Los investigadores han desarrollado un sistema para monitorear comportamientos riesgosos en fábricas

Los investigadores de la Universidad de Washington han desarrollado un nuevo sistema capaz de monitorear a los trabajadores de fábricas y almacenes y advertirles sobre comportamientos riesgosos en tiempo real. El nuevo sistema se basa en el aprendizaje automático para lograr esto.

Hubo alrededor de 350,000 incidentes de trabajadores que se tomaron tiempo libre debido a lesiones musculares, nerviosas, ligamentosas o tendinosas, según la Oficina de Estadísticas Laborales de EE. UU. Los trabajadores con el número más alto de incidentes fueron aquellos que trabajaban en fábricas y almacenes.

Estos incidentes son normalmente trastornos musculoesqueléticos que ocurren cuando las personas realizan ciertas tareas que causan estrés en el cuerpo. Estos investigadores buscaron una forma de detectar estos comportamientos para que los trabajadores puedan ser más conscientes.

El algoritmo del nuevo sistema divide ciertas tareas, como levantar cajas de estantes altos y llevar objetos, en acciones individuales. Luego, se calcula una puntuación de riesgo para cada una.

Ashis Banerjee, profesor asistente en los departamentos de ingeniería industrial y sistemas y ingeniería mecánica de la UW, es uno de los autores principales.

“Actualmente, los trabajadores pueden realizar una autoevaluación donde llenan sus tareas diarias en una tabla para estimar cuán riesgosas son sus actividades”, dijo. “Pero eso es tiempo consumido, y es difícil para las personas ver cómo les beneficia directamente. Ahora hemos automatizado todo este proceso. Nuestro plan es ponerlo en una aplicación de smartphone para que los trabajadores puedan incluso monitorearse a sí mismos y obtener retroalimentación inmediata”.

Las autoevaluaciones actuales se basan en instantáneas de tareas que se están realizando. La posición de cada articulación se puntúa, y todas se suman para determinar una puntuación de riesgo. Este nuevo algoritmo lo hará mucho más simple, ya que puede puntuar una acción completa en lugar de solo una instantánea.

El equipo probó el algoritmo utilizando un conjunto de datos con 20 videos de 3 minutos de personas realizando 17 actividades. Estas actividades son comunes en almacenes y fábricas.

“Una de las tareas que les pedimos a las personas que hicieran fue recoger una caja de un estante y colocarla en una mesa”, dijo el primer autor, Behnoosh Parsa, estudiante de doctorado en ingeniería mecánica de la UW. “Queríamos capturar diferentes escenarios, así que sometimes tenían que estirar sus brazos, girar sus cuerpos o doblarse para recoger algo”.

Los investigadores luego utilizaron una cámara Microsoft (MSFT ) Kinect para capturar el conjunto de datos, y se grabaron videos en 3D. Luego, determinaron qué estaba sucediendo con las articulaciones de la persona durante las tareas.

El algoritmo primero pudo determinar puntuaciones de riesgo para cada cuadro de video. Finalmente, pudo decir cuándo una tarea comenzó y terminó, para que pudiera dar una puntuación de riesgo para la acción completa.

El próximo paso del equipo es desarrollar una aplicación que los trabajadores de fábricas y supervisores puedan utilizar. Quieren que pueda detectar y advertir sobre acciones moderadamente riesgosas y de alto riesgo.

A largo plazo, esperan que los robots puedan ser utilizados en estas fábricas y utilicen el algoritmo para ayudar a mantener a los trabajadores seguros.

“Las fábricas y almacenes han utilizado la automatización durante varias décadas. Ahora que las personas están empezando a trabajar en entornos donde se utilizan robots, tenemos una oportunidad única de dividir el trabajo para que los robots realicen los trabajos riesgosos”, dijo Banerjee. “Los robots y los humanos podrían tener una colaboración activa, donde un robot pueda decir: ‘Veo que estás recogiendo estos objetos pesados de la estantería superior y creo que lo haces muchas veces. Déjame ayudarte'”.

La investigación se publicó en IEEE Robotics and Automation Letters el 26 de junio, y se presentará en la Conferencia Internacional de IEEE sobre Ciencia y Ingeniería de Automatización en Vancouver, Columbia Británica, el 23 de agosto.