Ερευνητές έχουν αναπτύξει ένα σύστημα για την παρακολούθηση επικίνδυνων συμπεριφορών σε εργοστάσια

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

Υπήρξαν περίπου 350.000 περιπτώσεις εργατών που έλαβαν άδεια λόγω τραυματισμών σε μύες, νεύρα, συνδέσμους ή τένοντες, σύμφωνα με το Γραφείο Στατιστικής Εργασίας των ΗΠΑ. Οι εργάτες 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 καταπόνηση στο σώμα. Οι ερευνητές αναζήτησαν έναν τρόπο για να ανιχνεύσουν αυτές τις συμπεριφορές, ώστε οι εργάτες να possono να είναι πιο συνειδητοί.

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

Ο Ashis Banerjee, αναπληρωτής καθηγητής στο τμήμα βιομηχανικής και συστημικής μηχανικής και στο τμήμα μηχανολογικής μηχανικής του UW, είναι ένας από τους senior συγγραφείς.

“Σήμερα, οι εργάτες possono 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 αυτό τους ωφελεί trực tiếp. Τώρα, abbiamo κάνει όλη αυτή τη διαδικασία πλήρως αυτοματοποιημένη. Ο στόχος μας είναι να την τοποθετήσουμε σε μια εφαρμογή για κινητά, ώστε οι εργάτες να possono να παρακολουθούν τους εαυτούς τους και να λαμβάνουν άμεση ανατροφοδότηση.”

Οι τρέχουσες αυτοαξιολογήσεις βασίζονται σε στιγμιότυπα εργασιών που εκτελούνται. Η θέση κάθε αρθρώματος βαθμολογείται, και όλα αυτά προστίθενται για να καθορίσουν ένα σκορ κινδύνου. Αυτός ο νέος αλγόριθμος θα κάνει όλη αυτή τη διαδικασία πολύ πιο απλή, καθώς είναι σε θέση να βαθμολογεί μια ολόκληρη ενέργεια αντί για μια στιγμή.

Η ομάδα ε-tested τον αλγόριθμο χρησιμοποιώντας ένα σύνολο δεδομένων με 20 βίντεο τριών λεπτών, όπου άνθρωποι εκτελούσαν 17 δραστηριότητες. Αυτές οι δραστηριότητες είναι κοινοί στην αποθήκες και τα εργοστάσια.

“Μια από τις εργασίες που είχαμε τους ανθρώπους να κάνουν ήταν να πάρουν ένα κουτί από ένα ράφι και να το τοποθετήσουν σε ένα τραπέζι,” είπε ο Behnoosh Parsa, φοιτητής διδακτορικού στο τμήμα μηχανολογικής μηχανικής του UW. “Θέλαμε να καταγράψουμε διάφορες σενάρια, οπότε μερικές φορές έπρεπε να τεντώσουν τα χέρια τους, να στρέψουν τα σώματά τους ή να κάμψουν για να πάρουν κάτι.”

Οι ερευνητές использовали μια κάμερα Microsoft (MSFT ) Kinect για να καταγράψουν το σύνολο δεδομένων, και ηχογραφήθηκαν βίντεο 3D. Έπειτα, καθόρισαν τι συνέβαινε στα αρθρώματα του ανθρώπου κατά τη διάρκεια των εργασιών.

Ο αλγόριθμος ήταν σε θέση να καθορίσει σκορ κινδύνου για κάθε кадρό βίντεο. Τελικά, ήταν σε θέση να πει όταν μια εργασία ξεκινούσε και τελείωνε, ώστε να μπορούσε να δώσει ένα σκορ κινδύνου για ολόκληρη την ενέργεια.

Ο επόμενος βήμα της ομάδας είναι η ανάπτυξη μιας εφαρμογής που οι εργάτες και οι επόπτες των εργοστασίων possono να χρησιμοποιήσουν. Θέλουν να είναι σε θέση να ανιχνεύει και να προειδοποιεί για μετρίως επικίνδυνες ενέργειες και υψηλού κινδύνου ενέργειες.

Μακροπρόθεσμα, ελπίζουν ότι τα ρομπότ θα possono να χρησιμοποιηθούν σε αυτά τα εργοστάσια και να χρησιμοποιήσουν τον αλγόριθμο για να βοηθήσουν τους εργάτες να παραμείνουν ασφαλείς.

“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 εργασίες,” είπε ο Banerjee. “Τα ρομπότ και οι άνθρωποι possono να έχουν μια ενεργό συνεργασία, όπου ένα ρομπότ μπορεί να πει, ‘Βλέπω ότι πήρες αυτά τα βαρέα αντικείμενα από την κορυφή του ραφιού και νομίζω ότι το κάνεις πολλές φορές. Ας σας βοηθήσω.'”

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