Hvor ergonomisk er dit lagerarbejde? Snart, en app kan måske fortælle dig

I 2017 var der næsten 350, 000 tilfælde af sygemeldte arbejdstagere på grund af skader, der påvirker muskler, nerver, ledbånd eller sener - som karpaltunnelsyndrom - ifølge U.S. Bureau of Labor Statistics. Blandt arbejderne med det højeste antal hændelser:folk, der arbejder på fabrikker og lagre.

Muskuloskeletale lidelser opstår på arbejdet, når folk bruger akavede stillinger eller udfører gentagne opgaver. Denne adfærd genererer belastning af kroppen over tid. Så det er vigtigt at påpege og minimere risikabel adfærd for at holde arbejderne sunde på jobbet.

Forskere ved University of Washington har brugt maskinlæring til at udvikle et nyt system, der kan overvåge fabriks- og lagerarbejdere og fortælle dem, hvor risikabelt deres adfærd er i realtid. Algoritmen opdeler en række aktiviteter - såsom at løfte en kasse fra en høj hylde, bærer det til et bord og sætter det ned - i individuelle handlinger og beregner derefter en risikoscore forbundet med hver handling.

Holdet offentliggjorde sine resultater 26. juni i IEEE Robotics and Automation Letters og vil præsentere resultaterne den 23. august på IEEE International Conference on Automation Science and Engineering i Vancouver, Britisk Columbia.

"Lige nu kan arbejdere lave en selvevaluering, hvor de udfylder deres daglige opgaver på et bord for at vurdere, hvor risikable deres aktiviteter er, " sagde seniorforfatter Ashis Banerjee, en adjunkt i både industri- og systemteknik- og maskintekniske afdelinger på UW. "Men det er tidskrævende, og det er svært for folk at se, hvordan det direkte gavner dem. Nu har vi gjort hele denne proces fuldautomatisk. Vores plan er at sætte det i en smartphone-app, så medarbejderne endda kan overvåge sig selv og få øjeblikkelig feedback."

Til disse selvevalueringer, folk bruger i øjeblikket et øjebliksbillede af en opgave, der udføres. Placeringen af ​​hvert led får en score, og summen af ​​alle scoringerne bestemmer, hvor risikabel den positur er. Men arbejdere udfører normalt en række bevægelser for en bestemt opgave, og forskerne ønskede, at deres algoritme skulle kunne beregne en samlet score for hele handlingen.

Flytning til video er mere præcis, men det kræver en ny måde at lægge resultaterne sammen på. For at træne og teste algoritmen, holdet oprettede et datasæt indeholdende 20 tre-minutters videoer af mennesker, der udfører 17 aktiviteter, der er almindelige i varehuse eller fabrikker.

"En af de opgaver, vi fik folk til at gøre, var at hente en kasse fra et stativ og placere den på et bord, " sagde første forfatter Behnoosh Parsa, en UW maskiningeniør doktorand. "Vi ønskede at fange forskellige scenarier, så nogle gange måtte de strække deres arme, vride deres kroppe eller bøje sig for at samle noget op."

Forskerne fangede deres datasæt ved hjælp af et Microsoft Kinect-kamera, som optog 3-D videoer, der gjorde det muligt for dem at kortlægge, hvad der skete med deltagernes led under hver opgave.

Ved at bruge Kinect-data, Algoritmen lærte først at beregne risikoscore for hver videoramme. Derefter gik det videre til at identificere, hvornår en opgave startede og sluttede, så den kunne beregne en risikoscore for en hel handling.

Algoritmen mærkede tre handlinger i datasættet som risikabel adfærd:at tage en kasse op fra en høj hylde, og placere enten en kasse eller en stang på en høj hylde.

Nu er teamet ved at udvikle en app, som fabriksarbejdere og supervisorer kan bruge til i realtid at overvåge risiciene ved deres daglige handlinger. Appen vil give advarsler for moderat risikable handlinger og advarsler for højrisikohandlinger.

Til sidst vil forskerne have robotter på lagre eller fabrikker for at kunne bruge algoritmen til at hjælpe med at holde arbejderne sunde. For at se, hvor godt algoritmen kunne fungere i et hypotetisk lager, forskerne havde en robot til at overvåge to deltagere, der udførte de samme aktiviteter. Inden for tre sekunder efter afslutningen af ​​hver aktivitet, robotten viste en score på sin skærm.

"Fabrikker og lagre har brugt automatisering i flere årtier. Nu hvor folk begynder at arbejde i omgivelser, hvor der bruges robotter, vi har en unik mulighed for at dele arbejdet op, så robotterne udfører de risikable opgaver, " sagde Banerjee. "Roboter og mennesker kunne have et aktivt samarbejde, hvor en robot kan sige, 'Jeg kan se, at du samler disse tunge genstande op fra øverste hylde, og jeg tror, ​​du gør det mange gange. Lad mig hjælpe dig.'"