3 Erfassung von Ist-Zeiten
3.3 Datenaufnahme und -vorbereitung
3.3.3 Datenbereinigung
Die Nutzbarkeit der Daten zur Ermittlung von Ist-Zeiten hängt in starkem Maße von der Datenqualität ab. So kann es beispielsweise dazu kommen, dass Gegenstände die Sicht der Kinect auf den Mitarbeiter verdecken. Dann erfasst sie die Gelenkpunkte entweder nicht oder falsch. Zudem kann sie selbst bei unverdeckter Sicht die 3D-Daten nicht immer korrekt interpretieren. Ziel dieses Schrittes ist es daher, fehlerhaft erkannte Daten auszusortieren oder von Anfang an zu vermeiden und so korrekte Daten sicherzustellen.
Dabei werden an dieser Stelle nicht alle Möglichkeiten zur Optimierung der Datenqualität erläutert, sondern lediglich diejenigen, die relevant für die Anwendung der Methode sind und die der Anwender ohne hohen Zusatzaufwand realisieren kann. Dazu werden zunächst grundlegende Begriffe definiert (Abschnitt 3.3.3.1). Anschließend folgt die Vorstellung eines Ansatzes zur Identifizierung von Erfassungsfehlern (Abschnitt 3.3.2). Den Abschluss bilden mögliche Ansatzpunkte zur Optimierung der Qualität der Erfassung (Abschnitt 3.3.3.3).
Aufnahme a [-]
Zeitpunkt Ta[s]
Gelenkpunkte
Schultermitte (SS) Handgelenk, links (WL) TSSS,a xSS,a[m] ySS,a[m] zSS,a[m] TSWL,a xWL,a[m] yWL,a[m] zWL,a[m]
1 0,00 T -0,005 0,262 1,350 T -0,171 0,135 1,963
2 0,02 T -0,006 0,262 1,350 T -0,177 0,136 1,961
3 0,07 T -0,007 0,262 1,350 T -0,195 0,139 1,955
4 0,10 T -0,008 0,263 1,350 T -0,213 0,142 1,938
5 0,13 T -0,010 0,263 1,350 T -0,233 0,143 1,909
6 0,16 T -0,014 0,264 1,349 T -0,234 0,171 1,889
7 0,19 T -0,018 0,265 1,347 T -0,254 0,174 1,877
8 0,22 T -0,022 0,265 1,346 T -0,270 0,181 1,862
9 0,24 T -0,027 0,267 1,343 T -0,280 0,181 1,851
10 0,28 T -0,032 0,269 1,340 T -0,289 0,186 1,848
13450 Ta : Zeitpunkt von Aufnahme a [s]
TSGP,a : Tracking-Status von Gelenkpunkt GP [-]
xGP,a : x-Koordinate von Gelenkpunkt GP [m]
yGP,a : y-Koordinate von Gelenkpunkt GP [m]
zGP,a : z-Koordinate von Gelenkpunkt GP [m]
3.3.3.1 Kennzahlen der Erfassungsgüte
Je nach Anwendungszweck existieren unterschiedliche Anforderungen an Daten. Der Be-griff Datenqualität beschreibt, inwieweit diese Anforderungen erfüllt werden [vgl. Eppl06 , S. 17ff.; Naum07, S. 27]. Zentrale Anforderung an die Bewegungsdaten die korrekte Erfas-sung der für die Analysen notwendigen Gelenkpunkte (vgl. Tabelle 3-2).
Ein Gelenkpunkt ist dabei richtig erfasst, wenn seine ermittelten Koordinaten den realen Koordinaten des Gelenks entsprechen. Ist er nicht richtig erfasst, hat die Kinect ihn entweder gar nicht erfasst oder sie hat in falsch erfasst (vgl. Abschnitt 3.1.3).
Man kann somit die Datenqualität einer Beobachtung für einen Gelenkpunkt durch zwei Kennzahlen beschreiben. Zum einen durch die Erfassungsrate, die den Anteil der Aufnah-men beschreibt, bei denen der Gelenkpunkt erfasst wurde (vgl. Formel 3-8), und zum ande-ren durch die Erfassungsqualität, die den Anteil der richtig erfassten Aufnahmen an den er-fassten Aufnahmen beschreibt (vgl. Formel 3-9). Das Produkt dieser beiden Kennzahlen ergibt dann den Anteil der richtig erfassten Aufnahmen an allen Aufnahmen an.
