По данным Бюро статистики труда США, в 2017 году было около 350 000 случаев, когда работники получали отпуск по болезни из-за травм, поражающих мышцы, нервы, связки или сухожилия, таких как синдром запястного канала. Среди работников с наибольшим количеством происшествий: люди, которые работают на фабриках и складах.
Опорно — расстройства случаются на работе , когда люди используют неудобные позы или выполнения повторяющихся задач. Такое поведение создает нагрузку на организм с течением времени. Поэтому важно указывать и сводить к минимуму рискованное поведение, чтобы работники оставались здоровыми на работе.
Исследователи из Вашингтонского университета использовали машинное обучение для разработки новой системы, которая может отслеживать работников фабрики и склада и сообщать им, насколько рискованно их поведение в реальном времени. Алгоритм разделяет ряд действий, таких как поднятие ящика с высокой полки, перенос его на стол и установка его на отдельные действия, а затем вычисляет оценку риска, связанную с каждым действием.
Команда опубликовала свои результаты 26 июня в IEEE Robotics and Automation Letters и представит результаты 23 августа на Международной конференции IEEE по науке и технике автоматизации в Ванкувере, Британская Колумбия.
«В настоящее время работники могут проводить самооценку, выполняя ежедневные задачи за столом, чтобы оценить, насколько рискованны их действия», — говорит старший писатель Ашис Банерджи, доцент кафедры промышленной и системотехники и машиностроения в UW. «Но это отнимает много времени, и людям трудно понять, как это непосредственно приносит им пользу. Теперь мы сделали весь этот процесс полностью автоматизированным. Мы планируем поместить его в приложение для смартфона, чтобы работники могли даже контролировать себя и получать немедленную обратную связь «.Для этих самооценок люди в настоящее время используют снимок выполняемой задачи. Положение каждого сустава получает оценку, а сумма всех оценок определяет, насколько рискованна эта поза. Но рабочие обычно выполняют ряд движений для конкретной задачи, и исследователи хотели, чтобы их алгоритм мог вычислить общий балл за все действие.
Переход к видео более точен, но требует нового способа суммирования баллов. Для обучения и тестирования алгоритма команда создала набор данных, содержащий 20 трехминутных видеофильмов о людях, выполняющих 17 видов деятельности, которые распространены на складах или фабриках.«Одной из задач, которые нам поручали люди, было взять коробку со стойки и поставить ее на стол», — сказал первый автор Бехнош Парса, аспирант кафедры машиностроения UW. «Мы хотели запечатлеть разные сценарии, поэтому иногда им приходилось вытягивать руки, изгибать тела или наклоняться, чтобы что-то поднять».
Исследователи сняли свой набор данных с помощью камеры Microsoft Kinect, которая записывала трехмерные видео, которые позволяли им планировать, что происходило с суставами участников во время каждого задания.
Используя данные Kinect, алгоритм сначала научился вычислять оценки риска для каждого видеокадра. Затем он перешел к определению, когда задача начиналась и заканчивалась, чтобы можно было рассчитать оценку риска для всего действия.
Алгоритм помечал три действия в наборе данных как рискованное поведение: поднимать ящик с высокой полки и помещать ящик или стержень на высокую полку.
Сейчас команда разрабатывает приложение, которое фабричные рабочие и руководители могут использовать для мониторинга в режиме реального времени рисков своих ежедневных действий. Приложение будет предоставлять предупреждения для действий с умеренной степенью риска и предупреждения для действий с высокой степенью риска.
В конце концов, исследователи хотят, чтобы роботы на складах или фабриках могли использовать этот алгоритм для поддержания здоровья работников. Чтобы увидеть, насколько хорошо алгоритм может работать на гипотетическом складе, у исследователей был робот-монитор двух участников, выполняющих одинаковые действия. В течение трех секунд после окончания каждого действия робот показывал счет на своем дисплее.
«Фабрики и склады использовали автоматизацию в течение нескольких десятилетий. Теперь, когда люди начинают работать в условиях, где используются роботы, у нас есть уникальная возможность разделить работу таким образом, чтобы роботы выполняли рискованные работы», — сказал Банерджи. «У роботов и людей может быть активное сотрудничество, когда робот может сказать:« Я вижу, что вы поднимаете эти тяжелые предметы с верхней полки, и я думаю, что вы можете делать это много раз. Позвольте мне помочь вам ». «