Abstract
This paper describes the research hypothesis that motion data can be utilized to derive MTM analyses. As a first step, manual assembly tasks are recorded with motion capture systems to generate motion data. These motion data are used as a training data set for an end-to-end deep learning architecture for motion classification. The result of this classification is the assignment of data sequences to corresponding basic motions of MTM-1. The paper also describes the prerequisites for an automatic generation of MTM analyses by considering an adaptation of the original MTM methodology to fit for an automatic approach, the acquisition of motion capture data and the automatic annotation of motion data.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
References
Lotter, B., Wiendahl, H.-P. (eds.): Montage in der industriellen Produktion: Ein Handbuch für die Praxis. Springer, Heidelberg (2012)
Meier, K.-J.: Montage in Hochlohnländern. In: wt - Werkstattstechnik online, no. 4, pp. 232–235 (2005)
Manns, M., Otto, M., Mauer, M.: Measuring motion capture data quality for data driven human motion synthesis. In: 48th CIRP Conference on Manufacturing Systems (CMS), pp. 945–950 (2015)
Grauer, M., Metz, D., Karadgi, S., Schäfer, W.: Auf dem Weg zum Echtzeitunternehmen. Prod. Manag. 15(1), 17–19 (2010)
Sackermann, R.: Eine wissensbasierte Methode zur Zeitermittlung in der Einzel- und Kleinserienfertigung. Zugl.: Technical University, Shaker, Aachen, Dortmund (2009)
Bauer, N., Stankiewicz, L., Jastrow, M., Horn, D., Teubner, J., Kersting, K., et al.: Industrial data science: developing a qualification concept for machine learning in industrial production. In: European Conference on Data Analysis (ECDA) (2018)
Bitkom: Potenziale und Einsatz von Big Data: Ergebnisse einer repräsentativen Befragung von Unternehmen in Deutschland, Bitkom, Berlin (2014)
Rexer, K., Gearan, P., Allen, H.: Data science survey. Rexer Analytics (2015)
Stankiewicz, L., Bauer, N., Horn, D., Jastrow, M., Eickelmann, M.: Maschinelles Lernen in der Industrie: Umfrage im Rahmen des Forschungsvorhabens. Industrial Data Science (InDaS), Institute of Production Systems (2018)
Lindl, M., Haferkorn, F., Wächtler, A., Kersebohm, P., Heil, M.: Stammdaten und Stammdatenmanagement: Grundlagen, Herausforderungen und Lösungsansätze für kleine und mittlere Unternehmen, Praxisbroschüre (2015)
REFA - Verband für Arbeitsgestaltung, Betriebsorganisation und Unternehmensent wicklung: Industrial Engineering: Standardmethoden zur Produktivitätssteigerung und Prozessoptimierung, 2 Auflage, Hanser, München (2015)
REFA - Verband für Arbeitsstudien und Betriebsorganisation: Ausgewählte Methoden des Arbeitsstudiums, 2 Aufl., 6–10 Tsd, Hanser, München (1994)
Fricke, W.: Arbeits- und Zeitwirtschaft verstehen: Von der Zeitstudie bis zur Abtaktung, 1 Auflage. Books on Demand, Norderstedt (2016)
Deuse, J., Busch, F.: Zeitwirtschaft in der Montage. In: Lotter, B., Wiendahl, H.-P. (eds.) Montage in der industriellen Produktion: Ein Handbuch für die Praxis, 2nd edn, pp. 79–107. Springer, Heidelberg (2012)
Freitas, A.A., Lavington, S.H.: Mining Very Large Databases with Parallel Processing. Springer, Boston (2000)
Bronstein, M.M., Bruna, J., LeCun, Y., Szlam, A., Vandergheynst, P.: Geometric deep learning: going beyond euclidean data. IEEE Signal Process. Mag. 34(4), 18–42 (2017)
Fey, M., Lenssen, J.E., Weichert, F., Müller, H.: SplineCNN: fast geometric deep learning with continuous b-spline kernels. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 869–877 (2018)
Gilmer, J., Schoenholz, S.S., Riley, P.F., Vinyals, O., Dahl, G.E.: Neural Message Passing for Quantum Chemistry, 2017, http://arxiv.org/pdf/1704.01212v2
Heetmann, M., Portoff, T., Elei, T., Deuse, J., Stankiewicz, L., Kuhlenkötter, B., et al.: Individualisierte sozio-technische Arbeitsassistenz für die Produktion (INDIVA): Schlussbericht (2016)
Moeslund, T.B., Hilton, A., Krüger, V.: A survey of advances in vision-based human motion capture and analysis. Comput. Vis. Image Underst. 104(2–3), 90–126 (2006)
Alfred, R., Lim, Y., Ibrahim, A.A.A., Anthony, P. (eds.): Computational Science and Technology: 5th ICCST 2018, Kota Kinabalu, Malaysia, 29-30 August 2018. Springer, Singapore (2019)
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Nature Switzerland AG
About this paper
Cite this paper
Deuse, J., Stankiewicz, L., Zwinkau, R., Weichert, F. (2020). Automatic Generation of Methods-Time Measurement Analyses for Assembly Tasks from Motion Capture Data Using Convolutional Neuronal Networks - A Proof of Concept. In: Nunes, I. (eds) Advances in Human Factors and Systems Interaction. AHFE 2019. Advances in Intelligent Systems and Computing, vol 959. Springer, Cham. https://doi.org/10.1007/978-3-030-20040-4_13
Download citation
DOI: https://doi.org/10.1007/978-3-030-20040-4_13
Published:
Publisher Name: Springer, Cham
Print ISBN: 978-3-030-20039-8
Online ISBN: 978-3-030-20040-4
eBook Packages: EngineeringEngineering (R0)