AMTFuP – Analyse mensch- und technikbezogener Fehlerursachen in der Produktion

Motivation

Der Mensch wird auch in vernetzten Produktionssystemen weiterhin eine tragende Rolle spielen. Im Rahmen von Industrie 5.0 wird insbesondere ein Fokus auf den Menschen im Cyberphysischen Produktionssystem gelegt.
Da mit zunehmendem Alter die Leistungsfähigkeit abnimmt, ist aufgrund des demografischen Wandels langfristig mit einer steigenden Überlastung und Krankenquote der Mitarbeitenden in der manuellen Montage zu rechnen. Komplexere Produkte sowie Qualitäts-, Kosten- und Zeitdruck stellen weitere Herausforderungen für Unternehmen sowie Anforderungen an Mitarbeitende dar.

Aufgrund der sinkenden Leistungsfähigkeit der Belegschaft bei steigenden Anforderungen ist langfristig mit einer erhöhten Anzahl menschlicher Fehler zu rechnen.

Zielsetzung

Ziel des Projekts ist es, das Aufkommen menschlicher Fehler in der Produktion zu reduzieren. Dazu gilt es, menschliche Fehler vorhersagen zu können. Um dies zu ermöglichen, wird ein KI-Modell zur Prädiktion menschlicher Fehler in der manuellen Montage entwickelt. Mithilfe dessen können Fehler anhand zu definierender fehlerrelevanter Einflussfaktoren des Produktionssystems sowie des Menschen vorhergesagt werden.

Darüber hinaus sollen geeignete Maßnahmen erarbeitet werden, welche zur Vorbeugung prädizierter Fehler dienen. Die Gegenmaßnahmen werden bei einem erhöhten Risiko menschlicher Fehler eingeleitet, um deren Entstehung entgegenzuwirken.

Vorgehen

Im Rahmen des Projekts AMTFuP gilt es, menschliche Fehler in der Produktion auf deren Ursachen hin zu untersuchen und fehlerrelevante Einflussfaktoren des Produktionssystems sowie des Menschen zu erarbeiten. Dies wird durch eine ausführliche Analyse der Fehlerforschung sowie eine menschzentrierte Betrachtung des Arbeitsplatzes und der Arbeitsumgebung erreicht. Die Einflussfaktoren gilt es systematisch zu priorisieren, um je nach Anwendungsfall eine individuelle und effektive Lösung zu ermöglichen. Mithilfe des Fehlerwissens sowie einer Methodik zur Auswahl geeigneter Tools zur Erhebung fehlerrelevanter Daten – wie bspw. Belastung und Beanspruchung – können Smart Devices genutzt werden, um sowohl Daten des Produktionssystems als auch der Mitarbeitenden zu erfassen. Diese sollen durch ein KI-basiertes Prädiktionsmodell verarbeitet werden, um durch Mustererkennung menschliche Fehler vorhersagen zu können.

Auf Basis der Fehlerursachen werden Gegenmaßnahmen erarbeitet und validiert. In Kombination mit dem Prädiktionsmodell wird eine Reduktion der menschlichen Fehler erreicht.