Peneliti Mengembangkan Sistem untuk Memantau Perilaku Berisiko di Pabrik

Peneliti di University of Washington telah mengembangkan sistem baru yang dapat memantau pekerja pabrik dan gudang dan memperingatkan mereka tentang perilaku berisiko secara waktu nyata. Sistem baru ini mengandalkan machine learning untuk melakukan hal ini.  

Terdapat sekitar 350.000 insiden pekerja yang mengambil cuti karena cedera otot, saraf, ligamen, atau tendon, menurut U.S. Bureau of Labor Statistics. Pekerja dengan jumlah insiden tertinggi adalah mereka yang bekerja di pabrik dan gudang. 

Insiden ini biasanya merupakan gangguan muskuloskeletal yang terjadi ketika orang melakukan tugas tertentu yang menyebabkan tekanan pada tubuh. Peneliti ini mencari cara untuk mendeteksi perilaku ini sehingga pekerja dapat lebih menyadari. 

Algoritma sistem baru ini membagi tugas tertentu, seperti mengangkat kotak dari rak tinggi dan membawa objek, menjadi aksi individu. Skor risiko kemudian dihitung untuk masing-masing. 

Ashis Banerjee, asisten profesor di departemen teknik industri dan sistem serta teknik mesin di UW, adalah salah satu penulis senior. 

“Saat ini pekerja dapat melakukan penilaian diri di mana mereka mengisi tabel tugas harian mereka untuk memperkirakan seberapa berisikonya aktivitas mereka,” katanya. “Tapi itu memakan waktu, dan sulit bagi orang untuk melihat bagaimana itu secara langsung menguntungkan mereka. Sekarang kita telah membuat proses ini sepenuhnya otomatis. Rencana kita adalah memasukkannya ke dalam aplikasi smartphone sehingga pekerja dapat memantau diri mereka sendiri dan mendapatkan umpan balik langsung.” 

Penilaian diri saat ini mengandalkan cuplikan tugas yang sedang dilakukan. Posisi setiap sendi dinilai, dan semuanya dijumlahkan untuk menentukan skor risiko. Algoritma baru ini akan membuatnya jauh lebih sederhana karena dapat menilai aksi seluruhnya. 

Tim ini menguji algoritma dengan menggunakan dataset yang terdiri dari 20 video tiga menit dari orang yang melakukan 17 kegiatan. Kegiatan ini biasa terjadi di gudang dan pabrik. 

“Salah satu tugas yang kita berikan kepada orang adalah mengambil kotak dari rak dan meletakkannya di atas meja,” kata penulis pertama Behnoosh Parsa, mahasiswa doktor teknik mesin UW. “Kita ingin menangkap skenario yang berbeda, jadi terkadang mereka harus meregangkan lengan mereka, memutar tubuh mereka atau membungkuk untuk mengambil sesuatu.” 

Peneliti kemudian menggunakan kamera Microsoft Kinect untuk merekam dataset, dan video 3D direkam. Mereka kemudian menentukan apa yang terjadi pada sendi orang selama tugas. 

Algoritma pertama kali dapat menentukan skor risiko untuk setiap bingkai video. Akhirnya, itu dapat mendeteksi kapan tugas dimulai dan selesai sehingga dapat memberikan skor risiko untuk aksi seluruhnya. 

Langkah tim berikutnya adalah mengembangkan aplikasi yang dapat digunakan oleh pekerja pabrik dan pengawas. Mereka ingin itu dapat mendeteksi dan memperingatkan tentang tindakan yang berisiko sedang dan tinggi. 

Dalam jangka panjang, mereka berharap robot dapat digunakan di pabrik-pabrik ini dan menggunakan algoritma untuk membantu menjaga keselamatan pekerja. 

“Pabrik dan gudang telah menggunakan otomatisasi selama beberapa dekade. Sekarang bahwa orang mulai bekerja di pengaturan di mana robot digunakan, kita memiliki kesempatan unik untuk membagi pekerjaan sehingga robot melakukan pekerjaan yang berisiko,” kata Banerjee. “Robot dan manusia dapat memiliki kolaborasi aktif, di mana robot dapat mengatakan, ‘Saya melihat bahwa Anda mengambil objek berat dari rak atas dan saya pikir Anda mungkin melakukan itu beberapa kali. Biarkan saya membantu Anda.'” 

Penelitian ini dipublikasikan di IEEE Robotics and Automation Letters pada 26 Juni, dan akan disajikan di IEEE International Conference on Automation Science and Engineering di Vancouver, British Columbia pada 23 Agustus.