Pesquisadores Desenvolveram um Sistema para Monitorar Comportamento Arriscado em Fábricas

Pesquisadores da Universidade de Washington desenvolveram um novo sistema capaz de monitorar trabalhadores de fábricas e armazéns e alertá-los sobre comportamentos arriscados em tempo real. O novo sistema utiliza aprendizado de máquina para realizar essa tarefa.

Houve cerca de 350.000 incidentes de trabalhadores que tiraram tempo devido a lesões musculares, nervosas, ligamentares ou tendinosas, de acordo com o Escritório de Estatísticas do Trabalho dos EUA. Os trabalhadores com o maior número de incidentes foram aqueles que trabalhavam em fábricas e armazéns.

Esses incidentes são normalmente distúrbios musculoesqueléticos que ocorrem quando as pessoas realizam certas tarefas que causam tensão no corpo. Esses pesquisadores procuraram uma maneira de detectar esses comportamentos para que os trabalhadores possam estar mais cientes.

O algoritmo do novo sistema divide certas tarefas, como levantar caixas de prateleiras altas e carregar objetos, em ações individuais. Um score de risco é então calculado para cada uma.

Ashis Banerjee, professor assistente nos departamentos de engenharia industrial e sistemas e engenharia mecânica da UW, é um dos autores sênior.

“Atualmente, os trabalhadores podem fazer uma auto-avaliação onde preenchem suas tarefas diárias em uma tabela para estimar o quão arriscadas são suas atividades”, disse ela. “Mas isso é demorado e é difícil para as pessoas verem como isso está beneficiando-as diretamente. Agora, tornamos todo o processo completamente automatizado. Nosso plano é colocá-lo em um aplicativo de smartphone para que os trabalhadores possam monitorar a si mesmos e obter feedback imediato.”

As auto-avaliações atuais dependem de instantâneos de tarefas sendo realizadas. A posição de cada articulação é pontuada e elas são todas somadas para determinar um score de risco. Esse novo algoritmo tornará isso muito mais simples, pois é capaz de pontuar uma ação inteira.

A equipe testou o algoritmo usando um conjunto de dados com 20 vídeos de três minutos de pessoas realizando 17 atividades. Essas atividades são comuns em armazéns e fábricas.

“Uma das tarefas que pedimos que as pessoas fizessem foi pegar uma caixa em uma prateleira e colocá-la em uma mesa”, disse o primeiro autor Behnoosh Parsa, um estudante de doutorado em engenharia mecânica da UW. “Queríamos capturar diferentes cenários, então às vezes eles tinham que esticar os braços, torcer os corpos ou se curvar para pegar algo.”

Os pesquisadores então usaram uma câmera Microsoft (MSFT ) Kinect para capturar o conjunto de dados e vídeos em 3D foram gravados. Eles então determinaram o que estava acontecendo com as articulações das pessoas durante as tarefas.

O algoritmo foi capaz de determinar scores de risco para cada quadro de vídeo. Eventualmente, ele foi capaz de dizer quando uma tarefa começou e terminou, para que ele pudesse dar um score de risco para a ação inteira.

O próximo passo da equipe é desenvolver um aplicativo que esses trabalhadores de fábricas e supervisores possam usar. Eles querem que ele seja capaz de detectar e alertar sobre ações moderadamente arriscadas e de alto risco.

A longo prazo, eles esperam que robôs possam ser usados nesses armazéns e fábricas e utilizem o algoritmo para ajudar a manter os trabalhadores seguros.

“Fábricas e armazéns usaram automação por várias décadas. Agora que as pessoas estão começando a trabalhar em ambientes onde robôs são usados, temos uma oportunidade única de dividir o trabalho para que os robôs façam os trabalhos arriscados”, disse Banerjee. “Robôs e humanos poderiam ter uma colaboração ativa, onde um robô pode dizer: ‘Vejo que você está pegando esses objetos pesados da prateleira superior e acho que você está fazendo isso muitas vezes. Deixe-me ajudar.'”

A pesquisa foi publicada em IEEE Robotics and Automation Letters em 26 de junho e será apresentada na Conferência Internacional IEEE sobre Ciência e Engenharia de Automação em Vancouver, Colúmbia Britânica, em 23 de agosto.