Human-centric multi-objective optimisation of operator safety and productivity

Stellen Sie sich vor, Sie sind der Kapitän eines Hochgeschwindigkeits-Rennwagens. Ihr Ziel ist es, so schnell wie möglich zu fahren, um das Rennen zu gewinnen, aber es gibt einen Haken: Je schneller Sie fahren, desto mehr hämmert Ihr Herz, desto mehr zittern Ihre Hände und desto größer wird das Gefühl der Panik vor einem möglichen Crash. In der Welt der Fertigung, speziell beim Schneiden von Metall mit riesigen rotierenden Werkzeugen, stehen Fabrikarbeiter vor einem ähnlichen Dilemma. Sie wollen produktiv sein – so viel Metall wie möglich und so schnell wie möglich abtragen – aber sie müssen auch sicher und ruhig bleiben. Wenn die Maschine zu sehr vibriert oder zu laut wird, steigt die Herzfrequenz des Arbeiters und sein Sicherheitsgefühl sinkt. Dabei geht es nicht nur darum, sich gut zu fühlen; ein gestresster Bediener ist ein müder Bediener, und ein müder Bediener macht Fehler. Deshalb versuchen Wissenschaftler, ein kniffliges Rätsel zu lösen: Wie stimmen wir die Maschine so ab, dass sie schnell läuft, ohne dass sich der menschliche Fahrer fühlt, als würde er gleich ohnmächtig werden?

Dies ist die Geschichte einer neuen Studie, die versucht hat, dieses Rätsel mithilfe einer speziellen Art von „digitalem Gehirn“, der künstlichen Intelligenz, zu lösen. Die Forscher haben nicht einfach geraten; sie bauten ein Computermodell, das wie ein superintelligenter Coach fungiert. Dieser Coach beobachtet drei Dinge gleichzeitig: wie schnell das Metall abgetragen wird (Produktivität), wie schnell das Herz des Arbeiters schlägt (physiologischer Stress) und wie viel Angst der Arbeiter empfindet (subjektive Sicherheit). Das Ziel war es, den perfekten „Sweet Spot“ zu finden, an dem die Maschine hart arbeitet, der Mensch aber dennoch ruhig und zuversichtlich bleibt. Um dies zu erreichen, testeten sie drei verschiedene Arten von KI-Coaches, die jeweils eine eigene „Persönlichkeit“ besaßen, um zu sehen, welcher die beste Balance findet.

Das Experiment: Ein Tanz aus Metall und Geist

Die Forscher richteten einen realen Test in einer Werkstatt ein. Sie hatten 11 Freiwillige, die alle geschult waren, eine Fräsmaschine zu bedienen, und ließen sie jeweils 27 verschiedene Schneidaufgaben durchführen. Das sind insgesamt 297 Aufgaben! Für jede Aufgabe änderten sie drei Hauptparameter: wie schnell das Werkzeug rotiert, wie tief es in das Metall schneidet und wie schnell es sich vorwärts bewegt. Während die Arbeiter ihre Aufgabe ausführten, beobachteten die Forscher sie genau. Sie befestigten Smartwatches an den Handgelenken der Arbeiter, um deren Herzfrequenz zu verfolgen, platzierten Mikrofone, um auf den Lärm zu hören, und brachten Vibrationssensoren an der Maschine an, um deren Erschütterungen zu fühlen. Im Anschluss füllten die Arbeiter eine Umfrage aus, in der sie bewerteten, wie gefährlich, nervös oder unangenehm sie sich fühlten.

Das Team nutzte dann ein leistungsstarkes statistisches Werkzeug namens „Robuste Lineare Modellierung“, um all diese unordentlichen Daten in klare Regeln zu verwandeln. Man kann sich das wie einen Detektiv vorstellen, der die Punkte verbindet: Sie fanden exakt heraus, wie stark die Herzfrequenz ansteigt, wenn die Vorschubgeschwindigkeit zunimmt, oder wie sich das Vibrationsniveau verändert, wenn der Schnitt tiefer wird. Sie entdeckten, dass die Herzfrequenz des Arbeiters der wichtigste Hinweis darauf war, wie sicher er sich fühlte. Wenn das Herz raste, fühlte sich der Arbeiter unsicher. Interessanterweise fanden sie heraus, dass die Geschwindigkeit des Werkzeugs die Maschine zwar lauter machte, aber vor allem die Tiefe des Schnitts und die Vorschubgeschwindigkeit (wie schnell das Werkzeug vorwärts bewegt wurde) den Körper des Arbeiters belasteten.

