Intelligente Kontexterfassung im Automobilumschlag
-
Nicolas Jathe
Nicolas Jathe, M. Sc., arbeitet als Wissenschaftlicher Mitarbeiter am BIBA – Bremer Institut für Produktion und Logistik GmbH an der Universität Bremen.
,
Michael Lütjen
Dr.-Ing. Michael Lütjen leitet die Abteilung Data Analytics und Prozessoptimierung am BIBA.
Christoph Petzoldt, M. Sc., leitet die Abteilung Robotik und Automatisierung am BIBA.
Dipl. Inf. Dmitrij Boger arbeitet als technischer Mitarbeiter am BIBA.
Prof. Dr.-Ing. Michael Freitag ist Direktor des BIBA und leitet das Fachgebiet Planung und Steuerung produktionstechnischer und logistischer Systeme (PSPS) im Fachbereich Produktionstechnik der Universität Bremen.
Abstract
Eine zentrale Herausforderung bei der Mensch-Technik-Interaktion im Hinblick auf (teil-)autonome Arbeitsumgebungen ist es, ein intuitives Prozessverständnis zur Veranlassung von unterstützenden Aktionen zu schaffen. Im vorliegenden Beitrag wird der Einsatz von am Körper getragenen Bewegungssensoren zur Aktivitätserkennung mit dem übergeordneten Ziel der Prozesserkennung untersucht. Im Ergebnis werden ein Konzept vorgestellt sowie eine exemplarische Umsetzung innerhalb von Lager- und Transportprozessen beim Automobilumschlag evaluiert und diskutiert.
Abstract
A central challenge in human-technology interaction with regard to (semi-)autonomous work environments is to create an intuitive process understanding for triggering supportive actions. In this article, the use of body-worn motion sensors for activity recognition is investigated with the overall goal of process recognition. As a result, a concept is presented and an exemplary implementation within storage and transport processes in automobile transshipment is evaluated and discussed.
Hinweis
Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).
About the authors
Nicolas Jathe, M. Sc., arbeitet als Wissenschaftlicher Mitarbeiter am BIBA – Bremer Institut für Produktion und Logistik GmbH an der Universität Bremen.
Dr.-Ing. Michael Lütjen leitet die Abteilung Data Analytics und Prozessoptimierung am BIBA.
Christoph Petzoldt, M. Sc., leitet die Abteilung Robotik und Automatisierung am BIBA.
Dipl. Inf. Dmitrij Boger arbeitet als technischer Mitarbeiter am BIBA.
Prof. Dr.-Ing. Michael Freitag ist Direktor des BIBA und leitet das Fachgebiet Planung und Steuerung produktionstechnischer und logistischer Systeme (PSPS) im Fachbereich Produktionstechnik der Universität Bremen.
Danksagung
Dieser Beitrag entstand im Rahmen des Projekts „MEXOT – Intelligente Arbeitsergonomie mittels sensorischer Exoskelette und autonomen Transportsystemen für die erweiterte Mensch-Technik-Interaktion im Automobilumschlag“, das vom Bundesministerium für Digitales und Verkehr (BMDV) unter dem Kennzeichen 19H21008B gefördert wird.
