工业制造系统信息交互界面综合认知绩效评价模型

2022-02-19吴晓莉邹义瑶李琦桉

机械设计与制造工程 2022年1期

吴晓莉,邹义瑶,李琦桉

(1.南京理工大学设计艺术与传媒学院，江苏南京 210094) (2.河海大学机电工程学院人因与信息系统交互实验室，江苏常州 213022) (3.马鞍山学院艺术设计学院，安徽马鞍山 243100)

随着计算机技术的发展，人机交互界面数字化趋势已从互联网科技行业进入传统行业，数字交互界面信息承载量迅速扩大带来了视觉认知负荷。为此，在保证界面可用的基础上，应尽可能提高控制系统交互界面的认知绩效水平。

Hess等[1]最先证实了眼动数据对分析认知负荷具有重要作用。Just等[2]探究了瞳孔直径变化量与阅读材料难易程度的相关性。Koufaris[3]记录了被试浏览网页图片时的注视路径等眼动数据，发现用户习惯采用固定模式搜索目标信息。Gerald等[4]通过记录的眼动数据，对比分析了不同尺寸和颜色的广告投放效果。Lo等[5]采用搜索关键词布局位置分析用户搜索行为。Anuar等[6]利用视觉分析工具包，总结出用户在地图中搜索信息时的搜索策略；Hollender等[7]通过调查学生使用学习管理系统时眼动轨迹模式和体验，对用户界面设计作出评估；Scott 等[8]基于眼动追踪技术，研究了SNS(social networking services，社交网站)中不同视觉元素对于被试的吸引力程度。刘青[9]、陈晓皎[10]、朱伟[11]等通过构建眼动指标评估模型，对界面可用性水平进行了评价；汪海波等[12]从视觉搜索质量和信息加工水平入手，用凝视次数、凝视路径长度、兴趣区域内凝视次数和时间占比、平均凝视时间4个眼动指标搭建了人机交互数字界面评价体系。综上研究基础，本文对数字控制系统交互界面综合认知绩效水平评价方法进行了探索，提出了AHP-VAGUE-TOPSIS组合模型评价体系。

1 数字化控制系统交互界面评价指标

1.1 评价指标选取

认知绩效水平评价标准与视觉生理评测指标的映射关系需要从视觉认知活动的信息获取和信息加工两个方面进行分析。在视觉信息的搜索过程中，会大量调用操作员的注意资源[13]，操作员的搜索模式可以通过凝视点的数目和凝视路径长度来判定，同时引入一个任务绩效指标用于衡量操作员的搜索效率，如图1所示。

图1 视觉搜索质量维度映射模型

操作员在视觉认知活动中的有效认知负荷占比可以通过目标兴趣区内凝视次数和凝视时间的占比来衡量。张光强等[14]在研究中发现，凝视点的时间越长，与操作员解释视觉信息表征的耗时越长，代表信息加工难度也就越大。Ahern等[15]发现瞳孔直径与认知能力呈负相关。因此，本文从操作员的认知资源分配角度衡量交互界面视觉认知活动中信息加工的认知绩效水平，如图2所示。

图2 信息加工水平维度映射模型

1.2 确定指标权重

采用AHP层次分析法，得出每个指标相较于其他指标的重要程度及权重系数[16-17]。

一级指标A、B分别代表视觉搜索质量和信息加工水平，本组实验对5位专家发放了调查问卷，通过平均处理，得出表1所示的一级指标标度值。

表1 一级指标标度值

根据式(1)构建AHP判别矩阵A：

(1)

式中：aij表示第i项视觉搜索质量指标与第j项信息加工水平指标重要度比较结果；n为视觉搜索质量指标数量；m为信息加工水平指标数量。aij与aji有如下关系：

aij=1/aji

(2)

对比较矩阵A的每一列向量分别进行归一化处理，得到归一化后的判别矩阵Wij：

(3)

(4)

(5)

将式(4)代入式(5)计算可得指标权重值矩阵W′：

通过AHP计算公式，得出认知绩效评估一级指标权重值见表2。

表2 一级指标权重值

在得出权重值后，对得到的权重值进行一致性检验，确认权重系数的逻辑合理性，防止出现A比B重要，B比C重要，结果C比A重要的矛盾情况。

经计算可得综合认知绩效水平生理评测一级指标一致性比率CR=0<0.1，满足一致性检验要求。用同样方法对所有指标进行计算整理，得到的指标权重值见表3。

表3 导航栏设计-综合认知绩效评价指标权重值

2 VAGUE集-TOPSIS综合优选排序组合模型

2.1 VAGUE集函数计算

本文选取模糊信息集处理任务中常用的拓展隶属概念与VAGUE集理论[18]，采用构建目标优属矩阵的方式，得到用于评估工业制造系统信息交互界面的量化评价方案满足评价者理想值的VAGUE数值。

