Operatoren in manuele assemblage ervaren tegenwoordig een aanzienlijke cognitieve belasting door de diversiteit aan taken. Het personaliseren van cognitieve ondersteuning, gebaseerd op competenties, is waardevol, maar wordt nagenoeg niet toegepast in de industrie. Een gebrek aan inzicht in de competenties van operatoren vormt hierbij een obstakel. Vooral wanneer een taak lang niet dient uitgevoerd te worden, is een inschatting maken van het competentieniveau van de operator erg moeilijk. Dit onderzoek gebruikt de cyclustijd als indicator voor de competentie van een operator. Er werd een algoritme ontwikkeld op basis van bestaande leer- en vergeetmodellen. Deze modellen zijn typisch een wiskundige beschrijving van hoe de cyclustijd verloopt in de tijd, met behulp van parameters. In een eerste fase werd een algoritme ontwikkeld om deze parameters te bepalen aan de hand van historische en real-time tijdsregistraties. Een empirische studie toonde aan dat een gelijkaardige taak uitvoeren, het vergeeteffect vermindert. Om die reden werd de factor "taakgelijkenis" opgenomen in het algoritme. Op het einde van elke fase werden de aanpassingen geëvalueerd op basis van empirische data die zelf gecapteerd werd door het opzetten van experimenten in een labosetting. | |