Development of a framework for the selection of cognitive assistance system for maintenance tasks

Abstract

Obwohl die Entwicklung hin zur Industrie 4.0 viele Vorteile bringt, wird jedoch durch sie die Arbeitsbelastung und Komplexität der Ausführenden abermals erhöht. Um diesem Umstand zu entgegenen, unterstützen kognitive Assistenzsysteme die Fachkräfte während der Wartungsarbeiten. Richtig gewählt und umgesetzt, reduzieren diese die mentale Belastung und helfen dabei Fehler zu vermeiden. Obwohl diese Systeme ein hohes Potential haben, fehlt es noch an Forschung zur korrekten Auswahl eines passenden kognitiven Assistenzsystems um gewisse Leistungskennzahlen eines Instandhaltungsprozesses effektiv verbessern zu können. Aus diesem Grund beantwortet diese Arbeit die Forschungsfrage, wie ein passendes kognitives Assistenzsystem gewählt werden kann, um die Effizienz und Qualität von Instandhaltungsprozessen zu verbessern. Zu diesem Zweck wird im Rahmen dieser Arbeit ein Algorithmus entwickelt, welcher die Anforderungen des Instandhaltungsprozesses mit den jeweiligen Fähigkeiten der verschiedenen kognitiven Assistenzsystemen verknüpft. Dieses Matching-Framework stellt das Artefakt dieser Arbeit dar.Um dies umzusetzen beginnt die Arbeit mit einer Analyse des aktuellen Standes der Forschung, welche eine systematische Literaturrecherche zur Evaluation und Klassifikation aller bereits entwickelten kognitiven Assistenzsysteme umfasst. Darauf aufbauend wird das Matching Framework aufgestellt, welches auf einer numerischen Bewertung der Fähigkeiten der Assistenzsysteme, sowie der Anforderungen der Instandhaltungsaufgabe beruht. Diese werden anschließend mittels mathematischer Operationen verknüpft und resultieren schließlich in einem Scoring der Systeme. Zur qualitativen Evaluierung wird ein Beispielsfall gelöst, bei welchem das Framework angewendet wird. In diesem wird Schrittweise durch den Selektionsprozess geführt. Hierbei zeigt sich, dass der Algorithmus einfach anzuwenden ist, dabei aber gute Ergebnisse liefert, welche als Startpunkt für den weiteren Auswahlprozess dienen. Zusammenfassend sind die zentralen Ergebnisse dieser Arbeit zum einen eine Klassifizierung von kognitiven Assistenzsystemen sowie von Instandhaltungsprozessen, als auch ein Matching Framework zur Auswahl eines passenden kognitiven Assistenzsystems für einen beliebigen Instandhaltungsprozess. Diese Verknüpfung von kognitiven Assistenzsystemen mit Instandhaltungsprozessen stellt den Beitrag dieser Arbeit zum Body of Knowledge dar.

Even though the development of Industry 4.0 brings multiple benefits, it also increases the complexity and mental workload of machine operators in maintenance to a further extent. Cognitive assistance systems support operators while performing maintenance tasks to cope with this burden. Properly designed, these support the worker to reduce mental workload and avoid errors. Even though these systems have high potential, there is still a lack of research on selecting the proper cognitive assistance systems for specific tasks to improve certain Key Performance Indicators (KPIs). Consequently, this thesis aims to answer the research question of how a proper cognitive assistance system can be selected to improve the efficiency and quality of maintenance tasks. For that purpose, this thesis develops an algorithm that matches the requirements of maintenance tasks with the capabilities of cognitive assistance systems. This matching framework is the main artifact of this work. To do so, the thesis starts with an analysis of the state-of-the-art, which contains a systematic literature review to evaluate and classify the existing cognitive assistance systems. After this, the matching framework is set up, which is based on a numerical rating of the cognitive assistance system's capabilities and the requirements of the selected task. Using mathematical operations, these independent ratings are combined and result in scoring for each system. This matching algorithm is used to solve an exemplary case and evaluate the framework. In conclusion, this matching algorithm is simple to use and serves as a sound starting point in the selection process.