Hoewel deze digitale oplossingen veelbelovend zijn, is het huidige proces duur. Bovendien houden ze geen rekening met de verschillende vaardigheden en niveaus van medewerkers, wat resulteert in minder efficiënte opleidingen.
Hoe heeft COSMO dit aangepakt?
Het COSMO-project richtte zich op het onderzoeken en ontwikkelen van datagestuurde technieken die het mogelijk maakt om op een efficiënte manier content te creëren voor assemblagetraining van AR- en VR-toepassingen en om dergelijke toepassingen aan te passen op het vaardigheidsniveau van de individuele operator. Het project onderzocht ook de impact van AR- en VR-training op het leerproces van operatoren, alsook op hun stressniveau.
De resultaten
1. (Gedeeltelijk) geautomatiseerde contentcreatie
De visie van COSMO, om de kosten van contentcreatie te drukken, was dat audiovisuele opnames van een expert die het assemblageproces stap voor stap demonstreert, zouden worden vertaald in digitale werkinstructies die door VR- of AR-trainingstoepassingen zouden kunnen worden opgenomen.
Het project heeft een proof-of-concept oplossing ontwikkeld die dit proces gedeeltelijk automatiseert en de tijd die nodig is om opleidingsinhoud te creëren met gemiddeld 50% vermindert. Met behulp van een slimme combinatie van beeldherkenning en spraaktechnologie worden de ruwe beelden van de demonstratie van de expert geanalyseerd en ontleed in digitale werkinstructies.
Hierdoor hoeven niet langer alle onderdelen en gereedschappen handmatig in een VR-scène te worden geplaatst en hoeft niet langer handmatig de assemblagevolgorde in de trainingstool te worden gedefinieerd. Onderdelen van producten en werkstations kunnen worden toegevoegd via CAD-modellen om de beeldherkenning te verbeteren.
2. Datagestuurde personalisering van opleiding
Een overvloed aan instructies in opleidingen kan de mogelijkheden om op langere termijn te leren beperken en zelfs de productiviteit verminderen. Aan de andere kant is te weinig detail in de werkinstructies net zo ineffectief en kan het stress veroorzaken.
COSMO’s oplossing schat het vaardigheidsniveau van de individuele operator van moment tot moment in en levert op maat gesneden instructies die geleidelijk vervagen naarmate de operator vaardiger wordt met de taken in kwestie. Zo kan een nieuwe operator in het begin volledige audiovisuele uitleg krijgen en overgaan op zachte corrigerende duwtjes naarmate hij meer zelfstandig assemblagetaken kan gaan uitvoeren.
COSMO heeft ook een efficiënt machine-leermodel ontwikkeld voor het inschatten van het stressniveau van de operatoren op basis van state-of-the-art draagbare sensoren en transfer-leertechnieken.
3. Geïntegreerde AR- en VR-toepassingen voor evaluatie
Deze technieken werden geïntegreerd voor het trainen van operatoren in het assembleren van verschillende producten, zoals de centrale balk van landbouwvoertuigen (VR) of een houten vogelhuisje (AR).
De leereffectiviteit van deze toepassingen werden geëvalueerd in realistische omgevingen, met operatoren in productiebedrijven en studenten in het hoger technisch, beroeps- en speciaal onderwijs.
Resultaten van de experimenten tonen aan dat data-gestuurde adaptieve werkinstructies de assemblage en mentale inspanning verminderen.
Maar in het algemeen tonen de resultaten dat wanneer de werkinstructies goed zijn ontworpen op basis van cognitieve modellen voor training en bewijsmateriaal uit de leerwetenschappen, immersieve assemblagetraining met AR en VR grote effecten heeft op assemblagetijden, waargenomen complexiteit en mentale inspanning in vergelijking met training op papier.
Wens je meer info over het onderzoeksproject of heb je zelf nog vragen? Neem contact op met ons.
