INCLUSIVE

  Orange lackierter Robotorarm Urheberrecht: © Mario Irmischer

  

Projektlogo INCLUSIVE  

Smart and Adaptive Interfaces for INCLUSIVE Work Environment

 

Steckbrief

Eckdaten

Laufzeit:
01.10.2016 bis 30.09.2019
Forschungsbereich:
Soziotechnische Systeme und Mensch-Maschine-Schnittstellen
Status:
Abgeschlossen

Weitere Informationen

Kontakt

Name

Alexander Mertens

Abteilungsleitung Ergonomie und Mensch-Maschine-Systeme

Telefon

work
+49 241 80 99494

E-Mail

E-Mail
 

Kurzbeschreibung

Moderne Produktionssysteme erfordern eine hohe Produktionsrate bei gleichzeitig hoher Qualität und Flexibilität. Der steigenden Komplexität lässt sich durch den vermehrten Einsatz von digitalen vernetzten Technologien begegnen. Trotz des zunehmenden Automatisierungsgrades von Maschinen und Robotern steht der Mensch im Mittelpunkt der Fertigung, da er für die Steuerung und Überwachung der Produktionsprozesse weiterhin verantwortlich ist. Der Mensch interagiert mit Maschinen und Robotern über Mensch-Maschine-Schnittstellen (MMS), die durch die Implementierung neuer Funktionen im Produktionssystem eine Vielzahl von Betriebsarten und Befehlen bereithalten. Ein möglicher Ansatz, die Benutzbarkeit komplexer Produktionssysteme zu verbessern, lässt sich durch einen Paradigmenwechsel vom „Lernen, die Maschine zu bedienen“ zum „Anpassen der Maschine an die menschlichen Fähigkeiten und Fertigkeiten“ vorantreiben.

Diese Thematik adressierend, lag der Forschungsgegenstand dieses Projekts darin, die Interaktion zwischen Mensch und Maschine zu adaptieren, welche auf ergonomischen Konzepten der Informationsverarbeitung basiert. Realisiert wurde dieser Prozess, indem die MMS an die Eigenschaften der jeweiligen Arbeitspersonen angepasst und somit die individuellen Fähigkeiten und Fertigkeiten adaptiv berücksichtigt wurden. Des Weiteren unterstützte die Entwicklung einer Online- und Offline-Trainingsplattform Arbeitspersonen bei der eigenverantwortlichen Maschinenoperation.

Herausforderungen

Im Rahmen des INCLUSIVE-Projekts stand die Implementierung dreier interaktive Säulen im Vordergrund: „Measure“, „Adapt“ und „Teach“. Die erste Säule, Measure, adressierte die Erfassung der Eigenschaften von Arbeitspersonen und deren Grenzen bei der Verarbeitung von Informationen, die durch die mentale Beanspruchung während der Mensch-Maschine-Interaktion hervorgerufen werden. Die ermittelten Parameter dienten als Grundlage für die Schnittstellen-Adaption, Adapt, die sich in einem zweiten Schritt an das zuvor erfasste Personenprofil anpasste, indem die Informationsausgabe entsprechend adaptiert und zusätzlich Interaktionshilfen angeboten wurden. Abschließend stellte das System jedem der Anwendenden eine individuelle Trainingsplattform, Teach, zur Verfügung, bspw. zur Unterstützung ungelernter oder unerfahrener Arbeitspersonen.

Innerhalb dieses Szenarios hatten Nutzende oftmals Schwierigkeiten, effizient mit der Maschine zu interagieren. Dies galt insbesondere entweder für Personen mittleren Alters, die sich bei der Interaktion mit einem komplexen computergestützten System unwohl fühlten oder für junge unerfahrene oder leistungsgewandelte Menschen, die u. a. auch Schwierigkeiten im Umgang mit solchen Systemen aufzeigten. Ausgehend von dieser adaptiven Schnittstelle zeigte sich somit in der Berücksichtigung bestimmter Zielgruppenpersonen wie älterer, leistungsgewandelter oder ungelernter Arbeitspersonen eine weitere zu bewältigende Herausforderung.

