Machine Translated by Google

Informática  e  Ingeniería  Industrial  168  (2022)  108079

Listas  de  contenidos  disponibles  en  ScienceDirect

Informática  e  Ingeniería  Industrial
página  de  inicio  de  la  revista:  www.elsevier.com/locate/caie

Eficacia  de  la  realidad  virtual  en  modelos  de  simulación  de  eventos  discretos  
para  sistemas  de  fabricación
´
Víctor  Alejandro  Huerta­Torruco
a Óscar  
, ´ Hernández­Uribe a,* ,
´
Leonor  Adriana  Cárdenas­Robledo b. No´e  Amir  Rodríguez  Olivares C
,
a CIATEQ­POSGRADOS,  Av.  del  Retablo  #150,  Constituyentes­Fovissste,  Querétaro,  Quer´etaro  76150,  México

b Departamento  de  Informática,  Control  y  Electrónica,  CIATEQ  AC,  Av.  23  de  Agosto  #213,  Jesús  García,  Villahermosa,  Tabasco  86040,  México  División  de  Ingeniería  
C
Eléctrica  y  Electrónica  (DIEE),  Centro  de  Ingeniería  y  Desarrollo  Industrial  (CIDESI),  Av.  Playa  Pie  de  la  Cuesta  702,  Desarrollo  San  Pablo,  Querétaro,  Qro.  76125,  México

INFORMACIÓN  DEL  ARTÍCULO ABSTRACTO

Palabras   La  realidad  virtual  (VR)  y  la  simulación  de  eventos  discretos  (DES)  se  han  convertido  en  tecnologías  fundamentales  de  la  industria  4.0.
clave:  Realidad   Existe  un  interés  creciente  en  este  tipo  de  tecnologías  tanto  en  el  sector  académico  como  en  el  industrial.  Sin  embargo,  pocos  estudios  
virtual  Simulación  de  eventos  
han  reportado  el  uso  de  ellos  simultáneamente.  Este  estudio  desarrolla  un  modelo  DES  y  propone  un  enfoque  integrado  que  combina  
discretos  Industria  4.0
mediciones  objetivas  y  autoinformadas  para  determinar  la  efectividad  de  la  RV,  con  base  en  la  recopilación  y  el  análisis  de  datos  de  72  
voluntarios  asignados  al  azar  a  un  sistema  de  RV  o  una  computadora  portátil.  El  modelo  representa  un  sistema  de  fabricación  real  
donde  el  usuario  puede  moverse,  interactuar  con  objetos,  modificar  variables,  ejecutar  diferentes  escenarios  e  identificar  el  mejor  en  
función  de  los  indicadores  clave  de  rendimiento  del  sistema.  Los  resultados  mostraron  que  el  tiempo  de  experimentación  es  
significativamente  menor  cuando  los  usuarios  interactúan  con  la  interfaz  de  realidad  virtual  y  no  hay  una  diferencia  significativa  entre  
las  dos  interfaces  al  comparar  el  tiempo  de  toma  de  decisiones.  Sin  embargo,  los  usuarios  de  RV  obtuvieron  un  mayor  porcentaje  de  
respuestas  correctas.  Finalmente,  los  comentarios  autoinformados  indicaron  que  los  usuarios  preferían  el  sistema  de  realidad  virtual,  
además  del  hecho  de  que  los  cuestionarios  de  incomodidad  y  presencia  muestran  valores  típicos  de  la  experiencia  de  realidad  virtual,  
y  el  cuestionario  de  usabilidad  arroja  valores  más  altos  que  la  computadora  portátil.

1.  Introducción tiempo  a  través  de  un  comportamiento  simulado  basado  en  la  recopilación  y  el  intercambio  
de  información  (Chen  y  Huang,  2021;  Nikolakis  et  al.,  2019).  DT  mapea  objetos  físicos  y  
El  éxito  de  las  industrias  se  basa  en  su  rápida  capacidad  para  adaptarse  a  las   optimiza  objetos  físicos  basados  en  modelos  (He  and  Bai,  2021).  Sin  embargo,  DT  no  es  
condiciones  tecnológicas,  sociales  y  económicas.  Las  empresas  manufactureras   lo  suficientemente  realista  para  el  diseño  centrado  en  el  ser  humano  en  el  proceso  de  
necesitan  técnicas  que  apoyen  el  proceso  de  toma  de  decisiones,  lo  que  a  su  vez   fabricación.  En  este  sentido,  la  realidad  virtual  (VR)  es  una  herramienta  que  representa  
mejorará  los  procesos  de  producción  y  evitará  errores  (Flores­García  et  al.,  2021).  Cada   el  sistema  a  escala  uno  y  permite  ejecutar  interacciones  de  forma  natural.  La  combinación  
año  un  gran  número  de  empresas  requieren  estructuras  productivas  ágiles  y  flexibles   de  las  capacidades  de  DT  para  realizar  la  simulación  del  sistema  de  producción  con  VR  
para  hacer  frente  a  una  gran  variedad  de  productos  y  ciclos  de  vida  cortos.  Necesitan   en  términos  de  interacciones  permite  a  los  usuarios  una  experiencia  vívida  y  fluida  
reconfigurarse  a  medida  que  se  enfrentan  a  las  nuevas  demandas  del  mercado  (p.  ej.,   (Havard  et  al.,  2019).  Estas  tecnologías  se  han  implementado  en  diversas  aplicaciones,  
personalización  masiva  de  productos)  (Gorecky  et  al.,  2015).  Esta  idea  al  principio  parece   como  la  virtualización  de  sistemas  de  fabricación,  la  simulación  y  optimización  de  
totalmente  contraria  a  la  intuición  e  inviable,  pero  la  Industria  4.0  permite  que  esto  se   procesos  y  la  gestión  de  operaciones  de  fabricación  (Nguyen  et  al.,  2022).  Por  ejemplo,  
convierta  en  realidad. la  integración  de  VR  y  DT  en  la  programación  automatizada  de  patios  de  almacenamiento  
Hoy  en  día,  el  mercado  tiene  demandas  importantes  que  han  dado  lugar  a  modelos   puede  ayudar  a  los  operadores  a  tomar  decisiones  de  optimización  (Gao  et  al.,  2022).  
de  productos  y  sistemas  muy  sofisticados.  Por  ejemplo,  el  gemelo  digital  (DT)  es  una   Por  otro  lado,  una  de  las  principales  tecnologías  predictivas  de  DT  es  la  simulación  de  
tendencia  tecnológica  estratégica  clave  impulsada  por  los  avances  en  la  Industria  4.0   eventos  discretos  (DES),  que  permite  optimizar  los  sistemas  antes  de  la  evaluación,  así  
(Jones  et  al.,  2020).  Se  refiere  a  crear  y  mantener  una  representación  digital  que   como  la  oportunidad  de  autooptimización  (Reed  et  al.,  2021;  de  Paula  Ferreira  et  al.,  
corresponda  a  entidades  físicas  en  la  fábrica  del  mundo  real  y  ayude  en  su  gestión  y   2020).
reconfiguración  en  el  mundo  real.

*  Autor  correspondiente.
Correo  electrónico:  oscar.hernandez@ciateq.mx  (O ´ Hernán  andez­Uribe).

https://doi.org/10.1016/j.cie.2022.108079  Recibido  
el  4  de  septiembre  de  2021;  Recibido  en  forma  revisada  el  7  de  febrero  de  2022;  Aceptado  el  6  de  marzo  de  2022  
Disponible  en  línea  el  10  de  marzo  de  
2022  0360­8352/©  2022  Elsevier  Ltd.  Todos  los  derechos  reservados.
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Tres  características  principales  definen  DES:  dinámica  (es  decir,  basada  en  el   Tabla  1  

tiempo),  estocástica  (es  decir,  variable  basada  en  funciones  de  probabilidad)  y  regla   Conceptos  básicos  en  el  campo  de  la  RV.

basada  en  eventos  discretos  (Nam  y  Cho,  2020;  Banks,  2010).  Es  una  herramienta   Concepto Descripción

de  bajo  costo,  segura  y  rápida  para  analizar  sistemas  complejos,  con  la  capacidad  de  
Características

evaluar  métricas  de  desempeño  (Mourtzis,  2020).  La  simulación  evalúa  el   Inmersión La  inmersión  se  refiere  a  tecnologías  que  simulan  entornos  físicos  

comportamiento  del  sistema  de  fabricación  a  partir  de  la  experimentación  con   imaginativos  y  existentes.  Durante  la  inmersión,  el  participante  siente  que  
modelos  virtuales  e  informando  al  usuario  sobre  los  efectos  en  el  sistema  de  los   realmente  está  allí  (Bekele  y  Champion,  2019).

cambios  en  la  configuración  actual.
Presencia La  presencia  influye  en  cómo  los  usuarios  perciben  la  experiencia  de  realidad  virtual.
La  realidad  virtual  surge  como  una  opción  viable  para  ofrecer  modelos  de  
Es  una  ilusión  perceptiva  pero  no  cognitiva  de  estar  en  el  entorno  de  RV,  a  pesar  
simulación,  brindando  una  experiencia  realista,  inmersiva  e  interactiva.  Durante  las   de  que  los  usuarios  saben  con  certeza  que  no  están  allí  (Slater,  2018).  El  uso  
últimas  dos  décadas,  varios  sectores  de  la  industria  se  han  interesado  en  las   simultáneo  de  los  diferentes  canales  sensoriales  puede  aumentar  la  sensación  

aplicaciones  de  realidad  virtual.  Han  demostrado  ser  útiles  en  una  variedad  de   de  presencia  (Mayor  et  al.,  2019).

procesos  de  fabricación,  como  capacitación  (Ebnali  et  al.,  2021),  diseño  de  productos  
interactividad Es  la  capacidad  del  usuario  para  navegar  por  el  entorno  virtual,  
(Berni  y  Borgianni,  2020),  ensamblaje  (Tao  et  al.,  2019),  robótica  (Kuts  et  al.,  2019). ),   seleccionar,  manipular  e  interactuar  con  objetos,  personajes  y  lugares  (Gamlin  
y  automotriz  (Lawson  et  al.,  2016),  donde  se  desarrollan  principalmente  aplicaciones   et  al.,  2014).  La  interacción  hombre­computadora  en  el  espacio  
pasivas  (se  evalúa  la  reconfiguración  del  sistema)  y  activas  (el  sistema  se  controla  de   tridimensional  requiere  el  uso  de  interfaces  para  detección  de  movimiento,  
interacción  espacial  3D  y  entradas  físicas  (Vichitvejpaisal  et  al.,  2016).
forma  remota)  (Kuts  et  al.,  2017).
Esta  investigación  analiza  la  implementación  de  dos  elementos  fundamentales  
´
de  la  Industria  4.0:  VR  y  DES  (Ramírez­Duran  et  al.,  2021).  Tienen  beneficios   Efectos
específicos  cuando  se  aplican  por  separado  a  los  sistemas  de  fabricación.  Sin   Enfermedad  de   Los  síntomas  o  efectos  secundarios  resultantes  del  uso  de  la  
la  simulación
embargo,  solo  unos  pocos  estudios  han  reportado  su  implementación  de  manera   tecnología  VR  y  las  características  del  contenido  VR  entregado  a  los  usuarios.  
Las  molestias  asociadas  son  desorientación,  dolor  de  cabeza,  náuseas  y  
integrada.  Este  estudio  describe  y  desarrolla  una  solución  DES  basada  en  un  sistema  
fatiga  (Saredakis  et  al.,  2020).
de  fabricación  existente  para  medir  la  efectividad  de  VR  en  modelos  DES  en  la  toma  
Tecnología  base
de  decisiones. HMD Un  dispositivo  de  realidad  virtual  generalmente  consta  de  lentes  
incrustados  en  anteojos,  una  visera  o  un  casco  sujeto  a  la  cabeza  del  usuario  
2.  Revisión  de  la  literatura mediante  correas.  Junto  con  los  dispositivos  de  realidad  virtual,  los  dispositivos  
hápticos  mejoran  la  sensación  del  usuario  sobre  las  propiedades  del  objeto  físico  
(p.  ej.,  peso,  fricción  o  textura)  (Abidi  et  al.,  2016).
2.1.  Teoría  y  conceptos. CUEVA Se  refiere  a  un  entorno  de  audio  y  video  3D  de  múltiples  pantallas  de  alta  
resolución,  del  tamaño  de  una  habitación  y  para  varias  personas.  Los  

DES  es  un  método  cuantitativo  para  la  toma  de  decisiones  en  sistemas  complejos   gráficos  se  proyectan  en  las  paredes  y  el  piso  produciendo  una  
interpretación  totalmente  inmersiva  y  a  escala  real  ( Maftei  y  Harty,  2015).  
donde  se  simula  la  realidad  a  través  de  un  modelo  computacional.  Este  modelo  
El  CAVE  facilita  la  percepción  del  propio  cuerpo  del  usuario,  
contiene  las  características  y  la  lógica  necesarias  para  poder  representar  el  
utilizando  un  mayor  esfuerzo  técnico  y  sistemas  integrados  para  crear  un  
comportamiento  real  del  sistema  (Urbani  et  al.,  2020;  Anderson  et  al.,  2016).  DES   entorno  inmersivo  (p.  ej.,  sistemas  de  seguimiento)  (Gromer  et  al.,  
admite  el  análisis  de  datos  para  extraer  inferencias  sobre  las  medidas  de  rendimiento   2018).

