Einsatz eines Sprachassistenzsystems in der Produktion
-
Nikita Fjodorovs
Nikita Fjodorovs, M. Sc., geb. 1994, studierte Wirtschaftsingenieurwesen an der RWTH in Aachen und Fahrzeugtechnik an der Tsinghua University in Peking. Aktuell ist er Wissenschaftlicher Mitarbeiter im Bereich Produktionsmanagement am FIR e. V. an der RWTH Aachen.
and
Marvin Kalla
Marvin Kalla, M. Sc., geb. 1992, studierte Wirtschaftswissenschaften an der Universität Ulm und schloss seinen Master in Betriebswirtschaftslehre an der Ludwig-MaximiliansUniversität in München ab. Aktuell ist er Wissenschaftlicher Mitarbeiter am International Performance Research Institute (IPRI) gGmbH.
Abstract
Obwohl Sprachassistenzsysteme im privaten Alltag immer beliebter werden, finden solche Systeme noch kaum Anwendung in der Industrie. In der Theorie werden diverse Potenziale wie Zeiteinsparungen, verbesserte Ergonomie oder optimierter Informationsfluss durch den industriellen Einsatz von Sprachassistenten erwartet. Jedoch wurde dieser Einsatz im industriellen Kontext noch nicht praxisnah erforscht. Aus diesem Grund wurde im Rahmen des Forschungsprojektes „Smart Speaker“ eine Laborstudie durchgeführt, um den Einsatz von Sprachassistenzsystemen am Beispiel eines Montageprozesses zu untersuchen. Es konnten dabei drei wichtige Faktoren identifiziert werden, die maßgeblich die Nutzungseffizienz eines Sprachassistenzsystems beeinflussen.
Abstract
While voice assistance systems are becoming increasingly popular in everyday life, such systems are still hardly used in industrial context. In theory, various benefits such as time savings, improved ergonomics or optimised information flow are expected from the industrial use of voice assistants. However, the application of voice assistants in an industrial context has not yet been researched in a practical way. For this reason, a laboratory study was conducted as part of the „Smart Speaker“ research project to investigate the use of voice assistance systems using an assembly process. Three important factors were identified that significantly influence the efficient usage of a voice assistance system.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWFAdvisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
Förderhinweis
Dieser Beitrag entstand im Rahmen des Forschungsprojekts „Smart Speaker – Einsatz von Sprachassistenzsystemen in der Wertschöpfung von KMU des Maschinen- und Anlagenbaus“. Das IGF-Vorhaben (Nr. 20983 N) des Forschungsinstituts für Rationalisierung (FIR) e. V. an der RWTH Aachen und des International Performance Research Institute (IPRI) gGmbH wurde über die AiF im Rahmen des Programms zur Förderung der Industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Klimaschutz aufgrund eines Beschlusses des Deutschen Bundestags gefördert.
About the authors
Nikita Fjodorovs, M. Sc., geb. 1994, studierte Wirtschaftsingenieurwesen an der RWTH in Aachen und Fahrzeugtechnik an der Tsinghua University in Peking. Aktuell ist er Wissenschaftlicher Mitarbeiter im Bereich Produktionsmanagement am FIR e. V. an der RWTH Aachen.
Marvin Kalla, M. Sc., geb. 1992, studierte Wirtschaftswissenschaften an der Universität Ulm und schloss seinen Master in Betriebswirtschaftslehre an der Ludwig-MaximiliansUniversität in München ab. Aktuell ist er Wissenschaftlicher Mitarbeiter am International Performance Research Institute (IPRI) gGmbH.
Danksagung
Die Autoren dieses Beitrags bedanken sich bei den Industriepartnern bitvox connected acoustics GmbH für die Bereitstellung, Konfiguration und Anbindung des Sprachassistenzsystems, NTT DATA Business Solutions AG für die Bereitstellung eines Mikrofons sowie DFA Demonstrationsfabrik Aachen GmbH für die Bereitstellung von Mitarbeitenden.
