Исследователи разработали систему для мониторинга рискованного поведения на фабриках

Исследователи из Университета Вашингтона разработали новую систему, способную мониторить работников фабрик и складов и предупреждать их о рискованном поведении в реальном времени. Новая система использует машинное обучение для решения этой задачи.

По данным Бюро статистики труда США, было около 350 000 случаев, когда работники брали отпуск из-за травм мышц, нервов, связок или сухожилий. Работники с наибольшим количеством случаев были теми, кто работал на фабриках и складах.

Эти случаи обычно представляют собой мышечно-скелетные расстройства, которые возникают, когда люди выполняют определенные задачи, вызывающие напряжение в организме. Исследователи искали способ обнаружить такое поведение, чтобы работники могли быть более осведомлены.

Алгоритм новой системы делит определенные задачи, такие как подъем коробок с высоких полок и перенос объектов, на отдельные действия. Затем рассчитывается риск-оценка для каждого действия.

Ашиш Банерджи, ассистент-профессор в отделении промышленного и системного инжиниринга и механического инжиниринга в Университете Вашингтона, является одним из старших авторов.

“Сейчас работники могут выполнять самооценку, заполняя таблицу с описанием своих ежедневных задач, чтобы оценить, насколько рискованными являются их действия”, – сказала она. “Но это занимает много времени, и людям трудно увидеть, как это напрямую приносит им пользу. Теперь мы сделали этот процесс полностью автоматическим. Наш план – создать мобильное приложение, чтобы работники могли даже мониторить себя и получать мгновенную обратную связь.”

Текущие самооценки основаны на снимках выполняемых задач. Позиция каждого сустава оценивается, и все они суммируются для определения риск-оценки. Этот новый алгоритм сделает процесс намного проще, поскольку он может оценивать все действие целиком.

Команда протестировала алгоритм, используя набор данных из 20 трехминутных видеороликов, на которых люди выполняют 17 действий. Эти действия являются обычными для складов и фабрик.

“Одна из задач, которую мы давали людям, была поднять коробку с полки и положить ее на стол”, – сказал первый автор Бехнуш Парса, аспирант-инженер-механик в Университете Вашингтона. “Мы хотели запечатлеть разные сценарии, поэтому иногда им приходилось тянуться, поворачиваться или наклоняться, чтобы что-то поднять.”

Исследователи затем использовали камеру Microsoft (MSFT ) Kinect для захвата набора данных, и были записаны 3D-видео. Затем они определили, что происходит с суставами человека во время выполнения задач.

Алгоритм сначала смог определить риск-оценки для каждого кадра видео. В конечном итоге он смог определить, когда задача начинается и заканчивается, и мог дать риск-оценку для всего действия.

Следующий шаг команды – разработка приложения, которое могут использовать работники фабрик и складов. Они хотят, чтобы оно могло обнаруживать и предупреждать о умеренно рискованных действиях и высокорискованных действиях.

В долгосрочной перспективе они надеются, что роботы смогут быть использованы на этих фабриках и складах и будут использовать алгоритм для помощи в сохранении безопасности работников.

“Фабрики и склады используют автоматизацию уже несколько десятилетий. Теперь, когда люди начинают работать в средах, где используются роботы, у нас есть уникальная возможность разделить работу так, чтобы роботы выполняли рискованные задачи”, – сказал Банерджи. “Роботы и люди могли бы иметь активное сотрудничество, где робот может сказать: ‘Я вижу, что вы поднимаете эти тяжелые объекты с верхней полки и, думаю, вы делаете это много раз. Дайте мне помочь вам.'”

Исследование было опубликовано в IEEE Robotics and Automation Letters 26 июня и будет представлено на Международной конференции IEEE по автоматизации науки и инженерии в Ванкувере, Британская Колумбия 23 августа.