Forscher haben ein System entwickelt, um riskantes Verhalten in Fabriken zu überwachen

Forscher an der University of Washington haben ein neues System entwickelt, das in der Lage ist, Fabrik- und Lagerarbeiter zu überwachen und sie in Echtzeit vor riskantem Verhalten zu warnen. Das neue System basiert auf maschinellem Lernen, um dies zu erreichen.

Laut dem U.S. Bureau of Labor Statistics gab es etwa 350.000 Fälle, in denen Arbeiter aufgrund von Muskel-, Nerven-, Band- oder Sehnenverletzungen Urlaub nehmen mussten. Die Arbeiter mit der höchsten Anzahl von Fällen waren diejenigen, die in Fabriken und Lagern arbeiteten.

Diese Fälle sind normalerweise muskuloskelettale Erkrankungen, die auftreten, wenn Menschen bestimmte Aufgaben ausführen, die eine Belastung für den Körper darstellen. Diese Forscher suchten nach einer Möglichkeit, dieses Verhalten zu erkennen, damit die Arbeiter sich dessen bewusster sein können.

Der Algorithmus des neuen Systems teilt bestimmte Aufgaben, wie das Heben von Kisten von hohen Regalen und das Tragen von Objekten, in einzelne Aktionen auf. Ein Risikowert wird dann für jede Aktion berechnet.

Ashis Banerjee, Assistant Professor in den Abteilungen für industrielle und Systemingenieurwesen sowie Maschinenbau an der UW, ist einer der Hauptautoren.

“Derzeit können Arbeiter eine Selbstbewertung durchführen, bei der sie ihre täglichen Aufgaben in einer Tabelle ausfüllen, um die Risiken ihrer Aktivitäten zu schätzen”, sagte sie. “Aber das ist zeitaufwändig und es fällt den Menschen schwer, zu sehen, wie es ihnen direkt nützt. Jetzt haben wir diesen gesamten Prozess vollautomatisiert. Unser Plan ist, es in eine Smartphone-App zu integrieren, damit die Arbeiter sich selbst überwachen und sofortige Rückmeldung erhalten können.”

Die aktuellen Selbstbewertungen basieren auf Momentaufnahmen von Aufgaben, die ausgeführt werden. Die Position jedes Gelenks wird bewertet und alle werden addiert, um einen Risikowert zu bestimmen. Dieser neue Algorithmus wird es viel einfacher machen, da er in der Lage ist, eine gesamte Aktion zu bewerten, anstatt nur einzelne Aktionen.

Das Team testete den Algorithmus, indem es eine Datenbank mit 20 drei-minütigen Videos von Menschen verwendet, die 17 Aktivitäten ausführten. Diese Aktivitäten sind in Lagerhäusern und Fabriken üblich.

“Eine der Aufgaben, die wir den Menschen gegeben haben, war, eine Kiste von einem Regal zu nehmen und sie auf einen Tisch zu legen”, sagte der erste Autor Behnoosh Parsa, ein Doktorand im Maschinenbau an der UW. “Wir wollten verschiedene Szenarien erfassen, daher mussten sie manchmal ihre Arme strecken, ihre Körper drehen oder sich bücken, um etwas aufzuheben.”

Die Forscher verwendeten dann eine Microsoft (MSFT ) Kinect-Kamera, um die Datenbank aufzunehmen, und 3D-Videos wurden aufgezeichnet. Sie bestimmten dann, was mit den Gelenken der Personen während der Aufgaben passierte.

Der Algorithmus konnte zunächst Risikowerte für jedes Video-Bild berechnen. Schließlich konnte er erkennen, wann eine Aufgabe begann und endete, so dass er einen Risikowert für die gesamte Aktion berechnen konnte.

Der nächste Schritt des Teams ist die Entwicklung einer App, die von Fabrikarbeitern und Vorgesetzten verwendet werden kann. Sie wollen, dass sie in der Lage ist, moderat riskante Aktionen und hochriskante Aktionen zu erkennen und zu warnen.

Langfristig hoffen sie, dass Roboter in diesen Fabriken eingesetzt werden können und den Algorithmus verwenden, um die Arbeiter sicher zu halten.

“Fabriken und Lagerhäuser haben seit Jahrzehnten Automation verwendet. Jetzt, da Menschen in Umgebungen arbeiten, in denen Roboter eingesetzt werden, haben wir eine einzigartige Gelegenheit, die Arbeit so aufzuteilen, dass die Roboter die riskanten Aufgaben übernehmen”, sagte Banerjee. “Roboter und Menschen könnten eine aktive Zusammenarbeit haben, bei der ein Roboter sagen kann: ‘Ich sehe, dass Sie diese schweren Objekte von der oberen Regalbodenebene nehmen und ich denke, Sie tun das oft. Lassen Sie mich Ihnen helfen.'”

Die Forschung wurde in IEEE Robotics and Automation Letters am 26. Juni veröffentlicht und wird auf der IEEE International Conference on Automation Science and Engineering in Vancouver, British Columbia, am 23. August präsentiert.