Literatur
1 Brocks, L.; Bätjer-Gleitsmann, A.: The Age of Voice 3.0: Zwischen Routine und Potenzialen für Skills, User Experiences und Voice SEO (2021). Online unter https://www.omd.com/news/welcome-to-the-ageof-voice-3-0/Search in Google Scholar
2 Beyto GmbH: Smart Speaker Studie (2021). Online unter https://www.beyto.com/ smart-speaker-voice-studie-2021-2022/Search in Google Scholar
3 Ebner, C.: Wo die Deutschen ihre Smart Speaker am liebsten nutzen. Online unter https://www.internetworld.de/marketingtrends/smart-home/wo-deutschen-smartspeaker-am-liebsten-nutzen-2424795 html?hsamp_network=LINKEDIN&hsamp=-bk2Y0gDGte3FvSearch in Google Scholar
4 Wellsandta, S.; Rusak, Z.; Ruiz Arenas, S.; Aschenbrenner, D.; Hribernik, K. A.; Thoben, K.-D.: Concept of a Voice-Enabled Digital Assistant for Predictive Maintenance in Manufacturing (October 23, 2020). TESConf 2020–9th International Conference on Through-life Engineering Services. Available at SSRN: https://ssrn com/abstract=3718008 or DOI:10.2139/ssrn.371800810.2139/ssrn.3718008Search in Google Scholar
5 Longo, F.; Padovano, A.: Voice-enabled Assistants of the Operator 4.0 in the Social Smart Factory: Prospective Role and Challenges for an Advanced Human-Machine Interaction. Manufacturing Letters 26 (2020), S. 12–16 DOI:10.1016/j.mfglet.2020.09.00110.1016/j.mfglet.2020.09.001Search in Google Scholar
6 Ghofrani, J.; Reichelt, D.: Using Voice Assistants as HMI for Robots in Smart Production Systems. In: Kolb, S.; Sturm, C. (Hrsg.): Workshop on Services and their Composition. Proceedings of the 11th Central European Workshop on Services and their Composition, 2019, S. 62–65Search in Google Scholar
© 2022 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Inhalt
- Editorial
- Ein Klima des ständigen Wandels
- Produktionsmanagement
- Datengetriebene Produktion zum Anfassen
- Maschinelles Lernen
- Human-in-the-Loop-Ansatz vereinfacht maschinelles Lernen für das Störungsmanagement
- VR-basierte Schulung
- Qualifikation von Maschinenbedienenden
- Assistenzsysteme
- Einsatz eines Sprachassistenzsystems in der Produktion
- Qualifizieren statt Dressieren?
- Operator 5.0: Intelligente Arbeitsergonomie im Automobilumschlag
- MTM-Analyse
- Automatisierte Erstellung von MTM-Analysen
- Nachhaltigkeit
- Sustainability Value – Ökologie und Ökonomie auf einen Blick
- Elektrische Antriebe
- Entwicklung eines Condition-Monitoring-Systems für Niederspannungsmotoren
- Federnde Rotorkomponenten für elektrische Antriebe
- Energiespeicherung
- Entwicklung einer autonomen Elektrodenbeschichtung
- Wirtschaftlichkeit
- Beherrschung von Nachfrageschwankungen durch Belastungsflexibilität
- Schleiftechnologie
- Sensorische Schleifspindel fühlt Prozesskräfte beim Werkzeugschleifen
- Digitalisierung
- Paperless Production in der Prozessindustrie
- Digitaler Zwilling
- Vorgehensmodell zur Erstellung Digitaler Zwillinge für Produktion und Logistik
- Künstliche Intelligenz
- Intelligente Schweißroboter
- Vorschau
- Vorschau
Articles in the same Issue
- Inhalt
- Editorial
- Ein Klima des ständigen Wandels
- Produktionsmanagement
- Datengetriebene Produktion zum Anfassen
- Maschinelles Lernen
- Human-in-the-Loop-Ansatz vereinfacht maschinelles Lernen für das Störungsmanagement
- VR-basierte Schulung
- Qualifikation von Maschinenbedienenden
- Assistenzsysteme
- Einsatz eines Sprachassistenzsystems in der Produktion
- Qualifizieren statt Dressieren?
- Operator 5.0: Intelligente Arbeitsergonomie im Automobilumschlag
- MTM-Analyse
- Automatisierte Erstellung von MTM-Analysen
- Nachhaltigkeit
- Sustainability Value – Ökologie und Ökonomie auf einen Blick
- Elektrische Antriebe
- Entwicklung eines Condition-Monitoring-Systems für Niederspannungsmotoren
- Federnde Rotorkomponenten für elektrische Antriebe
- Energiespeicherung
- Entwicklung einer autonomen Elektrodenbeschichtung
- Wirtschaftlichkeit
- Beherrschung von Nachfrageschwankungen durch Belastungsflexibilität
- Schleiftechnologie
- Sensorische Schleifspindel fühlt Prozesskräfte beim Werkzeugschleifen
- Digitalisierung
- Paperless Production in der Prozessindustrie
- Digitaler Zwilling
- Vorgehensmodell zur Erstellung Digitaler Zwillinge für Produktion und Logistik
- Künstliche Intelligenz
- Intelligente Schweißroboter
- Vorschau
- Vorschau
