Entwicklung eines robotergestützten Messsystems zur Äquivalenzanalyse von Oberflächenmaterialien mittels Sensorfusion

 

Zu wissen, wie die Kunden die Qualität eines Produkts wahrnehmen, bevor es auf dem Markt ist - das ist ein Traum jedes Unternehmens. So zeigt dieses Forschungsprojekt einen Ansatz zur Realisierung der Vorhersage der wahrgenommenen Qualität durch die Entwicklung eines robotergestützten multisensorischen Messsystems.

Heutige Produkte sind hoch entwickelt und in Bezug auf ihre technischen Eigenschaften und funktionalen Qualitätsaspekte nahezu austauschbar. Daher wird die wahrgenommene Qualität für Produktdesigner immer wichtiger. Es reicht nicht mehr aus, ein Produkt zu entwickeln, das den funktionalen Anforderungen des Kunden entspricht, ein Produkt muss gleichzeitig der sensorischen Wahrnehmung entsprechen. Die sensorische Gestaltung von Produkten spielt eine wichtige Rolle bei der Gesamtbewertung der Qualität durch den Kunden. Sensorisches Design berücksichtigt bisher visuelle, akustische und haptische Aspekte eines Produktes meist getrennt, jedoch ist die menschliche Wahrnehmung von Natur aus multisensorisch und multimodal, so dass die kombinierte Bewertung unvermeidlich ist.

Ziel dieses Forschungsvorhabens ist die Entwicklung eines robotergestützten, multisensorischen Messsystems zur Vorhersage der wahrgenommenen Qualität von Oberflächenmaterialien durch maschinelles Lernen.

Die Literatur bietet Ansätze, die meist auf Humanstudien basieren, um die subjektive Wahrnehmung des Kunden zu erfassen und daraus Designspezifikationen für den Produktentwicklungsprozess abzuleiten. Dieses Forschungsprojekt verfolgt neben den subjektiven Studien den Ansatz, die multisensorische Wahrnehmung durch alternative messtechnische Lösungen greifbar und objektiv zu machen. Das multisensorische Messsystem zur Oberflächenmaterialcharakterisierung fusioniert haptische, optische und akustische Sensoren entsprechend der menschlichen Reizverarbeitungskette. Anschließend werden die objektiven Messdaten über maschinelle Lernalgorithmen mit den subjektiven Daten verknüpft, um die wahrgenommene Qualität vorherzusagen. Dieser Ansatz kann im Produktentwicklungsprozess genutzt werden, um vorherzusagen, welche Materialien einen Mehrwert für den Kunden schaffen.