Startseite Technik Automatisierte Erstellung von Virtual-Reality-Schulungen
Artikel
Lizenziert
Nicht lizenziert Erfordert eine Authentifizierung

Automatisierte Erstellung von Virtual-Reality-Schulungen

Auf Basis von Modellen und Informationen der virtuellen Inbetriebnahme
  • Christian Masuhr

    Die Autor:innen dieses Beitrags Christian Masuhr, M. Sc., ist Wissenschaftlicher Mitarbeiter am Fraunhofer IPK in der Abteilung Modellbasiertes Entwickeln.

    EMAIL logo
    , Andreas Geiger

    Dipl.-Sporting. Andreas Geiger ist Abteilungsleiter für Modellbasiertes Entwickeln am Fraunhofer IPK

    und Kathrin Konkol

    Kathrin Konkol, M. Sc., ist Wissenschaftliche Mitarbeiterin am Fraunhofer IPK in der Abteilung Modellbasiertes Entwickeln

Veröffentlicht/Copyright: 20. Oktober 2021
Veröffentlichen auch Sie bei De Gruyter Brill

Abstract

Für den effizienten Einsatz von Automatisierungstechnik ist qualifiziertes Instandhaltungspersonal notwendig, um operative Störungen schnell zu beheben. Diese Schulungen finden heutzutage entweder an realen Anlagen, oder auch bereits in eigens für bestimmte Anwendungsfälle entwickelte VR-Anwendungen statt. Zur Minimierung des Aufwands zur Erzeug von VR-Trainingssimulationen können jedoch bereits existierende Modelle und Simulationen aus dem Prozess der virtuellen Inbetriebnahme genutzt. Die Grundlage für das Training sind eine digitale Simulation und Vernetzung von realer Anlagensteuerung, Robotersteuerung und HMI-Schnittstellen. Dadurch können die Kosten reduziert und die Anzahl von unterschiedlichen Trainingsumgebungen skaliert werden. Die Trainingssimulation wird durch weitere motivierende Elemente erweitert.

Abstract

For the efficient use of automation technology, trained maintenance personnel are necessary to quickly resolve operational malfunctions. Today, this training takes place either on real plants, or already in specifically developed VR applications. To minimize the effort of creating VR training simulations, existing models and simulations from the virtual commissioning process can be used. The basis for training is digital simulation and networking of real plant control, robot control and HMI interfaces. Reduced costs and easy scaling of different training environments can be achieved. The training simulation is extended by further motivating elements.


Tel.: +49 (0) 30 39006-487

Funding statement: Förderhinweis

About the authors

Christian Masuhr

Die Autor:innen dieses Beitrags Christian Masuhr, M. Sc., ist Wissenschaftlicher Mitarbeiter am Fraunhofer IPK in der Abteilung Modellbasiertes Entwickeln.

Dipl.-Sporting. Andreas Geiger

Dipl.-Sporting. Andreas Geiger ist Abteilungsleiter für Modellbasiertes Entwickeln am Fraunhofer IPK

Kathrin Konkol

Kathrin Konkol, M. Sc., ist Wissenschaftliche Mitarbeiterin am Fraunhofer IPK in der Abteilung Modellbasiertes Entwickeln

Literatur

1 Webel, S.; Bockholt, U.; Engelke, T.; Peveri, M.; Olbrich, M.; Preusche, C.: Augmented Reality Training for Assembly and Maintenance Skills. BIO Web of Conferences 1 (2011), S. 97, DOI: /10.1051/bioconf/20110100097/10.1051/bioconf/20110100097Suche in Google Scholar

2 Numfu, M.; Riel, A.; Noel, F.: Virtual Reality Based Digital Chain for Maintenance Training. Procedia CIRP 84 (2019), S. 1069–1074 DOI: /10.1016/j.procir.2019.04.268/10.1016/j.procir.2019.04.268Suche in Google Scholar

3 Masuhr, C.; Konkol, K.; Geiger, A.; Stark, R.: VR-basierte Entwicklungswerkzeuge für die virtuelle Inbetriebnahme. ZWF 115 (2020) 10, S. 727–730 DOI: /10.3139/104.112411/10.3139/104.112411Suche in Google Scholar

Published Online: 2021-10-20
Published in Print: 2021-10-31

© 2021 Walter de Gruyter GmbH, Berlin/Boston, Germany

Artikel in diesem Heft

  1. Inhalt
  2. Editorial
  3. Digitale Transformation im Vormarsch
  4. Arbeitsplanung
  5. Deep Learning zur Unterstützung der Arbeitsplanung
  6. Automatisierung
  7. Wie Automatisierung die Zukunft der Produktion verändern wird
  8. Mensch und Roboter
  9. Wirtschaftliche Mensch-Roboter-Arbeitssystemgestaltung
  10. Qualitätsmanagement
  11. Prädiktive Qualität in der Prozesslenkung
  12. Instandhaltung
  13. Predictive Maintenance – Voraussetzungen und Potenziale
  14. Qualitätsmanagement und vorausschauende Instandhaltung auf der Basis synthetischer Datensätze
  15. Störungsmanagement
  16. Innovatives Störungsmanagement in der XXL-Montage
  17. Laser-Technologie
  18. Steuerung von Laser-induzierten periodischen Oberflächenstrukturen
  19. Elektromobilität
  20. Cell-to-Pack-Technologie für Li-Ionen-Batterien
  21. Identifikation qualitätskritischer Parameter
  22. Additive Fertigung
  23. Digitale Assistenz in der Additiven Fertigung
  24. Einführung einer In-situ-Prozess-Überwachung in der additiven Materialextrusion
  25. Spannsysteme
  26. Sichere Werkstückspannung bei der Fräsbearbeitung mit Dreibackenfuttern
  27. Arbeitssicherheit
  28. Augmented Reality zur Steigerung der Arbeitssicherheit von Mobilkranen
  29. Studie
  30. Traceability-Systeme als Enabler für Process Mining
  31. Mensch und KI
  32. Mensch-KI-Teaming: Mensch und Künstliche Intelligenz in der Arbeitswelt von morgen
  33. Digitale Technologien
  34. Vergleich von Methoden zur Auswahl Digitaler Technologien für KMU
  35. Digitale Assistenzsysteme
  36. Einführung neuer Produktvarianten in digitalen Montage-Assistenzsystemen
  37. Virtuelle Realität
  38. Automatisierte Erstellung von Virtual-Reality-Schulungen
  39. Vorschau
  40. Vorschau
Heruntergeladen am 22.1.2026 von https://www.degruyterbrill.com/document/doi/10.1515/zwf-2021-0162/html
Button zum nach oben scrollen