Potenziale von Motion Capturing bei der Erstellung von Ausführungsanalysen
-
Steffen Jansing
Steffen Jansing, M. Sc., studierte Maschinenbau an der Hochschule Osnabrück mit der Fachrichtung Produktionstechnik und ist als Wissenschaftlicher Mitarbeiter am IPS an der TU Dortmund im Fachbereich Work System Design tätig. Seine inhaltlichen Schwerpunkte liegen im Bereich der Ergonomie- und Zeitstudien sowie der Optimierung bestehender Produktionssysteme.
,
Barbara Brockmann
Barbara Brockmann, M. Sc., studierte Maschinenbau mit der Vertiefung Technische Betriebsführung an der TU Dortmund. Sie arbeitet als Wissenschaftliche Mitarbeiterin am Institut für Produktionssysteme (IPS) an der TU Dortmund. Ihre Arbeitsschwerpunkte liegen im Bereich der Digitalisierung des Industrial Engineering durch Virtual Reality und Humansimulation.
Roman Möhle, M. Sc., studierte Wirtschafsingenieurwesen an der TU Dortmund mit der Fachrichtung Industrial Engineering. Er ist als Wissenschaftlicher Mitarbeiter am IPS im Fachbereich Smart Quality tätig. Seine Schwerpunkte liegen auf der Integration von Maschinellem Lernen und Bildverarbeitenden Systemen in Produktionssystemen sowie dem Qualitätsfeld der Technischen Sauberkeit.
Dominik Patzelt, M. Sc., studierte Maschinenbau an der TU Dortmund. Er war Wissenschaftliche Hilfskraft am Institut für Produktionssysteme und fokussierte sich während seiner Tätigkeit auf die Schwerpunkte Data Analytics und Maschine Learning. Seit 2022 ist er als Prozessingenieur bei MAN Energy Solutions SE.
Prof. Dr.-Ing. Jochen Deuse, geb. 1967, studierte Maschinenbau an der Technischen Universität Dortmund und promovierte am Laboratorium für Werkzeugmaschinen und Betriebslehre (WZL) der RWTH Aachen. Im Zeitraum von 1998 bis 2005 war er für die Bosch-Gruppe in Führungspositionen in Deutschland und Australien tätig. Seit 2005 ist er Professor an der Technischen Universität Dortmund und leitet das Institut für Produktionssysteme sowie die Abteilung Produktionssysteme des Instituts für Forschung und Transfer (RIF e. V.). Darüber hinaus ist er seit 2019 Professor für Advanced Manufacturing/Industry 4.0 an der School of Mechanical and Mechatronic Engineering der University of Technology Sydney.
Abstract
Neben der zeitökonomischen Gestaltung gewinnt die ergonomische Optimierung von Arbeitssystemen zunehmend an Bedeutung. Hohe Personalaufwände zur Erstellung bewegungsökonomischer Analysen sind jedoch Hemmnisse in deren industriellen Umsetzung. Markerloses Motion Capturing bietet Potenzial zur aufwandsreduzierten Erstellung entsprechender Analysen auf Basis des Prozessbausteinsystems MTM-Human Work Design. Der Beitrag beschreibt, wie Maschinelles Lernen unter Nutzung abstrahierter Videodaten zur Bewegungsanalyse eingesetzt werden kann.
Abstract
In addition to economic design, the ergonomic optimization of work systems is gaining in importance. However, high personnel costs for the creation of movement-economic analyses are obstacles for industrial use. Markerless motion capturing offers potential for the effort-reduced creation of these analyses based on the process building block system MTM-Human Work Design. The paper describes how machine learning can be used for motion analysis using abstracted video data.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory Board wissenschaftlich begutachteten Fachaufsatz (Peer-Review).
About the authors
Steffen Jansing, M. Sc., studierte Maschinenbau an der Hochschule Osnabrück mit der Fachrichtung Produktionstechnik und ist als Wissenschaftlicher Mitarbeiter am IPS an der TU Dortmund im Fachbereich Work System Design tätig. Seine inhaltlichen Schwerpunkte liegen im Bereich der Ergonomie- und Zeitstudien sowie der Optimierung bestehender Produktionssysteme.
