शोधकर्ताओं ने कारखानों में जोखिम भरे व्यवहार की निगरानी के लिए एक प्रणाली विकसित की है

वाशिंगटन विश्वविद्यालय के शोधकर्ताओं ने एक नई प्रणाली विकसित की है जो कारखानों और गोदामों में कार्यकर्ताओं की निगरानी कर सकती है और उन्हें वास्तविक समय में जोखिम भरे व्यवहार के बारे में चेतावनी दे सकती है। यह नई प्रणाली इस काम के लिए मशीन लर्निंग पर निर्भर करती है।

अमेरिकी श्रम सांख्यिकी ब्यूरो के अनुसार, लगभग 350,000 घटनाएं हुईं जब कार्यकर्ताओं ने मांसपेशियों, तंत्रिका, स्नायुबंधन या टेंडन की चोटों के कारण समय लिया। इन घटनाओं में सबसे अधिक संख्या कारखानों और गोदामों में काम करने वाले कार्यकर्ताओं में थी।

इन घटनाओं को आमतौर पर मांसपेशियों के विकार कहा जाता है जो तब होते हैं जब लोग कुछ कार्य करते हैं जो शरीर पर दबाव डालते हैं। इन शोधकर्ताओं ने इन व्यवहारों का पता लगाने का तरीका ढूंढा ताकि कार्यकर्ता अधिक जागरूक हो सकें।

नई प्रणाली का एल्गोरिदम कुछ कार्यों को व्यक्तिगत क्रियाओं में विभाजित करता है, जैसे कि उच्च अलमारियों से बक्से उठाना और वस्तुओं को ले जाना। फिर प्रत्येक के लिए एक जोखिम स्कोर गणना की जाती है।

अशिस बैनर्जी, जो यूडब्ल्यू में औद्योगिक और प्रणाली इंजीनियरिंग और यांत्रिक इंजीनियरिंग विभागों में एक सहायक प्रोफेसर हैं, इस परियोजना के वरिष्ठ लेखकों में से एक हैं।

“वर्तमान में कार्यकर्ता एक स्व-मूल्यांकन कर सकते हैं जहां वे अपने दैनिक कार्यों को एक तालिका में भरते हैं ताकि वे अपनी गतिविधियों के जोखिम का अनुमान लगा सकें। लेकिन यह समय लेने वाला है, और यह कठिन है कि लोग देखें कि यह सीधे उन्हें कैसे लाभान्वित कर रहा है। अब हमने इस पूरी प्रक्रिया को पूरी तरह से स्वचालित कर दिया है। हमारी योजना है कि इसे एक स्मार्टफोन ऐप में रखा जाए ताकि कार्यकर्ता अपने आप को भी निगरानी कर सकें और तुरंत प्रतिक्रिया प्राप्त कर सकें।”

वर्तमान स्व-मूल्यांकन कार्यों के स्नैपशॉट पर निर्भर करते हैं। प्रत्येक जोड़ की स्थिति को स्कोर किया जाता है, और वे सभी जोड़कर एक जोखिम स्कोर निर्धारित करने के लिए जोड़े जाते हैं। यह नया एल्गोरिदम इसे बहुत अधिक सरल बना देगा क्योंकि यह एक पूरी क्रिया को स्कोर कर सकता है।

शोधकर्ताओं ने एल्गोरिदम का परीक्षण करने के लिए 20 तीन-मिनट के वीडियो का एक डेटासेट का उपयोग किया जिसमें लोग 17 गतिविधियों को करते हुए दिखाई दे रहे थे। ये गतिविधियां कारखानों और गोदामों में सामान्य हैं।

“एक कार्य जिसमें हमने लोगों को एक बॉक्स को एक रैक से उठाकर एक टेबल पर रखने के लिए कहा,” पहले लेखक बहनोश पारसा, एक यूडब्ल्यू यांत्रिक इंजीनियरिंग डॉक्टरेट छात्र ने कहा। “हमने विभिन्न परिदृश्यों को कैप्चर करना चाहा, इसलिए कभी-कभी उन्हें अपनी बाहों को फैलाना, अपने शरीर को मोड़ना या कुछ उठाने के लिए झुकना पड़ता था।”

शोधकर्ताओं ने तब एक माइक्रोसॉफ्ट किनेक्ट कैमरे का उपयोग करके डेटासेट को कैप्चर किया, और 3डी वीडियो रिकॉर्ड किए गए। उन्होंने तब यह निर्धारित किया कि कार्यों के दौरान व्यक्ति के जोड़ों के साथ क्या हो रहा था।

एल्गोरिदम पहले प्रत्येक वीडियो फ्रेम के लिए जोखिम स्कोर निर्धारित करने में सक्षम था। अंततः, यह बताने में सक्षम था कि एक कार्य कब शुरू हुआ और कब समाप्त हुआ ताकि यह पूरी क्रिया के लिए एक जोखिम स्कोर दे सके।

टीम का अगला कदम एक ऐसा ऐप विकसित करना है जिसका उपयोग कारखानों के कार्यकर्ता और पर्यवेक्षक कर सकते हैं। वे चाहते हैं कि यह मध्यम जोखिम वाले कार्यों और उच्च जोखिम वाले कार्यों का पता लगा सके और उनकी चेतावनी दे सके।

लंबी अवधि में, वे आशा करते हैं कि रोबोट इन कारखानों में उपयोग किए जा सकते हैं और एल्गोरिदम का उपयोग करके कार्यकर्ताओं को सुरक्षित रखा जा सकता है।

“कारखानों और गोदामों ने कई दशकों से स्वचालन का उपयोग किया है। अब जब लोग रोबोटों के साथ काम करने वाले वातावरण में काम कर रहे हैं, तो हमें एक अनोखा अवसर मिला है कि काम को इस तरह से विभाजित किया जा सकता है कि रोबोट जोखिम भरे कार्य कर रहे हैं। रोबोट और मानव एक सक्रिय सहयोग में हो सकते हैं, जहां एक रोबोट कह सकता है, ‘मैं देख रहा हूं कि आप इन भारी वस्तुओं को ऊपरी अलमारी से उठा रहे हैं और मुझे लगता है कि आप ऐसा बहुत बार कर रहे हैं। मुझे आपकी मदद करने दें।'”

शोध को 26 जून को आईईईई रोबोटिक्स और ऑटोमेशन लेटर्स में प्रकाशित किया गया था, और इसे 23 अगस्त को वैंकूवर, ब्रिटिश कोलंबिया में आईईईई इंटरनेशनल कॉन्फ्रेंस ऑन ऑटोमेशन साइंस एंड इंजीनियरिंग में प्रस्तुत किया जाएगा।