Industriell förstärkt verklighet
Industriell förstärkt verklighet ( IAR ) är relaterad till tillämpningen av förstärkt verklighet (AR) och heads-up-skärmar för att stödja en industriell process. Användningen av IAR går tillbaka till 1990-talet med Thomas Caudells och David Mizells arbete om tillämpningen av AR hos Boeing . Sedan dess har flera tillämpningar av denna teknik under åren föreslagits som visar dess potential för att stödja vissa industriella processer. Även om det har skett flera framsteg inom tekniken anses IAR fortfarande vara i ett spädbarns utvecklingsstadium.
Vissa utmanande faktorer för IAR-utveckling är relaterade till den nödvändiga tvärvetenskapliga kunskapen inom områden som objektigenkänning , datorgrafik , artificiell intelligens och människa-dator-interaktion . Där det krävs en partiell kontextförståelse för anpassningen till oväntade förhållanden och förstå användarens handlingar och avsikter. Dessutom är användarens intuitiva gränssnitt fortfarande en utmaning, liksom hårdvaruförbättringar som sensorer och displayer .
Vidare råder viss kontrovers om gränserna som definierar IAR och dess potentiella fördelar för vissa aktiviteter med den för närvarande tillgängliga tekniken.
Teknologi
Ursprung och historia
Även om ursprunget till förstärkt verklighet härstammar från 1960-talet, när Ivan Sutherland skapade den första huvudmonterade displayen, fick den inte styrka förrän i början av 1990-talet, när David Mizell och Thomas Caudell utvecklade den första industriella AR på Boeing . De använde en huvudmonterad display ( HMD ) för att överlagra ett datorgenererat diagram över tillverkningsprocessen med en världsregistrering i realtid och beräkning av användarens huvudposition. De myntade namnet augmented reality för denna teknik.
Samtida flera prototyper föreslogs för att demonstrera AR:s tillämpning på tillverkning: en laserskrivare underhållsapplikation föreslogs 1993 av Steven K. Feiner och medförfattare genom att introducera konceptet kunskapsbaserad AR för underhållsassistans (KARMA). Whitaker Ross et al. föreslagit ett system för att visa namnet på den del som användaren pekar på i en motor.
På 2000-talet hade intresset för AR vuxit avsevärt. Några viktiga grupper finansierades: det största konsortiet för IAR som stöds av det tyska förbundsministeriet för utbildning och forskning (ARVIKA), med syftet att undersöka och implementera AR i relevanta tyska industrier,; Europeiska gemenskapen grundade flera projekt, inklusive Service and Training through (STAR), som är ett samarbete mellan institut och företag från Europa och USA, och Advanced Augmented Reality Technologies for Industrial Service Applications (ARTESAS) härrörande från ARVIKA, fokuserat på utveckling av AR för underhåll av fordon och flyg. Likaså från andra länder som Sverige, Australien och Japan i syfte att uppmuntra IAR-utvecklingen.
Från början av 2010 och fram till idag, framsteg inom hårdvaruenheter som det bärbara Google Glass , de minskade kostnaderna för mobila enheter och den ökande användarens förtrogenhet med denna teknik. Förutom den ökande produktutvecklingskomplexiteten där produkterna blir mer mångsidiga och invecklade, med flera variationer och massanpassning. Öppnade nya scenarier för denna teknik.
Översikt
Ett av de mest lovande områdena för AR-applikationer är industriell tillverkning, där den kan användas för att stödja vissa aktiviteter inom produktutveckling och tillverkning genom att tillhandahålla tillgänglig information för att minska och förenkla användarens beslut. De allmänna frågorna om utvecklingen av ett AR-system kan fortfarande klassificeras i:
Möjliggörande teknik
Det finns teknologier som behövs för att bygga AR-system. Vissa av dem är direkt relaterade till prestandan hos mjukvaran och hårdvaran som möjliggör distribution av AR, såsom skärmar, sensorer, processorer , igenkänning , spårning , registrering bland annat. Således använder AR olika tillvägagångssätt för att integrera den virtuella och verkliga världen, där flera teknologier påverkar användbarheten och användbarheten.