Das KI-Duell: Drei Coaches, ein Ziel

Nachdem sie die Regeln ermittelt hatten, ließen die Forscher drei verschiedene KI-Algorithmen versuchen, die perfekten Maschineneinstellungen zu finden. Stellen Sie sich diese drei Algorithmen wie drei verschiedene Arten von Trainern vor, die versuchen, ein Rennauto abzustimmen:

1. Der Genetische Algorithmus (GA): Dieser Coach ist wie ein Experte für natürliche Selektion. Er mischt und kombiniert verschiedene Einstellungen, behält die besten bei und wirft die schlechten weg, wodurch sich eine perfekte Lösung langsam entwickelt.
2. Das Künstliche Immunsystem (AIS): Dieser Coach ist vom menschlichen Immunsystem inspiriert. Er erstellt viele Kopien guter Lösungen und passt sie leicht an, ähnlich wie weiße Blutkörperchen, die ein Virus jagen, um den sichersten und effektivsten Weg zu finden.
3. Die Ameisenkolonie-Optimierung (ACO): Dieser Coach agiert wie ein Schwarm Ameisen. Die Ameisen hinterlassen „Duftspuren“ (digitale Signale) auf guten Pfaden. Wenn ein Pfad zu einem großartigen Ergebnis führt, folgen mehr Ameisen diesem Pfad und verstärken die Spur.

Die Ergebnisse: Wer gewann das Rennen?

Als sich der Staub gelegt hatte, zeigten die drei Coaches sehr unterschiedliche Strategien und Ergebnisse.

Der AIS-Coach (Der ausgewogene Gewinner):
Das Künstliche Immunsystem erwies sich als der ausgewogenste Performer. Es schaffte es, die Herzfrequenz der Arbeiter mit nur 78 Schlägen pro Minute (bpm) am niedrigsten zu halten. Gleichzeitig hielt es die Produktivität hoch, indem es etwa 460 mm³ Metall pro Minute abtrug. Es fand einen Weg, auf dem sich die Arbeiter sicher fühlten (mit einem Risiko-Score von 1,01), ohne die Maschine zu sehr auszubremsen. Die Studie legt nahe, dass dies der „vernünftigste“ Ansatz ist, der das Wohlergehen des Menschen mit dem Output der Fabrik in Einklang bringt.

Der GA-Coach (Der Sicherheits-Zuerst-Ansatz):
Der Genetische Algorithmus war etwas vorsichtiger. Er priorisierte die Sicherheit der Arbeiter über alles andere. Er erreichte eine sehr niedrige Herzfrequenz von 80 bpm und den niedrigsten wahrgenommenen Risiko-Score von 1,10. Um die Dinge jedoch so sicher zu gestalten, musste er eine etwas geringere Produktivitätsrate von 399,85 mm³/min in Kauf nehmen. Es ist wie ein Fahrer, der sich weigert, auch nur ein kleines bisschen schneller zu fahren, um sicherzustellen, dass er niemals nervös wird.

Der ACO-Coach (Der Geschwindigkeits-Dämon):
Die Ameisenkolonie-Optimierung war am aggressivsten. Sie erreichte die höchste Produktivität und trug stolze 470 mm³ Metall pro Minute ab. Aber es gab einen Haken: Die Herzfrequenz der Arbeiter war höher, nämlich bei 82 bpm, und auch das wahrgenommene Risiko war höher. Die Studie ergab, dass dieser Algorithmus etwas instabil war; in einigen Tests schlug er sogar unmögliche Einstellungen vor (wie einen negativen Materialabtrag), was zeigte, dass er für sicherheitskritische Aufgaben nicht zuverlässig genug war.

Das große Fazit

Die Studie fand nicht einfach nur einen „magischen Knopf“, um alles zu lösen. Stattdessen zeigte sie, dass es keine einzige perfekte Einstellung gibt, die immer alle zufriedenstellt. Man muss einen Kompromiss wählen. Wenn man das absolut sicherste und komfortabelste Erlebnis für den Arbeiter will, wählt man die GA-Einstellungen. Wenn man die beste Balance zwischen Sicherheit und Geschwindigkeit sucht, ist der AIS-Ansatz der Gewinner. Wenn man einfach nur so schnell wie möglich sein will und es nicht so schlimm findet, wenn die Arbeiter etwas gestresster sind, kann ACO einen ans Ziel bringen, aber es ist riskant.

Die Forscher fanden auch etwas Überraschendes über die Maschine selbst heraus. Sie entdeckten, dass die Vorschubgeschwindigkeit (wie schnell das Werkzeug sich bewegt) das Hauptmerkzeug war, das die Arbeiter stresste, während eine Erhöhung der Schnitttiefe in ihren spezifischen Tests tatsächlich dazu beitrug, die physiologische Belastung zu senken. Dies ist etwas kontraintuitiv, vergleichbar mit der Erkenntnis, dass es weniger ermüdend sein kann, große Schritte zu machen, als viele kleine, schnelle Schritte zu tun.

Letztlich beweist diese Arbeit, dass wir intelligente Computermodelle nutzen können, um Fabriken zu entwerfen, die sich um die Menschen kümmern, die in ihnen arbeiten. Durch den Einsatz dieser KI-Coaches können Fabrikmanager ihre Maschinen nicht nur so abstimmen, dass sie möglichst viel Geld verdienen, sondern auch, um den Herzen ihrer Arbeiter in einem angenehmen Rhythmus schlagen zu lassen und ihren Geist sicher zu halten. Es ist ein Schritt in Richtung einer Zukunft, in der „Smart Manufacturing“ wirklich bedeutet: „Smart für Menschen, auch“.