FH Bielefeld
University of
Applied Sciences

KI-gestützte Assistenz an Montagearbeitsplätzen

KI-gestützte Assistenz-gr


Projektübersicht

Anzahl Studierende 1
Art Projekt mit externen Partnern
Projektverantwortung Prof. Dr. Alexander Maier
Projektkontext Projekt in Zusammenarbeit mit dem Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung, Institutsteil für Industrielle Automation (IOSN-INA) Lemgo; Abteilung Maschinelle Intelligenz; Anstellung als Hiwi bei Fraunhofer ist möglich.

 

Video: KI-gestützte Assistenz an Montagearbeitsplätzen

 

Kurzbeschreibung

Komplexer werdende Fertigungsprozesse, kürzere Produktlebenszyklen sowie die fortwährenden Folgen des demographischen Wandels stellen Unternehmen und Mitarbeiter gleichermaßen vor Herausforderungen. Intelligente Assistenzsysteme können hierbei helfen, die wahrgenommene Komplexität von Systemen und Prozessen zu reduzieren, indem sie relevanten Informationen in Abhängigkeit der aktuellen Aufgabe und des persönlichen Kenntnisstandes kontextabhängig zur Verfügung stellen. Durch diese individuelle Unterstützung von Mitarbeiterinnen und Mitarbeitern lassen sich Aufgabenbereiche erweitern, Prozesse effizienter gestalten und Fehlerraten senken.

Durch den Einsatz computergestützter Assistenzsysteme sollen die Beschäftigten im Produktionsumfeld individuell unterstützt werden, indem diese bei der Durchführung komplexer Tätigkeiten sukzessiv durch den gesamten Arbeitsprozess geführt werden. Dies ermöglicht zum einen die kognitive Entlastung der Beschäftigten bei gleichzeitiger Erweiterung ihrer fachlichen und persönlichen Kompetenzen. Zum anderen bietet der Einsatz solcher Technologien aus Sicht der produktionsnahen Unternehmen große Optimierungspotenziale bzgl. der Bewältigung steigender Produkt- und Qualitätsanforderungen und der Entwicklung innovativer Geschäftsmodelle.

Aufgabenstellung

Der/ die Studierende soll in diesem Projekt Algorithmen zur situationsbezogenen Unterstützung von Mitarbeitern an Montagearbeitsplätzen entwickeln. Es ist das Ziel, neben einer algorithmenbasierten auch eine situationsbezogene Unterstützung zu ermöglichen. Ein (Montage)-Assistenzsystem soll daher um Funktionen zur Erkennung und Klassifizierung eines erforderlichen Unterstützungsbedarfs erweitert werden. Die Algorithmenentwicklung zielt auf die folgenden zwei wesentlichen Herausforderungen:

  1. Stresserkennung: Die Erkennung von Stresssituationen ist der erste Schritt in Richtung einer adaptiven Assistenz. Dies ist aber technisch eine besondere Herausforderung, da die richtigen Informationen zu erheben und unter Berücksichtigung einer vorhandenen Unsicherheit zu interpretieren sind. Hier können Methoden der zeitbasierten Mustererkennung eingesetzt werden, um auffällige Verhaltensmuster zu erkennen.
  2. Qualitätsbeurteilung: Die Erkennung von abweichenden (optischen) Qualitätsmerkmalen ist ein weiterer Schritt zur adaptiven Assistenz. Dieser Aspekt wurde bereits in vielen wissenschaftlichen Arbeiten adressiert und soll in an die Anforderungen für den Einsatz an Montagearbeitsplätzen adaptiert werden.

 

Bezug zum Thema Data Science  
Die Entwicklung von Algorithmen für zeitbehaftete Mustererkennung ist ein Kernthema der Data Science und bildet die Grundlage für zahlreiche weitere Anwendungen im Umfeld der manuellen und automatisierten Produktion.

 

Verfügbare Ressourcen

  • Informationen, die zur Erstellung des Szenarios benötigt werden (Systembeschreibung, Mensch-Maschine-Interaktionskonzept, etc.) werden vom Fraunhofer IOSB-INA bereitgestellt
  • der Ansprechpartner am Fraunhofer IOSB-INA wird über die Projektlaufzeit zur Verfügung stehen
  • Der Demonstrator (Montagearbeitsplatz) des Fraunhofer IOSB-INA kann im Rahmen des Projektes zur Datengenerierung, Erfassung und -Auswertung genutzt werden
  • Hardware für die Programmierung ist über das Predictive Maintenance Lab der FH Bielefeld verfügbar

 

Projektplan
Erstes Semester:
 Erstellung eines Forschungsexposees, Einarbeitung in HMI-Konzepte, Stand der Technik Recherche zu KI in Assistenzsystemen

Zweites Semester: Erstellung eines Papers als Überblick über das Forschungsgebiet, Implementierung einer Musterkennung mit zeitlichem Bezug als Stresserkennung in Montagearbeitsplätzen

Drittes Semester: Erstellung eines Papers mit ersten quantitativen Ergebnissen, Einbindung der entwickelten Algorithmen in den Demonstrator beim Fraunhofer IOSB-INA

Viertes Semester: Masterarbeit und Kolloquium

 

Eignungskriterien
Zwingend: 

  • Programmierkenntnisse 

Optional: 

  • Industrielle Bildverarbeitung
  • HMI-Konzepte

 

Erwerbbare Kompetenzen

  • ML-Verfahren zur zeitabhängigen Musterkennung
  • Mensch-Maschine-Schnittstellen
  • Sensordatenverarbeitung