Några vanliga olösta problem gäller spårningssystem lämpade för industriella scenarier, vilket innebär: dåligt strukturerade föremål med släta ytor och stark ljusvariation; objektigenkänning med hjälp av naturliga egenskaper när det inte är möjligt att använda markörer ; förbättringen av noggrannhet och latens för registrering, och 3D-kontextscenfångst för att möjliggöra sammanhangsmedvetenhet .
Användarinteraktion
Den begränsade förståelsen av mänskliga faktorer kommer sannolikt att hindra spridningen av IAR utanför laboratorieprototyper. Deras studie utmanas för att övervinna tekniska problem (brister i upplösning, synfält, ljusstyrka, kontrast, spårningssystem, bland annat) för att separera AR-prestandan från gränssnittsfaktorer och tekniska problem.
Det föreslogs av att för att en IAR-applikation ska bli framgångsrik i en kommersiell miljö måste den vara "användarvänlig" , vilket betyder att den måste vara enkel och säker att installera, lära sig, använda och anpassa och användaren ska känna sig fri att flytta med ett AR-system. Förutom användningen av naturliga gränssnitt för att kontrollera AR genom att använda kroppens naturliga rörelser har också motiverat en hel del forskning. Anledningen till detta är att användbarheten inte bara beror på systemets stabilitet utan även på kontrollgränssnittets kvalitet.
Vidare bör användargränssnittet undvika att överbelasta användaren med information och förhindra att förlita sig på den för att undvika att förlora viktiga ledtrådar från omgivningen. Andra problem är också relaterade till att förbättra samarbetet mellan flera användare
Social
Det är den sista utmaningen, givet ett idealiskt AR-system (hårdvara, mjukvara och ett intuitivt gränssnitt) att accepteras och bli en del av en användares dagliga liv.
Följaktligen är en av de viktigaste faktorerna i samband med antagandet av ny teknik uppfattningen om användbarhet, och AR måste visa ett tydligt kostnads-nyttoförhållande. Vissa studier tyder på att för att AR ska uppfattas som användbart bör uppgiften vara tillräckligt hög för att kräva att den används.
Andra icke-adresserade men viktiga frågor för teknikacceptans är relaterade till mode, etik och integritet.
Ansökningar
hopsättning
Montering är processen att sätta ihop flera separata komponenter för att skapa en funktionell. Det kan utföras i olika skeden av produktens liv. Även om många monteringsoperationer numera är automatiserade, kräver vissa av dem fortfarande mänsklig hjälp, eftersom deras informationsbitar i många fall frigörs från utrustningen. Därför är det nödvändigt att växla deras uppmärksamhet vilket leder till minskad produktivitet och ökning av fel och skador
Användningen av AR uppmuntras av antagandet att instruktioner kan vara lättare att förstå om de istället för att vara tillgängliga som manualer är superpålagda på den faktiska utrustningen. Några av användningarna av AR för att stödja monteringen kan kategoriseras i:
- Monteringsvägledning
- Monteringsutbildning
- Monteringssimulering, design och planering
På liknande sätt, genom att använda AR är det möjligt att simulera användarens rörelse under monteringen för att få en exakt och realistisk rörelse av virtuella delar.
Å andra sidan är några av de kritiska problemen med supportmonteringsuppgiften relaterade till den dynamiska omkonfigurationen av tillståndsdiagrammet, vilket gör det möjligt att automatiskt identifiera monteringssteget och även anpassa sig till användarens oväntade åtgärder eller fel. Att definiera "vad", "var" och "när" för att visa information blir därför en utmaning eftersom det kräver ett minimum av förståelse för den omgivande scenen.
Underhåll och reparation
Liksom montering fungerar underhåll som en naturlig applikation för AR eftersom det kräver att användarens uppmärksamhet hålls på ett specifikt område och syntes av ytterligare information såsom komplexa sekvenser, komponentidentifiering och textdata.
Dessutom kan effektiviteten och hastigheten för underhållsprocesser förbättras genom AR genom att snabbt visa relevant information om en obekant utrustning för en tekniker. På liknande sätt kan AR stödja underhållsuppgifter genom att fungera som en "röntgen" som syn, eller tillhandahålla information från sensorer direkt till användaren.
