Kognitive Assistenzsysteme zur Steigerung der Wandlungsfähigkeit manueller Montagestationen

Abstract

Kognitive Assistenzsysteme in der manuellen Montage folgen meist einem „one-size-fits-all“-Ansatz und lassen sich nicht individuell an Nutzerkompetenzen anpassen. Zudem ist die Erstellung von Montageanweisungen insbesondere im Produktänderungsfall zeit- und ressourcenintensiv. Ziel dieser Dissertation ist es, der beschriebenen Problemstellung durch die Entwicklung eines integrierten Ansatzes zur Steigerung der Wandlungsfähigkeit manueller Montagestationen zu begegnen. Hierzu wird ein Kognitives Assistenzsystem entwickelt, das eine nutzeradaptive Informationsbereitstellung mit einer teilautomatisierten Generierung von Montageanweisungen kombiniert. Die Informationsbereitstellung erfolgt in Art und Tiefe dynamisch entlang eines vierstufigen Kompetenzstufenmodells. Ergänzend wird ein Montageanweisungsgenerator eingeführt, der mit Hilfe feinabgestimmter Large Language Models Montageanweisungen auf Grundlage vorhandener Informationen standardisiert generiert. Der entwickelte Ansatz wird im Rahmen einer Probandenstudie als Bestandteil einer als Demonstrator realisierten manuellen Montagestation am Beispiel der Montage eines Brennstoffzellen-Stacks evaluiert. Die Ergebnisse zeigen eine hohe Gebrauchstauglichkeit (System Usability Scale: 87,83 ± 4,17) und Technologieakzeptanz des Systems. Die Evaluierung des Montageanweisungsgenerators belegt eine deutliche Beschleunigung der Erstellung von Montageanweisungen, bei gleichzeitig hoher Qualität der generierten Anweisungen.

Cognitive assistance systems in manual assembly often follow a static “one-size-fits-all” approach and lack adaptability to individual worker competencies or changing production conditions. Additionally, authoring assembly instructions – especially in the case of product modifications – is time- and resource-intensive. The objective of this dissertation is to develop an integrated approach that enhances the adaptability of manual assembly stations by combining user-adaptive information delivery with the semi-automated generation of assembly instructions. A cognitive assistance system is developed that dynamically adjusts the level of instructional detail based on a four-stage competency model. In addition, an assembly instruction generator powered by fine-tuned Large Language Models is introduced to produce standardized instruction texts from existing process data. The proposed approach is implemented in a test bed environment and evaluated through a user study involving the manual assembly of a fuel cell stack. The results indicate high usability (System Usability Scale: 87,83 ± 4,17) and technological acceptance of the system. In addition, the evaluation of the assembly instruction generator demonstrates a substantial acceleration in the generation of assembly instructions, while maintaining a high standard of instruction quality.