BL.Optim, una mejor visualización para una mejor organización

Compartir por correo electrónico
Metodología de creación de MCI

Programar las intervenciones del personal puede convertirse fácilmente en un trabajo duro con todas las restricciones a tener en cuenta (tiempo de trabajo, habilidades requeridas, localización...). Por ello, nuestro equipo ha trabajado en un motor optimizado que genera una programación pertinente en función de las restricciones y normas añadidas por el usuario (ver los artículos correspondientes para Fuente Carl o BL.Domicilio). Pero nos preguntamos: cómo entenderían y aceptarían los usuarios un programa generado por una inteligencia artificialcuando normalmente lo hacen ellos mismos?
Para entender esto y proponer una interfaz utilizable por diferentes planificadores en diferentes ciudades o países, basamos nuestra investigación en los usuarios. Recogimos información a través de diferentes encuentros (entrevistas semidirigidas, test y validación), con el fin de determinar sus necesidades, cómo utilizan las herramientas de planificación, qué podría marcar la diferencia con otras herramientas existentes y su umbral de aceptación de la inteligencia artificial.
Para responder a nuestra pregunta, La visualización de datos es un factor clave. Permite que los planificadores entiendan y acepten fácilmente la programación generada automáticamente por la Inteligencia Artificial. En este caso, estudiamos tres casos de uso: mantenimiento, asistencia sanitaria a domicilio y reparto de comidas.

Nuestra metodología para probar la confianza humana en la IA

Durante este proyecto, nuestra principal preocupación era entender cómo los planificadores aceptarán la Inteligencia Artificial para generar horarios. Así que construimos cuatro escenarios (figura 1) y pedimos a los usuarios que los clasificaran del más aceptable al menos aceptable.

Prueba de ilustración ICM
Figura 1: Confianza humana en el escenario de la IA
  • Situación A es generalmente juzgada como la más preocupante porque el becario no tiene la experiencia requerida ni la responsabilidad suficiente para encargarse de esta tarea. Aunque tiene la ventaja de ser una solución "humana" adaptable y progresiva.
  • Situación B y E se evalúan globalmente igual (aunque, la solución E no incluye al ser humano): aunque el conocimiento teórico asegura las funcionalidades básicas, el entorno de trabajo, la comprensión humana y la experiencia práctica faltan para proporcionar una programación bien hecha.
  • Situación C y D son preferidos porque incluyen un mejor control sobre la IA y su proceso de evolución/aprendizaje.

A través de esta prueba, aprendimos lo importante que es control humano y experiencia de campo son para los profesionales que interactúan con la IA.

Estructura de la interfaz

Las principales funcionalidades de nuestra interfaz son visualizar, generar, modificar y comprobar la programación para verificar si se ajusta a sus requerimientos (también una forma de dar control al humano sobre la inteligencia artificial).

Se compone de tres partes principales (Figura 2): el panel superior para la planificación de la semana del equipoel panel inferior izquierdo para el planificación detallada de los trabajadores y el panel inferior derecho para el mapa con los itinerarios de los trabajadores seleccionados, además de dos botones para confirmar o reoptimizar la programación.

Figura 2 Interfaz BL Optim
Figura 2: Interfaz de BL.Optim

El panel superior (figura 3) está hecho de:

  • Un menú que permite seleccionar el equipo (1).
  • Los plazos de intervención de cada trabajador del equipo seleccionado. Puede encontrar para cada participante:
    • Tres iconos que representan información esencial: número de intervenciones, tiempo total de intervención y distancia total recorrida (2).
    • Líneas de tiempo horizontales que representan las misiones de los trabajadores (3). El color de cada barra depende del tipo de intervención. Al pasar por encima con el cursor se resalta y se muestra información detallada sobre la intervención (4).
    • Al seleccionar un trabajador, se muestra un panel detallado en el panel inferior (figura 4).
Figura 3 Panel superior de la interfaz
Figura 3: Panel superior de la interfaz

La parte inferior izquierda (Figura 4) presenta verticalmente la planificación detallada de cada trabajador seleccionado. Se compone de:

  • Casillas que representan las intervenciones con una breve descripción (1). Para modificar la planificación, estas casillas pueden arrastrarse y soltarse en un mismo calendario o entre dos diferentes. Un texto coloreado (rojo o verde) informa sobre el impacto de la modificación en comparación con la planificación generada (4).
  • Deslizadores sincronizados entre la vista global y la vista detallada.
Figura 4 Panel detallado
Figura 4: Panel detallado

Puntuación de optimización

Reforzar la fe del usuario y ayudarles a entender mejor cómo funciona nuestro algoritmo de generación de horarios, hemos pensado en una función de puntuación de la optimización de horarios. La puntuación refleja lo bien que la solución generada por el algoritmo tiene en cuenta los requisitos del usuario.
Exploramos dos ideas principales:

El primer enfoque fue utilizar "Tablas de gofres" para mostrar la puntuación. El gráfico está compuesto por iconos que representan los diferentes requisitos, el número de iconos es proporcional a su impacto en la puntuación de la calificación. Todas las puntuaciones son sobre 10.

Al hacer clic en la puntuación global se inicia una animación para rellenar los iconos más grandes que representan cada requisito (Figura 5).

Figura 5 Gráfico de gofres
Figura 5: Primera solución - Gráfico Waffle para la puntuación de optimización

El segundo enfoque consistía en explicar las puntuaciones mediante mostrando su impacto en la actividad. Las puntuaciones se muestran en botones que indican cada requisito. Al hacer clic en un botón, la línea de tiempo del equipo se transforma para ilustrar el requisito correspondiente: resaltando las pausas en el calendario para el requisito de "Compacidad" (Figura 6), apilando las barras de misión para comparar la carga de trabajo de los trabajadores para "Equilibrio" (Figura 7), etc.

Figura 6 Segunda solución - compacidad
Figura 6: Segunda solución - "Compacity" resalta las pausas en la programación
Figura 7 Segunda solución - equilibrio
Figura 7: Segunda solución - "Equilibrio" apila las intervenciones para comparar las cargas de trabajo totales

Probamos las dos maquetas de la solución durante las reuniones con diferentes usuarios y planificadores. Parece que prefieren la segunda solución, más discreta. Sus comentarios fueron principalmente positivos sobre la organización de la interfaz, sus funcionalidades y sus interacciones:

  • Es "permite ver todos los detalles inmediatamente“.
  • La vista global es muy útil para ver si podemos ajustar el horario con la intervención de emergencia“.
  • La interfaz es "fresco, claro y agradable" y hacer que los usuarios quieran trabajar con él.

Para reanudar

Aplicando una metodología centrada en el usuario, diseñamos una interfaz hombre-ordenador eficiente que favorece la confianza del usuario en el sistema. No trabajamos a través de nuestras creencias, sino con la información correcta recogida de las personas que utilizarán la aplicación a lo largo del proceso.
El principal resultado de este proyecto es que la gente confía en la inteligencia artificial, siempre que mantenga el control sobre la última modificación o validación. Además, la puntuación de rendimiento de la Inteligencia Artificial sólo tiene sentido para ellos si está relacionada con su contexto de trabajo.

Metodología del MCI

Más ...

Ir arriba