clave  de  los  sistemas  representados.  Las  principales  etapas  para  los  proyectos  DES  
son  1.  Definición  del  problema,  2.  Modelo  conceptual,  3.  Desarrollo  de  la  abstracción  
2.2.  Realidad  virtual  en  simulación  de  eventos  discretos  para  fabricación
computacional,  4.  Experimentación  y  5.  Análisis  de  resultados  (Akpan  et  al.,  2020).  
Además,  DES  se  utiliza  para  mejorar  los  sistemas  de  fabricación,  salud,  logística  y  
La  comunidad  científica  y  los  sectores  industriales  tienen  interés  en  utilizar  
transporte.
modelos  DES  y  tecnologías  VR  (DESVR)1 .  Señalan  algunos  hechos  y  cuestiones  
La  realidad  virtual  abarca  un  conjunto  de  tecnologías  que  permiten  a  las  personas  
importantes.  Por  ejemplo,  Turner  et  al.  (2016)  expresan  la  necesidad  de  desarrollar  
experimentar  un  mundo  más  allá  de  la  realidad.  Dichas  tecnologías  incluyen  una  
aplicaciones  reales  en  lugar  de  modelos  meramente  hipotéticos.
computadora  para  generar  objetos,  una  pantalla  montada  en  la  cabeza  (HMD)  o  un  
También  es  importante  establecer  una  forma  estándar  de  comunicación  entre  DES  y  
entorno  virtual  automático  de  cueva  (CAVE)  con  anteojos  de  visión  tridimensional  (3D)  
VR.  Esto  impulsará  la  creación  de  nuevas  plataformas  para  la  realización  de  pruebas  
que  proyectan  modelos  al  usuario  y  detectores  de  movimiento  que  interpretan  el  
y  la  toma  de  decisiones  en  la  fábrica  inteligente.  De  manera  similar,  Mawson  y  Hughes  
comportamiento  natural  del  usuario. .  El  propósito  de  VR  es  proporcionar  una  
(2019)  presentan  DESVR  como  la  tecnología  popular  para  la  evolución  de  la  fábrica  
experiencia  virtual  que  simule  el  comportamiento  del  mundo  real  basado  en  algoritmos  computacionales.
inteligente,  aunque  es  necesario  realizar  más  investigaciones  además  de  resaltar  su  
Por  lo  tanto,  los  entornos  de  realidad  virtual  pueden  proporcionar  simulaciones  
potencial  dentro  de  la  industria  manufacturera.  Akpan  y  Shanker  (2019)  comparan  la  
inmersivas  de  tareas  reales  antes  de  que  se  realicen  en  la  vida  real.  Diferentes  
efectividad  de  VR,  3D  y  2D  para  sistemas  de  simulación  de  eventos  discretos.  La  
dispositivos  reproducen  diferentes  tipos  de  estimulación  sensorial,  y  la  mente  procesa  
visualización  VR  y  3D  tiene  un  papel  importante  en  el  proceso  DES,  desde  el  
todos  los  estímulos  para  formar  la  experiencia  de  estar  realmente  en  un  lugar  que  
desarrollo  del  modelo  hasta  la  presentación  de  los  resultados.  Liagkou  et  al.  (2019)  
físicamente  no  existe  (Berg  y  Vance,  2017).  Además,  apoya  la  planificación  y  la  toma  
afirman  que  las  metodologías  de  DES  están  integradas  con  tecnologías  de  realidad  
de  decisiones  de  manera  rápida  y  eficiente,  ahorrando  materiales,  energía  y  costos  
virtual  para  detectar  problemas  en  tiempo  real.  Además,  un  factor  clave  es  la  
de  mano  de  obra  (Michalos  et  al.,  2018;  Kunz  et  al.  2016).  La  Tabla  1  describe  los  
interoperabilidad  con  los  proveedores  de  datos  y  los  flujos  de  sensores  de  la  línea  de  
conceptos  esenciales  para  la  comprensión  de  la  RV.
producción.
La  norma  ISO/IEC  25010  (2010)  define  la  eficacia  como  el  grado  en  que  los  
En  las  últimas  dos  décadas,  varios  estudios  conectaron  los  modelos  DES  con  la  
usuarios  logran  correcta  y  completamente  los  objetivos  específicos  (p.  ej.,  el  nivel  de  
realidad  virtual.  Debido  a  su  capacidad  para  sumergir  al  usuario  en  un  mundo  digital  
interacción  a  través  de  una  interfaz  para  alcanzar  una  tarea  bajo  ciertas  restricciones).  
realista,  la  realidad  virtual  respalda  y  evalúa  varias  tareas,  como  la  visualización  y  el  
Además,  Renganayagalu  et  al.  (2021)  publicaron  una  revisión  de  la  literatura  sobre  
diseño  de  la  disposición  de  la  fábrica  ( Oyekan  et  al.,  2015;  Kelsick  et  al.,  2003),  la  
la  efectividad  de  VR  HMD  versus  la  interfaz  de  la  computadora  de  escritorio  en  el  
toma  de  decisiones  (Naderi  et  al. .,  2019),  proceso  de  planificación  y  logística  (Petkovi
entrenamiento.  Los  autores  dividieron  las  métricas  para  la  evaluación  en  tres  
´c  et  al.,  2019;  Nielebock  et  al.,  2012),  seguridad  y  formación  (Sun  et  al.,  2018;  
categorías  principales:  medidas  de  desempeño  (p.  ej.,  tasa  de  finalización  de  tareas,  
Vasudevan  and  Son,  2011),  y  análisis  y  diseño  de  fabricación
precisión,  tasa  de  error,  medidas  temporales  y  de  comportamiento),  medidas  
autoinformadas  (p.  ej.,  cuestionarios,  escalas  de  calificación  y  entrevistas)  y  
observaciones.  (por  ejemplo,  evaluaciones  de  expertos  y  encuestas  de  investigadores  
sobre  los  resultados  de  la  capacitación). 1
El  uso  de  modelos  DES  y  tecnologías  VR  en  combinación  se  denominará  en  lo  
sucesivo  DESVR.

2
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

(Yang  et  al.,  2015;  Dorozhkin  et  al.,  2012). contextos  del  mundo  real  (Ornellas  et  al.,  2018).  En  este  sentido,  la  realidad  virtual  permite  
En  trabajos  recientes,  Rocca  et  al.  (2020)  demuestran  un  experimento  de  laboratorio  en   la  replicación  de  actividades  realizadas  en  el  mundo  real,  brindando  a  los  usuarios  entornos  
el  que  un  proceso  de  desmontaje  incorpora  DESVR  para  optimizar  los  recursos  y,  por  lo   de  aprendizaje  más  auténticos,  interactuando  y  sumergiéndose  en  tareas  atractivas  y  
tanto,  aumentar  la  sostenibilidad  del  ciclo  de  producción. complejas  útiles  para  la  adquisición  y  capacitación  de  habilidades  (Jensen  y  Konradsen  
Kwok  et  al.  (2019)  utilizan  DESVR  para  desarrollar  un  sistema  de  simulación  de  peligros   2018;  Wang  et  al.  2018) . ).  Además,  reduce  el  costo  de  los  instructores  y  materiales  de  
para  realizar  simulacros  de  emergencia.  Este  enfoque  está  diseñado  para  practicar  y   capacitación  (Ciprian,  2021).
capacitar  la  gestión  de  crisis  en  un  evento  de  desastre  a  gran  escala.  Terkaj  et  al.  (2019)   Mientras  que  DES  se  ocupa  de  problemas  matemáticos  y  de  optimización  (p.  ej.,  
presentan  un  sistema  DESVR  que  soporta  el  diseño  de  plantas  de  producción  de  rollos,   recursos  en  procesos  de  fabricación),  la  desconexión  entre  las  características  de  
donde  el  usuario  puede  comprobar  la  solidez  de  la  configuración  del  sistema  en  función  de   comportamiento  de  los  procesos  de  fabricación  del  mundo  real  y  la  visualización  2D  limita  la  
su  comportamiento  visual  y  rendimiento.  Longo  et  al.  (2019)  proponen  un  sistema  de   comprensión  del  usuario.  La  tecnología  VR  es  beneficiosa  para  DES  con  el  potencial  de  
formación  DESVR  para  escenarios  de  emergencia  donde  los  gestores  de  emergencias   cerrar  esta  brecha  y  recrear  escenarios  que  contienen  objetos  y  maquinaria  reales  en  un  
pueden  mejorar  su  capacidad  para  gestionar  el  estrés.  También  se  analiza  la  presión   entorno  industrial  para  facilitar  la  comprensión  espacial,  el  procesamiento  de  información  
psicológica.  Li  et  al.  (2019)  crean  una  aplicación  DESVR  de  un  almacén  automático  para  la   visual  y  la  toma  de  decisiones.  Al  respecto,  Akpan  y  Shanker  (2017)  realizan  una  revisión  
formación  en  logística.  Los  usuarios  pueden  realizar  ajustes  a  las  configuraciones  relevantes   exhaustiva  sobre  los  beneficios  y  costos  asociados  con  las  actividades  DES  y  3D/VR.  
y  optimizar  los  modelos  en  función  de  las  estadísticas  posteriores  a  la  operación.  Hu  et  al.   Descubrieron  en  las  tareas  de  desarrollo  de  modelos  que  3D/VR  admite  el  modelado  en  
(2018)  desarrollan  una  arquitectura  de  marco  que  encapsula  métodos  de  simulación   equipo,  mejora  la  precisión  y  brinda  claridad,  aunque  se  necesita  un  mayor  esfuerzo  y  una  
abstractos,  así  como  funciones  de  gestión  y  control  de  la  escena  de  realidad  virtual.  Hutabarat   gran  inversión  de  tiempo  para  crear  dichos  modelos.  En  cuanto  a  las  tareas  de  validación  y  
et  al.  (2016)  desarrollan  un  entorno  de  realidad  virtual  inmersivo  conectado  con  un  modelo   verificación  de  modelos,  la  tecnología  VR  permite  identificar  rápidamente  los  errores.
DES  utilizando  cámaras  RGB­D  para  detectar  actualizaciones  automáticas  de  eventos  
relacionados  con  las  rutas  de  flujo  de  material.
Por  último,  la  integración  de  DES  y  VR  en  el  sector  manufacturero  enfrenta  desafíos  
como  el  costo  de  los  sistemas  de  VR  (por  ejemplo,  hardware,  software  y  desarrollo  de  
2.3.  Tecnologías  de  realidad  virtual  versus  computadoras  portátiles contenido),  la  alineación  del  modelo  DES  y  los  objetivos  con  el  uso  de  VR  como  un  medio  
para  lograrlos,  así  como  la  necesidad  de  sistemas  VR  para  apoyar  actividades  específicas  
En  varios  experimentos  formales,  se  aborda  el  impacto  positivo  de  las  tecnologías  de   de  DES.  Además,  es  importante  aumentar  la  relevancia  práctica  de  la  investigación  de  
realidad  virtual  en  comparación  con  las  computadoras  de  escritorio  o  portátiles  para   simulación  mediante  el  uso  de  datos  del  mundo  real  de  la  industria  para  cerrar  la  brecha  
aplicaciones  que  incluyen  análisis  de  ruido  (Aurich  et  al.,  2012),  capacitación  (Stavroulia  et   entre  los  estudios  académicos  y  las  prácticas  de  la  industria  (de  Paula  Ferreira  et  al.,  2020).  
al.,  2019;  Colombo  y  Golzio,  2016). ),  percepción  (Alshaer  et  al.,  2017)  y  visualización   Cuestiones  adicionales  necesitan  más  investigación  como  la  confianza  y  la  confiabilidad  en  
espacial  (Molina­Carmona  et  al.,  2018). la  tecnología  de  realidad  virtual  (p.  ej.,  dispositivos  de  RV  para  telecirugía),  la  propensión  al  
Por  ejemplo,  Salah  et  al.  (2019)  presentan  una  aplicación  de  capacitación  entregada  a  través   acoso  dentro  de  entornos  virtuales  (p.  ej.,  uso  de  avatares  con  forma  humana)  y  el  impacto  
de  VR  o  un  proyector,  que  emula  la  reconfiguración  de  una  celda  de  fabricación.  El   en  la  percepción,  la  cognición  y  los  comportamientos.  del  individuo  (Sun  y  Botev,  2021).
entrenamiento  con  VR  fue  significativamente  superior  en  comparación  con  el  proyector,  
especialmente  en  cuanto  a  la  comprensión  y  satisfacción  del  usuario,  la  frecuencia  de  
errores  y  el  tiempo  de  finalización.  Shu  et  al.  (2019)  investigan  el  efecto  de  VR  HMD  y  
computadoras  de  escritorio  en  el  sentido  de  presencia  y  la  autoeficacia  orientada  a  tareas   3.  Material  y  métodos
de  los  usuarios  cuando  se  exponen  a  un  sistema  de  VR  educativo  sobre  terremotos.  Los  
resultados  cualitativos  fueron  significativamente  superiores  usando  HMD  y  revelan  que  el   Esta  sección  presenta  las  preguntas  de  investigación  utilizadas  para  guiar  el  estudio,  el  
estímulo  visual  y  el  movimiento  son  relevantes  para  componer  la  experiencia  de  realidad   modelo  desarrollado  para  la  experimentación,  el  diseño  experimental  y  el  procedimiento  
virtual.  Además,  Sportillo  et  al.  (2018)  realizan  un  estudio  sobre  la  efectividad  de  la   detallado.  Este  estudio  tiene  como  objetivo  comprender  el  efecto  que  tiene  la  interfaz  en  la  
capacitación  para  conductores  de  vehículos  condicionalmente  automatizados  a  través  de   experimentación  y  la  toma  de  decisiones  al  utilizar  modelos  de  simulación  DES,  por  lo  que  
un  sistema  VR,  un  simulador  de  conducción  de  base  fija  y  un  manual  de  usuario  que  se   se  plantean  las  siguientes  preguntas:
muestra  en  una  computadora.  El  rendimiento  del  sistema  VR  es  igual  o  significativamente   RQ1.  ¿El  empleo  de  DESVR  facilita  la  operación  de  un  proceso  de  simulación  a  un  
mayor  para  cada  una  de  las  variables  evaluadas  en  el  estudio. usuario  novato?
RQ2.  ¿El  uso  de  DESVR  aumenta  la  precisión  en  la  toma  de  decisiones  y  reduce  el  
La  mayoría  de  los  trabajos  anteriores  señalan  que  la  RV  tiene  un  impacto  positivo  en  los   tiempo  de  experimentación?
resultados  del  entrenamiento,  la  percepción  del  usuario  y  las  habilidades  espaciales.  Por  el  
contrario,  Riz  zuto  et  al.  (2019)  informan  que  la  realidad  virtual  tiende  a  ser  menos  precisa   3.1.  Desarrollo  del  modelo  de  simulación  de  eventos  discretos
en  las  operaciones  manuales  de  alta  precisión  en  comparación  con  las  aplicaciones  virtuales  
no  inmersivas  y  los  entornos  reales.  Finalmente,  Zhao  et  al.  (2020)  encontraron  que  ni  el   En  este  estudio,  el  modelo  desarrollado  refleja  el  flujo  de  un  sistema  de  producción  
aumento  de  la  inmersión  ni  las  transiciones  continuas  de  puntos  de  vista  condujeron  a  un   existente.  El  proceso  corresponde  a  una  fábrica  que  fabrica  componentes  estructurales  para  
mejor  rendimiento  para  el  aprendizaje  espacial  en  entornos  virtuales  al  aire  libre  a  gran   vehículos  de  manejo  de  materiales  (montacargas)  ubicada  en  el  centro  de  México.  El  sistema  
escala  cuando  las  señales  basadas  en  el  cuerpo  para  el  movimiento  propio  son  limitadas. modelado  tiene  más  de  50  operaciones  de  fabricación  distintas  con  diversos  procesos,  como  
corte,  mecanizado,  soldadura,  rectificado,  tratamiento  térmico,  tratamiento  de  superficies,  
2.4.  Beneficios  y  desafíos  para  integrar  DES  y  VR pruebas  no  destructivas  (NDT),  pintura,  montaje  y  embalaje  (ASSY/PKG).  El  sistema  actual  
cuenta  con  más  de  20  operarios,  varios  robots,  grúas  de  carga  y  descarga,  sistemas  
Desde  una  perspectiva  de  fabricación,  la  realidad  virtual  es  una  tecnología  valiosa  para   transportadores  y  montacargas.
˜
respaldar  la  implementación  de  los  principios  de  la  Industria  4.0  (Canas  et  al.,  2021).  
Se  
puede  aplicar  a  diversos  procesos  de  fabricación,  como  diseño,  creación  de  prototipos,   El  modelo  se  crea  en  Flexsim,  un  software  de  simulación  de  eventos  discretos  
ensamblaje  y  capacitación.  Por  ejemplo,  en  tareas  de  montaje  y  formación,  proporciona  una   (Beaverstock  et  al.,  2017).  El  entorno  de  desarrollo  integrado  admite  elementos  3D  de  las  
plataforma  adecuada  para  aprender  haciendo  (Abidi  et  al.,  2019),  donde  la  transferencia  de   bibliotecas  estándar,  utilizando  tokens  para  activar  diagramas  de  flujo  de  procesos  y  
modelos  CAD  en  un  entorno  virtual  da  al  usuario  la  sensación  de  un  entorno  real,  evitando   programación  con  C++.  La  figura  1  presenta  una  descripción  general  de  la  arquitectura  del  
las  preocupaciones  sobre  la  falla  de  cualquier  componente  de  los  riesgos  de  rotura  y   sistema  para  el  modelo  DESVR.  Consiste  en  la  herramienta  de  simulación  que  habilita  la  
seguridad  (Abidi  et  al.,  2018). lógica  del  modelo,  la  interfaz  gráfica  de  usuario  para  la  experiencia  inmersiva  y  los  dispositivos  
de  entrada  para  la  interacción  del  usuario.
Por  otro  lado,  el  aprendizaje  auténtico  aborda  el  diseño  de  tareas  de  la  vida  real  y  la  
creación  de  entornos  que  reflejan  el  conocimiento  utilizado  en La  figura  2  muestra  los  pasos  esenciales  (1  a  5)  para  generar  el  modelo  DES.  Paso

3
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Fig.  1.  Arquitectura  del  sistema  DES.

