在智能工厂环境中使用神经,主观和行为指标对认知工作量进行多模式评估

科学领域:

• 人与机器人的交互
• 工业人体工程学 工业人体工程学
• 认知压力测量 认知压力测量

背景情况:

• 工业5.0将人类和协作机器人 (cobots) 整合到制造业中.
• 人机交互引发了人们对人为因素和人体工程学的担忧.
• 协作机器人的不可预测性会导致认知压力,影响工人的生产力.

研究的目的:

• 测量工厂工人在人机器人合作期间的心理工作量和压力.
• 调查任务复杂度,协作机器人速度和有效载荷对工人压力的影响.
• 探索生理,行为和主观压力指标之间的相关性.

主要方法:

• 收集的脑电图 (EEG) 和功能近红外光谱 (fNIRS) 用于大脑和血液动力学活动.
• 使用生理,行为和主观措施评估心理工作量.
• 应用回归,人工神经网络 (ANN) 和k-最近邻居 (KNN) 用于数据分析.

主要成果:

• 任务的复杂性和协作机器人的速度显著影响了工人的心理压力.
• 回归分析显示,使用EEG和fNIRS预测错过的声的最佳相关性 (rsq-adj = 0.654146).
• 在关联生理变量与错过的声时,KNN实现了77.8%的准确性.

结论:

• 生理测量 (EEG,fNIRS) 在人机协作中提供了洞察力,公正的压力评估.
• 这些指标显示出有可能取代传统的,可能有偏见的压力指标.
• 通过压力监测优化人机交互,可以提高工人的表现和幸福感.