Дослідники розробили систему для моніторингу ризикованої поведінки на підприємствах

Дослідники з Університету Вашингтону розробили нову систему, яка здатна моніторити працівників заводів і складів та попереджати їх про ризиковані дії в реальному часі. Нова система використовує машинне навчання для цього.

За даними Бюро статистики праці США, близько 350 000 працівників були змушені взяти лікарняний через травми м’язів, нервів, зв’язок або сухожиль. Найбільша кількість таких випадків була серед працівників заводів і складів.

Ці інциденти зазвичай пов’язані з м’язово-скелетними розладами, які виникають під час виконання певних завдань, що призводять до напруження організму. Дослідники шукали спосіб виявити такі дії, щоб працівники могли бути більш обізнані.

Алгоритм нової системи розбиває певні завдання, такі як підняття коробок з високих полиць і перенесення предметів, на окремі дії. Потім обчислюється ризиковий бал для кожної дії.

Ашіс Банерджі, асистент-професор кафедри промислової та системної інженерії і механічної інженерії Університету Вашингтону, є одним з старших авторів дослідження.

“Наразі працівники можуть проводити самооцінку, заповнюючи таблицю своїх щоденних завдань для оцінки ризиків своїх дій”, – сказала вона. “Але це займає багато часу, і людям важко бачити, як це безпосередньо впливає на них. Тепер ми зробили цей процес повністю автоматизованим. Наш план – створити мобільний додаток, щоб працівники могли моніторити себе і отримувати негайну зворотню зв’язок.”

Поточні самооцінки базуються на окремих кадрах виконаних завдань. Позиція кожного суглобу оцінюється, і всі вони підсумовуються для визначення ризикового балу. Новий алгоритм зробить це процес значно простішим, оскільки він能够 оцінювати всю дію, а не окремі кадри.

Команда тестувала алгоритм, використовуючи набір даних з 20 відеороликів тривалістю три хвилини, на яких люди виконували 17 завдань. Ці завдання є типовими для заводів і складів.

“Одним з завдань, яке ми просили людей виконати, було підняття коробки з полиці і розміщення її на столі”, – сказав перший автор Бехнуш Парса, докторант кафедри механічної інженерії Університету Вашингтону. “Ми хотіли захопити різні сценарії, тому іноді їм доводилося розтягувати руки, повертати тіло або згинатися, щоб підняти щось.”

Дослідники використовували камеру Microsoft (MSFT ) Kinect для захоплення даних, і були записані 3D-відео. Потім вони визначили, що відбувається з суглобами людини під час виконання завдань.

Алгоритм спочатку能够 визначити ризикові бали для кожного кадру відео. Згодом він能够 визначити, коли завдання починається і закінчується, щоб міг видати ризиковий бал для всієї дії.

Наступним кроком команди є розробка мобільного додатка, який можуть використовувати працівники заводів і складів. Вони хочуть, щоб він能够 виявляти і попереджати про дії середнього рівня ризику та високого рівня ризику.

В довгостроковій перспективі вони сподіваються, що роботи зможуть бути використані на цих підприємствах і використовувати алгоритм для забезпечення безпеки працівників.

“Заводи і склади використовують автоматизацію протягом декількох десятиліть. Тепер, коли люди починають працювати в умовах, де використовуються роботи, у нас є унікальна можливість розділити роботу так, щоб роботи виконували ризиковані завдання”, – сказав Банерджі. “Роботи і люди можуть мати активне співробітництво, де робота може сказати: “Я бачу, що ви піднімаєте ці важкі предмети з верхньої полиці, і я думаю, що ви робите це багато разів. Дозвольте мені допомогти вам.”

Дослідження було опубліковано в IEEE Robotics and Automation Letters 26 червня і буде представлено на міжнародній конференції IEEE з автоматизації науки і техніки у Ванкувері, Британська Колумбія 23 серпня.