MARI (Mobile AR-Assistenz in der Industrie): Augmented-Reality-Assistenzsysteme für mobile Anwendungsszenarien in der Industrie
01.05.2017 bis 31.03.2022
Motivation
Die Arbeitswelt ist im Umbruch: Durch die Digitalisierung der Industrie fallen einfache Aufgaben weg, da sie zunehmend von Maschinen erledigt werden. Die verbleibenden Tätigkeiten werden immer komplexer. Hinzu kommen die Einflüsse des Fachkräfte- mangels und des demographischen Wandels. Menschen müssen befähigt werden, mit den wachsenden Anfor- derungen Schritt zu halten. Einen Ansatz hierbei bietet die Augmented Reality (AR). Diese „erweiterte Realität“ hat sich in den vergangenen Jahren stark weiterentwickelt: Die reale Welt wird dabei mit digitalen Objekten überlagert – etwa mit Hilfe von Pro- jektionen oder AR-Brillen.
Projektziel
Im Projekt MARI wird untersucht, wie intelligente Systeme Menschen unterstützen können, um komplexe Produktionsprozessezubeherrschen. Dabei stellt sich insbesondere die Frage, wie ein portables, intelligentes und modular aufgebautes Assistenz- system für ein großes Spektrum an Tätigkeiten innerhalb von kleinen und mittelständischen Unternehmen (KMU)eingesetztwerdenkann.Neben der Identifikation von Anwendungs- fällen und prototypischen Umsetzun- gen des Systems liegt der Fokus des Projekts insbesondere auch in der Evaluierung des Systems für verschie- dene Tätigkeiten, um Erkenntnisse über das Zusammenspiel zwischen Mensch und industriellem Assistenz- system zu gewinnen.
Forschungsaktivitäten
Im Rahmen des Projekts werden verschiedene Prototypen im Rahmen eines menschzentrierten Gestaltungs- prozesses entwickelt und evaluiert. Die implementierten Systeme können mobile und stationäre Montagetätigkeiten durch verschiedenartige Informationen unterstützten. Im Rahmen der Evaluierung wurde hierbei u. a. untersucht, inwieweit sich projektionsbasierte Assistenzsysteme zum Einarbeiten neuer Mitarbeiter eignen. In Kooperation mit der TU Clausthal wurde hierzu eine Studie mit insgesamt 33 Probanden durchgeführt, in der beobachtet wurde, wie die Probanden den Montageprozess über mehrere Tage mithilfe eines AR-Assistenzsystems lernen. Wenn auch keine Vorteile bezüglich der Einarbeitungszeit festgestellt wurden, so konnte in der Studie gezeigt werden, dass bei der Einarbeitung mit einem AR-Assistenzsystem das systematische Falschlernen von Arbeitsschritten konsequent vermieden werden konnte, da durch das Handtracking des Systems potenzielle Fehler direkt erkannt werden und der Mitarbeiter darauf aufmerksam gemacht wird. Die Ergebnisse der Forschungsarbeit wurde im Jahr 2020 auf der „ACM Conference on Human Factors in Computing Systems (CHI)“ mit dem „Honorable Mention Award“ ausgezeichnet. Die weiteren Aktivitäten innerhalb des Projekts beziehen sich auf technische Fragestellungen, wie z. B. die Realisierung verschiedener portable Versionen des Systems oder die Integration von maschinellen Lernverfahren in die Systeme zur Zustandserkennung für Qualitätssicherungsmaßnahmen.
Dr.-Ing. Sebastian Büttner, Henrik Mucha, M. Sc., Thomas Kosch, Mario Aehnelt, Dr. Sebastian Robert, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr. rer. nat. Michael Fellmann, Dr. Sebastian Robert, Dr.-Ing. Sebastian Büttner, Henrik Mucha, M. Sc., Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr.-Ing. Sebastian Büttner
Dr.-Ing. Sebastian Büttner, Prof. Dr.-Ing. Michael Prilla, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr.-Ing. Sebastian Büttner, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr.-Ing. Sebastian Büttner, Prof. Dr.-Ing. Michael Prilla, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr.-Ing. Sebastian Büttner, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerDr.-Ing. Sebastian Büttner, Andreas Peda, Mario Heinz-Jakobs, M. Sc., Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerNina Pitz, Dr.-Ing. Sebastian Büttner, Prof. Dr.-Ing. Dr. phil. Dr. rer. soc. Carsten RöckerAndreas Peda