Barbara Brockmann, M. Sc., studierte Maschinenbau mit der Vertiefung Technische Betriebsführung an der TU Dortmund. Sie arbeitet als Wissenschaftliche Mitarbeiterin am Institut für Produktionssysteme (IPS) an der TU Dortmund. Ihre Arbeitsschwerpunkte liegen im Bereich der Digitalisierung des Industrial Engineering durch Virtual Reality und Humansimulation.
Roman Möhle, M. Sc., studierte Wirtschafsingenieurwesen an der TU Dortmund mit der Fachrichtung Industrial Engineering. Er ist als Wissenschaftlicher Mitarbeiter am IPS im Fachbereich Smart Quality tätig. Seine Schwerpunkte liegen auf der Integration von Maschinellem Lernen und Bildverarbeitenden Systemen in Produktionssystemen sowie dem Qualitätsfeld der Technischen Sauberkeit.
Dominik Patzelt, M. Sc., studierte Maschinenbau an der TU Dortmund. Er war Wissenschaftliche Hilfskraft am Institut für Produktionssysteme und fokussierte sich während seiner Tätigkeit auf die Schwerpunkte Data Analytics und Maschine Learning. Seit 2022 ist er als Prozessingenieur bei MAN Energy Solutions SE.
Prof. Dr.-Ing. Jochen Deuse, geb. 1967, studierte Maschinenbau an der Technischen Universität Dortmund und promovierte am Laboratorium für Werkzeugmaschinen und Betriebslehre (WZL) der RWTH Aachen. Im Zeitraum von 1998 bis 2005 war er für die Bosch-Gruppe in Führungspositionen in Deutschland und Australien tätig. Seit 2005 ist er Professor an der Technischen Universität Dortmund und leitet das Institut für Produktionssysteme sowie die Abteilung Produktionssysteme des Instituts für Forschung und Transfer (RIF e. V.). Darüber hinaus ist er seit 2019 Professor für Advanced Manufacturing/Industry 4.0 an der School of Mechanical and Mechatronic Engineering der University of Technology Sydney.
Literatur
1 Abele, E.; Reinhart, G.: Zukunft der Produktion – Herausforderungen, Forschungsfelder, Chancen. Carl Hanser Verlag, München, Wien 2011 DOI:10.3139/978344642805810.3139/9783446428058Search in Google Scholar
2 Statista: Durchschnittseinkommen in Europa | Statista 2022. Online unter https://de.statista.com/statistik/daten/studie/183571/umfrage/bruttomonatsverdienst-inder-eu/ [Zugriff am 19.04.2022]Search in Google Scholar
3 Scholer, M.: Wandlungsfähige und angepasste Automation in der Automobilmontage mittels durchgängigem modularem Engineering – Am Beispiel der Mensch-Roboter-Kooperation in der Unterbodenmontage. Dissertation, Universität des Saarlandes, 2018Search in Google Scholar
4 Schlund, S.; Mayrhofer, W.; Rupprecht, P.: Möglichkeiten der Gestaltung individualisierbarer Montagearbeitsplätze vor dem Hintergrund aktueller technologischer Entwicklungen. Zeitschrift für Arbeitswissenschaft 72 (2018) 4, S. 276–286 DOI:10.1007/s41449-018-0128-510.1007/s41449-018-0128-5Search in Google Scholar
5 Dombrowski, U.; Kuhlang, P. (Hrsg.): Mensch – Organisation – Technik im Lean Enterprise 4.0. In: Tagungsband zum 10. Braunschweiger Symposium für Ganzheitliche Produktionssysteme. Shaker Verlag, Aachen 2017Search in Google Scholar
6 Bokranz, R.; Landau, K.: Handbuch Industrial Engineering – Produktivitätsmanagement mit MTM. Schäffer-Poeschel-Verlag, Stuttgart 2012Search in Google Scholar
7 Deuse, J.; Busch, F.: Zeitwirtschaft in der Montage: Montage in der industriellen Produktion. Springer-Verlag, Berlin, Heidelberg 2012, S. 79–107 DOI:10.1007/978-3-642-29061-9_410.1007/978-3-642-29061-9_4Search in Google Scholar
