@inproceedings{KoehlerDollKebingeretal.2018, author = {K{\"o}hler, Sebastian and Doll, Konrad and Kebinger, Sophie and Schmitt, Daniel and Kr{\"o}hn, Michael and Fried, Maik and B{\"o}rsig, Rainer}, title = {Prozessinnovation: Hochautomatisiert lernendes Assistenzsystem f{\"u}r die manuelle Montage}, address = {K{\"o}ln}, isbn = {978-3-8007-4522-7}, pages = {153 -- 164}, year = {2018}, abstract = {Trotz hoher Automatisierungsgrade in der produzierenden Industrie, sind manuelle Montageprozesse durch den Menschen, sei es aufgrund der geforderten Flexibilit{\"a}t, insbesondere bei kleinen Losgr{\"o}ßen oder der erforderlichen Pr{\"a}zision, unverzichtbar. Um eine hohe Produktivit{\"a}t und niedrige Ausschussraten zu gew{\"a}hrleisten, ist es sinnvoll, den Menschen in seiner Montaget{\"a}tigkeit zu unterst{\"u}tzen oder zu entlasten. Intelligente Assistenzsysteme k{\"o}nnen den Menschen dahingehend unterst{\"u}tzen, dass sie bspw. schwere T{\"a}tigkeiten kollaborativ {\"u}bernehmen, Prozesse gezielt steuern oder Informationen bei Bedarf kontextsensitiv bereitstellen. In diesem Beitrag wird das Konzept eines intelligent hochautomatisiert lernenden Assistenzsystems vorgestellt, dessen Ziel es ist, anhand von bereits gelernten Abl{\"a}ufen an einem manuellen Montagearbeitsplatz fehlerhafte Abl{\"a}ufe zu erkennen oder neue valide Abl{\"a}ufe hochautomatisiert und un{\"u}berwacht zu lernen. Manuelle Montageprozesse bestehen aus Abfolgen von Handgriffen. Diese Handgriffe werden vom Assistenzsystem als Gesten erkannt und verarbeitet, sodass der Gesamtablauf in Teilschritte zerlegt werden kann. Weiterhin soll dieses Assistenzsystem Informationen zur Behebung des Fehlers direkt am Arbeitsplatz verf{\"u}gbar machen. Das Assistenzsystem, dessen Architektur in Abb. 1 dargestellt ist, besteht aus einem zustandsgesteuerten, lernenden Steuersystem mit einem Microsoft Kinect-v2-Sensor, der den Arbeitsplatz aus der {\"U}berkopfperspektive erfasst und die Montageschritte erkennt. Da das Grundprinzip des Assistenzsystems in der Langzeitbeobachtung und -unterst{\"u}tzung der Montaget{\"a}tigkeit liegt, werden die kontinuierlich aggregierten Daten zur Erweiterung und Verbesserung des Assistenzsystems genutzt. Es lernt somit hochautomatisiert neue oder abgewandelte Montageabl{\"a}ufe. Hieraus ergibt sich eine Herausforderung an die Bewertung der G{\"u}te eines solchen Systems. W{\"a}hrend eine hohe Erkennungsrate der einzelnen Aktivit{\"a}ten innerhalb eines Montageablaufs unabdingbar ist, wird f{\"u}r das vorgeschlagene System dar{\"u}ber hinaus gefordert, dass komplette Abl{\"a}ufe korrekt, d.h. in der richtigen Reihenfolge ohne einzelne Falschklassifikationen, erkannt werden. Nur hierdurch lassen sich real ge{\"a}nderte Abl{\"a}ufe hochautomatisiert und un{\"u}berwacht im Zustandsautomat des Steuersystems online einlernen.}, subject = {Automatisierungstechnik}, language = {de} } @inproceedings{KoehlerDollKebingeretal.2018, author = {K{\"o}hler, Sebastian and Doll, Konrad and Kebinger, Sophie and Schmitt, Daniel and Kr{\"o}hn, Michael and Fried, Maik and B{\"o}rsig, Rainer}, title = {Gestenerkennung in einem hochautomatisiert lernenden Assistenzsystem f{\"u}r manuelle Montageprozesse}, series = {AUTOMATION 2018, VDI-Berichte 2330}, booktitle = {AUTOMATION 2018, VDI-Berichte 2330}, address = {Baden-Baden}, isbn = {978-3-18-092330-7}, pages = {145 -- 156}, year = {2018}, subject = {Assistenzsystem}, language = {de} }