𝐸𝑅𝐺𝑃=𝐴𝐴𝐸,𝐺𝑃
ERGP : Erfassungsrate von Gelenkpunkt GP [-]
EQGP : Erfassungsqualität von Gelenkpunkt GP [-]
AABeo : Anzahl Aufnahmen im Beobachtungszeitraum [-]
AAE,GP : Anzahl Aufnahmen mit erfasstem Gelenkpunkt GP [-]
AANE,GP : Anzahl Aufnahmen mit nicht erfasstem Gelenkpunkt GP [-]
AAKE,GP : Anzahl Aufnahmen mit korrekt erfasstem Gelenkpunkt GP [-]
AAFE,GP : Anzahl Aufnahmen mit falsch erfasstem Gelenkpunkt GP [-]
Für die Methodik ist es nicht relevant, alle Gelenkpunkte richtig zu erfassen. Sie benötigt nur die für die jeweilige Analyse notwendigen Punkte. Demnach kann man für jede Analyse ebenfalls die beiden Kennzahlen Erfassungsrate und Erfassungsqualität bestimmen (vgl.
Formeln 3-10 und 3-11). Eine Aufnahme kann dabei für eine Analyse verwendet werden, wenn jeder benötigte Gelenkpunkt richtig erfasst ist.
𝐸𝑅𝐴𝑛=𝐴𝐴𝐸,𝐴𝑛
ERAn : Erfassungsrate der erforderlichen Gelenkpunkte für Analyse An [-]
EQAn : Erfassungsqualität der erforderlichen Gelenkpunkte für Analyse An [-]
AABeo : Anzahl Aufnahmen im Beobachtungszeitraum [-]
AAE,An : Anzahl Aufnahmen mit erfassten erforderlichen Gelenkpunkten für Analyse An [-]
AANE,An : Anzahl Aufnahmen mit nicht erfassten erforderlichen Gelenkpunkten für Analyse An [-]
AAKE,An : Anzahl Aufnahmen mit korrekt erfassten erforderlichen Gelenkpunkten für Analyse An [-]
AA : Anzahl Aufnahmen mit falsch erfassten erforderlichen Gelenkpunkten für Analyse An [-]
Da verschiedene Einflüsse die Bewegungserfassung der Kinect stören können (vgl. Ab-schnitt 2.5.2), liegen beide Kennzahlen in der Regel unter eins. Eine niedrige Erfassungsrate schränkt die Aussagekraft des Ergebnisses ein, da nicht alle Bewegungen im Beobachtungs-zeitraum erfasst sind. Solange die Erfassungsqualität hoch ist, kann man die Daten dennoch für eine Analyse verwenden. Ist die Erfassungsqualität jedoch niedrig, kann die Methodik die Daten fehlinterpretieren. Dann erkennt sie beispielsweise Bewegungen, die im realen Ablauf nicht vorkommen.
Um solche Fehlinterpretationen zu vermeiden, können Algorithmen zur Fehleridentifizie-rung die fehlerhaften Aufnahmen oder Bereiche aussortieren (vgl. Abschnitt 3.3.3.2). Sie können es jedoch nicht gewährleisten, dass sie die fehlerhaften Daten vollständig markieren und dabei keine fehlerfreien Daten einschließen. Zur Bewertung dieser Abweichung zwi-schen fehlerhaft markierten und tatsächlich fehlerhaften Daten werden zwei Kennzahlen ver-wendet. Diese Kennzahlen treffen eine Aussage über die Eignung der Algorithmen zur Feh-leridentifizierung.
Die Identifikationsrate gibt an, welchen Anteil der tatsächlich fehlerhaften Aufnahmen der Algorithmus identifiziert hat (vgl. Formel 3-13). Die Identifikationsqualität gibt hingegen an, welcher Anteil der fehlerhaft markierten Aufnahmen tatsächlich fehlerhaft ist (vgl. For-mel 3-14).
