Augmented-Reality-basierte Assistenz für das Anlernen manueller und roboterunterstützter Montageprozesse

Author:

Hegenberg Jens,Schmidt Ludger

Abstract

ZusammenfassungDurch eine zunehmend flexibilisierte Produktion und relativ hohe Personalfluktuation bei einfachen Tätigkeiten wird das Anlernen neuer Mitarbeitender bzw. für neue oder geänderte Produktionsprozesse zunehmend relevanter. Konventionelle Anlernmethoden, bspw. durch Demonstration oder Arbeitspläne, haben Schwächen (bspw. binden sie zusätzliche Arbeitskraft oder sind kognitiv anspruchsvoll), die durch ein Augmented-Reality-(AR-)basiertes Assistenzsystem kompensiert werden können. Ein AR-Assistenzsystem zum Anlernen eines tatsächlichen industriellen Montageprozesses wurde in einer vergleichenden Studie mit 16 Versuchspersonen gegenüber einer konventionellen Papieranleitung evaluiert. Bzgl. Gebrauchstauglichkeit und Beanspruchung deuten sich die Stärken des AR-Ansatzes an. In den Subskalen Anstrengung und Frustration zeigt sich eine statistisch signifikante Reduktion der Beanspruchung. Bezüglich der Montagezeiten konnten statistisch signifikante Vorteile erzielt werden. Ergänzend wurde in einer zweiten Studie eine Videoanleitung mit der AR-Anleitung verglichen.Praktische Relevanz: Die Digitalisierung der Produktion erlaubt nach Kundenwunsch individualisierte Produkte, die mit einer flexibilisierten Produktion einhergehen. Einfache Montageprozesse ändern sich daher häufiger vollständig oder in Teilen. Außerdem wechseln Mitarbeitende aufgrund der monotonen und repetitiven Tätigkeiten häufiger. All das führt zu einem Bedarf an regelmäßigen Anlernprozessen. Ein AR-Assistenzsystem erscheint als aussichtsreicher Ansatz, wobei die Gebrauchstauglichkeit besonders im Fokus stehen sollte, da wenig technische Kenntnisse vorausgesetzt werden können.

Funder

Universität Kassel

Publisher

Springer Science and Business Media LLC

Reference35 articles.

1. Al-Ahmari A, Ameen W, Abidi MH, Mian SH (2018) Evaluation of 3D printing approach for manual assembly training. Int J Ind Ergon 66:57–62

2. Azuma RT (1997) A survey of augmented reality. Presence: Teleoperators & Virtual Environments 6(4):355–385

3. Bangor A, Kortum P, Miller J (2009) Determining what individual SUS scores mean: adding an adjective rating scale. J Usability Stud 4(3):114–123

4. Bartscher T, Nissen R (2018) Fachkenntnisse. http://wirtschaftslexikon.gabler.de/definition/fachkenntnisse-36697/version-260147. Zugegriffen: 11. Juli 2018

5. Bläsing D (2020) Mentale Beanspruchung in der Montage. In: Bornewasser M, Hinrichsen S (Hrsg) Informatorische Assistenzsysteme in der variantenreichen Montage: Theorie und Praxis. Springer, Berlin Heidelberg, S 65–87

Cited by 2 articles. 订阅此论文施引文献 订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3