Literatur
1 Infiniti Research Limited (Hrsg.): Finished Vehicles Logistics Market by Type and Geography – Forecast and Analysis 2022-2026: technavio (2022). Online unter https://www.technavio.com/report/finished-vehicleslogistics-market-size-industry-analysisSuche in Google Scholar
2 PORT OF ANTWERP-BRUGES (2022): 2022 2022 Facts & Figures. Antwerp site. Hg. v. Haven van Antwerpen – Brugge. Online unter https://media.portofantwerpbruges.com/m/67802c4e71821d/original/BROCHURE_Cijferboekje-2022_EN.pdfSuche in Google Scholar
3 Stern, H.; Freitag, M.: Human-Centered Design of Hybrid Cyber-Physical Production Systems – Use of Human Autonomy Teaming as a Future Way of Working. In: Jahn, N.; Jansen, T. M.; Rost, R.; Lödding, H. (Hrsg.): Disruption Management inOne-off Production with Collaborative Digital Assistance Systems – Benefits of an Integrative Approach with a Generic Data Mode. GITO Verlag, Berlin 2022, S. 97–113 DOI:10.30844/WGAB_2022_610.30844/WGAB_2022_6Suche in Google Scholar
4 van der Aalst, W.: Process Mining. Data Science in Action. 2. Aufl., Springer-Verlag, Berlin, Heidelberg, New York, Dordrecht, London 2016 DOI:10.1007/978-3-662-49851-4_110.1007/978-3-662-49851-4_1Suche in Google Scholar
5 Patalas-Maliszewska, J.; Halikowski, D.; Damaševičius, R.: An Automated Recognition of Work Activity in Industrial Manufacturing Using Convolutional Neural Networks. Electronics 10 (2021) 23, S. 2946 DOI:10.3390/electronics1023294610.3390/electronics10232946Suche in Google Scholar
6 Boukhennoufa, I.; Zhai, X.; Utti, V.; Jackson, J.; McDonald-Maier, K. D.: Wearable Sensors and Machine Learning in Post-stroke Rehabilitation Assessment: A Systematic Review. Biomedical Signal Processing and Control 71 (2022), S. 103197 DOI:10.1016/j.bspc.2021.10319710.1016/j.bspc.2021.103197Suche in Google Scholar
7 REFA.de Prozessmanagement (2023). Online unter https://refa.de/service/refalexikon/prozessmanagement#:~:text=Das%20Prozessmanagement%20umfasst%20die%20Planung,Fokus%20steht%20hier%20die%20Wertsch%C3%B6pfungskette zuletzt aktualisiert am 19.03.2023 [Zugriff am 19.03.2023]Suche in Google Scholar
8 Knoch, S.; Ponpathirkoottam, S.; Fettke, P.; Loos, P.: Technology-Enhanced Process Elicitation of Worker Activities in Manufacturing. In: Teniente, E.; Weidlich, M. (Hrsg.): Business Process Management Workshops (Bd. 308). Springer International Publishing (Lecture Notes in Business Information Processing), Cham 2018, S. 273–284 DOI:10.1007/978-3-319-74030-0_2010.1007/978-3-319-74030-0_20Suche in Google Scholar
9 Knoch, S.; Herbig, N.; Ponpathirkoottam, S.; Kosmalla, F.; Staudt, P.; Porta, D. et al.: Sensor-based Human–Process Interaction in Discrete Manufacturing. In: J Data Semant 9 (2020) 1, S. 21–37 DOI:10.1007/s13740-019-00109-z10.1007/s13740-019-00109-zSuche in Google Scholar
10 Petzoldt, C.; Keiser, D.; Beinke, T.; Freitag, M.: Functionalities and Implementation of Future Informational Assistance Systems for Manual Assembly. In: Michael Freitag, Aseem Kinra, Herbert Kotzab, Hans-Jörg Kreowski und Klaus-Dieter Thoben (Hg.): Subject-Oriented Business Process Management. The Digital Workplace – Nucleus of Transformation, Bd. 1278. Springer International Publishing (Communications in Computer and Information Science), Cham 2020, S. 88–109 DOI:10.1007/978-3-030-64351-5_710.1007/978-3-030-64351-5_7Suche in Google Scholar
11 Keiser, D.; Petzoldt, C.; Beinke, T.; Freitag, M.; Vogler, H.: Mitarbeiterzentrierte Assistenzsysteme für die manuelle Montage – Systematische Evaluation von Montageassistenzsystemen. Industrie 4.0 Management 37 (2021) 3, S. 11–15Suche in Google Scholar
12 van Zelst, S. J.; Mannhardt, F.; de Leoni, M.; Koschmider, A. : Event Abstraction in Process Mining: Literature Review and Taxonomy. Granul. Comput. 6 (2021) 3, S. 719–736 DOI:10.1007/s41066-020-00226-210.1007/s41066-020-00226-2Suche in Google Scholar