8 Fricke, W.: Arbeits- und Zeitwirtschaft verstehen – Von den Zeitstudie bis zur Abtaktung. BoD – Books on Demand, Norderstedt 2016Search in Google Scholar
9 Schlick, C.; Bruder, R.; Luczak, H.: Arbeitswissenschaft. Springer-Verlag, Berlin, Heidelberg 2018 DOI:10.1007/978-3-662-56037-210.1007/978-3-662-56037-2Search in Google Scholar
10 Schaub, K.; Mühlstedt, J.; Illmann, B.; Bauer, S.; Fritzsche, L.; Wagner, T.; Bullinger-Hoffmann, A.; Bruder, R.: Ergonomic Assessment of Automotive Assembly Tasks with Digital Human Modelling and the ‚ Ergonomics Assessment Worksheet‘ (EAWS). International Journal of Human Factors Modelling and Simulation (2013), S. 398–426 DOI:10.1504/IJHFMS.2012.05158110.1504/IJHFMS.2012.051581Search in Google Scholar
11 Lotter, B.: Montage in der industriellen Produktion – Ein Handbuch für dir Praxis (VDI-Buch). Springer-Verlag, Berlin, Heidelberg 2012 DOI:10.1007/978-3-642-29061-910.1007/978-3-642-29061-9Search in Google Scholar
12 Deuse, J.; Busch, F.; Erohin, O.; Krebs, M.: Zeitwirtschaft in der industriellen Produktion. In: Lotter, B.; Deuse, J.; Lotter, E. (Hrsg.): Die Primäre Produktion – Ein praktischer Leitfaden zur verlustfreien Wertschöpfung. Springer-Verlag, Berlin, Heidelberg 2016 DOI:10.1007/978-3-662-53212-6_1010.1007/978-3-662-53212-6_10Search in Google Scholar
13 Finsterbusch, T.; Petz, A.; Faber, M.; Härtel, J.; Kuhlang, P.; Schlick, C.: A Comparative Empirical Evaluation of the Accuracy of the Novel Process Language MTM-Human Work Design. In: Schlick, C.; Trzcieliński, S. (Hrsg.): Advances in Ergonomics of Manufacturing: Managing the Enterprise of the Future. Springer International Publishing, Cham 2016, S. 147–155 DOI:10.1007/978-3-319-41697-7_1410.1007/978-3-319-41697-7_14Search in Google Scholar
14 Gudehus, T.: Entwicklung eines Verfahrens zur ergonomischen Bewertung von Montagetätigkeiten durch Motion-Capturing. Zugl.: Kassel, Univ., Diss., 2008. Kassel Univ. Press, Kassel 2009Search in Google Scholar
15 Kadambi, A.; Bhandari, A.; Raskar, R.: 3D Depth Cameras in Vision – Benefits and Limitations of the Hardware: Computer Vision and Machine Learning with RGB-D Sensors. Springer International Publishing, Cham 2014, S. 3–26 DOI:10.1007/978-3-319-08651-4_110.1007/978-3-319-08651-4_1Search in Google Scholar
16 Simon, T.; Joo, H.; Matthews, I.; Sheikh, Y.: Hand Keypoint Detection in Single Images Using Multiview Bootstrapping. IEEE Conference on Computer Vision and Pattern Recognition (CVPR) 2017 DOI:10.1109/CVPR.2017.49410.1109/CVPR.2017.494Search in Google Scholar
17 Li, M.; Wang, J.; Sang, N.: Latent Distribution-Based 3D Hand Pose Estimation from Monocular RGB Images. IEEE Transactions on Circuits and Systems for Video Technology 31 (2021) 12, S. 4883–4894 DOI:10.1109/TCSVT.2021.305586210.1109/TCSVT.2021.3055862Search in Google Scholar
18 Mitchell, T.: Key Ideas in Machine Learning. In: Mitchell, T. (Hrsg.): Machine Learning. McGraw Hill, New York, USA 2017Search in Google Scholar
19 Murphy, K. P.: Machine Learning – A Probabilistic Perspective (Adaptive Computation and Machine Learning Series). MIT Press, Cambridge 2012Search in Google Scholar
20 Kochenderfer, M.; Wheeler, T.; Wray, K.: Algorithms for Decision Making. Massachusetts Institute of Technology, Cambridge, Massachusetts, London, UK 2022Search in Google Scholar
21 Breiman, L.: Random Forests. Machine Learning 45 (2001) 1, S. 5–32 DOI:10.1023/A:101093340432410.1023/A:1010933404324Search in Google Scholar
