In Fabrik- und Lagerhallen kommt es nicht nur auf optimale Arbeitsabläufe an. Nicht weniger wichtig ist die Frage, ob sich die dort arbeitenden Menschen richtig, also ergonomisch bewegen.
Um dies zu erkennen, hat das Dortmunder Startup MotionMiners ein Verfahren entwickelt, dass neben der vollautomatischen Analyse von manuellen Prozessen auch ungesunde Bewegungen von Mitarbeitern identifizieren kann.
Lesen oder zuschauen – Sie haben die Wahl: Schauen Sie sich das untenstehende, knapp 3-minütige Video an. Oder lesen Sie den Artikel darunter.
Dieses „Motion Mining“ nutzt eine Kombination aus Hardware wie zum Beispiel Sensoren und Software. Die Sensorik kann sowohl direkt am Mitarbeiter als auch in seiner Umgebung angebracht sein. Wie Sascha Feldhorst, Co-Founder MotionMiners erklärt, liefern die Sensoren umfangreiche Daten über Bewegungen und Körperhaltung der Mitarbeiter, aber auch deren Aufenthaltsort. Zudem werden auch Umgebungsbedingungen erfasst – beispielsweise Beleuchtungsstärke oder Temperaturen. Sascha Feldhorst: „All diese Daten sind am Ende für uns aufschlussreich, wenn es dann um die Prozessanalyse und somit um die Generierung von Informationen für die Prozessoptimierung geht.“
Motion Mining wertet Sensoren- und Beacon-Daten anonymisiert aus
Mithilfe von mobilen Sensoren und Beacons können die Aktivitäten gemessen und übertragen werden. Das Ganze findet anonymisiert statt – beim Motion Mining geht es allein um den Prozess an sich. Im nächsten Schritt analysieren Machine-Learning-Verfahren die gesammelten Rohdaten und übersetzen sie zurück in den eigentlichen Prozess. „Diesen Übersetzungsschritt machen wir mit Hilfe einer selbst entwickelten Mustererkennungslösung“, erklärt MotionMiners-Co-Founder Sascha Feldhorst. Genau dies sei der Kern der von dem Unternehmen entwickelten Lösung.
Klassischen Prozessanalyse-Techniken weit überlegen
Die Analyse und Quantifizierung der Prozessdaten soll dann dabei helfen, Schwachstellen aufzudecken, Kosten zu sparen und manuelle Aufwände zu reduzieren. „Bei der klassischen Prozessanalyse und im Prozess-Engineering steht man mit dem Klemmbrett neben einem hart arbeitenden Mitarbeiter, beobachtet ihn – und damit man sich während dieser Zeit nicht ganz so unwohl fühlt, dokumentiert man“ beschreibt Sascha Feldhorst das konventionelle Vorgehen. Man führe Strichlisten, male Spaghetti-Diagramme und seit selbst mit diesem sehr aufwendigen manuellen Prozess beschäftigt. Selbst mit Tablet- und App-Unterstützung koste dies einen halben Tag – und in dieser Zeit habe man zwei oder drei Mitarbeiter beobachtet.
Die mit Machine Learning automatisierte Prozessanalyse erlaube es hingegen, alle oder zumindest sehr viele Mitarbeiter über einen längeren Zeitraum zu betrachten, ohne selbst daneben zu stehen. Mit diese Innovation will das Start-up aus Dortmund nicht nur sein Geschäft ausbauen, sondern auch Arbeitsprozesse für die Mitarbeiter weniger anstrengend machen und gleichzeitig die Effizienz seiner Unternehmenskunden steigern.