Tutkijat ovat kehittäneet järjestelmän, joka seuraa tehtaiden ja varastojen työntekijöiden vaarallista käyttäytymistä

Washingtonin yliopiston tutkijat ovat kehittäneet uuden järjestelmän, joka pystyy seuraamaan tehtaiden ja varastojen työntekijöiden toimintaa ja varoittamaan heitä vaarallisista käyttäytymisistä reaaliajassa. Uusi järjestelmä perustuu koneoppimiseen.

Työntekijöillä oli noin 350 000 tapausta, joissa heidän oli otettava vapaata lihas-, hermo-, side- tai jänneten vammojen vuoksi, Yhdysvaltain työtilastojen mukaan. Työntekijät, joilla oli eniten tapauksia, työskentelivät tehtailla ja varastoissa.

Nämä tapaukset ovat yleensä lihas- ja tuki- ja liikuntaelinten häiriöitä, jotka johtuvat tietynlaisista tehtävistä, jotka aiheuttavat rasitusta keholle. Tutkijat etsivät keinoa havaita nämä käyttäytymismallit, jotta työntekijät voivat olla tietoisia niistä.

Uuden järjestelmän algoritmi jakaa tiettyjä tehtäviä, kuten esimerkiksi laatikoiden nostamista korkeilta hyllyiltä ja esineiden kantamista, yksittäisiksi toimiksi. Kunkin toiminnan riskipisteet lasketaan sitten.

Ashis Banerjee, apulaisprofessori sekä teollisuus- ja järjestelmätekniikan että mekaniikan laitoksilla UW:ssa, on yksi seniorikirjoittajista.

“Tällä hetkellä työntekijät voivat tehdä itsearvioinnin, jossa he täyttävät päivittäiset tehtävät taulukkoon, jotta he voivat arvioida tehtäviensä riskitasoa”, hän sanoi. “Mutta se on aikaa vievää, ja on vaikea nähdä, miten se hyödyttää heitä suoraan. Nyt olemme automatisoineet koko prosessin. Suunnitelmanamme on laittaa se älypuhelimeen, jotta työntekijät voivat seurata itseään ja saada välittömästi palautetta.”

Nykyiset itsearvioinnit perustuvat tehtävien valokuvauksiin. Kunkin nivelen sijainti pisteytetään, ja ne lasketaan yhteen riskipisteyksen määrittämiseksi. Uusi algoritmi tekee tämän paljon yksinkertaisemmaksi, koska se pystyy pisteyttämään koko toiminnan.

Tutkijat testasivat algoritmia käyttämällä tietokantaa, jossa oli 20 kolmen minuutin videota, joissa ihmiset tekivät 17 eri tehtävää. Nämä tehtävät ovat yleisiä varastoissa ja tehtailla.

“Yksi tehtävistä, jonka pyysimme ihmisiä tekemään, oli nostaa laatikko hyllystä ja asettaa se pöydälle”, sanoi ensimmäinen kirjoittaja Behnoosh Parsa, UW:n mekaniikan tohtorikoulutettava. “Halusimme tallentaa eri skenaarioita, joten joskus heidän piti venyttää käsivarsiaan, kiertää kehoaan tai taivuttaa, jotta he voivat nostaa jotain.”

Tutkijat käyttivät Microsoft (MSFT ) Kinect -kameraa tietokannan tallentamiseen, ja 3D-videot tallennettiin. He määrittivät, mitä tapahtui henkilön niveliin tehtävien aikana.

Algoritmi pystyi aluksi määrittämään riskipisteet kunkin videokehyksen kohdalla. Lopulta se pystyi kertomaan, milloin tehtävä alkoi ja päättyi, jotta se voisi antaa riskipisteyksen koko toiminnalle.

Tutkijoiden seuraava askel on kehittää sovellus, jonka tehtaiden työntekijät ja valvojat voivat käyttää. He haluavat, että se pystyy havaitsemaan ja varoittamaan kohtuullisen riskin toimista ja korkean riskin toimista.

Pitkällä aikavälillä he toivovat, että roboteja voidaan käyttää näissä tehtaissa ja varastoissa ja hyödyntää algoritmia työntekijöiden turvallisuuden parantamiseksi.

“Tehtaat ja varastot ovat käyttäneet automaatiota useita vuosikymmeniä. Nyt kun ihmiset alkavat työskennellä ympäristössä, jossa roboteilla on käyttöä, meillä on ainutlaatuinen mahdollisuus jakaa työ niin, että robotit tekevät vaaralliset työt”, Banerjee sanoi. “Robotit ja ihmiset voivat tehdä yhteistyötä, jossa robotti voi sanoa: ‘Näen, että nostat näitä raskaita esineitä ylähyllystä ja luulen, että teet sitä usein. Anna minun auttaa sinua.'”

Tutkimus julkaistiin IEEE Robotics and Automation Letters -julkaisussa 26. kesäkuuta, ja se esitetään IEEE International Conference on Automation Science and Engineering -konferenssissa Vancouverissa, Brittiläisessä Kolumbiassa 23. elokuuta.