Zielsetzung

Die Zielsetzung des Projekts bestand in der Schaffung einer integrativen Arbeitsumgebung, die eine hohe Nutzungsakzeptanz sowie auch Produktivität hinsichtlich automatisierter Produktionssysteme gewährleistet. Im Rahmen des INCLUSIVE-Projekts wurde eine innovative adaptive Mensch-Maschine-Schnittstelle entwickelt, welche flexibel auf die verschiedenen Voraussetzungen der Nutzenden reagiert und gleichzeitig mögliche Einschränkungen kompensiert, um die vorhandenen Fähigkeiten der Nutzenden optimal kompensieren zu können. Es sollte ein System entwickelt werden, welches beim Vorgang der Bedienung von Maschinen die mentale Beanspruchung einer Arbeitsperson in Echtzeit erfasst und anhand eines definierten Anstrengungs-Niveaus bewertet. Dieses System musste sich sowohl an die verschiedenen Produktionsprozesse als auch an die Belastung einer Arbeitsperson anpassen können, um insbesondere in kritischen Momenten Unterstützung leisten zu können. Weiterhin sollte das System auch in der Lage sein, Nutzende mit weniger Erfahrung zu unterstützen und sie vor allem auch im Umgang mit komplexen automatisierten Aufgaben zu schulen.

Vorgehen

Das Projekt sah während der Implementierungs-Phase drei Anwendungsfälle bei industriellen Partnerunternehmen innerhalb Europas vor, welche in einem hochautomatisierten Betrieb verortet sind und den Einsatzbereich für eine solche HMI-Schnittstelle darstellen:

Anwendungsfall 1

Holzbearbeitungsmaschine für kleine Handwerksbetriebe, die typischerweise von
älteren Arbeitspersonen geführt werden

Anwendungsfall 2 Automatisierte Roboterzelle, die meist manuell zum Biegen von Platten betrieben
und innerhalb von Unternehmen in Entwicklungsländern eingesetzt wird
Anwendungsfall 3 Industrieanlage zur Flaschenabfüllung und Etikettierung

Auf Basis dessen wurde in einem ersten Schritt eine konkrete Anforderungsanalyse durchgeführt, welche in einem zweiten Schritt in die Konzeptionierung eines modularen Schnittstellenkonzeptes zur Beanspruchungserfassung überführt wurde. Im Rahmen einer Proof-of-Concept-Studie wurden die ermittelten Messverfahren auf ihre Eignung zur Erfassung mentaler Beanspruchung im Kontext der Maschinenbedienung untersucht. Der anschließend entwickelte Prototyp wurde abschließend bei den drei Partnerunternehmen evaluiert.

Ergebnisse

Im Rahmen des Projekts wurde ein Prototyp einer Mensch-Maschine-Schnittstelle entwickelt, der durch den Einsatz von Eye-Tracking und EDA-Sensorik adaptiv in Echtzeit auf mentale Beanspruchung reagiert. Weiterhin wurden Online- und Offline-Trainingsplattformen realisiert, die den Personen der jeweiligen Zielgruppen ermöglichten, die selbstbestimmte Maschinenoperation intuitiv zu erlernen.

Förderung

Gefördert wurde das Projekt im Rahmen des Förderprogramms Horizon 2020 durch die Europäische Union.

Projektpartner

University of Modena and Reggio Emilia (UNIMORE), IT

Technische Universität München (TUM), DE

SCM Group S.p.A., IT

Rheinisch-Westfälische Technische Hochschule Aachen (RWTH), DE

Software Factory GmbH, DE

Gizelis Robotics, GR

Silverline Endustri ve Ticaret A.S., TR

Centralny Instytut Ochrony Pracy - Państwowy Instytut Badawczy (CIOP-PIB), PL

ASTER – Società Consortile per Azioni, IT

PROGEA S.r.l., IT

Logo Europäische Union