Fig.  2.  Los  pasos  esenciales  para  generar  el  modelo  DES.

1,  se  debe  establecer  y  cumplir  el  objetivo  de  la  experimentación  y  los   mover  y  dejar  caer  objetos  en  el  entorno  3D  (p.  ej.,  para  controlar  operadores  
indicadores  clave  de  rendimiento  (KPI)  correspondientes.  El  paso  2  define  la   o  montacargas),  presionar  botones  para  aumentar  o  disminuir  la  capacidad  
interacción  entre  el  usuario  y  el  modelo  de  diferentes  formas,  como  por  ejemplo: de  proceso  de  la  máquina  o  mover  palancas  para  controlar  grúas  (pocos  cambios

4
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

son  necesarios  para  permitir  la  interacción  de  VR  con  dispositivos  hápticos).  Paso   Al  final,  el  participante  debería  poder  entender  por  qué  la  combinación  de  los  
3,  se  construye  el  modelo  de  simulación  DES,  modelando  comportamientos  clave   valores  de  CP  y  los  KPI  resultantes  hacen  que  el  escenario  6
configurando  elementos  3D  de  bibliotecas  estándar,  diagramas  de  flujo  de  procesos   el  mejor  candidato  Finalmente,  las  dos  últimas  operaciones  del  flujo  del  proceso  
activados  por  tokens  y  programación  lógica  específica.  Paso  4,  los  puntos  de   simulado  apoyan  la  toma  de  decisiones  del  usuario  ya  que  el  participante  deberá  
interacción  marcan  los  lugares  (resaltados  con  un  círculo  azul)  donde  el  usuario   observar  un  mayor  número  de  piezas  listas  para  empaquetar.
interactúa  con  el  modelo.  Finalmente,  en  el  paso  5,  se  programan  los  puntos  de  
interacción  en  C++  para  habilitar  el  modo  de  interacción  definido  en  primera  instancia.
3.2.  Diseño  experimental
La  Fig.  3  muestra  el  diseño  del  modelo  DES,  la  entrada  de  la  materia  prima  
(barras  de  acero)  está  a  la  izquierda  y  la  salida  del  producto  (horquillas)  está  a  la  
Participantes.  En  este  estudio,  72  voluntarios  interactuaron  con  el  modelo.  El  
derecha.  Se  crean  y  programan  tres  puntos  de  experimentación,  cada  uno  
58%  de  los  participantes  son  hombres,  mientras  que  el  42%  restante  fueron  mujeres  
representado  por  un  panel  de  control  (CP)  y  marcado  con  un  símbolo  X.  Los  puntos  
con  un  rango  de  edad  de  18  a  41  años  (M  =  22.806,  DT  =  5.150).  El  74%  (53)  son  
de  interés  (PdI)  identifican  los  principales  procesos  de  fabricación  con  un  círculo  
estudiantes  y  el  26%  (19)  son  profesionales  con  títulos  en  diferentes  áreas  
rojo.  En  cada  PdI,  el  usuario  puede  ver  el  progreso  del  manejo  de  materiales  de  ese  
(ingeniería,  economía  y  diseño  gráfico).  Cabe  señalar  que  el  17%  (12)  tiene  
proceso.  Además,  las  dos  últimas  operaciones  del  flujo  del  proceso  simulado  se  
experiencia  con  el  software  DES,  y  el  restante  sin  experiencia  previa  en  el  uso  o  
indican  con  un  círculo  negro  con  un  centro  lleno  o  vacío.
modelado  con  algún  software  de  simulación  DES.  Los  participantes  no  son  usuarios  
activos  del  software  DES,  y  la  última  vez  que  lo  usaron  fue  seis  meses  antes  de  la  
En  general,  hay  tres  CP:  CP  1  capacidad  de  una  máquina  de  coser,  CP  2  
experimentación  de  este  estudio.  Finalmente,  de  los  72  participantes  que  completaron  
tamaño  de  lote  en  movimiento  y  CP  3  tamaño  de  lote  de  proceso.  Cada  CP  tiene  
el  experimento,  el  61%  experimentó  la  tecnología  VR  por  primera  vez.
dos  botones  para  cambiar  los  valores  de  las  variables;  tres  botones  para  reiniciar,  
reproducir  y  detener  la  simulación;  y  cuatro  botones  para  simular  diferentes  
Interfaces  del  modelo.  El  entorno  virtual  se  construye  como  minimalista  escénico  
velocidades  1x,  10x,  100x  y  Max  (ilustrado  en  la  Fig.  4a).  La  velocidad  de  simulación  
(es  decir,  texturas  mínimas,  objetos  3D  de  bajo  detalle  e  interacción  simple)  para  
es  qué  tan  rápido  el  modelo  simula  el  proceso.  1x  significa  que  el  proceso  y  el  
mitigar  los  síntomas  de  la  enfermedad  del  simulador  (Rebenitsch  y  Owen,  2016).  El  
modelo  se  representan  en  un  segundo,  y  la  velocidad  máxima  corresponde  a  un  
entorno  incluye  ruido  ambiental,  sonidos  que  se  activan  con  botones  y  una  alarma  
tiempo  de  ejecución  del  proceso  de  1  h  mientras  que  el  modelo  simula  el  proceso  
que  indica  el  final  de  la  simulación.  El  usuario  puede  modificar  las  variables  DES,  
en  un  segundo.  El  rendimiento  de  la  simulación  se  establece  a  la  máxima  velocidad  
ejecutar  varios  escenarios  DES,  ver  numerosas  ayudas  visuales  (p.  ej.,  indicadores  
para  ejecutar  cada  escenario  comenzando  el  día  1  a  las  6:30  am  y  finalizando  el  día  
de  desempeño)  y  alcanzar  una  meta  esperada.
3  a  la  misma  hora  (dos  días  continuos).  La  Fig.  4a  muestra  el  CP  1  utilizado  para  
seleccionar  el  número  de  barras  de  acero  a  cortar.  Además,  los  tableros  de  
La  interacción  con  el  modelo  de  simulación  se  realizó  a  través  de  dos  interfaces:  
información  muestran  los  valores  de  las  variables  como  se  muestra  en  la  Fig.  4b,  
interfaz  de  computadora  portátil  y  mouse  (LI)  e  interfaz  de  controladores  HMD  (VRI).  
mientras  que  la  Fig.  4c  presenta  un  escenario  terminado  en  un  PdI  después  del  
El  equipo  empleado  para  ejecutar  el  modelo  de  simulación  es  una  laptop  MSI  Raider  
tratamiento  térmico,  mostrando  20  horquillas  en  el  transportador.
GE  75  de  17  pulgadas.  El  LI  permite  cambiar  los  valores  de  las  variables  del  CP  
El  objetivo  de  la  experimentación  DES  es  encontrar  un  escenario  que  maximice  
usando  el  teclado  y  el  mouse  a  través  de  tablas  globales.  En  la  Fig.  5a,  el  participante  
los  dos  KPI  principales:  KPI1  mide  la  cantidad  de  productos  terminados  y  KPI2  la  
edita  las  variables  usando  el  LI.  El  VRI,  por  otro  lado,  permite  cambiar  los  valores  
cantidad  de  paletas  enviadas.  El  escenario  optimizado  se  determina  cambiando  los  
de  las  variables  del  modelo  de  simulación  en  VR  altamente  inmersivo  usando  un  
valores  de  las  variables  con  dos  opciones  posibles  para  cada  CP,  como  se  muestra  
Oculus  Rift  S  HMD  para  la  visualización  y  controladores  táctiles  Oculus  para  la  
en  la  Tabla  2.  Existen  ocho  escenarios  posibles  según  los  valores  asignados  a   visualización.
cada  punto  de  experimentación  de  CP.  Estos  valores  y  el  resultado  de  los  KPI  
manos  derecha  e  izquierda.  En  la  Fig.  5b,  el  participante  usa  el  HMD  y  el  controlador  
aparecen  en  la  Tabla  3.
para  cambiar  los  valores  a  través  de  los  botones  de  CP.

Fig.  3.  Diseño  del  modelo  DES.

5
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Figura  4.  Modelo  DES  creado  para  este  estudio.  (a)  Capacidad  CP1  de  la  máquina  de  coser.  (b)  Tablero  de  información  con  escenarios  y  variables.  (c)  PdI  en  el  proceso  de  tratamiento  térmico.

3.3.  Procedimiento
Tabla  2  

Paneles  de  control  y  valores  de  experimentación  válidos.
El  tiempo  necesario  para  realizar  las  actividades  fue  de  aproximadamente  75  min  por  
PC  1 PC  2 PC  3 participante.  A  cada  participante  se  le  pidió  que  respondiera  a  una  serie  de  cuestionarios  y  
Capacidad  de  una  máquina   Mover  tamaño   Proceso  por  lotes
firmara  una  carta  de  consentimiento.  La  información  fue  recolectada  y  tratada  de  forma  
de  coser. de  lote tamaño

confidencial  y  anónima,  y  cada  participante  probó  ambas  interfaces  de  forma  individual  
Opción  A  1 10 5
según  un  cronograma  acordado.  Se  crearon  dos  grupos  del  mismo  tamaño  (36  sujetos),  y  
Opción  B  2 25 10
el  modelo  se  usó  en  dos  secuencias  para  equilibrar  cualquier  ventaja  obtenida  por  el  
segundo  en  secuencia  debido  a  que  los  participantes  aprendieron  la  actividad.  El  primer  
grupo  empleó  el  VRI  seguido  del  LI  (secuencia  de  actividad  1  a  4),  y  el  segundo  grupo  
Tabla  3  
utilizó  las  interfases  de  forma  inversa  (secuencia  de  actividad:  1,  2,  4  y  3).  El  procedimiento  
Valores  de  CP  y  resultados  de  KPI  relacionados  con  ocho  escenarios  de  prueba.
contiene  cuatro  actividades  principales  que  se  describen  a  continuación:.
Número  de PC  1 PC  2 PC  3 KPI  1 KPI  2
escenarios Capacidad  de   Mover   Proceso Número  de Número  de
una   tamaño   tamaño   paletas   productos  

máquina  de  coser. de  lote del  lote enviadas terminados

1.  Bienvenida  y  presentación  (10  min).  En  primer  lugar,  se  daba  la  bienvenida  al  
participante  y  se  le  explicaba  brevemente  las  actividades  a  realizar.
escenario  1 1 10 5 11 220
Escenario  2 1 10 10 11 220 A  continuación,  se  les  pidió  que  firmaran  una  carta  de  consentimiento  y  respondieran  
Escenario  3 1 25 5 10 220 el  cuestionario  de  información  general.
Escenario  4  1 25   10   10   220   2.  Explicación  del  modelo  DES  (20  min).  El  instructor  proporcionó  una  explicación  detallada  
Escenario  5  2 10 5 12 240
del  modelo  (es  decir,  la  maximización  de  los  KPI),  como  los  puntos  de  experimentación,  
Escenario  6  2 10 10 12 240
Escenario  7 2 25 5 11 230
los  paneles  de  información  y  el  cambio  de  los  valores  de  CP  utilizando  las  tablas  
Escenario  8  2 25 10 11 230 globales  (LI)  y  los  botones  (VRI).

3.  VRI  (20­25  min).  Se  le  dio  tiempo  al  participante  para  que  se  acostumbrara  al  HMD  y  
sus  controladores,  además  de  probar  la  teletransportación  y  presionar  botones  en  los  
CPs  (5  min),  luego  se  le  pidió  que  ejecutara  todos  los  escenarios  y  al  final  de  cada  uno  
dictara  los  valores  de  KPI1

6
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Fig.  5.  Las  dos  interfaces  empleadas  para  realizar  la  experimentación.  (a)  Interfaz  de  computadora  portátil  (LI).  (b)  Interfaz  de  realidad  virtual  (VRI).