Den kan också användas vid reparationsuppgifter. Till exempel vid diagnos av moderna bilar vars statusinformation kan laddas via en pluggliknande kontakt. AR kan användas för att omedelbart visa diagnosen på motorn
Träning
Många branscher är skyldiga att utföra komplexa aktiviteter som kräver tidigare utbildning. Därför, för att lära sig en ny färdighet, måste tekniker utbildas i sensorimotiv och kognitiva underfärdigheter som kan vara utmanande. Denna typ av utbildning kan stödjas av AR.
Dessutom har möjligheten att använda AR för att motivera både praktikanter och studenter genom att förbättra praktikens realism föreslagits. Genom att tillhandahålla instruktioner med en AR kan den omedelbara förmågan att utföra uppgiften också uppnås.
Andra fördelar med att använda AR för träning är att eleverna kan interagera med verkliga objekt och samtidigt ha tillgång till vägledningsinformation och förekomsten av taktil återkoppling från interaktionen med verkliga objekt.
Kvalitetskontroll och driftsättning
Genom att visa information om komponenterna i tillverkningen i realtid. Volkswagen har till exempel använt det för att verifiera delar genom att analysera deras störande kanter och varians. AR har också använts i bilutveckling för att visa och verifiera bilkomponenter och ergonomiska tester i verkligheten. Genom att lägga den ursprungliga 3D-modellen över den verkliga ytan kan avvikelser lätt identifieras och därför kan felkällor korrigeras.
Övervakning och visualisering
Användningen av AR har föreslagits för att interagera med vetenskaplig data i delade miljöer, där det tillåter en 3D-interaktion med verkliga objekt jämfört med virtuell verklighet , samtidigt som användaren kan röra sig fritt i den verkliga världen. Liknande system för att tillåta flera användare med HMD kan interagera med dynamiska visuella simuleringar av tekniska processer
På samma sätt kan AR-simulering av arbetande maskiner kontrolleras från mobila enheter samt annan information som temperatur och användningstid, vilket kan minska arbetarens rörelser och stress.
Kontrovers
Fördelarna med att implementera AR i vissa industriella aktiviteter har varit av stort intresse. Det finns dock fortfarande en debatt eftersom teknikens nuvarande nivå döljer all dess potential.
Det har rapporterats att, vid underhåll och reparationer, kan användningen av AR minska tiden för att lokalisera en uppgift, huvud- och nackrörelser, och även andra nackdelar relaterade till skrymmande, lågupplöst skärmhårdvara. Dessutom syftar den till att förbättra prestanda upp till 30 % och samtidigt sänka kostnaderna med 25 %.
Liknande fördelar har rapporterats av Juha Sääski et al. i den jämförande användningen av AR kontra pappersinstruktioner för att stödja monteringen av delarna i en traktors tillbehörsdrivenhet som visade en tids- och felreduktion (sex gånger mindre).
Men å andra sidan har långvarig användning rapporterats orsaka stress och påfrestning för användaren. Johannes Tümler et al. jämförde spänningen och töjningen som skapades genom att plocka delar från ett ställ med användning av AR jämfört med att använda papper som referens, vilket visade på en förändring av töjningen som kunde antas av det icke-optimala systemet.
Dessutom har det föreslagits att en potentiell fara med användning av AR för träning är användarens pålitlighet hos denna teknik. Som en konsekvens kommer användaren inte att kunna utföra uppgiften utan den. För att övervinna denna situation måste den information som finns tillgänglig under träningen kontrolleras.
Gränserna som definierar IAR är fortfarande inte klara. Till exempel innebär en av de mest accepterade definitionerna av AR att de virtuella elementen måste registreras. Men inom industriområdet är prestanda ett huvudmål, och därför har det varit en omfattande forskning kring presentationen av virtuella komponenter i AR angående typen av uppgift. Denna forskning har visat att den optimala typen av visuellt hjälpmedel kan variera beroende på uppgiftens svårighetsgrad.
Slutligen har det föreslagits att för att ha kommersiella IAR-lösningar måste de vara:
- Robust och reproducerbar med precision.
- Användarvänlig .
- Skalbar bortom enkla prototyper.