Peneliti Mengembangkan Sistem untuk Memantau Perilaku Berisiko di Pabrik

Peneliti di Universitas Washington telah mengembangkan sistem baru yang dapat memantau pekerja pabrik dan gudang serta memperingatkan mereka tentang perilaku berisiko secara real-time. Sistem baru ini menggunakan machine learning untuk melakukan hal ini.

Terdapat sekitar 350.000 insiden pekerja yang mengambil cuti karena cedera otot, saraf, ligamen, atau tendon, menurut Biro Statistik Tenaga Kerja AS. 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-tugas tertentu yang menyebabkan ketegangan pada tubuh. Peneliti ini mencari cara untuk mendeteksi perilaku ini sehingga pekerja dapat lebih menyadari.

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

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

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

Penilaian diri saat ini bergantung pada cuplikan tugas yang sedang dilakukan. Posisi setiap sendi dinilai, dan mereka semua dijumlahkan untuk menentukan skor risiko. Algoritma baru ini akan membuatnya jauh lebih sederhana karena dapat menilai seluruh aksi sekaligus.

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

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

Peneliti kemudian menggunakan kamera Microsoft (MSFT ) Kinect untuk merekam dataset, dan video 3D direkam. Mereka kemudian menentukan apa yang terjadi pada sendi-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 seluruh aksi.

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

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

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

Penelitian ini diterbitkan di Surat Kabar Robotika dan Otomatisasi IEEE pada 26 Juni, dan akan dipresentasikan di Konferensi Internasional IEEE tentang Ilmu Pengetahuan dan Teknik Otomatisasi di Vancouver, British Columbia pada 23 Agustus.