Zusammenfassung
Der Mensch wird auch zukünftig eine wichtige Rolle in der industriellen Wertschöpfung spielen. Gleichwohl wird der Autonomisierungsgrad zunehmen, sowohl in der Produktion und Logistik als auch in Backoffice-Funktionen. Manuelle Arbeitsprozesse sind jedoch äußerst schwierig zu analysieren. Dieser Beitrag untersucht die Möglichkeit solche Prozesse automatisiert und anonym mittels Sensoren und künstlicher Intelligenz zu erfassen und zu analysieren. Ziel dieser Analysen ist es, sowohl die Effizienz als auch die Ergonomie ganzheitlich zu betrachten und zu optimieren.
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
Similar content being viewed by others
Notes
- 1.
Teile dieses Praxisbeispiels wurden in ähnlicher Form auch in „Warehouse IT – Wege in das digitalisierte Lager“ veröffentlicht (Harris 2020).
Literatur
baua – Bundesanstalt für Arbeitschutz und Arbeitsmedizin. (2017). Volkswirtschaftliche Kosten durch Arbeitsunfähigkeit 2015. https://www.baua.de/DE/Themen/Arbeitswelt-und-Arbeitsschutz-im-Wandel/Arbeitsweltberichterstattung/Kosten-der-AU/pdf/Kosten-2015.pdf?__blob=publicationFile&v=2. Zugegriffen am 06.01.2020.
Blum, K. (2002). Pflegefremde/Patientenferne Tätigkeiten im Pflegedienst der Krankenhäuser. Studie zur Ermittlung des zeitlichen Aufwandes. Hrsg: Deutsches Krankenhaus Institut.
Destatis – Statistisches Bundesamt. (2019a). 14. koordinierte Bevölkerungsberechnungsvorausberechnung für Deutschland. https://service.destatis.de/bevoelkerungspyramide/. Zugegriffen am 06.01.2020.
Destatis – Statistisches Bundesamt. (2019b). Bevölkerung im Erwerbsalter sinkt bis 2035 voraussichtlich um 4 bis 6 Millionen. Pressemitteilung Nr. 242 vom 27. Juni 2019. https://www.destatis.de/DE/Presse/Pressemitteilungen/2019/06/PD19_242_12411.html. Zugegriffen am 06.01.2020.
DGUV – Deutsche Gesetzliche Unfallversicherung. (2017). Muskel-Skelett-System. https://dguv.de/de/praevention/themen-a-z/muskel-skelett-system/index.jsp. Zugegriffen am 06.01.2020.
Fraunhofer-Institut für Materialfluss und Logistik IML. (2017). Effizient und ergonomisch dank „Motion-Mining“. https://www.iml.fraunhofer.de/de/presse_medien/pressemitteilungen/MotionMiners.html. Zugegriffen am 06.01.2020.
Harris, M. (2020). Motion-Mining®-Analyse manueller Arbeitsprozesse bei Blumenbecker. In K. Schmeltzpfenning, T. Fohrmann & D. Spee (Hrsg.), Wege in das digitalisierte Lager. München: HUSS-VERLAG GmbH.
Moya Rueda, F., Grzeszick, R., Fink, G. A., Feldhorst, S., & Ten Hompel, M. (2018). Convolutional neural networks for human activity recognition using body-worn sensors. Informatics, 5(2), 26.1–26.17.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Harris, M.A. (2020). Effizienz- und Ergonomieanalysen mittels Sensoren und künstlicher Intelligenz in Theorie und Praxis. In: Gärtner, C. (eds) Smart Human Resource Management. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-30267-2_12
Download citation
DOI: https://doi.org/10.1007/978-3-658-30267-2_12
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-30266-5
Online ISBN: 978-3-658-30267-2
eBook Packages: Business and Economics (German Language)