VR in onderhoud

Masterminds - VR & AR in onderhoud

Samen met partners als Actemium en Marel onderzoeken we de effectiviteit en efficiëntie van verschillende trainingsmethoden in VR en AR. Het effectief en efficiënt trainen van de volgende generatie werknemers in de maakindustrie is een steeds belangrijkere taak voor bedrijven. Er is een grote behoefte aan succesvolle trainingsmethoden, maar er is nog veel onbekend over welke trainingsmethoden het meest effectief zijn.

Veel (bedrijfs)trainingen vinden nog steeds plaats in klaslokalen waar medewerkers worden opgeleid zoals dat gebruikelijk is op middelbare scholen, vakscholen, hogescholen en universiteiten. Nieuwe technologieën, zoals virtual reality, bieden innovatieve nieuwe manieren om personeel te trainen. Er is echter nog veel onbekend over de effectiviteit van VR-training.

In dit project onderzoeken we de effectiviteit van virtual reality training in industriële techniek- en onderhoudstaken. Eerst evalueren we welke factoren de leerresultaten zouden kunnen beïnvloeden. Is de toepassingsmethode, de diversiteit van de training, het trainingsschema en de trainingsfrequentie of de betrokkenheid van de leerling belangrijk? Ten tweede, wat zijn de indicatoren van leren? Zijn er gedragingen, fysiologische of neurologische signalen die aangeven hoeveel iemand heeft geleerd? Deze vragen komen aan bod voor het opdoen van kennis, de overdracht van kennis naar nieuwe domeinen en het vasthouden van kennis na verloop van tijd voor ervaren medewerkers en studenten.

De eerste studie in het project evalueerde op welke manieren een immersieve VR training verschilt van een niet-immersieve passieve trainingsconditie voor het leren van studenten. De tweede studie breidde de eerste uit door te evalueren in welke mate training in deze omgeving het latere leren in een andere VR-omgeving verbeterde, zowel in termen van kennisverwerving als bewustzijn van en naleving van veiligheidsprotocollen. De laatste studies zijn in uitvoering en richten zich op welke fysiologische en neurologische signalen het leren in vergelijkbare trainingsscenario's voor beginnende studenten en ervaren technici voorspellen.