IRGP : Identifikationsrate für Gelenkpunkt GP [-]
IQGP : Identifikationsqualität für Gelenkpunkt GP [-]
AAFE,GP : Anzahl Aufnahmen mit falsch erfasstem Gelenkpunkt GP [-]
AAFM,GP : Anzahl Aufnahmen mit fehlerhaft markiertem Gelenkpunkt GP [-]
AAKFM,GP : Anzahl Aufnahmen mit korrekt als fehlerhaft markiertem Gelenkpunkt GP [-]
Abbildung 3-12 zeigt an einem Beispiel, wie man die Identifikationsrate und die Identifika-tionsqualität für einen Fehleralgorithmus berechnen kann.
Aufnahmen mit fehlerhaft markierten Gelenkpunkten
13451 AAFE,GP : Anzahl Aufnahmen mit falsch erfasstem Gelenkpunkt GP [-]
AAFM,GP : Anzahl Aufnahmen mit fehlerhaft markiertem Gelenkpunkt GP [-]
AAKFM,GP : Anzahl Aufnahmen mit korrekt als fehlerhaft markiertem Gelenkpunkt GP [-]
IRGP : Identifikationsrate für Gelenkpunkt GP [-]
IQGP : Identifikationsqualität für Gelenkpunkt GP [-]
Aufnahme mit falsch
3.3.3.2 Identifizierung von Fehlern der erfassten Daten Tracking-Status der Kinect
Die Kinect gibt für jeden Gelenkpunkt neben den Koordinaten der Gelenkpunkte einen Tra-cking-Status aus (vgl. Abschnitt 3.3.1). Dieser kann drei Werte annehmen:
- Tracked – Die Kinect hat die Position des Gelenkpunktes erfasst und kennzeichnet die Daten als vertrauenswürdig.
- Inferred – Die Kinect hat die Position des Gelenkpunktes zwar bestimmt, die Ver-trauenswürdigkeit ist jedoch gering.
- Not Tracked – Die Kinect hat die Position des Gelenkpunktes nicht erfasst.
Die Methodik verwendet Aufgrund der geringen Vertrauenswürdigkeit keine Aufnahmen mit dem Tracking-Status „I“ und sortiert diese direkt aus. Nachdem so bereits Aufnahmen aus-sortiert werden, identifizieren spezielle Algorithmen verbleibende fehlerhafte Daten.
Algorithmen zur Identifizierung von fehlerhaften Daten
Nach Aussortierung der Daten mit dem Tracking-Status Inferred sind weiterhin fehlerhafte Daten vorhanden. Diese fehlerhaften Daten lassen sich in zwei verschiedene Fehlerarten einteilen [vgl. Lüer16, S. 14]:
- Wenn sich zwei Personen gleichzeitig im Aufnahmebereich der Kinect aufhalten, kann es dazu kommen, dass die Kinect zunächst eine Person erfasst und dann von einer Aufnahme zur nächsten auf die zweite Person wechselt. Dann zeichnet sie bis zu diesem Wechsel die Koordinaten der ersten Person auf und danach die der zweiten Person. Dieser Fehler verhindert die korrekte Erfassung aller Bewegungen eines Mit-arbeiters.
- Durch Sichtverdeckung oder Fehlinterpretation der 3D-Daten kann es dazu kommen, dass die Kinect die Koordinaten einzelner Körperteile falsch bestimmt. Dann ist es unmöglich, diese Körperteile in der Analyse auszuwerten.
Die Algorithmen zur Fehlererkennung haben das Ziel, diese Fehlerarten in den Daten zu erkennen und zu markieren. Beide Fehlerarten zeichnen sich dabei durch einen charakteris-tischen Verlauf der Geschwindigkeit bestimmter Gelenkpunkte aus. Die Algorithmen unter-suchen deshalb die Gelenkgeschwindigkeiten im Beobachtungszeitraum und identifizieren diese charakteristischen Verläufe [vgl. Lüer16, S. 20ff.]. Bei der ersten Fehlerart markieren die Algorithmen dann den kompletten Datensatz, während sie bei der zweiten Art nur die betroffenen Gelenkpunkte markieren. Der Methodenanwender kann anschließend die so markierten Daten manuell überprüfen oder löschen.
Ein Zeitbereich, indem die Erfassung von einer Person auf eine zweite Person wechselt, zeichnet sich beispielsweise durch eine stark erhöhte Geschwindigkeit der Schultergelenke aus. Analog weisen fehlerhaft erfasste Gelenkpunkte ebenfalls zeitweise erhöhte digkeitswerte auf. In beiden Fällen prüfen die Algorithmen die entsprechenden Geschwin-digkeitswerte [vgl. Lüer16, S. 20ff.].
