Les chercheurs ont développé un système pour surveiller les comportements à risque dans les usines

Les chercheurs de l’Université de Washington ont développé un nouveau système capable de surveiller les travailleurs d’usine et d’entrepôt et de les avertir de comportements à risque en temps réel. Le nouveau système repose sur l’apprentissage automatique pour accomplir cela.

Il y a eu environ 350 000 incidents de travailleurs prenant des congés en raison de blessures musculaires, nerveuses, ligamentaires ou tendineuses, selon le Bureau of Labor Statistics des États-Unis. Les travailleurs avec le plus grand nombre d’incidents étaient ceux qui travaillaient dans les usines et les entrepôts.

Ces incidents sont généralement des troubles musculosquelettiques qui se produisent lorsque les personnes effectuent certaines tâches qui entraînent une tension sur le corps. Ces chercheurs ont cherché un moyen de détecter ces comportements afin que les travailleurs puissent être plus conscients.

L’algorithme du nouveau système divise certaines tâches, telles que le levage de boîtes sur des étagères hautes et le transport d’objets, en actions individuelles. Un score de risque est ensuite calculé pour chacune.

Ashis Banerjee, professeur adjoint dans les départements de génie industriel et de génie mécanique de l’UW, est l’un des auteurs principaux.

“Actuellement, les travailleurs peuvent effectuer une auto-évaluation où ils remplissent leurs tâches quotidiennes sur un tableau pour estimer à quel point leurs activités sont risquées”, a-t-elle déclaré. “Mais cela prend du temps, et il est difficile pour les gens de voir comment cela les aide directement. Maintenant, nous avons rendu tout ce processus entièrement automatisé. Notre plan est de le mettre dans une application smartphone afin que les travailleurs puissent même se surveiller eux-mêmes et obtenir des commentaires immédiats.”

Les auto-évaluations actuelles reposent sur des instantanés de tâches effectuées. La position de chaque articulation est notée, et elles sont toutes additionnées pour déterminer un score de risque. Ce nouvel algorithme le rendra beaucoup plus simple, car il est capable de noter une action entière.

L’équipe a testé l’algorithme en utilisant un ensemble de données avec 20 vidéos de trois minutes de personnes effectuant 17 activités. Ces activités sont courantes dans les entrepôts et les usines.

“L’une des tâches que nous avons demandé aux gens de faire était de ramasser une boîte sur une étagère et de la placer sur une table”, a déclaré Behnoosh Parsa, étudiant en doctorat en génie mécanique de l’UW. “Nous voulions capturer différents scénarios, donc parfois ils devaient étirer leurs bras, tourner leur corps ou se pencher pour ramasser quelque chose.”

Les chercheurs ont ensuite utilisé une caméra Microsoft (MSFT ) Kinect pour capturer l’ensemble de données, et des vidéos 3D ont été enregistrées. Ils ont ensuite déterminé ce qui se passait aux articulations des personnes pendant les tâches.

L’algorithme a d’abord pu déterminer des scores de risque pour chaque trame de la vidéo. Finalement, il a pu dire quand une tâche a commencé et s’est terminée, afin qu’il puisse donner un score de risque pour l’action entière.

La prochaine étape de l’équipe est de développer une application que ces travailleurs d’usine et les superviseurs peuvent utiliser. Ils veulent qu’elle puisse détecter et avertir des actions moyennement risquées et des actions à haut risque.

À long terme, ils espèrent que les robots pourront être utilisés dans ces usines et utiliser l’algorithme pour aider à maintenir la sécurité des travailleurs.

“Les usines et les entrepôts utilisent l’automatisation depuis plusieurs décennies. Maintenant que les gens commencent à travailler dans des environnements où les robots sont utilisés, nous avons une opportunité unique de diviser le travail de telle sorte que les robots effectuent les tâches à risque”, a déclaré Banerjee. “Les robots et les humains pourraient avoir une collaboration active, où un robot peut dire : ‘Je vois que vous ramassez ces objets lourds du haut de l’étagère et je pense que vous le faites souvent. Laissez-moi vous aider.'”

La recherche a été publiée dans IEEE Robotics and Automation Letters le 26 juin, et elle sera présentée à la Conférence internationale IEEE sur la science et l’ingénierie de l’automatisation à Vancouver, Colombie-Britannique, le 23 août.