13 Petzoldt, C.; Lütjen, M.; Panter, L.; Niermann, D.; Vur, B.; Quandt, M. et al.: Operator 5.0: Intelligente Arbeitsergonomie im Automobilumschlag. ZWF 117 (2022) 10, S. 644–650 DOI:10.1515/zwf-2022-112510.1515/zwf-2022-1125Suche in Google Scholar
14 Niermann, D.; Doernbach, T.; Petzoldt, C.; Isken, M.; Freitag, M.: Software Framework concept with cisual Programming and Digital Twin for Intuitive Process Creation with Multiple Robotic Systems. Robotics and Computer-Integrated Manufacturing 82 (2023), S. 102536 DOI:10.1016/j.rcim.2023.10253610.1016/j.rcim.2023.102536Suche in Google Scholar
15 Jaramillo, I. E.; Jeong, J. G.; Lopez, P. R.; Lee, C.-H; Kang, D-Y.; Ha, T.-J. et al.: Real-Time Human Activity Recognition with IMU and Encoder Sensors in Wearable Exoskeleton Robot via Deep Learning Networks. Sensors (Basel, Switzerland) 22 (2022) 24 DOI:10.3390/s2224969010.3390/s22249690Suche in Google Scholar PubMed PubMed Central
16 Ribeiro, P. M. S.; Matos, A. C.; Santos, P. H.; Cardoso, J. S.: Machine Learning Improvements to Human Motion Tracking with IMUs. Sensors (Basel, Switzerland) 20 (2020) 21 DOI:10.3390/s2021638310.3390/s20216383Suche in Google Scholar PubMed PubMed Central
17 Griesche, S.; Dziennus, M.: Images in Mind – Design Metaphor and Method to Classify Driver Distraction in Critical Situations. In: Der Fahrer im 21.Jahrhundert: VDI-Verlag (VDI Berichte), 2013, S. 85–99Suche in Google Scholar
18 He, Kaiming; Zhang, Xiangyu; Ren, Shaoqing; Sun, Jian (2015): Deep Residual Learning for Image Recognition. Online verfügbar unter https://arxiv.org/pdf/1512.03385.DOI:10.1109/CVPR.2016.9010.1109/CVPR.2016.90Suche in Google Scholar
© 2023 Walter de Gruyter GmbH, Berlin/Boston, Germany
Artikel in diesem Heft
- Inhalt
- Editorial
- Der Mensch in der Fabrik
- Mensch-Technik-Interaktion
- Dynamische Aufgabenallokation in der Fabrik der Zukunft
- Sozio-technische Einflussfaktoren auf die Bedienbarkeit von Werkzeugmaschinen
- Prozesserkennung
- Intelligente Kontexterfassung im Automobilumschlag
- Assistenzsysteme
- Reifegrade digitaler Werkerassistenzsysteme
- Personaleinsatzplanung
- Flexible Produktion
- Wissensmanagement
- Wissensmanagement in KMU
- Wertstrommanagement
- Wertstrommanagement im Zeitalter dynamischer Produktionssysteme
- Ergonomie
- Biomechanische Simulation zur Auslegung von Exoskeletten
- Sicherheit
- Was nichts kostet, ist nichts wert?
- Digitalisierung
- Führung 2030
- Künstliche Intelligenz
- Anforderungen an Führungskräfte bei der Qualifizierung und Kompetenzentwicklung
- Erfahrungswissen durch KI-basierte Assistenz sichern
- Text Mining
- Optimierung durch Strukturierung
- Augmented Reality
- Wirtschaftliche Betrachtung von Augmented Reality
- Datenbrillen
- Physische Belastungen und Beanspruchungen von Augmented-Reality-Brillen
- Vorschau
- Vorschau
Artikel in diesem Heft
- Inhalt
- Editorial
- Der Mensch in der Fabrik
- Mensch-Technik-Interaktion
- Dynamische Aufgabenallokation in der Fabrik der Zukunft
- Sozio-technische Einflussfaktoren auf die Bedienbarkeit von Werkzeugmaschinen
- Prozesserkennung
- Intelligente Kontexterfassung im Automobilumschlag
- Assistenzsysteme
- Reifegrade digitaler Werkerassistenzsysteme
- Personaleinsatzplanung
- Flexible Produktion
- Wissensmanagement
- Wissensmanagement in KMU
- Wertstrommanagement
- Wertstrommanagement im Zeitalter dynamischer Produktionssysteme
- Ergonomie
- Biomechanische Simulation zur Auslegung von Exoskeletten
- Sicherheit
- Was nichts kostet, ist nichts wert?
- Digitalisierung
- Führung 2030
- Künstliche Intelligenz
- Anforderungen an Führungskräfte bei der Qualifizierung und Kompetenzentwicklung
- Erfahrungswissen durch KI-basierte Assistenz sichern
- Text Mining
- Optimierung durch Strukturierung
- Augmented Reality
- Wirtschaftliche Betrachtung von Augmented Reality
- Datenbrillen
- Physische Belastungen und Beanspruchungen von Augmented-Reality-Brillen
- Vorschau
- Vorschau