(número  de  productos  terminados)  y  KPI2  (número  de  paletas  terminadas)  al  instructor   •  Cuestionario  de  información  general.  Las  preguntas  están  relacionadas  con  la  edad,  el  
(15  min).  A  continuación,  si  el  participante  utilizaba  el  modelo  DES  por  primera  vez,  se  le   género,  el  nivel  educativo,  la  frecuencia  de  uso  de  computadoras  o  videojuegos,  la  
pedía  que  eligiera  el  mejor  escenario  (toma  de  decisiones)  y  lo  explicara  (5  min).   experiencia  previa  con  VR  o  AR  y  la  experiencia  previa  en  el  uso  o  modelado  de  sistemas  
Finalmente,  el  participante  contestó  el  Cuestionario  de  Presencia  iGroup  (IPQ)2 ,   de  producción  con  software  DES.  •  IPQ.  El  cuestionario  IPQ  es  una  escala  muy  
cuestionarios  de  incomodidad  y  usabilidad  (5  min). utilizada  en  los  sistemas  de  simulación  de  RV  (Chheang  et  al.,  2021,  Zainal  et  al.,  2021,  
Hruby  et  al.,  2020).  El  cuestionario  mide  la  sensación  de  presencia  como  la  sensación  
4.  IL  (20­25  min).  El  participante  se  familiarizó  con  el  modelo  DES  y  las  tablas  utilizadas  para   subjetiva  de  estar  en  un  entorno  virtual.  El  IPQ  considera  subescalas  que  se  enfocan  en  
cambiar  los  valores  de  CP  a  través  del  teclado  y  el  mouse  (5  min).  De  manera  similar  al   la  presencia  general,  la  presencia  espacial,  la  participación  y  el  realismo  de  la  experiencia  
VRI,  el  usuario  ejecutó  todos  los  escenarios  y  dictó  al  instructor  los  valores  finales  de  KPI1   percibida  en  un  entorno  virtual.
y  KPI2  (15  min).  Si  el  participante  usaba  el  modelo  DES  por  primera  vez,  se  le  pedía  que  
eligiera  el  mejor  escenario  (toma  de  decisiones)  y  lo  explicara  (5  min).  Por  último,  se  les   El  objetivo  es  comprender  el  nivel  de  inmersión  y  presencia  percibido  por  los  usuarios  de  
pidió  que  cumplimentaran  un  cuestionario  de  usabilidad  (5  min). VRI,  empleando  modelos  DESVR  con  texturas  mínimas,  objetos  3D  de  bajo  detalle  e  
interacción  simple  en  entornos  virtuales.  Cada  pregunta  consta  de  una  respuesta  en  una  
escala  de  7  puntos  (p.  ej.,  totalmente  en  desacuerdo,  moderadamente  en  desacuerdo,  
ligeramente  en  desacuerdo,  neutral,  ligeramente  de  acuerdo,  moderadamente  de  acuerdo  
Después  de  haber  probado  ambas  interfaces,  se  le  pedía  al  usuario  que  eligiera  la  interfaz   y  totalmente  de  acuerdo),  donde  el  valor  más  alto  indica  una  mejor  percepción.  •  
preferida. Cuestionario  de  malestar.  Se  emplea  un  cuestionario  que  
interpreta  las  percepciones  relacionadas  con  el  uso  de  VRI  para  determinar  si  el  usuario  
3.4.  Medidas sufre  alguna  molestia.  Se  eligieron  y  consideraron  cinco  síntomas  del  cuestionario  de  
enfermedad  del  simulador  (SSQ):  malestar  general  (malestar),  fatiga,  dolor  de  cabeza,  
Existen  varios  parámetros  para  medir  la  eficacia  de  una  aplicación  de  RV  (Renganayagalu   náuseas  y  mareos  (Rze´zniczek  et  al.,  2020).  Para  evaluarlos  se  utiliza  una  escala  de  4  
et  al.,  2021).  Además,  los  efectos  de  la  RV  más  documentados  en  la  literatura  son  la  presencia,   (ninguno,  leve,  moderado  y  severo).  Desde  entornos  minimalistas  (puntuaciones  bajas)  
la  inmersión  y  el  mareo  por  simulación  (Weech  et  al.,  2019;  Sportillo  et  al.,  2019).  Este  trabajo   hasta  videojuegos  (puntuaciones  altas),  los  entornos  de  RV  provocan  síntomas  
evaluó  la  efectividad  de  VRI  en  comparación  con  LI  mediante  el  uso  de  una  combinación  de   significativos  al  aplicar  el  SSQ  (Saredakis  et  al.,  2020).  Para  este  estudio,  el  modelo  
medidas  objetivas  y  autoinformadas,  ambas  ejecutando  el  mismo  modelo  3D  DES.  Esto   DESVR  se  construyó  con  menos  polígonos  y  un  entorno  escénico  minimalista  para  
permitió  a  los  investigadores  comprender  qué  interfaz  permitía  una  experimentación  más   disminuir  dichos  síntomas.
rápida  y  precisión  en  la  toma  de  decisiones.  También  ayudan  a  determinar  si  los  participantes  

prefieren  una  interfaz  sobre  la  otra.
•  Cuestionario  de  usabilidad.  Después  de  realizar  la  experimentación,  el  usuario  respondió  
ocho  preguntas  para  evaluar  la  usabilidad  de  LI  o  VRI.  Un  cuestionario  de  siete  ítems  
utilizado  por  Canepas  et  al.  (2017)  y  Syberfeldt  et  al.  (2015)  para  un  experimento  de  RA  
3.4.1.  Medidas  autoinformadas  El   se  utilizó  para  este  estudio,  agregando  un  ítem  para  evaluar  la  sensación  de  
presente  estudio  utiliza  diferentes  medidas  para  estimar  el  efecto  de  las  dos  interfaces   entretenimiento  (me  divertí).
cuando  se  utilizan  modelos  de  simulación  DES.  En  el  transcurso  del  experimento,  cada   Las  respuestas  se  calificaron  en  una  escala  de  1  a  3  (totalmente  en  desacuerdo,  neutral  
participante  llenó  cuatro  cuestionarios  que  se  describen  a  continuación. y  totalmente  de  acuerdo).

3.4.2.  Medidas  objetivas
El  tiempo  necesario  para  completar  los  ejercicios  se  registró  durante  la  prueba  de  los  
ocho  escenarios  y  la  velocidad  de  toma  de  decisiones  de  los  participantes  refleja  el  efecto  de  
ambas  interfaces  (VRI  y  LI).  un  reloj  digital
2
https://www.igroup.org/pq/ipq/index.php.

7
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

fue  utilizado  por  el  instructor  para  registrar  el  tiempo  en  minutos. significativamente  mejor  en  comparación  con  LI  (p  <  0,05).  En  cuanto  a  la  pregunta  6  
(demanda  física),  la  puntuación  LI  fue  peor  y,  sin  embargo,  no  fue  estadísticamente  
•  El  tiempo  de  experimentación  de  VRI  se  refiere  al  tiempo  transcurrido  en  el  que  el   significativa  en  comparación  con  VRI  (p  mayor  que  0,05).  Además,  los  participantes  
participante  inicia  el  modelo  de  simulación  ejecutando  el  escenario  1  hasta  el   respondieron  una  pregunta  sobre  la  interfaz  que  preferirían  usar  con  los  modelos  de  
escenario  8,  usando  Oculus  y  controladores. simulación  DES.  La  figura  6  refleja  la  preferencia  subjetiva  de  los  72  participantes,  donde  
•  El  tiempo  de  toma  de  decisiones  de  VRI  se  relaciona  con  el  tiempo  transcurrido  para   70  prefieren  VRI  y  2LI,  como  se  muestra  en  el  gráfico  circular.
revisar  y  elegir  el  mejor  escenario.
•  El  tiempo  de  experimentación  LI  es  el  tiempo  transcurrido  cuando  el  participante  inicia   Los  autores  encontraron  que  los  participantes  consideraban  que  la  VRI  era  más  fácil  
el  modelo  de  simulación  ejecutando  el  escenario  1  hasta  el  escenario  8,  usando  una   de  entender  (pregunta  1)  y  usar  (pregunta  2)  durante  el  experimento  con  modelos  DES  
computadora  portátil  y  un  mouse. (p.  ej.,  cambiar  los  valores  de  CP).  Ningún  participante  señaló  la  falta  de  sentido  del  tacto  
•  Tiempo  de  toma  de  decisiones  de  LI,  el  tiempo  transcurrido  para  revisar  y en  VRI.  Puede  ser  debido  a  la  vibración  del
elegir  el  mejor  escenario. controladores  hápticos  y  retroalimentación  visual,  que  contribuyen  a  la  sensación  de  
presencia  de  un  participante  cuando  realiza  actividades  (p.  ej.,  presionar  el  botón)  (Gibbs  
Finalmente,  la  precisión  en  la  toma  de  decisiones  se  mide  comparando  la  decisión   et  al.,  2022).  En  cuanto  a  la  velocidad  de  interacción  de  la  interfaz  (pregunta  3),  la  
real  con  la  respuesta  correcta  cuando  el  participante  revisa  y  elige  el  mejor  escenario. percepción  de  los  participantes  para  probar  los  ocho  escenarios  favoreció  a  VRI.  En  
concordancia  con  los  resultados  anteriores,  los  participantes  informaron  que  preferirían  
tener  disponible  la  interfaz  VRI  para  la  experimentación  con  el  modelo  DES  (pregunta  4).  
4.  Resultados  y  discusión Siguiendo  la  tendencia  a  favor  de  VRI,  los  participantes  se  divirtieron  más  usándolo  
(pregunta  5).  Las  preguntas  anteriores  proporcionaron  resultados  razonablemente  buenos  
El  primer  resultado  de  este  estudio  es  que  el  desarrollo  y  la  programación  de  los   desde  el  punto  de  vista  de  la  aceptabilidad.  Parece  que  los  usuarios  pueden  adoptar  y  
tableros  de  interacción  VRI  permitieron  a  los  participantes  del  experimento  probar  los   emplear  rápidamente  la  tecnología  VRI  sin  una  comprensión  previa  de  los  modelos  DES.
ocho  escenarios  sin  tener  ninguna  experiencia  previa  con  la  simulación  DES.  Las  medidas  
autoinformadas  y  objetivas  para  las  diferencias  de  la  interfaz  de  usuario  de  VRI  y  LI  se   En  relación  a  la  demanda  física  (pregunta  6),  tanto  VRI  como  LI  obtuvieron  puntajes  
analizaron  mediante  la  prueba  de  Mann­Whitney  para  datos  ordinales,  categóricos  y  de   cercanos  y  los  resultados  no  fueron  estadísticamente  significativos  (p  mayor  a  0,05).  
distribución  no  normal;  y  la  prueba  t  para  datos  continuos  normalmente  distribuidos.  Se   Mientras  que  los  participantes  que  usaron  el  VRI  estaban  de  pie,  caminaban  y  movían  la  
utilizó  una  significación  estadística  del  5  %  para  las  pruebas  ( valor  de  p  <  0,05)  y  se   cabeza  y  las  manos  para  presionar  los  botones,  los  participantes  que  usaron  el  LI  
utilizó  el  software  Minitab  para  los  cálculos. estaban  sentados  y  usaban  el  teclado  y  el  mouse  para  cambiar  los  valores.  Si  bien  esto  
sugiere  que  la  interfaz  VRI  fue  más  exigente  físicamente,  los  resultados  de  ambas  
interfaces  demuestran  que  la  percepción  de  la  demanda  física  de  los  usuarios  fue  similar  
para  las  dos  interfaces,  podría  deberse  a  que  la  actividad  realizada  no  fue  compleja.
4.1.  Medidas  autoinformadas

Los  autoinformes  se  recogieron  a  través  de  un  conjunto  de  tres  cuestionarios.  Al  final  
En  el  mismo  contexto,  los  participantes  respondieron  una  pregunta  sobre  demanda  
de  la  experimentación  con  VRI  y  LI,  los  participantes  respondieron  los  cuestionarios  de  
mental  (pregunta  7)  requerida  para  cada  interfaz.  VRI  mostró  puntuaciones  
usabilidad,  IPQ  y  malestar.  Posteriormente,  los  datos  se  utilizaron  para  generar  un  
significativamente  mejores  que  LI,  lo  que  indica  que  VRI  fue  menos  exigente  mentalmente.  
análisis  estadístico  descriptivo  y  se  probó  la  significación  media  mediante  la  prueba  de  
Debido  a  que  los  escenarios  de  configuración  de  VRI  solo  requieren  que  el  usuario  
Mann­Whitney  (p  <  0,05).  A  pesar  de  la  leve  incomodidad  y  la  demanda  mental  inherente  
presione  los  botones  del  panel  (una  tarea  simple),  en  contraste,  LI  requiere  que  el  usuario  
causada  por  los  entornos  de  RV,  los  resultados  mostraron  una  preferencia  por  la  VRI,  
ingrese  los  valores  manualmente.  Además,  como  se  señala  más  adelante  en  los  
que  podría  estar  sesgada  debido  a  la  subjetividad  de  los  cuestionarios.  Una  forma  de  
resultados  del  cuestionario  de  incomodidad,  se  sugiere  que  se  centraron  en  la  
reforzar  los  hallazgos  de  dichos  instrumentos  de  evaluación  sería  a  través  de  mediciones  
funcionalidad  y  la  comprensión  del  modelo  en  lugar  de  los  recursos  cognitivos  que  
fisiológicas  y  neurológicas  (p.  ej.,  vista,  tacto,  propiocepción)  con  sensores  portátiles  
exigen  los  entornos  de  RV.
( Krokos  y  Varshney,  2021;  Park  et  al.  2021;  Magaki  y  Vallance,  2020).
En  cuanto  a  la  frustración  (pregunta  8),  los  valores  de  VRI  informados  fueron  mejores  
que  los  de  LI.  Ubica  a  VRI  como  la  interfaz  que  generó  menos  frustración,  y  la  mayor  
diferencia  en  los  resultados  entre  las  dos  interfaces  se  observó  para  esta  pregunta  entre  
Cuestionario  de  usabilidad.  Los  participantes  completaron  un  cuestionario  de  
las  ocho  preguntas.  Es  de  esperar,  dado  que  la  frustración  de  usar  el  mouse  para  navegar  
usabilidad  para  evaluar  cada  interfaz  donde  se  analizan  estadísticamente  los  resultados.  
y  encontrar  el  ángulo  de  visión  correcto  fue  un  comentario  negativo  muy  repetido  por  
La  evaluación  de  los  aspectos  como  facilidad  de  uso,  facilidad  de  comprensión,  exigencia  
parte  de  los  usuarios.  En  cuanto  a  la  pregunta  adicional  sobre  la  interfaz  preferida,  VRI  
física  y  mental,  frustración,  entre  otros,  favoreció  a  la  VRI.  La  Tabla  4  indica  los  resultados  
superó  a  LI  con  una  preferencia  del  97%  (70  participantes).
de  la  respuesta  promedio  para  VRI,  LI  y  la  diferencia.  Para  las  preguntas  1  a  5  y  7  a  8,  la  
puntuación  VRI  fue
En  general,  los  resultados  favorecen  fuertemente  a  VRI.  Podrían  ser  apoyados  por

Tabla  4
Puntuaciones  del  cuestionario  de  usabilidad  para  VRI  y  LI:  preguntas  y  resultados  promedio.

Pregunta  de  identificación VRI LI VRI  ­

LI

1 La  interfaz  para  interactuar  con  el  modelo  de  simulación  fue   2,82  2,51 0.31

fácil  de  entender
2 La  interfaz  fue  fácil  de  usar  para  la  experimentación  (cambio   2,76  2,39 0.37
de  variables)
3 Sentí  que  la  experimentación  con  el  modelo  a  través  de   2.82  2.11 0.71
la  interfaz  fue  rápida.
4 Si  tuviera  que  experimentar  con  el  modelo  de  simulación   2,80  2,27 0,53
regularmente,  me  gustaría  tener  la  interfaz  disponible

5 Me  divertí 2,93  2,22  1,60   0,71  

6 La  interfaz  era  físicamente  exigente 1,52 0,08
7 La  interfaz  era  mentalmente  exigente. 1,60  1,87  −  0,27
8 La  interfaz  era  frustrante  de  usar 1,22  1,88  −  0,66
Fig.  6.  Preferencia  de  interfaz  de  usuario.