根据实验得出的视觉生理评测指标数据，构建目标优属矩阵γ=[γij]h×l，得到相对优属度γij(即理想值接近水平)，其中h为方案数，l为评价指标个数。

1)对于“搜索广度”“界面发散度”“心理努力程度”成本型(越小越好)的评价指标，它们的相对优属度γij可以表示为：

(6)

式中：bij表示第i种方案下第j种评价指标的量化数值；bjmin，bjmax分别为所有方案下第j种评价指标的最小、最大值。

2)对于“搜索深度”“搜索效率”“界面收敛度”效益型(越大越好)的评价指标，它们的相对优属度γij表示为：

(7)

由评价者定义可以接受的数据满意度下限λU和可以允许的不满意度上限λL，通过矩阵γ得到的矩阵值，筛选出设计方案的支持指标集S、反对指标集O和中立指标集N[19]。

第i个评价方案的支持指标集

Si={bij|γij≥λU}

(i=1,2,…,h;j=1,2,…,l)

式中：γij≥λU表示评价方案中的第j个数据是支持评价方案i的。

第i个评价方案的反对指标集

Oi={bij|γij≤λL}

(i=1,2,…,h;j=1,2,…,l)

式中：γij≤λL表示评价方案中的第j个数据是反对评价方案i的。

第i个评价方案的中立指标集为

Ni={bij|λL<γij<λU}

(i=1,2,…,h;j=1,2,…,l)

式中：λL<γij<λU表示评价方案中的第j个数据对评价方案i既不支持也不反对。

代入层次分析法得到的指标权重值w={w1,w2,…,wl}，构建VAGUE集评价矩阵D：

(8)

式中：ti为该评价方案满足评价指标的程度；fi为该评价方案不满足评价指标的程度。

方案i符合评价者要求的程度vi可通过式(9)用VAGUE数表示。

(9)

式中：wj为第j个数据指标权重值；η1={j|bij∈Si,i=1,2,…,h;j=1,2,…,l}，η2={j|bij∈Oi,i=1,2,…,h;j=1,2,…,l} ，Si为支持指标集，Qi为反对指标集。

2.2 TOPSIS优选度排序

TOPSIS优选度排序思路是首先选定1个正理想值和1个负理想值，然后计算每个设计方案到理想方案的接近度[20]。接近度值越大，对应的设计方案越好。

对一组VAGUE数X，确定导航栏设计方案VAGUE值的正负理想值X+和X-：

(10)

设计方案的VAGUE值与正负理想值之间的距离可以通过VAGUE距离公式计算，每个设计方案Xi和X+的距离d+、Xi与X-的距离d-计算公式为：

(11)

(12)

计算每个设计方案定量指标值到理想值的相对贴近指数μi：

(13)

根据优劣法的思想，各设计方案的Xi越接近X+并远离X-，则说明数据对评价方案的支持隶属度越大，即μi值越大，说明设计方案越接近理想认知绩效水平，可对导航栏设计方案进行优选度排序。

3 工业控制系统焊接界面评估

3.1 实验设计

以工业系统-焊接界面导航栏为例，划分相应的兴趣区，展开视觉认识实验。导航栏设计视觉生理测评实验材料分为原界面、方案一、方案二，如图3、图4所示。其中，方案一优化了导航栏显示大小、背景、字体等信息，方案二是在方案一的基础上增加了图标显示。实验结果见表4。

图3 信息显示区域原界面

图4 方案一、二信息表量对比图

表4 导航栏综合认知绩效生理评测指标数据

3.2 数据处理与分析

根据式(6)、(7)将“搜索深度”“搜索广度”“搜索效率”“界面收敛度”“界面发散度”“心理努力程度”6项指标转化为目标矩阵γ:

确定满意度下界λU=0.85和能够接受的不满意度的上界λL=0.7，找出各设计方案的支持指标集Si、反对指标集Oi和中立指标集Ni：S1=[a5,a6]，O1=Ø，N1={a1,a2,a3,a4}。S2={a2,a3,a4,a5,a6}，O2=Ø，N2={a1}。S3={a1,a3,a5,a6}，O3=Ø，N3={a2,a4}。

代入得出的指标权重值Wi={0.231，0.095，0.448，0.101，0.033，0.093}，运用式(10)计算出3个设计方案的VAGUE值：

v1=[0.191,0.191]

v2=[0.802,1.000]

v3=[0.878,0.878]

构建VAGUE集评价矩阵D：