Selbstoptimierendes Haptikprüfsystem

Merkmale wahrgenommener Qualität (PQ), wie die Betätigungshaptik von Bedienelementen, beeinflussen die Produkt- und Markenwahrnehmung positiv und sind Wettbewerbsfaktor. Die Verbesserung der PQ erhöht die Komplexität der Geschäftsoptimierung aufgrund steigender Produktentwicklungskosten und Variantenvielfalt. Gegenstand der Dissertation ist ein Robotersystem zur Prüfung betätigungshaptischer Qualitätsmerkmale mit selbstoptimierenden Eigenschaften als Mittel zur Beherrschung dieser Komplexität. Methodisch wird die Design-Science-Research-Methodik nach HEVNER angewandt. Aus einer Analyse relevanter Umweltdomänen (haptische Qualitätsmerkmale, automatisierte Qualitätssicherung, kognitive und selbstoptimierende Systeme) werden die Objektbereiche der Arbeit (Machine Vision, Kraftsensorik, Selbstoptimierung, Robotik und Bewegungsplanung) sowie Lösungsanforderungen abgeleitet. Eine Analyse existierender Systeme zur Haptikprüfung zeigt, dass aktuell kein System die abgeleiteten Anforderungen vollumfänglich erfüllt. Zur Untersuchung der Forschungsfrage wird ein Prototyp eines selbstoptimierenden Haptikprüfsystems entwickelt. Das System wird mittels testbasierter Analysen der Kommunikationsarchitektur, der Mess- und Prüfabläufe, der Bildverarbeitungskette, der Bewegungsplanung sowie der Selbstoptimierung, validiert.Als Ergebnis liegt ein Robotersystem vor, das betätigungshaptische Qualitätsmerkmale prüfen und dabei selbstoptimierend vorgehen kann. Prüfobjekte und -merkmale werden unter Einsatz von Machine-Learning-Algorithmen identifiziert und klassifiziert. Das System misst Kraft-Weg-Verläufe von Betätigungselementen als Merkmale der Betätigungshaptik. Anhand von Vergleichen gemessener Merkmale wird deren wahrgenommener Gesamteindruck abgeschätzt. Das System ermittelt selbstständig interne Ziele (Prüfschärfe, Geschwindigkeit) für die Prüfung. Dies erfolgt anhand von Kostenfunktionen und statistisch geschätzter, zukünftiger Fehlerraten. Die so ermittelten internen Ziele werden