باحثون طوروا نظامًا لمراقبة السلوك الخطير في المصانع

طور باحثون في جامعة واشنطن نظامًا جديدًا قادرًا على مراقبة عمال المصانع والمستودعات وتنبيههم إلى السلوكيات الخطرة في الوقت الفعلي. يعتمد النظام الجديد على التعلم الآلي لتحقيق ذلك.

كان هناك حوالي 350،000 حادثة من عمال أخذوا إجازة بسبب إصابات في العضلات أو الأعصاب أو الأوتار أو الأنسجة الضامة، وفقًا لما ذكرته إدارة الاحصاءات Labor Statistics الأمريكية. وكان العمال الذين لديهم أكبر عدد من الحوادث هم الذين يعملون في المصانع والمستودعات.

تحدث هذه الحوادث عادة بسبب اضطرابات عضلية هيكلية تحدث عندما يقوم الأشخاص بمهام معينة تسبب ضغطًا على الجسم. لذلك بحث الباحثون عن طريقة لاكتشاف هذه السلوكيات حتى يتمكن العمال من أن يكونوا أكثر إدراكًا.

يقسم خوارزمية النظام الجديد المهام إلى أفعال فردية، مثل رفع الصناديق من الرفوف العالية ونقل الأجسام. ثم يتم حساب درجة مخاطر لكل منها.

أشيس بانيرجي، أستاذ مساعد في قسم الهندسة الصناعية والنظم و قسم الهندسة الميكانيكية في جامعة واشنطن، هو واحد من المؤلفين الرئيسيين.

“الآن يمكن للعمال أن يقوموا بتقدير ذاتي حيث يملأون جداولهم اليومية لتقدير مخاطر أنشطتهم،” قالت. “لكن هذا يستغرق وقتًا طويلاً، ومن الصعب على الناس أن يروا كيف يتم استخدامه بشكل مباشر لصالحهم. الآن قمنا بتحويل هذا العملية بالكامل إلى آلية. خطةنا هي وضعها في تطبيق هاتف محمول حتى يتمكن العمال من مراقبة أنفسهم والحصول على تعليقات فورية.”

تعتمد التقديرات الذاتية الحالية على لقطات للمهام التي يتم تنفيذها. يتم تسجيل موقع كل مفصل وضربه، ويتم إضافتهم جميعًا لتحديد درجة المخاطر. سوف يجعل هذا الخوارزمية الجديد الأمر أكثر بساطة لأنها قادرة على تسجيل الإجراء كله.

قامت الفريق بتحليل الخوارزمية باستخدام مجموعة بيانات تحتوي على 20 فيديو ثلاث دقائق لاشخاص يقومون ب 17 نشاطًا. هذه الأنشطة شائعة في المستودعات والمصانع.

“كان أحد المهام التي كنا نريدها من الأشخاص هو رفع صندوق من رف ووضعه على طاولة،” قال مؤلف أول، بهنوش بارسا، طالب دكتوراه في الهندسة الميكانيكية في جامعة واشنطن. “كنا نريد التقاط سيناريوهات مختلفة، لذلك في بعض الأحيان كان عليهم أن يمدوا أذرعهم أو يثنوا أجسادهم أو ينحنيوا لرفع شيء ما.”

استخدم الباحثون بعد ذلك كاميرا Microsoft (MSFT ) Kinect لالتقاط مجموعة البيانات، وسجلوا فيديوهات ثلاثية الأبعاد. ثم حددوا ما حدث لمفاصل الشخص أثناء المهام.

كان الخوارزمية قادرًا في البداية على تحديد درجات المخاطر لكل إطار فيديو. في النهاية، كان قادرًا على تحديد متى بدأت المهمة ومتى انتهت، بحيث يمكنه تقديم درجة مخاطر للعمل كله.

الخطوة التالية للفريق هي تطوير تطبيق يمكن لعمال المصانع والمشرفين استخدامه. يريدون أن يكون قادرًا على الكشف عن الإجراءات المخاطر بشكل معتدل والتعرف على الإجراءات المخاطر عالية.

في الأجل الطويل، يأملون أن يتمكنوا من استخدام الروبوتات في هذه المصانع وتحقيق الخوارزمية لمساعدة العمال على البقاء في أمان.

“لقد استخدمت المصانع والمستودعات الأتمتة لعدة عقود. الآن مع بدء الناس في العمل في بيئات تستخدم فيها الروبوتات، لدينا فرصة فريدة لتقسيم العمل بحيث تقوم الروبوتات بالمهام المخاطر,” قال بانيرجي. “يمكن للروبوتات والبشر أن يتعاونوا بشكل فعال، حيث يمكن للرو