22 Google LLC: Python Package – Mediapipe Hands. Online unter https://google.github.io/mediapipe/solutions/hands [Zugriff am 28.11.2022]Search in Google Scholar
23 Zhang, F.; Bazarevsky, V.; Vakunov, A.; Tkachenka, A.; Sung, G.; Chang, C.-L.; Grundmann, M.: MediaPipe Hands: On-device Real-time Hand Tracking. ArXiv, 2020Search in Google Scholar
24 Frochte, J.: Maschinelles Lernen – Grundlagen und Algorithmen in Python (Hanser-Fachbuch). Carl Hanser Verlag, München 2021 DOI:10.3139/978344646355410.3139/9783446463554Search in Google Scholar
25 Rokach, L.; Maimon, O.: Data Mining with Decision Trees – Theory and Applications. World Scientific Pub Co, New Jersey, London 2015Search in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Articles in the same Issue
- Frontmatter
- Editorial
- Herausforderungen der Fertigungsindustrie
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Wandlungsfähigkeit
- Beschreibung und Bewertung der Wandlungsfähigkeit
- Anlaufmanagement
- Nachhaltigkeit im Produktionsanlauf
- Produktionssteuerung
- Bewertungsmodell zur proaktiven Produktionssteuerung im Schiffsbau
- Additive Fertigung
- Adaptive Reparatur-Prozesskette
- Ergonomie
- Kommissionierung
- Industrielle Reinigung
- Cyberphysische Reinigungssysteme für ressourceneffiziente Tankreinigungsprozesse
- Ökologie
- Klimamanagement zur Verbesserung der CO2-Bilanz in der Produktion
- Effiziente Stagnationswasser-Entfernung in trinkwassertechnischen Anlagen
- Diskontinuität
- Frühaufklärung produktionskritischer Diskontinuitäten
- Personas
- Die empirische Bestimmung von Personas und deren Implikationen auf eine User Journey
- Künstliche Intelligenz
- KI-Kanban-Behälter
- Soziotechnische Gestaltung einer intelligenten Personaleinsatzplanung
- Auf dem Weg zur autonomen Maschine
- Maschinelles Lernen
- Potenziale von Motion Capturing bei der Erstellung von Ausführungsanalysen
- Assistenzsysteme
- Automatisierte Angebotskalkulation
- 10.1515/zwf-2023-1159
- Systems Engineering
- Systems & Life Cycle Engineering für Strategische Souveränität
- Vorschau
- Vorschau
Articles in the same Issue
- Frontmatter
- Editorial
- Herausforderungen der Fertigungsindustrie
- Automobilindustrie
- Disruptive Veränderungen in der Automobilindustrie bedingen neue Entwicklungsprozesse
- Wandlungsfähigkeit
- Beschreibung und Bewertung der Wandlungsfähigkeit
- Anlaufmanagement
- Nachhaltigkeit im Produktionsanlauf
- Produktionssteuerung
- Bewertungsmodell zur proaktiven Produktionssteuerung im Schiffsbau
- Additive Fertigung
- Adaptive Reparatur-Prozesskette
- Ergonomie
- Kommissionierung
- Industrielle Reinigung
- Cyberphysische Reinigungssysteme für ressourceneffiziente Tankreinigungsprozesse
- Ökologie
- Klimamanagement zur Verbesserung der CO2-Bilanz in der Produktion
- Effiziente Stagnationswasser-Entfernung in trinkwassertechnischen Anlagen
- Diskontinuität
- Frühaufklärung produktionskritischer Diskontinuitäten
- Personas
- Die empirische Bestimmung von Personas und deren Implikationen auf eine User Journey
- Künstliche Intelligenz
- KI-Kanban-Behälter
- Soziotechnische Gestaltung einer intelligenten Personaleinsatzplanung
- Auf dem Weg zur autonomen Maschine
- Maschinelles Lernen
- Potenziale von Motion Capturing bei der Erstellung von Ausführungsanalysen
- Assistenzsysteme
- Automatisierte Angebotskalkulation
- 10.1515/zwf-2023-1159
- Systems Engineering
- Systems & Life Cycle Engineering für Strategische Souveränität
- Vorschau
- Vorschau
