Entwicklung eines multikriteriellen Evaluierungsmodells für industrielle Assistenzsysteme

Abstract

Individualisierte Produkte und Dienstleistungen ermöglichen zufriedenere Kund:innen, höhere Gewinnspannen und Wettbewerbsvorteile. Das bringt Herausforderungen für die Produktion und insbesondere für manuelle Arbeit mit sich. Die Individualisierung der Produkte führt zu einer Reduzierung des Produktvolumens pro Variante bis hin zur Produktion in Losgröße 1. Demografischer Wandel und unterschiedliche Bildungshintergründe führen zu einer heterogenen Belegschaft und höherer Fluktuation. Industrielle Assistenzsysteme wirken diesen Herausforderungen entgegen und stellen eine Variante dar, menschenzentrierte und ergonomische Produktionsarbeitsplätze zu erhalten. Assistenzsysteme haben sich in der industriellen Produktion etabliert. Ein objektiver Vergleich von Assistenzsystemen ist jedoch bei der auf dem Markt verfügbaren großen Anzahl an Systemen aufwendig. Bisherige Bewertungen befassen sich hauptsächlich mit der Beurteilung eines einzelnen Assistenzsystems und nicht mit dem Vergleich mehrerer Assistenzsysteme. Eine Schwierigkeit besteht darin, kognitive und physische Assistenzsysteme miteinander zu vergleichen, wie z. B. eine Augmented-RealityAnwendung mit einem Cobot. Ziel dieser Dissertation ist die Entwicklung eines multikriteriellen Evaluierungsmodells zur Bewertung und Vergleichbarkeit von industriellen Assistenzsystemen für die industrielle Anwendung. Auf Basis der Design Science Research Methodology wird das Evaluierungsmodell in mehreren Zyklen erstellt, getestet und weiterentwickelt. Das Ergebnis dieser wissenschaftlichen Arbeit ist ein multikriterielles Evaluierungsmodell, bestehend aus den fünf Dimensionen (1) Kosten, (2) Prozess, (3) Lernen und entwickeln, (4) Nutzer:innen und (5) Technologie, welche sich weiter in zehn Kriterien unterteilen. Mit dem Analytical Hierarchy Prozess (AHP) wird eine prozess- und unternehmensspezifische Gewichtung der Kriterien festgelegt. Eine Fallstudie mit 300 Durchläufen in der TU Wien Pilotfabrik und in einem Industrieunternehmen demonstriert die Anwendbarkeit des Evaluierungsmodells auf einen Produktionsprozess, der durch kognitive und physische Assistenzsysteme unterstützt wird. Die Ergebnisse werden in einem Spinnennetzdiagramm gegenübergestellt und zeigen den, je nach Gewichtung der Ziele, am höchsten bewerteten Anwendungsfall. Daraus lassen sich für den Produktionsprozess die geeignetsten Assistenzsysteme ableiten.

Individualized products and services enable more satisfied customers, higher profit margins, and competitive advantages that are difficult to copy. This development brings challenges for production and especially for human labor. The individualization of products reduces the product volume per variant up to production in batch size 1. Demographic change and different educational backgrounds lead to a heterogeneous workforce and higher fluctuation. Industrial assistance systems help to meet these challenges while maintaining a human-centered and ergonomic production workplace. Some assistance systems have already found their way into production and are, in some cases, indispensable. However, selecting the right assistance system is complex, given the high number of assistance systems on the market. Previous evaluations have been concerned with assessing a particular system without comparing it to other assistance systems. For example, the difficulty lies in comparing a cognitive assistance system with a physical assistance system, such as comparing an augmented reality application and a cobot. This dissertation aims to develop a multi-criteria evaluation model for assessing industrial assistance systems and comparability of industrial assistance systems for industrial application. The evaluation model is developed, tested, and improved in several cycles based on the Design Science Research Methodology. The result of the work is a multi-criteria evaluation model consisting of five dimensions (1) cost, (2) process, (3) learning and developing, (4) user, and (5) technology, which are further subdivided into ten criteria. The Analytical Hierarchy Process (AHP) is used to determine a process- and company-specific weighting of the criteria. A case study in the TU Vienna pilot factory and in a company with 300 run-throughs demonstrates the applicability of the evaluation model to a process that is supported with cognitive and physical assistance systems. The results are compared in a spider web diagram, from which a recommendation for the best variant corresponding to the weighted objectives is derived.