Ερευνητές Έχουν Αναπτύξει Ένα Σύστημα για την Παρακολούθηση Επικίνδυνων Συμπεριφορών σε Εργοστάσια

Ερευνητές στο Πανεπιστήμιο του Ουάσινγκτον έχουν αναπτύξει ένα νέο σύστημα ικανό να παρακολουθεί τους εργαζόμενους σε εργοστάσια και αποθήκες και να τους προειδοποιεί για επικίνδυνες συμπεριφορές σε πραγματικό χρόνο. Το νέο σύστημα βασίζεται στη μηχανική μάθηση για να το επιτύχει αυτό.  

Υπήρξαν περίπου 350.000 περιπτώσεις εργαζομένων που έπαιρναν άδεια λόγω τραυματισμών σε μύες, νεύρα, συνδέσμους ή τένοντες, σύμφωνα με το Γραφείο Στατιστικής Εργασίας των ΗΠΑ. Οι εργαζόμενοι με τον μεγαλύτερο αριθμό περιπτώσεων ήταν εκείνοι που εργάζονταν σε εργοστάσια και αποθήκες. 

Αυτές οι περιπτώσεις είναι συνήθως μυοσκελετικές διαταραχές που συμβαίνουν όταν οι άνθρωποι εκτελούν bestimmμένες εργασίες που προκαλούν πίεση στο σώμα. Αυτοί οι ερευνητές αναζήτησαν έναν τρόπο για να ανιχνεύσουν αυτές τις συμπεριφορές, ώστε οι εργαζόμενοι να μπορούν να είναι πιο ενήμεροι. 

Ο αλγόριθμος του νέου συστήματος διαιρεί bestimmμένες εργασίες, όπως η ανύψωση κουτιών από ψηλά ράφια και η μεταφορά αντικειμένων, σε μεμονωμένες ενέργειες. Ένας δείκτης κινδύνου υπολογίζεται τότε για κάθε μια. 

Η Ashis Banerjee, αναπληρώτρια καθηγήτρια και στο τμήμα βιομηχανικής και συστημικής μηχανικής και στο τμήμα μηχανολογικής μηχανικής στο UW, είναι ένας από τους senior authors. 

“Τώρα οι εργαζόμενοι μπορούν να κάνουν μια αυτοαξιολόγηση όπου συμπληρώνουν τις καθημερινές τους εργασίες σε ένα πίνακα για να εκτιμήσουν πόσο επικίνδυνες είναι οι δραστηριότητές τους”, είπε. “Αλλά αυτό είναι χρονοβόρο, και είναι δύσκολο για τους ανθρώπους να δουν πώς το όφελος τους είναι άμεσο. Τώρα έχουμε κάνει όλη αυτή τη διαδικασία πλήρως αυτοματοποιημένη. Ο στόχος μας είναι να το τοποθετήσουμε σε μια εφαρμογή για κινητά τηλέφωνα, ώστε οι εργαζόμενοι να μπορούν να παρακολουθούν τους εαυτούς τους και να λαμβάνουν άμεση ανάδραση.” 

Οι τρέχουσες αυτοαξιολογήσεις βασίζονται σε στιγμιότυπα εργασιών που εκτελούνται. Η θέση κάθε αρθρώσεως βαθμολογείται, και όλα προστίθενται για να καθορίσουν einen δείκτη κινδύνου. Αυτός ο νέος αλγόριθμος θα το κάνει πολύ πιο απλό, поскольку είναι σε θέση να βαθμολογεί μια ολόκληρη ενέργεια αντί. 

Η ομάδα έ-tested τον αλγόριθμο χρησιμοποιώντας ένα dataset με 20 βίντεο τριών λεπτών ανθρώπων που εκτελούσαν 17 δραστηριότητες. Αυτές οι δραστηριότητες είναι κοινοί μεταξύ αποθηκών και εργοστασίων. 

“Μια από τις εργασίες που είχαμε τους ανθρώπους να κάνουν ήταν να πάρουν ένα κουτί από ένα ράφι και να το τοποθετήσουν σε einen πίνακα”, είπε ο πρώτος συγγραφέας Behnoosh Parsa, ένας διδάκτορας μηχανολογικής μηχανικής στο UW. “Θέλαμε να καταγράψουμε διαφορετικές σενάρια, ώστε μερικές φορές να πρέπει να εκτείνουν τα χέρια τους, να στρίψουν τα σώματά τους ή να κάμψουν για να πάρουν κάτι.” 

Οι ερευνητές τότε использовали μια κάμερα Microsoft Kinect για να καταγράψουν το dataset, και βίντεο 3D ηχογραφήθηκαν. Στη συνέχεια καθόρισαν τι συνέβαινε στα γόνατα του ανθρώπου κατά τη διάρκεια των εργασιών. 

Ο αλγόριθμος ήταν αρχικά σε θέση να καθορίσει δείκτες κινδύνου για κάθε καρέ βίντεο. Τελικά, ήταν σε θέση να πει όταν μια εργασία ξεκίνησε και ολοκληρώθηκε, ώστε να μπορούσε να δώσει einen δείκτη κινδύνου για όλη την ενέργεια. 

Το επόμενο βήμα της ομάδας είναι η ανάπτυξη μιας εφαρμογής που οι εργαζόμενοι και οι εποπτές σε εργοστάσια και αποθήκες μπορούν να χρησιμοποιήσουν. Θέλουν να είναι σε θέση να ανιχνεύουν και να προειδοποιούν για μετρίως επικίνδυνες ενέργειες και υψηλού κινδύνου ενέργειες. 

Σε μακροπρόθεσμο, ελπίζουν ότι τα ρομπότ θα μπορέσουν να χρησιμοποιηθούν σε αυτά τα εργοστάσια και να χρησιμοποιήσουν τον αλγόριθμο για να βοηθήσουν στην ασφάλεια των εργαζομένων. 

“Τα εργοστάσια και οι αποθήκες έχουν χρησιμοποιήσει αυτοματοποίηση για αρκετές δεκαετίες. Τώρα που οι άνθρωποι αρχίζουν να εργάζονται σε περιβάλλοντα όπου χρησιμοποιούνται ρομπότ, έχουμε μια μοναδική ευκαιρία να μοιράσουμε το έργο ώστε τα ρομπότ να κάνουν τις επικίνδυνες δουλειές”, είπε η Banerjee. “Ρομπότ και άνθρωποι θα μπορούσαν να έχουν μια ενεργό συνεργασία, όπου ένα ρομπότ μπορεί να πει, ‘Βλέπω ότι παίρνεις αυτά τα βαρέα αντικείμενα από το πάνω ράφι και νομίζω ότι μπορείς να το κάνεις πολλές φορές. Ας σε βοηθήσω.'” 

Η έρευνα δημοσιεύθηκε στο IEEE Robotics and Automation Letters στις 26 Ιουνίου και θα παρουσιαστεί στη Διεθνή Συνέδριο IEEE για την Αυτοματοποίηση Επιστήμης και Μηχανικής στο Βανκούβερ, Βρετανική Κολομβία στις 23 Αυγούστου.