นักวิจัยได้พัฒนาระบบเพื่อติดตามพฤติกรรมที่มีความเสี่ยงในโรงงาน

นักวิจัยจาก มหาวิทยาลัยวอชิงตัน ได้พัฒนาระบบใหม่ที่สามารถติดตามและเตือนผู้ปฏิบัติงานในโรงงานและคลังสินค้าเกี่ยวกับพฤติกรรมที่มีความเสี่ยงในเวลาเรียลไทม์ ระบบใหม่นี้ใช้การเรียนรู้ของเครื่องจักรเพื่อให้ได้ผลลัพธ์นี้

มีกรณีของพนักงานที่ต้องหยุดงานเนื่องจากบาดเจ็บของกล้ามเนื้อ เส้นประสาท ลิกาเมนต์ หรือเทนโดน จำนวนประมาณ 350,000 คดี ตามข้อมูลจาก สำนักงานสถิติแรงงานสหรัฐ พนักงานที่มีจำนวนกรณีมากที่สุดคือผู้ที่ทำงานในโรงงานและคลังสินค้า

กรณีเหล่านี้เป็นปัญหาที่เกิดจากความผิดปกติของระบบกล้ามเนื้อและกระดูกที่เกิดขึ้นเมื่อบุคคลทำกิจกรรมที่ทำให้เกิดความเครียดต่อ身体 นักวิจัยเหล่านี้พยายามหาวิธีในการตรวจจับพฤติกรรมเหล่านี้เพื่อให้ผู้ปฏิบัติงานสามารถตระหนักได้มากขึ้น

อัลกอริทึมของระบบใหม่นี้แบ่งกิจกรรมต่างๆ เช่น การยกกล่องจากชั้นวางสูงและการยกของออกเป็นกิจกรรมเดี่ยวๆ จากนั้นจึงคำนวณคะแนนความเสี่ยงสำหรับแต่ละกิจกรรม

Ashis Banerjee ผู้ช่วยศาสตราจารย์จากภาควิชาวิศวกรรมอุตสาหกรรมและระบบและภาควิชาวิศวกรรมเครื่องจักรที่มหาวิทยาลัยวอชิงตัน เป็นหนึ่งในผู้เขียนอาวุโส

“ปัจจุบันพนักงานสามารถทำการประเมินตนเองโดยการกรอกตารางกิจกรรมประจำวันเพื่อประเมินความเสี่ยงของกิจกรรม แต่นั่นใช้เวลานานและยากสำหรับคนในการเห็นว่ามันช่วยให้พวกเขาได้ประโยชน์อย่างไร ตอนนี้เราทำให้กระบวนการทั้งหมดเป็นอัตโนมัติ เราวางแผนจะใส่มันลงในแอปพลิเคชันบนโทรศัพท์มือถือเพื่อให้ผู้ปฏิบัติงานสามารถติดตามตนเองและได้รับคำแนะนำทันที”

การประเมินตนเองในปัจจุบันขึ้นอยู่กับการถ่ายภาพกิจกรรมที่กำลังทำ ความเสี่ยงของการเคลื่อนไหวของข้อต่อแต่ละข้อจะถูกประเมินและบวกกันเพื่อคำนวณคะแนนความเสี่ยง อัลกอริทึมใหม่นี้จะทำให้กระบวนการง่ายขึ้นเนื่องจากสามารถประเมินกิจกรรมทั้งหมดได้

ทีมวิจัยได้ทดสอบอัลกอริทึมโดยใช้ฐานข้อมูลที่มีวิดีโอ 20 คลิป 3 นาทีของคนกำลังทำกิจกรรม 17 อย่าง ซึ่งเป็นกิจกรรมทั่วไปในคลังสินค้าและโรงงาน

“หนึ่งในกิจกรรมที่เรามีคนทำคือการยกกล่องจากชั้นวางและวางบนโต๊ะ” Behnoosh Parsa นักศึกษาระดับ博士จากภาควิชาวิศวกรรมเครื่องจักรที่มหาวิทยาลัยวอชิงตัน ผู้เขียนคนแรกกล่าว “เราต้องการบันทึกสถานการณ์ต่างๆ ดังนั้นบางครั้งพวกเขาจะต้องเหยียดแขน ม้วนตัวหรืองอเพื่อหยิบสิ่งของ”

นักวิจัยใช้กล้อง Microsoft (MSFT ) Kinect เพื่อบันทึกฐานข้อมูลและบันทึกวิดีโอ 3 มิติ จากนั้นจึงกำหนดสิ่งที่เกิดขึ้นกับข้อต่อของบุคคลระหว่างการทำกิจกรรม

อัลกอริทึมสามารถกำหนดคะแนนความเสี่ยงสำหรับแต่ละเฟรมวิดีโอได้ และในที่สุดก็สามารถบอกได้ว่ากิจกรรมเริ่มต้นและเสร็จสิ้นเมื่อไหร่ เพื่อให้สามารถให้คะแนนความเสี่ยงสำหรับกิจกรรมทั้งหมด

ขั้นตอนต่อไปของทีมคือการพัฒนาแอปพลิเคชันที่ผู้ปฏิบัติงานและผู้ดูแลสามารถใช้ได้ พวกเขาต้องการให้มันสามารถตรวจจับและเตือนพฤติกรรมที่มีความเสี่ยงปานกลางและความเสี่ยงสูง

ในระยะยาว พวกเขาหวังว่าหุ่นยนต์จะสามารถใช้ได้ในโรงงานและคลังสินค้าและใช้อัลกอริทึมเพื่อช่วยให้ผู้ปฏิบัติงานปลอดภัย

“โรงงานและคลังสินค้าได้ใช้ระบบอัตโนมัติมาหลายทศวรรษแล้ว ตอนนี้ที่คนเริ่มทำงานในสถานที่ที่มีหุ่นยนต์ เรามีโอกาสพิเศษในการแบ่งงานให้หุ่นยนต์ทำงานที่มีความเสี่ยง” Banerjee กล่าว “หุ่นยนต์และมนุษย์สามารถทำงานร่วมกัน โดยที่หุ่นยนต์สามารถบอกได้ว่า ‘ฉันเห็นว่าคุณกำลังหยิบของหนักๆ จากชั้นวางบนและฉันคิดว่าคุณทำเช่นนั้นบ่อยๆ ลองให้ฉันช่วยคุณดู'”

การวิจัยนี้ได้รับการตีพิมพ์ใน IEEE Robotics and Automation Letters เมื่อวันที่ 26 มิถุนายน และจะนำเสนอในการประชุม IEEE International Conference on Automation Science and Engineering ในวันคูว์เวอร์เมื่อวันที่ 23 สิงหาคม