装助手利用对象及其相应信息之间的视觉连接。这种方法基于邻近定律，即在视觉上相邻的对象被解释为属于一类的[14]。
图2.1 Hololens视图
因此，当两者在视觉上连接时，信息被直接分配给相应的物理对象。在这种情况下，这是通过使用数据眼镜和增强现实技术来实现的。开发的助手使用微软的Hololens，它能够将虚拟元素直接嵌入到现实中世界。由于眼镜强大的传感器技术，全息图可以固定在房间里，使虚拟物体呈现出逼真的效果。通过:作为助理的一部分设计的软件，包装员工收到逐级指令，并在整个过程中得到指导。在这个过程中。眼镜显示产品必须被包装，并提供反馈是否正确的产品被选择。通过扫描手套和一个小点击器，工作人员可以与眼镜互动。他用手套扫描必须放在传送盒里的关节。扫描物品后，眼镜会显示一个嵌入现实的虚拟全息图，物品将被放置在箱子里(见图1)。放置物品后，工作人员确认放置位置。
出于可用性的考虑，没有使用手势或语音输入。在开发过程中，进行了各种输入法测试。这些结果表明，手势和语音输入都太不可靠，不适合所考虑的场景。使用点击器和手套进行交互的另一个好处是，两个系统都向用户提供触觉反馈。最新的研究表明，触觉反馈的效果可以帮助用户培训策略和系统设计，从而提高技术系统[13]的可行性和可操作性。
2.2基于LED的包装助手
第二款数字包装助手(正在申请专利)是在使用直观易懂的信息方法的条件下开发出来的(见图2)。与之前的助手相比，这款产品不需要戴在头上，也不需要拿在手上。
图2.2 LED助手的功能原理
该助理是完全融入包装桌。哪些文章应该扫描和放置的信息是通过标准显示给出的。与AR 助手一样，手套用于扫描相应的文章。扫描后，放置物品的信息通过两个LED条纹显示在包装台上。一条条纹显示x轴上的位置，而第二个条纹显示在y轴上的位置。[15]
开发此助手背后的基本思想是利用经验知识，不需要额外的学习阶段[16]。基于此知识，大多数人已经熟悉将颜色分配给各自的含义以及以x和y轴表示的矩阵形式的数据表示方式。
第三章 研究方法
3.1研究样本
所有参与者都是在线招聘的。最终样本由N = 28人（50％的男性）组成，年龄在20至40岁之间（M = 26.18，SD = 4.37）。参与者的后勤经验有所不同：42.9％的人根本没有经验，其他人只有理论知识（25.0％）或既有理论知识又有实践知识（32.1％）。样本中受教育程度最高的人员包括具有高等教育入学资格的学生（阿比图尔人：德语相当于“ A Level”）（35.7％），具有职业培训资格的人（7.1％）或大学学位（57.1％） ）。所有参与者的视力都很好（戴眼镜的占39.3％），听力良好。根据样本的技术能力，我们可以得出结论， 受试者对技术的接受程度很高（ M = 4.02 ， SD= .76），代理人的接受程度很高（M = 4.31，SD = .57）和控制信念（M = 3.53，SD = .64）以及使用技术的相对较高的需求水平（M = 3.88，SD= .58）。此外，技术的主观潜在威胁平均较低（M= 1.86，SD = .64）。
3.2步骤
本研究评估了两种技术辅助系统——基于AR的数据眼镜和基于LED的包装助手——在以纸质清单为对照组的情况下指示包装顺序和方案的应用。每个参与者都连续接触了这三种包装设备，这是关于受试者内部设计的。为了控制位置从而控制学习效果，我们用一个拉丁方设计来平衡AR、LED和纸质列表三种条件的使用顺序。
一个盒子(35cm x 25cmx 14cm)放在一个商业包装桌上(见图3)，所有要包装的货物都放在桌上，按照标准化的顺序摆放。参与者被要求通过三种包装设备按照给定的标准包装方案包装盒子。每个设备的包装时间限制为10分钟。参与者被要求在给定的时间内打包尽可能多的箱子，以在时间压力下创造现实的工作条件。
图3.3 实验的实验设置
此外，参与者被要求以最好的方式包装，以模拟一个真实的包装过程。在研究中，十种不同的包装方案被循环使用。总共有12种不同的产品可供包装，用6种不同尺寸的盒子包装。一个包装方案平均包含15件物品。所有的包装方案的设计方式都具有相当的难度。
3.3测量
每个实验条件完成后，要填写几份有效问卷来评估所使用的设备。参与者主观地评估与每个包装设备的交互，包括工作量、可用性、用户体验和物理抱怨。以下内容的内部一致性的量表和子量表显示出的优秀的Cronbachrsquo;s alpha平均值是可以接受的。
工作负载。总体工作量由NASA任务负荷指数(TLX)[17]记录，该指数被广泛应用于测量完成系统要求时发生的心理co (mental co)[18]。NASA TLX包含以下六个子维度：在从低（0）到高（100）的单极范围内，对精神需求，身体需求，时间需求，性能， 努力和挫败感的等级以5级进行评估。总工作量（原始TLX分数）是取所有六个分量表的平均值的结果[18]。
可用性。为了测量每个接口的一般适当性，使用了著名的系统可用性量表(SUS)[19]。可用性的全局视图根据ISO 9241-11对处理每个包装设备的有效性和效率进行了概述[20]。SUS量表由10个项目组成
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[237648]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