8
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

el  hecho  de  que  los  participantes  interactúen  con  los  modelos  como  lo  harían  con  un   4.2.  Medidas  objetivas
sistema  real  y  logran  una  mejor  concentración  al  estar  aislados  del  mundo  real,  al  
contrario  de  la  perspectiva  en  tercera  persona  que  ofrece  una  computadora  portátil. Las  medidas  evaluaron  el  tiempo  total  de  experimentación  tanto  para  VRI  como  
para  LI  y  la  precisión  del  proceso  de  toma  de  decisiones  para  seleccionar  el  mejor  
Cuestionario  de  malestar.  La  evaluación  del  cuestionario  identifica  síntomas   escenario  de  simulación.  El  tiempo  de  experimentación  es  significativamente  menor  
relacionados  con  el  uso  del  HMD.  Estos  síntomas  pueden  impedir  que  los  usuarios   cuando  los  participantes  usan  la  interfaz  VRI.  Sin  embargo,  al  comparar  la  comprensión  
finalicen  la  experimentación.  El  resultado  fue  alentador  ya  que  todos  los  participantes   de  los  participantes  del  modelo  tanto  para  VRI  como  para  LI,  no  hay  una  diferencia  
llevaron  a  cabo  los  ocho  escenarios  de  VRI  y  nadie  abandonó  el  experimento.  De   significativa  entre  las  interfaces,  y  lo  mismo  se  observó  con  el  tiempo  de  toma  de  
acuerdo  con  los  resultados  del  cuestionario,  el  49%  de  los  participantes  no  reportó   decisiones.  Las  variables  enumeradas  a  continuación  (es  decir,  experimentación  y  
síntomas,  y  el  resto  de  los  participantes  mostró  síntomas  leves  o  moderados.  No  se   tiempo  de  toma  de  decisiones)  se  probaron  estadísticamente  (p  <  0,05)  usando  una  
informaron  síntomas  graves  y  solo  dos  participantes  sufrieron  todos  los  síntomas   prueba  t  pareada  o  una  prueba  t  (datos  distribuidos  normalmente  y  varianza  igual);  en  
(malestar  general,  fatiga,  dolor  de  cabeza,  náuseas,  mareos).  La  Fig.  7  ilustra  los   caso  contrario,  se  aplicó  una  prueba  no  paramétrica  de  Mann­Whitney.
resultados  de  los  síntomas  leves  y  moderados  donde  el  mareo  fue  el  más  común  (Fig.  
7a  leve  35%  y  Fig.  7b  moderado  4%).  Aunque  algunos  participantes  sintieron  una  ligera   Tiempo  de  experimentación:  VRI  versus  LI.  El  tiempo  de  experimentación  para  VRI  
molestia,  todos  completaron  el  experimento  VRI.  A  pesar  de  los  síntomas,  podría   versus  LI  se  compara  entre  los  participantes,  independientemente  de  la  secuencia  en  
sugerir  que  los  resultados  no  favorecerían  la  selección  de  VRI.  Sin  embargo,  la   la  que  realizaron  la  experimentación.  La  Fig.  9a  muestra  que  el  tiempo  medio  de  
sensación  de  síntomas  leves  y  moderados  no  fue  determinante  para  la  preferencia   experimentación  en  VRI  fue  2,71  min  menos  que  en  LI.
interfacial.  La  tendencia  hacia  VRI  podría  basarse  en  los  beneficios  y  la  funcionalidad   Tiempo  de  experimentación:  VRI  1er  grupo  versus  LI  2do  grupo.  Esta  comparación  
percibidos  por  los  participantes  durante  las  pruebas  (p.  ej.,  fácil  comprensión  del   involucra  a  participantes  que  primero  usaron  VRI  o  LI.  La  Fig.  9b  muestra  que  el  tiempo  
modelo,  observación  de  todos  los  procesos  con  diferentes  perspectivas,  enfoque  en  la   medio  de  experimentación  en  VRI  es  2,30  min  menos  que  en  LI.
tarea  sin  distracción). Este  fue  el  resultado  anticipado  ya  que  el  tiempo  de  experimentación  VRI  versus  LI  
favoreció  a  VRI  (diferencia  de  2.71  min).
Tiempo  de  experimentación:  VRI  1er  grupo  versus  VRI  2do  grupo.  Esta  comparación  
Este  estudio  no  buscó  reducir  los  síntomas  típicos  de  los  entornos  de  RV.  El  VRI   involucra  a  participantes  que  usaron  VRI  independientemente  del  grupo.
implementó  algunos  principios  de  interacción  de  diseño  que  previamente  demostraron   La  Fig.  9c  muestra  que  los  participantes  del  primer  grupo  VRI  tardaron  más  en  
ser  efectivos  contra  estos  síntomas,  por  ejemplo,  la  teletransportación  (controles   completar  el  experimento  que  los  del  segundo  grupo  VRI  y  la  diferencia  de  los  valores  
táctiles)  en  lugar  del  movimiento  natural  típico  de  algunos  videojuegos  en  primera   medios  no  es  significativa  (p  =  0,087).  Los  participantes  del  2º  grupo  VRI  ya  utilizaron  
persona.  Se  necesitan  estudios  adicionales  para  abordar  la  reducción  de  la  enfermedad   el  modelo  en  su  experiencia  previa  con  LI,  y  se  observa  menor  variabilidad  SD  =  0,99  
del  simulador  para  mejorar  la  experiencia  del  usuario  con  los  modelos. para  el  2º  grupo  VRI.
Tiempo  de  experimentación:  LI  1er  grupo  versus  LI  2do  grupo.  Esta  comparación  
Cuestionario  IPQ.  Para  los  participantes  que  utilizan  VRI,  la  figura  8  muestra  la   incluye  participantes  que  usaron  LI  tanto  en  el  primer  como  en  el  segundo  grupo.  La  
puntuación  IPQ  media  para  la  presencia  general  M  =  5,15  y  la  presencia  espacial  M  =  5,05. Fig.  9d  muestra  que  los  participantes  del  segundo  grupo  LI  consumieron  menos  tiempo  
Ambos  resultados  obtuvieron  los  valores  más  altos  de  las  cuatro  categorías.  Indica  un   que  el  primer  grupo  LI  y  la  diferencia  en  el  valor  medio  no  es  significativa  (p  =  0,401).  A  
fuerte  sentido  de  estar  presente  en  el  modelo  por  parte  de  los  participantes. pesar  de  que  los  participantes  del  grupo  LI  1  ya  habían  utilizado  el  modelo  que  emplea  
La  media  de  implicación  es  M  =  3,9,  valor  inferior  a  la  presencia.  El  Oculus  tiene  audio   VRI,  no  favoreció  el  rendimiento  del  tiempo.
posicional  integrado  en  el  visor  y  el  laboratorio  de  pruebas  no  está  aislado,  por  lo  que  
se  espera  una  participación  baja  ya  que  el  sonido  ambiental  puede  distraer  levemente   Tiempo  de  toma  de  decisiones:  VRI  versus  LI.  Los  participantes  del  1er  grupo  VRI  
la  atención  del  participante  en  el  entorno  virtual.  La  experiencia  realismo  fue  la  categoría   o  del  2do  grupo  LI  demostraron  las  mejores  habilidades  para  la  toma  de  decisiones,  
con  la  media  más  baja  M  =  3,38,  con  valores  ligeramente  por  encima  de  la  mitad  de  la   eligiendo  el  mejor  escenario.  La  figura  10  muestra  que  el  tiempo  medio  de  toma  de  
escala.  Es  de  esperar  ya  que  Flexsim  no  alcanza  el  realismo  de  otras  experiencias  VR   decisiones  en  VRI  fue  0,33  min  menos  que  en  LI,  pero  esta  diferencia  no  fue  
desarrolladas  en  motores  de  videojuegos  como  Unity3  o  Unreal4 . significativa.  En  cuanto  a  la  precisión  en  la  toma  de  decisiones,  el  87%  de  los  
participantes  respondió  correctamente  (63  eligieron  el  escenario  6),  y  el  13%  restante  
El  promedio  de  presencia  general  y  la  presencia  espacial  obtuvieron  los  valores   se  dividió  de  la  siguiente  manera:  el  33%  de  las  respuestas  incorrectas  fueron  del  grupo  
más  altos  de  las  subescalas  del  IPQ.  Estos  resultados  podrían  provenir  de  la   VRI  1  (3  participantes)  versus  el  67%  de  los  errores  provienen  del  segundo  grupo  LI  (6  
combinación  de  la  escala  1:1  del  modelo  de  simulación  y  la  vista  en  primera  persona   participantes)  como  se  muestra  en  la  Fig.  11.
típica  de  HMD  moderno  como  Oculus  Rift  S  utilizado  en  este  estudio. Con  respecto  al  tiempo  medio  de  experimentación  para  VRI  versus  LI  y  
Al  monitorear  la  participación,  los  participantes  estaban  atentos  y  comprometidos   considerando  los  registros  de  todos  los  participantes  de  los  ocho  escenarios,  VRI  fue  
con  el  entorno  virtual,  aunque  ocasionalmente  se  distraían  con  el  mundo  exterior  (es   más  rápido  que  LI.  Los  participantes  de  VRI  experimentaron  una  reducción  de  tiempo  
decir,  el  laboratorio  no  estaba  aislado  del  sonido).  Vale  la  pena  mencionar  que  solo   promedio  del  22  %,  y  ocurrió  una  tendencia  similar  con  los  participantes  del  primer  
algunos  procesos  de  fabricación  representativos  tenían  ruido  ambiental  (p.  ej.,  corte,   grupo  de  VRI  versus  el  segundo  grupo  de  LI  con  una  reducción  de  tiempo  del  19  %.  
soldadura  y  empaque),  mientras  que  otros  no  (p.  ej.,  navegación  virtual  por  los  pasillos). Sugiere  que  VRI  acelera  la  actividad  de  experimentación  con  modelos  DES  en  
comparación  con  LI,  independientemente  de  si  las  personas  tienen  una  comprensión  previa  del  mode
En  cuanto  a  la  experiencia,  el  realismo  fue  la  subescala  peor  evaluada,  aunque  los   no.
participantes  calificaron  el  modelo  tan  realista  como  el  sistema  de  fabricación.  El   En  cuanto  al  tiempo  medio  de  experimentación  del  1.er  grupo  VRI  frente  al  2.º  
resultado  se  puede  atribuir  a  archivos  CAD  y  Sketchup  con  geometrías  básicas  para   grupo  VRI  y  del  1.er  grupo  LI  frente  al  2.º  grupo  LI,  no  hubo  diferencias  significativas  
construir  el  modelo  completo  (es  decir,  textura  mínima  y  objetos  3D  con  poco  detalle).   para  ninguno  de  los  dos  (es  decir,  los  usuarios  que  probaron  una  interfaz  en  primer  
Sin  embargo,  era  necesario  ejecutar  el  modelo  DES  a  alta  velocidad  sin  demandar  un   lugar  frente  a  los  que  probaron  la  misma  interfaz  en  segundo  lugar).  Esta  falta  de  
hardware  excesivo.  Finalmente,  esta  es  una  evaluación  estadísticamente  no  probada,   significancia  sugiere  que  la  comprensión  previa  del  modelo  no  impacta  el  tiempo  de  
que  requiere  más  estudios  con  geometrías  de  alto  y  bajo  detalle  para  comprender   experimentación  con  una  u  otra  interfaz.  El  tiempo  medio  de  experimentación  para  VRI  
cómo  el  nivel  de  realismo  afecta  la  preferencia  por  la  interfaz  utilizada. muestra  una  reducción  del  tiempo  y  una  menor  variabilidad  cuando  los  participantes  
utilizan  dicha  interfaz  en  segundo  lugar.  Sin  embargo,  los  participantes  de  LI  dedicaron  
más  tiempo  a  la  experimentación  y  los  valores  medios  presentan  una  mayor  variabilidad.

Además,  no  existe  una  correlación  clara  entre  la  edad  y  el  tiempo  de  experimentación  
3
https://unity.com/.   (VRI,  r  =  ­0,184 /  LI,  r  =  ­0,195),  a  pesar  de  que  dos  de  los  participantes  mayores  de  30  
4 años  registraron  la  mayor
https://www.unrealengine.com/.

9
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Figura  7.  Los  síntomas  más  percibidos  del  cuestionario  de  malestar.  (a)  Síntomas  leves.  (b)  Síntomas  moderados.

y  facilidad  de  uso  de  VRI.  Facilita  a  los  usuarios  reconocer  el  entorno  fácilmente  ya  que  
emula  la  interacción  con  objetos  reales,  como  colocar  objetos  frente  a  un  tablero  y  
presionar  botones.  Además,  sugiere  que  la  curva  de  aprendizaje  para  usar  el  VRI  es  
más  baja  que  LI  ya  que  el  instructor  presentó  la  misma  explicación  del  modelo  y  los  
participantes  dedicaron  el  mismo  tiempo  a  familiarizarse  con  ambas  interfaces.  La  
adopción  masiva  de  dispositivos  HMD  ofrece  una  interfaz  altamente  inmersiva  que  
reforzó  las  observaciones  mencionadas  anteriormente.  Es  posible  que  la  interfaz  de  la  
computadora  de  escritorio  (pantalla,  teclado  y  mouse)  pronto  ya  no  sea  la  opción  
estándar  para  la  interacción  con  los  modelos  DES.

