Forschung für den Mittelstand - Die IGF-Projektdatenbank

Kombinierte sensor- und trackinggestützte Produktivitätsanalysen für die Maschinenbedienung in der Kleinserienfertigung

Forschungsziel:

Für die mittelständisch geprägte Kleinserienfertigung sind aufwandsarme Produktivitätsanalysen von hoher Bedeutung, um Mitarbeiter- und Maschinenproduktivität aufeinander abgestimmt zu verbessern. Exemplarische Anwendungsfälle von Maschinenbedienung sind die Bedienung von Werkzeugmaschinen oder teilautomatisierte Kommissionierprozesse. Ziel des Forschungsprojekts „Protrack II“ ist, eine kombinierte sensor- und trackinggestützte Produktivitätsanalyse zu entwickeln. Mitarbeiter- und Maschinenzustände sollen zeitgleich erfasst, erkannt und inklusive ihrer Wechselwirkungen analysiert werden können.

Lösungsweg:

Auf Grundlage von generischen Arbeitsabläufen ist eine abgestimmte Zustandshierarchie zu entwickeln. Aus dieser kann der Datenbedarf abgeleitet werden, der wiederum bestimmt, welche Sensoren sich eignen, um die Daten zu erfassen. Für die Datenerfassung soll z. T. auf Ergebnisse des AIF-geförderten Forschungsprojekts ProTrack zurückgegriffen werden. Eine Evaluation bei Mitgliedern des PA soll die Eignung des entwickelten Systems nachweisen.

Im Forschungsprojekt werden folgende Ergebnisse angestrebt:

- Zustandshierarchie für Mitarbeiter und Maschine

- Logik zur Zustandserkennung

- Verfahren zur automatischen Erkennung und Analyse von Mitarbeiter- und Maschinenzuständen

aus Tracking- und Sensordaten

- Abhängigkeiten zwischen Arbeits- und Maschinenproduktivität

- Software-Demonstrator

- Validierung am Praxisbeispiel

- Anwendungsleitfaden

Das Vorhaben soll es KMU ermöglichen, die Mitarbeiter- und Maschinenproduktivität umfassend, detailliert und kostengünstig zu erfassen und zu analysieren, um so Produktivitätspotenziale schnell und zuverlässig erkennen und erschließen zu können. Dadurch sinken die Kosten und erhöht sich die effektiv nutzbare Produktionskapazität. Produktitivätspotentiale von bis zu 25 % sind realistisch. Die entwickelten Methoden zielen dabei auf anlassbezogene, gezielte Analysen der Abläufe ab.

Ergebniszusammenfassung:

Im Forschungsvorhaben wurde eine Methode entwickelt, um die Produktivität von Maschinenarbeitsplätzen automatisiert zu erfassen und zu analysieren. Die neuartige Methodik hebt sich von bestehenden Verfahren darin ab, dass sie gleichzeitig Mitarbeiter- und Maschinenzustände automatisiert erfasst und auf Grundlage der Wechselwirkungen zwischen Mensch und Maschine Produktivitätspotentiale identifiziert. Die Datenerfassung der Analyse nutzt Low-Cost-Sensoren, um spezifische Ereignisse zu erfassen und wird bei Bedarf durch eine manuelle Ereigniserfassung mit einer Web-App ergänzt. Eine Logik leitet aus den Ereignissen Mitarbeiter- und Maschinenzustände ab. Dazu werden drei Prinzipien genutzt: Erstens können der Beginn oder das Ende eines Zustands mithilfe bestimmter Ereignisse direkt erkannt werden. Zweitens können aus der Kombination verschiedener Ereignisse Zustände abgeleitet werden. Drittens liefern Zustandsabfolgen und -zyklen Informationen, um Zustände zu erkennen. Eine entwickelte Web-Applikation unterstützt den Anwender bei der Konfiguration, der Datenerfassung und der Datenauswertung. Für die Erfassung der Mitarbeiterposition wurde ein Verfahren entwickelt, das den Aufenthaltsort einer Person in der Produktion über die Signalstärke von Bluetooth-Beacons ermittelt.

Die Anwendung in der Praxis hat gezeigt, dass sich das Analysevorgehen sehr gut für die Analyse von Maschinenarbeitsplätzen eignet. Insbesondere die Positionserfassung lässt sich aufwandsarm in die Prozesse an Maschinenarbeitsplätzen integrieren. Dabei können auch die Positionen mehrerer Mitarbeiter gleichzeitig erfasst werden. Das Vorgehen ist in der Lage, auch Arbeitsplätze mit mehreren Maschinen und mehreren Mitarbeitern zu analysieren, so dass es eine sehr breite Anwendbarkeit aufweist.

Die Methode wurde insbesondere für die Analyse von Maschinenarbeitsplätzen entwickelt. Eine Übertragung auf weitere manuelle Arbeitsprozesse ist möglich und umsetzbar.