Dies erfolgt beispielsweise, indem die Algorithmen das 75 %-Quartil der Werte einer lenkgeschwindigkeit bestimmen. Anschließend markieren sie alle Daten mit höheren Ge-schwindigkeiten als fehlerhaft. Die Höhe dieser Grenze hat entscheidenden Einfluss auf die Identifikationsrate und -qualität [vgl. Lüer16, S. 29ff.]. Eine hohe Grenze resultiert in einer niedrigen Identifikationsrate, aber dafür in einer hohen Identifikationsqualität. Wird eine ge-ringere Grenze gewählt, steigt zwar die Identifikationsrate, die Identifikationsqualität sinkt jedoch.
Um höhere Identifikationsraten zu erreichen, können die Algorithmen zudem an fehlerhafte Bereiche angrenzende Daten ebenfalls als fehlerhaft markieren. Damit steigt die Identifika-tionsrate noch weiter bei sinkender Identifikationsqualität [vgl. Lüer16, S. 29ff.].
Manuelle Bereinigung durch Software-Demonstrator
Auch nach der Anwendung eines Algorithmus können fehlerhafte Daten in der Aufnahme vorkommen. Deswegen ist der nächste Schritt die manuelle Aussortierung fehlerhafter Da-ten. Der Software-Demonstrator unterstützt den Anwender dabei auch an dieser Stelle.
Der Demonstrator (vgl. Abbildung 3-13) visualisiert zum einen die erfassten Daten im Ko-ordinatensystem. Daneben stellt er eine Videoansicht zur Überprüfung Erfassung bereit. Im Auswahlbereich kann der Auswender auswählen, ob die Kinect das entsprechende Körper-teil korrekt oder fehlerhaft erfasst hat. Die so als fehlerhaft markierten Daten werden dann nicht mehr im Koordinatensystem angezeigt.
Abbildung 3-13 Ansicht des Software-Demonstrators zur Datenbereinigung
Ergebnis der Fehleridentifizierung
Nach der Fehleridentifizierung sind die falsch erfassten Gelenkpunkte aussortiert. Zur Visu-alisierung des Ergebnisses eignet sich eine Draufsicht (vgl. Abbildung 3-14), bei der diese Aufnahmen hervorgehoben sind (grau: beibehalten, schwarz: aussortiert). Hierbei ist gut sichtlich, dass die ermittelten Fehler nicht zwangsläufig durch ihre Lage als Ausreißer er-kennbar sind.
13452
Auswahl korrekter/
fehlerhafter Daten Punkte im Koordinatensystem
(rechtes Handgelenk)
Kopf und Schultern fehlerhaft korrekt
Rumpf
Arm, rechts
Arm, links fehlerhaft korrekt fehlerhaft
korrekt
fehlerhaft korrekt
Videoansicht
Abbildung 3-14 Aussortierte Daten nach der Fehleridentifizierung
Damit kann man nun für jede Analyse die Erfassungsqualität bestimmen (vgl. Formel 3-11).
Zusammen mit der Erfassungsrate kann der Anwender dann bestimmen, welche Analyseva-riante mit den aufgenommenen Daten sinnvoll ist (vgl. Tabelle 3-4). Die Erfassungsrate be-schreibt den Anteil der Aufnahmen, bei dem die Kinect die für die Analyse erforderlichen Gelenkpunkte erfasst hat. Die Erfassungsqualität beschreibt den Anteil der davon fehler-freien Daten. Das Produkt dieser Werte ergibt den Anteil der nutzbaren Aufnahmen im Be-obachtungszeitraum.
Tabelle 3-4 Erfassungsrate und -qualität zur Auswahl einer Analyseart
Für eine zuverlässige Anwendung der Methode ist insbesondere eine hohe Erfassungsquali-tät vorteilhaft, da fehlerhafte Daten zu falschen Ergebnissen führen können. Bei der Anwen-dung hat sich gezeigt, dass sie bei mindestens 80 % liegen sollte.
Die Beobachtungszeit besteht aus verschiedenen Zeitanteilen, die Abschnitt 3.1.3 erläutert.