Figura  8.  Valores  medios  de  las  subescalas  del  IPQ.
tiempos  de  experimentación  independientemente  de  la  interfaz  utilizada.  Los  estudios  
posteriores  deberían  considerar  el  uso  de  grupos  experimentales  de  edad  bien  definidos  
para  verificar  si  existen  diferencias  de  tiempo  significativas  entre  los  grupos  de  edad.
En  cuanto  al  tiempo  necesario  para  decidir  y  elegir  el  mejor  escenario,  la  media  
volvió  a  favorecer  al  VRI  con  una  reducción  del  6%.  No  obstante,  la  variabilidad  fue  
menor  en  LI  pero  no  significativa,  y  la  diferencia  de  tiempo  para  seleccionar  el  mejor  
escenario  no  es  relevante  independientemente  de  la  interfaz.
Además,  el  porcentaje  de  error  al  elegir  el  mejor  escenario  no  superó  el  13%  del  total  de  
participantes  y  favoreció  a  VRI  (3  errores)  frente  a  LI  (6  errores).  Sugiere  que  LI  puede   4.3.  Respuesta  a  las  preguntas  de  investigación
disminuir  la  precisión  de  la  toma  de  decisiones  de  la  elección  del  escenario,  aunque  se  
necesitan  más  estudios  para  validar  esta  suposición.
La  suposición  de  la  reducción  del  tiempo  se  basa  en  la  intuición,  la  interactividad,
Un  análisis  secundario  de  los  datos  consistió  en  separar  a  los  participantes  de  la  
prueba  por  estratos.  Los  estratos  analizados  se  clasificaron  en  género  (hombres  frente  
a  mujeres),  experiencia  previa  con  videojuegos  (jugador  frente  a  no  jugador),  experiencia  
DES  (alguna  vez  frente  a  nunca)  y  nivel  educativo  (estudiante  frente  a  profesional).  Las  
variables  examinadas  fueron  el  tiempo  de  experimentación  y  el  tiempo  de  toma  de  
decisiones  para  VRI  y  LI.  La  comparación  empleó  dos  pruebas,  la  igualdad  de  varianzas  
(prueba  F  y  prueba  de  Levene)  y  la  igualdad  de  medias  (prueba  t),  con  un  nivel  de  
confianza  del  95%.
De  acuerdo  con  los  resultados,  no  hubo  diferencia  significativa  entre  los  distintos  
estratos,  excepto  en  el  rendimiento  por  nivel  de  estudios  donde  ambos  conjuntos  
(estudiante  y  profesional)  presentaron  igual  varianza,  pero  sí  diferencia  en  la  media  del  
tiempo  de  experimentación  VRI  y  LI,  con  una  menor  tiempo  promedio  para  los  
profesionales.  Implica  que  los  profesionales,  como  subconjunto  del  universo  de  evidencia,  
sí  tienen  un  impacto  menor  en  las  variables  temporales  anteriores.
Respecto  a  RQ1:  ¿El  empleo  de  DESVR  facilita  la  operación  de  un  proceso  de  
simulación  a  un  usuario  novato?  Las  medidas  autoinformadas  respondieron  a  esta  
pregunta  completando  tres  cuestionarios.

Fig.  9.  Comparación  de  tiempos  de  experimentación.  (a)  VRI  vs  LI,  la  media  del  tiempo  de  experimentación  VRI  (M  =  9.6,  SD  =  1.3)  y  LI  (M  =  12.31,  SD  =  1.65)  con  p  <  0.01 .  (b)
VRI  1er  grupo  vs  LI  2do  grupo,  la  media  del  tiempo  de  experimentación,  VRI  1er  grupo  (M  =  9,89,  SD  =  1,52)  y  LI  2do  grupo  (M  =  12,19,  SD  =  1,64)  con  p  <  0,01 .  (C)
VRI  1°  grupo  vs  VRI  2°  grupo,  el  tiempo  medio  de  experimentación,  VRI  1°  (M  =  9,89,  DE  =  1,52)  y  VRI  2°  (M  =  9,32,  DE  =  0,99)  con  p  =  0,087.  (d)  LI  1er  grupo  vs  LI  2do  grupo,  
el  tiempo  medio  de  experimentación,  LI  1ro  (M  =  12.53,  SD  =  1.65)  y  LI  2do  (M  =  12.19,  SD  =  1.64)  con  p  =  0.401.

10
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

gran  medida  debido  a  la  visualización  inmersiva  del  usuario.  Con  respecto  a  la  
capacidad,  la  facilidad  de  uso  y  la  demanda  mental,  los  participantes  prefirieron  VRI  
versus  LI  para  experimentar  con  modelos  DES.  VRI  mostró  una  alta  aceptación  de  
uso  y  fue  elegida  como  la  interfaz  preferida  para  la  experimentación  por  la  mayoría  
de  los  participantes.  No  experimentaron  ninguna  frustración  al  poder  moverse  dentro  
de  un  entorno  de  alta  inmersión.
Se  necesita  investigación  adicional  para  medir  el  impacto  de  DESVR  para  validar  
los  resultados  presentados  en  este  estudio  (p.  ej.,  agregar  más  escenarios,  probar  
diversos  diseños  de  fábrica,  habilitar  diferentes  formas  interactivas,  como  el  
reconocimiento  de  gestos  para  moverse,  agarrar  y  soltar  objetos).  En  trabajos  
futuros,  el  sistema  DESVR  incorporará  más  parámetros  (es  decir,  modelos  complejos)  
y  capacitará  a  los  estudiantes  en  escenarios  reales  para  evaluar  el  efecto  sobre  la  
transferencia  de  conocimiento.
La  carga  de  trabajo  mental  es  otro  factor  a  considerar  en  entornos  de  RV  porque  
los  usuarios  están  expuestos  a  diversos  estímulos  (p.  ej.,  interacción  de  objetos  y  la  
sensación  de  presencia).  Se  puede  medir  utilizando  medidas  fisiológicas,  medidas  
subjetivas  (es  decir,  cuestionarios  estándar  como  NASA­TLX  y  la  técnica  de  

Fig.  10.  Tiempo  de  toma  de  decisiones.  VRI  1º  vs  LI  2º,  el  VRI  medio  1º  (M  =  4,96,  SD  =  1,78)  y  LI  2º  (M  =  
5,29,  SD  =  1,57)  con  p  <  0,414 .
evaluación  de  la  carga  de  trabajo  subjetiva)  o  medidas  de  desempeño  de  tareas  
(Das  et  al.,  2020;  Wang  et  al.
2021).  En  el  futuro,  los  autores  deberían  considerar  un  análisis  adicional  para  
descubrir  el  vínculo  entre  el  desempeño  de  la  tarea  y  la  carga  de  trabajo  mental  en  
entornos  de  realidad  virtual  para  DES  en  la  industria  manufacturera.

Declaración  de  interés  en  competencia

Los  autores  declaran  que  no  tienen  intereses  financieros  en  competencia  ni  
relaciones  personales  conocidas  que  pudieran  haber  influido  en  el  trabajo  informado  
en  este  documento.

Agradecimientos

Esta  investigación  cuenta  con  el  apoyo  parcial  de  las  becas  CONACYT­CIATEQ  
Fig.  11.  Distribución  del  13%  de  respuestas  incorrectas.  El  1er  grupo  VRI  cometió  un  33%  de  errores  versus  
CVU  272831,  CONACYT  SNI  y  CONACYT  FOMIX­TAB  276501.  Los  autores  desean  
el  2do  grupo  LI  con  un  67%.
agradecer  a  MChem  Elizabeth  Gold  por  su  ayuda  para  mejorar  el  manuscrito  en  
inglés.  También  agradecemos  a  los  revisores  por  sus  útiles  comentarios  para  mejorar  
Los  resultados  del  cuestionario  de  usabilidad  favorecieron  a  VRI.  Además,  el   este  manuscrito.
cuestionario  de  incomodidad  reveló  que  los  participantes  no  reportaron  síntomas  
severos.  Además,  el  cuestionario  IPQ  mostró  un  impacto  positivo  para  todos  los   Referencias
usuarios  en  términos  de  percepción  y  realismo  del  proceso  de  simulación.
Abidi,  MA,  Lyonnet,  B.,  Chevaillier,  P.  y  Toscano,  R.  (2016).  Aportación  de  la  realidad  virtual  para  la  
simulación  de  líneas  de  producción  en  un  entorno  lean  manufacturing.
En  cuanto  a  RQ2:  ¿El  uso  de  DESVR  aumenta  la  precisión  en  la  toma  de  
Revista  internacional  de  teoría  e  ingeniería  informática,  8  (3),  182–189.  https://doi.  org/10.7763/
decisiones  y  reduce  el  tiempo  de  experimentación?  Los  resultados  de  este  estudio   IJCTE.2016.V8.1041  Abidi,  MH,  Al­
respaldan  la  teoría  de  que  la  realidad  virtual  representa  una  herramienta  prometedora   Ahmari,  A.  y  Ahmad,  A.  (2018).  Un  enfoque  sistemático  para  la  selección  de  parámetros  para  la  
traducción  de  datos  de  realidad  virtual  CAD  utilizando  la  metodología  de  superficie  
para  la  interacción,  la  experimentación  y  la  toma  de  decisiones  para  los  modelos  
de  respuesta  y  MOGA­II.  Plos  One,  13(5),  artículo  e0197673.  https://doi.org/  10.1371/
DES  y  señala  una  nueva  etapa  en  la  evolución  de  DES  para  los  sistemas  de   journal.pone.0197673
fabricación.  En  este  contexto,  la  sensación  de  presencia  e  inmersión  es  ventajosa   Abidi,  MH,  Al­Ahmari,  A.,  Ahmad,  A.,  Ameen,  W.  y  Alkhalefah,  H.  (2019).  Evaluación  del  sistema  de  
para  mejorar  la  experiencia  del  usuario  y  mejorar  la  precisión  en  la  toma  de   formación  en  montaje  de  fabricación  basado  en  realidad  virtual.  Revista  internacional  de  
tecnología  de  fabricación  avanzada,  105(9),  3743–3759.  https://doi.org/  10.1007/s00170­019­03801­3
decisiones.  Además,  la  comparación  VRI  versus  LI  indicó  que  VRI  supera  a  LI  en  
casi  todas  las  medidas  comparativas  y  presenta  menos  variabilidad,  lo  que  sugiere   Akpan,  IJ  y  Shanker,  M.  (2017).  Las  realidades  y  mitos  confirmados  sobre  los  beneficios  y  costos  de  la  
que  VRI  es  efectivo  para  la  precisión  en  la  toma  de  decisiones. visualización  3D  y  la  realidad  virtual  en  el  modelado  y  la  simulación  de  eventos  discretos:  un  
metanálisis  descriptivo  de  la  evidencia  de  la  investigación  y  la  práctica.
Informática  e  ingeniería  industrial,  112,  197–211.  https://doi.org/10.1016/j.  cie.2017.08.020
5.  Conclusiones
Akpan,  IJ  y  Shanker,  M.  (2019).  Una  evaluación  comparativa  de  la  eficacia  de
realidad  virtual,  visualización  3D  y  simulación  interactiva  visual  2D:  un  metanálisis  exploratorio.  
Esta  investigación  desarrolla  un  modelo  DES  y  propone  un  enfoque  para  evaluar  
Simulación,  95(2),  145–170.  https://doi.org/10.1177/  0037549718757039
el  impacto  de  la  realidad  virtual.  El  objetivo  era  estimar  la  efectividad  del  uso  de  VR  
para  interactuar,  experimentar  y  apoyar  la  toma  de  decisiones  con  modelos  DES   Akpan,  IJ,  Shanker,  M.  y  Razavi,  R.  (2020).  Mejorar  el  éxito  de  la  simulación
proyectos  utilizando  visualización  3D  y  realidad  virtual.  Revista  de  la  Sociedad  de  Investigación  
para  sistemas  de  fabricación.  El  DESVR  se  puede  aplicar  a  empresas  sin  amplios  
Operacional,  71  (12),  1900–1926.  https://doi.org/10.1080/01605682.2019.1641649
recursos  de  formación  debido  a  la  facilidad  de  aprendizaje  para  los  participantes. Alshaer,  A.,  Regenbrecht,  H.  y  O'Hare,  D.  (2017).  Factores  de  inmersión  que  afectan
percepción  y  comportamiento  en  un  simulador  de  silla  de  ruedas  eléctrica  de  realidad  virtual.  
Ergonomía  aplicada,  58,  1–12.  https://doi.org/10.1016/j.apergo.2016.05.003  
El  estudio  se  basa  en  ocho  escenarios  de  simulación  para  abordar  una  solución  
Anderson,  DR,  Sweeney,  DJ,  Williams,  TA,  Camm,  JD,  Cochran,  JJ,  Fry,  MJ  y  Ohlmann,  JW  (2016).  
específica  y  parcial  en  una  planta  de  fabricación.  Con  respecto  al  tiempo  de  toma   Métodos  cuantitativos  para  los  negocios  (Decimotercera  edición).
de  decisiones,  ninguna  de  las  interfaces  fue  significativamente  más  rápida  que  la  otra. Aprendizaje  Cengage.
Por  lo  tanto,  la  interfaz  no  afecta  el  tiempo  necesario  para  llegar  a  una  decisión.   Aurich,  JC,  Yang,  X.,  Schroder,  ̈  S.,  Hering­Bertram,  M.,  Biedert,  T.,  Hagen,  H.  y  Hamann,  B.  
(2012).  Investigación  del  ruido  en  sistemas  de  fabricación:  un  método  mejorado  de  simulación  
Cabe  señalar  que  en  términos  de  precisión  en  la  toma  de  decisiones,  el  VRI  logró   acústica  y  realidad  virtual.  CIRP  Journal  of  Manufacturing  Science  and  Technology,  5(4),  
un  menor  porcentaje  de  error  en  la  selección  del  mejor  escenario,  en 337–347.  https://doi.org/10.1016/j.cirpj.2012.09.010
Bancos,  J.  (Ed.).  (2010).  Simulación  de  sistemas  de  eventos  discretos  (5ª  ed).  Prentice  Hall.

11
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al.
Informática  e  Ingeniería  Industrial  168  (2022)  108079

Beaverstock,  M.,  Greenwood,  A.  y  Nordgren,  W.  (2017).  Simulación  aplicada.  flexsim Jensen,  L.  y  Konradsen,  F.  (2018).  Una  revisión  del  uso  de  pantallas  montadas  en  la  cabeza  de  realidad  
Software  Products  Inc,  Canyon  Park  Technology  Center,  Orem,  EE.  UU.:  modelado  y  análisis  con   virtual  en  la  educación  y  la  formación.  Educación  y  Tecnologías  de  la  Información,  23(4),  1515–
Flexsim. 1529.  https://doi.org/10.1007/s10639­017­9676­0
Bekele,  MK  y  Champion,  E.  (2019).  Una  comparación  de  realidades  inmersivas  y Jones,  D.,  Snider,  C.,  Nassehi,  A.,  Yon,  J.  y  Hicks,  B.  (2020).  Caracterización  del  gemelo  digital:  una  
métodos  de  interacción:  aprendizaje  cultural  en  el  patrimonio  virtual.  Fronteras  en  Robótica  e  IA,  6,   revisión  sistemática  de  la  literatura.  CIRP  Journal  of  Manufacturing  Science  and  Technology,  29,  
91.  https://doi.org/10.3389/frobt.2019.00091  Berg,  LP  y  Vance,   36–52.  https://doi.org/10.1016/j.cirpj.2020.02.002  Kelsick,  J.,  Vance,  JM,  Buhr,  L.  
JM  (2017).  Uso  industrial  de  la  realidad  virtual  en  el  diseño  y  fabricación  de  productos:  una  encuesta.   y  Moller,  C.  (2003).  Simulación  de  eventos  discretos  implementada  en  un  entorno  virtual.  Revista  
Realidad  virtual,  21(1),  1–17.  https://doi.org/10.1007/  s10055­016­0293­9 de  Diseño  Mecánico,  125(3),  428–433.  https://doi.org/10.1115/1.1587745

Berni,  A.  y  Borgianni,  Y.  (2020).  Aplicaciones  de  la  realidad  virtual  en  ingeniería  y Krokos,  E.  y  Varshney,  A.  (2021).  Cuantificación  del  cibersickness  de  VR  usando  EEG.  Virtual
diseño  de  producto:  por  qué,  qué,  cómo,  cuándo  y  dónde.  Electrónica,  9  (7),  1064.  https://doi.org/ Realidad.  https://doi.org/10.1007/s10055­021­00517­2  Kunz,  A.,  
10.3390/electronics9071064  Canepa­ Zank,  M.,  Fjeld,  M.  y  Nescher,  T.  (2016).  Caminata  real  en  entornos  virtuales  para  la  planificación  y  
Talamas,  D.,  Nassehi,  A.  y  Dhokia,  V.  (2017).  Marco  innovador  para  la  metrología  inmersiva.   evaluación  de  fábricas.  Procedia  CIRP,  44,  257–262.  https://doi.org/  10.1016/j.procir.2016.02.086
Procedimiento  CIRP,  60,  110–115.  https://doi.org/10.1016/j.  procir.2017.02.028  H.,  Mula,  J.,  
˜
Díaz­Madronero,  ̃  M.,   Kuts,  V.,  Modoni,  GE,  Terkaj,  W.,  T¨  ahemaa,  T.,  Sacco,  M.  y  Otto,  T.  (2017).  Explotación  de  la  telemetría  
e   &  Campuzano­Bolarín,  F.  (2021).  Implementando  los  principios  de  Canas,  industria  4.0.  Informática   de  fábrica  para  admitir  la  simulación  de  realidad  virtual  en  la  celda  de  robótica.  En  LT  De  Paolis,  P.  
Ingeniería  Industrial,  158,  artículo  107379.  https://doi.org/10.1016/j.cie.2021.107379 Bourdot  y  A.  Mongelli  (Eds.),  Realidad  aumentada,  realidad  virtual  y  gráficos  por  computadora  
(vol.  10324,  págs.  212–221).  Publicaciones  internacionales  de  Springer.
Chen,  Z.  y  Huang,  L.  (2021).  Gemelos  digitales  para  compartir  información  en  la  cadena  de  suministro  de   Doi:  10.1007/978­3­319­60922­5_16.
remanufactura:  una  revisión.  Energía,  220,  artículo  119712.  https://doi.org/10.1016/j.   Kuts,  V.,  Otto,  T.,  Tahemaa,  ̈  T.  y  Bondarenko,  Y.  (2019).  Simulación  y  control  sincronizado  
energía.2020.119712 basado  en  gemelos  digitales  de  la  celda  robótica  industrial  usando  realidad  virtual.  Revista  de  
Chheang,  V.,  Saalfeld,  P.,  Joeres,  F.,  Boedecker,  C.,  Huber,  T.,  Huettl,  F.,  …  Hansen,  C. Ingeniería  de  Máquinas,  19,  128–144.  https://doi.org/10.5604/  01.3001.0013.0464
(2021).  Un  entorno  colaborativo  de  realidad  virtual  para  la  planificación  de  cirugías  hepáticas.
Computadoras  y  Gráficos,  99,  234–246.  https://doi.org/10.1016/j.cag.2021.07.009  Ciprian  Firu,   Kwok,  PK,  Yan,  M.,  Chan,  BKP  y  Lau,  HYK  (2019).  Formación  en  gestión  de  crisis  mediante  simulación  de  
˘
A.,  Ion  Tapîrdea,  A.,  Ioana  Feier,  A.  y  Draghici,  G.  (2021).  Realidad  virtual  en  el  ámbito  de  la  automoción   eventos  discretos  y  técnicas  de  realidad  virtual.  Informática  e  ingeniería  industrial,  135,  711–722.  
en  la  industria  4.0.  Materiales  hoy:  Actas,  45,  4177–4182.  https://doi.org/10.1016/j.matpr.2020.12.037 https://doi.org/10.1016/j.cie.2019.06.035  Lawson,  G.,  Salanitri,  D.  y  Waterfield,  B.  
(2016).  Direcciones  futuras  para  el  desarrollo  de  la  realidad  virtual  dentro  de  un  fabricante  de  automóviles.  
Colombo,  S.  y  Golzio,  L.  (2016).  El  simulador  de  Planta  como  medio  viable  para  prevenir  y  gestionar  el   Ergonomía  aplicada,  53,  323–330.  https://doi.org/10.1016/j.apergo.2015.06.024
riesgo  a  través  de  la  gestión  por  competencias:  Resultados  del  experimento.  Ciencias  de  la  seguridad,  
84,  46–56.  https://doi.org/10.1016/j.ssci.2015.11.021  Das,  S.,  Maiti,   Li,  Y.,  Wang,  D.  y  Liu,  Y.  (2019).  La  aplicación  de  la  tecnología  de  realidad  virtual  en  la  formación  logística.  
J.  y  Krishna,  OB  (2020).  Evaluación  de  la  carga  de  trabajo  mental  en  operaciones  de  grúas  EOT  basadas   En  F.  Xhafa,  S.  Patnaik  y  M.  Tavana  (Eds.),  Avances  en  sistemas  y  aplicaciones  inteligentes  
en  realidad  virtual:  un  enfoque  de  múltiples  medidas.  Revista  Internacional  de  Ergonomía   e  interactivos  (vol.  885,  págs.  668–675).  Publicaciones  internacionales  de  Springer.  https://doi.org/
Industrial,  80,  Artículo  103017.  https://doi.org/10.1016/j.  ergon.2020.103017 10.1007/978­3­030­02804­6_87.
Liagkou,  V.,  Salmas,  D.  y  Stylios,  C.  (2019).  Realización  de  aprendizaje  de  realidad  virtual.
de  Paula  Ferreira,  W.,  Armellini,  F.,  &  De  Santa­Eulalia,  LA  (2020).  Simulación  en  la  industria  4.0:  una   entorno  para  la  industria  4.0.  Procedimiento  CIRP,  79,  712–717.  https://doi.org/10.1016/
revisión  del  estado  del  arte.  Informática  e  Ingeniería  Industrial,  149,  artículo  106868.  https:// j.procir.2019.02.025  _
doi.org/10.1016/j.cie.2020.106868 Longo,  F.,  Nicoletti,  L.  y  Padovano,  A.  (2019).  Preparación  para  emergencias  en  plantas  industriales:  una  
Dorozhkin,  DV,  Vance,  JM,  Rehn,  GD  y  Lemessi,  M.  (2012).  Acoplamiento  de  simulación  de  operaciones   solución  con  visión  de  futuro  basada  en  tecnologías  habilitadoras  de  la  industria  4.0.
de  fabricación  interactiva  y  realidad  virtual  inmersiva.  Realidad  virtual,  16(1),  15–23.  https://doi.org/ Computadoras  en  la  Industria,  105,  99–122.  https://doi.org/10.1016/j.  
10.1007/s10055­010­0165­7  Ebnali,  M.,  Lamb,  R.,  Fathi,  R.  y  Hulme,  K.   compuesto.2018.12.003  
(2021).  Tour  de  realidad  virtual  por  primera  vez Maftei,  L.  y  Harty,  C.  (2015).  Diseño  en  cuevas:  uso  de  visualizaciones  inmersivas  en  la  práctica  del  
Usuarios  de  automóviles  altamente  automatizados:  Comparación  de  los  efectos  de  entornos  virtuales   diseño.  Revista  internacional  de  investigación  arquitectónica:  ArchNet­IJAR,  9(3),  53–75.  https://
con  diferentes  niveles  de  fidelidad  de  interacción.  Ergonomía  Aplicada,  90,  Artículo  103226.   doi.org/10.26687/archnet­ijar.v9i3.693
https://doi.org/10.1016/j.apergo.2020.103226 Magaki,  T.  y  Vallance,  M.  (2020).  Buscar  métricas  fisiológicas  accesibles  para  detectar
Flores­García,  E.,  Bruch,  J.,  Wiktorsson,  M.  y  Jackson,  M.  (2021).  Enfoques  de  toma  de  decisiones  en   cybersickness  in  VR:  International  Journal  of  Virtual  and  Augmented  Reality,  4(1),  1–18.  https://doi.org/
innovaciones  de  procesos:  un  estudio  de  caso  exploratorio.  Revista  de  gestión  de   10.4018/IJVAR.2020010101
tecnología  de  fabricación,  32(9),  1–25.  https://doi.org/10.1108/ Mawson,  VJ  y  Hughes,  BR  (2019).  El  desarrollo  de  herramientas  de  modelado  para  mejorar  la  eficiencia  
JMTM­03­2019­0087 energética  en  los  procesos  y  sistemas  de  fabricación.  Revista  de  sistemas  de  fabricación,  51,  95–105.  
Gamlin,  A.,  Breedon,  P.  y  Medjdoub,  B.  (2014).  Implementación  de  realidad  virtual  inmersiva  en  un  entorno   https://doi.org/10.1016/j.jmsy.2019.04.008  Mayor,  J.,  Raya,  L.,  &  Sánchez,  A.  
de  fabricación  ajustada.  Conferencia  internacional  sobre  tecnologías  y  juegos  interactivos,   (2019).  Un  estudio  comparativo  de  los  métodos  de  interacción  y  locomoción  de  la  realidad  virtual  basados  
2014,  51–58.  https://doi.org/10.1109/iTAG.2014.13  Gao,  Y.,  Chang,  D.,  Chen,  CH­H.  y  Xu,  Z.   en  la  presencia,  la  ciberenfermedad  y  la  usabilidad.  Transacciones  IEEE  sobre  temas  emergentes  en  
(2022).  Diseño  de  aplicaciones  de  gemelos  digitales  en  la  programación  de  patios  de  almacenamiento   informática.  https://doi.org/10.1109/TETC.2019.2915287  _
automatizados.  Ingeniería  Informática  Avanzada,  51,  artículo  101477.  https://doi.org/10.1016/
j.aei.2021.101477  Gibbs,  JK,  Gillies,  M.  y  Pan,  X.  (2022).  Una   Michalos,  G.,  Karvouniari,  A.,  Dimitropoulos,  N.,  Togias,  T.  y  Makris,  S.  (2018).
comparación  de  los  efectos  de  la  retroalimentación  háptica  y  visual  sobre  la  presencia  en  la  realidad  virtual.   Análisis  y  diseño  de  puestos  de  trabajo  mediante  técnicas  de  realidad  virtual.  Anales  CIRP,  67(1),  
International  Journal  of  Human­Computer  Studies,  157,  Artículo  102717.  https://doi.org/10.1016/ 141–144.  https://doi.org/10.1016/j.cirp.2018.04.120
j.ijhcs.2021.102717  Gorecky,  D.,  Khamis,  M.  y  Mura,  K.  (2015).  Introducción  y   Molina­Carmona,  R.,  Pertegal­Felices,  ML,  Jimeno­Morenilla,  A.,  &  Mora­Mora,  H.
establecimiento  de  la  formación  virtual  en  la  fábrica  del  futuro.  Revista  internacional  de  fabricación   (2018).  Evaluación  del  impacto  de  la  realidad  virtual  en  la  capacidad  espacial  de  los  estudiantes  
integrada  por  computadora,  30  (1),  182–190.  https://doi.org/10.1080/0951192X.2015.1067918 de  ingeniería.  En  A.  Visvizi,  MD  Lytras  y  L.  Daniela  (Eds.),  El  futuro  de  la  innovación  y  la  tecnología  
en  la  educación:  políticas  y  prácticas  para  la  excelencia  en  la  enseñanza  y  el  aprendizaje  (págs.
Gromer,  D.,  Madeira,  O.,  Gast,  P.,  Nehfischer,  M.,  Jost,  M.,  Müller,  M.,  …  Pauli,  P. 171–185).  Emerald  Publishing  Limited.  https://doi.org/10.1108/978­1­78756­555­520181013 .
(2018).  Simulación  de  altura  en  un  sistema  CAVE  de  realidad  virtual:  Validez  de  las  respuestas  de  
miedo  y  efectos  de  una  manipulación  de  inmersión.  Fronteras  en  neurociencia  humana,  12,  372.   Mourtzis,  D.  (2020).  Simulación  en  el  diseño  y  operación  de  sistemas  de  manufactura:  Estado  del  arte  y  
https://doi.org/10.3389/fnhum.2018.00372 nuevas  tendencias.  Revista  internacional  de  investigación  de  producción,  58  (7),  1927–1949.  https://
Havard,  V.,  Jeanne,  B.,  Lacomblez,  M.  y  Baudry,  D.  (2019).  Gemelo  digital  y  realidad  virtual:  un  entorno   doi.org/10.1080/00207543.2019.1636321  Naderi,  M.,  Ares,  E.,  Peláez,  G.,  
´
de  cosimulación  para  el  diseño  y  evaluación  de  estaciones  de  trabajo  industriales.  Investigación   Prieto,  D.,  &  Araújo,  M.  (2019).  Gestión  sostenible  de  operaciones  para  la  industria  4.0  y  su  retorno  social.  
de  producción  y  fabricación,  7(1),  472–489.  https://doi.org/  10.1080/21693277.2019.1660283  Él,  B.  y   IFAC­PapersOnLine,  52(13),  457–462.  https://doi.org/10.1016/j.ifacol.2019.11.102
Bai,  KJ  (2021).  Fabricación  inteligente  
sostenible  basada  en  gemelos  digitales:  una  revisión.  Avances  en  la  fabricación,  9(1),  1–21.  https://doi.org/ Nam,  SM  y  Cho,  TH  (2020).  Esquema  de  determinación  de  ruta  de  eficiencia  energética  basado  en  
10.1007/s40436­020­00302­5  _  Hruby,  F.,  S´anchez,  LFA,  Ressl,  R.,  &  Escobar­Briones,  EG   simulación  de  eventos  discretos  para  esquema  de  filtrado  basado  en  votación  probabilística  en  
(2020).  Un   redes  de  sensores.  Revista  internacional  de  redes  de  sensores  distribuidos,  16(8),  
´
estudio  empírico  sobre  la  presencia  espacial  en  geoambientes  inmersivos.  PFG  ­  Revista  de  Fotogrametría,   155014772094913.
Teledetección  y  Geoinformación.  Ciencia,  88(2),  155–163.  https://doi.org/10.1007/ Nguyen,  T.,  Duong,  QH,  Nguyen,  TV,  Zhu,  Y.  y  Zhou,  L.  (2022).  Mapeo  del  conocimiento  del  gemelo  digital  
s41064­020­00107­y e  Internet  físico  en  la  gestión  de  la  cadena  de  suministro:  una  revisión  sistemática  de  la  literatura.  
Revista  Internacional  de  Economía  de  la  Producción,  244,  Artículo  108381.  https://doi.org/10.1016/
Hu,  L.,  Liu,  Z.  y  Tan,  J.  (2018).  Un  marco  de  simulación  VR  integrado  con  datos  de  análisis  CAE  de   j.ijpe.2021.108381
múltiples  fuentes  para  el  proceso  de  trabajo  de  equipos  mecánicos.  Computadoras  en  la  Industria,   Nielebock,  S.,  Ortmeier,  F.,  Schumann,  M.  y  Winge,  A.  (2012).  Desde  simulación  de  eventos  discretos  
97,  85–96.  https://doi.org/10.1016/j.compind.2018.01.009  Hutabarat,  W.,   hasta  entornos  de  realidad  virtual.  En  F.  Ortmeier  y  P.  Daniel  (Eds.),  Computer  Safety,  
Oyekan,  J.,  Turner,  C.,  Tiwari,  A.,  Prajapat,  N.,  Gan,  X.­P.  y  Waller,  A. Reliability,  and  Security  (Vol.  7613,  págs.  508–516).  Berlín  Heidelberg:  Springer.  https://doi.org/
(2016).  Combinando  la  simulación  habilitada  para  la  realidad  virtual  con  tecnologías  de  escaneo  3D   10.1007/978­3­642­33675­1_48.
hacia  la  fabricación  inteligente.  En  la  Conferencia  de  simulación  de  invierno  (WSC)  de  2016  (págs. Nikolakis,  N.,  Alexopoulos,  K.,  Xanthakis,  E.  y  Chryssolouris,  G.  (2019).  La  implementación  del  gemelo  
2774–2785).  IEEE.  Doi:  10.1109/WSC.2016.7822314. digital  para  vincular  la  representación  virtual  de  las  tareas  de  producción  basadas  en  humanos  con  
ISO/IEC­25010  (2010)  Ingeniería  de  software  y  sistemas  ­  Requisitos  y  evaluación  de  calidad  de  software   su  contraparte  física  en  la  planta  de  producción.  Revista  internacional  de  fabricación  integrada  
y  sistemas  (SQuaRE)  ­  Modelos  de  calidad  de  software  y  sistemas. por  computadora,  32  (1),  1–12.  https://doi.org/10.1080/
0951192X.2018.1529430