Nach der Datenbereinigung ist bekannt, welche Zeitanteile nicht oder falsch erfasste Abläufe beinhalten. Für die folgenden Ausführungen ist insbesondere der verbleibende Zeitanteil, also die kumulierte Zeitdauer korrekt erfasster Abläufe (ZKE,kum) relevant. Sie wird im Fol-genden als Erfassungszeit bezeichnet und bildet die Bezugszeit für die Analyse der Produk-tivität (Kapitel 5).
3.3.3.3 Möglichkeiten zur Erhöhung der Datenqualität
Anstatt die fehlerhaften Daten im Nachhinein auszusortieren, kann der Methodenanwender die Bedingungen bei der Aufnahme bereits so gestalten, dass die Erfassungsrate und -qualität möglichst hoch sind. Dieser Abschnitt erläutert verschiedene Möglichkeiten.
0,0 0,2 0,4
-0,6 -0,4 -0,2 0,0 0,2 0,4 0,6
13453
x-Koordinate [m]
y-Koordinate [m] beibehaltene Aufnahme
aussortierte Aufnahme
Analyse Erfassungsrate
ERAn
Erfassungsqualität EQAn
Anteil nutzbarer Aufnahmen ERAnx EQAn
einfache Analyse der Körperbewegungen 100 % 100 % 100 %
differenzierte Analyse der Körperbewegungen 75 % 75 % 56 %
einfache Analyse der Armbewegungen 95 % 99 % 94 %
differenzierte Analyse der Armbewegungen 90 % 95 % 86 %
13454
Sichtkontakt zwischen Kinect und Mitarbeiter
Ein wichtiger Faktor bei Verwendung der Kinect ist der Sichtkontakt zum Mitarbeiter. Ist er durch eigene Körperteile oder andere Objekte unterbrochen, kann die Kinect Gelenkpunkte nicht korrekt erfassen. Dementsprechend ist sie bei allen Analysen so zu positionieren, dass die relevanten Gelenkpunkte während des Arbeitslaufs nicht verdeckt sind.
Die Verdeckung durch eigene Körperteile tritt insbesondere bei der Analyse von Armbewe-gungen auf. Wenn der Mitarbeiter beispielsweise nicht zur Kinect gewandt ist, kann der Oberkörper die Arme verdecken. Bei der Analyse von Körperbewegungen können zwar auch einzelne Gelenkpunkte verdeckt sein, die relevanten Schulter- und Hüftgelenkpunkte sind in der Regel jedoch nicht durch andere Körperteile verdeckt.
Der Anwender sollte die Kinect daher so positionieren, dass sich die Arme stets im Aufnah-mebereich befinden. Die optimale Positionierung ist dabei frontal vor dem Mitarbeiter, so-dass dieser in Richtung der Kinect schaut. Im Vergleich zu einer Positionierung seitlich des Mitarbeiters kann man die Qualität so positiv beeinflussen [vgl. Nguy16, S. 35f.].
Weitere Einflussfaktoren auf die Erfassungsqualität der Kinect
Neben der Positionierung gibt es weitere Faktoren, die die Qualität der Erfassung beein-trächtigen können. Dazu gehört beispielsweise die Arbeitskleidung der zu beobachtenden Person. Da die Bewegungserfassung der Kinect über die Reflektion der Lichtwellen an der Versuchsperson funktioniert, können unterschiedlich stark reflektierende Kleidungsstücke das Ergebnis beeinflussen [vgl. Nguy16, S. 37f.].
Zudem ist es möglich, dass weitere Umweltbedingungen einen Einfluss haben. So kann die Kinect beispielsweise Lichtwellen im Infrarotbereich aus anderen Quellen ebenfalls aufneh-men. Der Methodenanwender sollte somit nach Möglichkeit solche Quellen aus dem Auf-nahmebereich entfernen.
Ergänzung durch andere Technologien zur Bewegungserfassung
Die entwickelte Methodik zur Bestimmung von Ist- und Plan-Zeiten sowie zur anschließen-den Analyse der Produktivität benötigt fehlerfreie Bewegungsdaten. Die Daten müssen je-doch nicht zwangsläufig ausschließlich mit der Kinect bestimmt werden. So ist es denkbar, dass eine zweite Technologie zur Bewegungserfassung die Kinect ergänzt. Ein Beispiel dafür wäre die detaillierte Positionserfassung der Handgelenke durch elektromagnetisches Tra-cking (vgl. Abschnitt 2.5.1).