12
Machine Translated by Google

V.  Alejandro  Huerta­Torruco  et  al. Informática  e  Ingeniería  Industrial  168  (2022)  108079

Ornellas,  A.,  Falkner,  K.  y  Edman  Stålbrandt,  E.  (2019).  Mejorando  los  graduados Stavroulia,  KE,  Christofi,  M.,  Baka,  E.,  Michael­Grigoriou,  D.,  Magnenat­Thalmann,  N.  y  Lanitis,  A.  (2019).  
habilidades  de  empleabilidad  a  través  de  enfoques  de  aprendizaje  auténticos.  Educación  superior,   Evaluación  del  impacto  emocional  de  la  formación  docente  basada  en  realidad  virtual.  Revista  
habilidades  y  aprendizaje  basado  en  el  trabajo,  9(1),  107–120.  https://doi.org/10.1108/ internacional  de  tecnología  de  la  información  y  el  aprendizaje,  36(3),  192–217.  https://doi.org/
HESWBL­04­2018­0049  _ 10.1108/IJILT­11­2018­0127
Oyekan,  J.,  Hutabarat,  W.,  Turner,  C.,  Tiwari,  A.,  Prajapat,  N.,  Ince,  N.,  …  Waller,  T. Sun,  N.  y  Botev,  J.  (2021).  Agentes  autónomos  inteligentes  y  confianza  en  la  realidad  virtual.
(2015).  Un  simulador  de  eventos  discretos  inmersivo  en  3D  para  permitir  la  creación  de  prototipos  de   Computers  in  Human  Behavior  Reports,  4,  artículo  100146.  https://doi.org/10.1016/j.  chbr.2021.100146
diseños  de  fábrica.  Procedimiento  CIRP,  38,  63–67.  https://doi.org/10.1016/j.procir.2015.08.043  
Park,  S.,  Mun,  S.,  Ha,  J.  y  Kim,  L.  (2021).  Medición  sin  contacto  del  mareo  por  movimiento  usando  ritmos   Sun,  X.,  Liu,  H.,  Wu,  G.  y  Zhou,  Y.  (2018).  Evaluación  de  la  eficacia  del  entrenamiento  del  socorro  
pupilares  de  una  cámara  infrarroja.  Sensores,  21(14),  4642.  https://doi.  org/10.3390/s21144642   de  emergencia  con  helicópteros  basado  en  simulación  virtual.  Revista  china  de  aeronáutica,  
Petkovi´c,  T.,  Puljiz,  D.,  Markovi 31  (10),  2000–2012.  https://doi.org/10.1016/j.cja.2018.08.011  Syberfeldt,  A.,  Danielsson,  O.,  
´c,  I.,  &  Hein,  B.  (2019).  Estimación  de  la  intención  humana  basada  en  la  validación  del  movimiento  del   Holm,  M.  y  Wang,  L.  (2015).  Guiado  visual  de  montaje  mediante  realidad  aumentada.  Fabricación  Procedia,  
modelo  oculto  de  Markov  para  almacenes  robotizados  seguros  y  flexibles.  Robótica  y   1,  98–109.  https://doi.org/  10.1016/j.promfg.2015.09.068
fabricación  integrada  por  computadora,  57,  182–196.  https://doi.org/10.1016/j.rcim.2018.11.004  _  
Ramírez­Dur´  an,  VJ,  Berges,  I.,  &   Tao,  F.,  Zhang,  M.  y  Nee,  AYC  (2019).  Gemelo  digital  y  realidad  virtual  y  realidad  aumentada/realidad  
Illarramendi,  A.  (2021).  Hacia  la  implementación  de  la  Industria  4.0:  Un  enfoque  metodológico  orientado  al   mixta.  En  Fabricación  inteligente  impulsada  por  gemelos  digitales  (págs.  219–241).
ciclo  de  vida  del  cliente. Prensa  Académica.  https://doi.org/10.1016/B978­0­12­817630­6.00011­4.
Informática  en  la  Industria,  126,  Artículo  103403.  https://doi.org/10.1016/j.   Terkaj,  W.,  Gaboardi,  P.,  Trevisan,  C.,  Tolio,  T.  y  Urgo,  M.  (2019).  Una  fábrica  digital
compuesto.2021.103403   plataforma  para  el  diseño  de  plantas  de  producción  de  rollos.  CIRP  Journal  of  Manufacturing  Science  
Rebenitsch,  L.  y  Owen,  C.  (2016).  Revisión  sobre  ciberenfermedad  en  aplicaciones  y  visualizaciones.   and  Technology,  26,  88–93.  https://doi.org/10.1016/j.cirpj.2019.04.007  Turner,  CJ,  
Realidad  virtual,  20(2),  101–125.  https://doi.org/10.1007/s10055­016­0285­9  _ Hutabarat,  W.,  Oyekan,  J.  y  Tiwari,  A.  (2016).  Simulación  de  eventos  discretos  y  uso  de  realidad  virtual  en  
la  industria:  Nuevas  oportunidades  y  tendencias  futuras.  IEEE  Transactions  on  Human­Machine  
Reed,  S.,  Lofstrand,  ̈  M.,  &  Andrews,  J.  (2021).  Ciclo  de  modelado  para  simulación  de  gemelos   Systems,  46(6),  882–894.  https://doi.org/10.1109/THMS.2016.2596099  _
digitales.  Cartas  de  fabricación,  28,  54–58.  https://doi.org/10.1016/j.  
mfglet.2021.04.004 Urbani,  M.,  Brunelli,  M.  y  Collan,  M.  (2020).  Una  comparación  de  políticas  de  mantenimiento  para  sistemas  
Renganayagalu,  S.  kumar,  Mallam,  SC  y  Nazir,  S.  (2021).  Eficacia  de  las  pantallas  montadas  en  la   de  múltiples  componentes  a  través  de  la  simulación  de  eventos  discretos  de  fallas.  Acceso  IEEE,  8,  
cabeza  VR  en  la  formación  profesional:  una  revisión  sistemática.  Tecnología,  Conocimiento   143654–143664.  https://doi.org/10.1109/ACCESO.2020.3014147  Vasudevan,  
y  Aprendizaje.  1–43.  Doi:  10.1007/s10758­020­09489­9. K.  y  Son,  Y.­J.  (2011).  Consideración  simultánea  de  la  seguridad  de  evacuación  y  la  productividad  en  la  
Rizzuto,  MA,  Sonne,  MWL,  Vignais,  N.  y  Keir,  PJ  (2019).  Evaluación  de  una  pantalla  montada  en  la  cabeza   planificación  de  instalaciones  de  fabricación  utilizando  simulaciones  de  múltiples  paradigmas.
de  realidad  virtual  como  herramienta  para  la  evaluación  de  la  postura  en  el  software  de  modelado   Informática  e  ingeniería  industrial,  61(4),  1135–1148.  https://doi.org/10.1016/j.  cie.2011.07.003
humano  digital.  Ergonomía  aplicada,  79,  1–8.  https://doi.org/10.1016/j.  apergo.2019.04.001
Vichitvejpaisal,  P.,  Yamee,  N.  y  Marsertsri,  P.  (2016).  Simulación  de  extinción  de  incendios  en  plataforma  
Rocca,  R.,  Rosa,  P.,  Sassanelli,  C.,  Fumagalli,  L.,  &  Terzi,  S.  (2020).  Integración  de  realidad  virtual  y   de  realidad  virtual.  En  En  2016,  13.ª  Conferencia  Internacional  Conjunta  sobre  Ciencias  de  la  
gemelo  digital  en  prácticas  de  economía  circular:  un  caso  de  aplicación  de  laboratorio. Computación  e  Ingeniería  de  Software  (JCSSE)  (págs.  1  a  5).  https://doi.org/10.1109/
Sostenibilidad,  12(6),  2286.  https://doi.org/10.3390/su12062286  Rze´zniczek,   JCSSE.2016.7748912  _
´ ´
P.,  Lipiak,  A.,  Bilski,  B.,  Laudanska­Krzemi  nska,  I.,  Cybulski,  M.  y  Chawłowska,  E.  (2020).   Wang,  P.,  Wu,  P.,  Wang,  J.,  Chi,  H.­L.  y  Wang,  X.  (2018).  Una  revisión  crítica  del  uso  de  la  realidad  virtual  
Exploración  de  los  determinantes  relacionados  con  los  participantes  de  la  enfermedad  del  simulador   en  la  educación  y  formación  en  ingeniería  de  la  construcción.  Revista  Internacional  de  
en  una  simulación  de  vuelco  de  automóvil  de  movimiento  físico  según  lo  medido  por  el  cuestionario   Investigación  Ambiental  y  Salud  Pública,  15(6),  1204.  https://doi.org/  10.3390/ijerph15061204
de  enfermedad  del  simulador.  Revista  Internacional  de  Investigación  Ambiental  y  Salud  Pública,  
17(19),  7044.  https://doi.org/10.3390/ijerph17197044  Salah,  B.,  Abidi,  M.,   Wang,  Y.,  Chardonnet,  J.­R.  y  Merienne,  F.  (2021).  Carga  de  trabajo  cognitiva  mejorada
Mian,  S.,  Krid,  M.,  Alkhalefah,  H.  y  Abdo,  A.  (2019).  Educación  en  ingeniería  basada  en  realidad  virtual   evaluación  en  entornos  inmersivos  3D  con  modelo  TOPSIS.  revista  internacional
para  mejorar  la  sostenibilidad  de  la  fabricación  en  la  industria  4.0.  Sustentabilidad,  11(5),  1477.   de  Estudios  Humano­Computador,  147,  artículo  102572.  https://doi.org/10.1016/j.  
https://doi.org/10.3390/su11051477  Saredakis,  D.,  Szpak,  A.,  Birckhead,  B.,  Keage,   ijhcs.2020.102572  
HAD,  Rizzo,  A.  y  Loetscher,  T.  (2020). Weech,  S.,  Kenny,  S.  y  Barnett­Cowan,  M.  (2019).  Presencia  y  ciberenfermedad  en  realidad  virtual  están  
Factores  asociados  con  la  enfermedad  de  la  realidad  virtual  en  pantallas  montadas  en  la   negativamente  relacionados:  una  revisión.  Fronteras  en  Psicología,  10,  158.  https://doi.  org/10.3389/
cabeza:  una  revisión  sistemática  y  un  metanálisis.  Fronteras  en  neurociencia  humana,  14,  96.   fpsyg.2019.00158  Yang,  X.,  Malak,  
https://doi.org/10.3389/fnhum.2020.00096 RC,  Lauer,  C.,  Weidig,  C.,  Hagen,  H.,  Hamann,  B.,  …  Kreylos,  O.
Shu,  Y.,  Huang,  Y.­Z.,  Chang,  S.­H.  y  Chen,  M.­Y.  (2019).  Hacer  cabeza  de  realidad  virtual (2015).  Diseño  de  sistemas  de  fabricación  con  herramientas  de  fábrica  virtual.  Revista  internacional  
¿Las  pantallas  montadas  marcan  la  diferencia?  Una  comparación  de  presencia  y  autoeficacia   de  fabricación  integrada  por  computadora,  28  (1),  25–40.  https://doi.org/10.1080/
entre  pantallas  montadas  en  la  cabeza  y  entornos  virtuales  facilitados  por  computadoras   0951192X.2013.800948
de  escritorio.  Realidad  virtual,  23(4),  437–446.  https://doi.org/10.1007/s10055­ Zainal,  NH,  Chan,  WW,  Saxena,  AP,  Taylor,  CB  y  Newman,  MG  (2021).  Ensayo  piloto  aleatorizado  de  
018­0376­x terapia  de  exposición  de  realidad  virtual  autoguiada  para  el  trastorno  de  ansiedad  social.  Behavior  
Slater,  M.  (2018).  Inmersión  y  la  ilusión  de  presencia  en  realidad  virtual.  Revista  británica  de  psicología,   Research  and  Therapy,  147,  artículo  103984.  https://doi.org/  10.1016/j.brat.2021.103984  Zhao,  
109  (3),  431–433.  https://doi.org/10.1111/bjop.12305  Sportillo,  D.,  Paljic,  A.  y  Ojeda,   J.,  Sensibaugh,  T.,  Bodenheimer,  
L.  (2018).  Prepárate  para  la  conducción  automatizada  utilizando  la  realidad  virtual.  Análisis  y  prevención   B.,  McNamara,  TP,  Nazareth,  A.,  Newcombe,  N.,  …  Klippel,  A.  (2020).  Escritorio  versus  
de  accidentes,  118,  102–113.  https://doi.org/10.1016/j.  aap.2018.06.003  Sportillo,  D.,  Paljic,  A.  y   entornos  virtuales  inmersivos:  Efectos  en  el  aprendizaje  espacial.  Cómputo  y  cognición  
Ojeda,  L.  (2019).   espacial,  20(4),  328–363.  https://doi.org/10.1080/13875868.2020.1817925
Evaluación  en  carretera  de  la  formación  en  conducción  autónoma.  En  2019,  14.ª  Conferencia  internacional  
ACM/IEEE  sobre  interacción  humano­robot  (HRI)  (págs.  182–190).  IEEE  Doi:  10.1109/
HRI.2019.8673277.

13