• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • ¿Qué tan ergonómico es su trabajo de almacén? Pronto, una aplicación podría decirte

    Para probar qué tan bien podría funcionar el algoritmo en un almacén, los investigadores tenían un robot (brazo blanco) que monitoreaba a 10 participantes que realizaban actividades en un entorno similar a un almacén. Dentro de los tres segundos posteriores al final de cada actividad, el robot mostró una puntuación en su pantalla (derecha). Crédito:Parsa et al./IEEE Robotics and Automation Letters

    En 2017 hubo cerca de 350, 000 incidentes de trabajadores que se ausentan por enfermedad debido a lesiones que afectan a los músculos, nervios ligamentos o tendones, como el síndrome del túnel carpiano, según la Oficina de Estadísticas Laborales de EE. UU. Entre los trabajadores con mayor número de incidencias:personas que laboran en fábricas y almacenes.

    Los trastornos musculoesqueléticos ocurren en el trabajo cuando las personas adoptan posturas incómodas o realizan tareas repetidas. Estos comportamientos generan tensión en el cuerpo con el tiempo. Por lo tanto, es importante señalar y minimizar los comportamientos de riesgo para mantener a los trabajadores saludables en el trabajo.

    Investigadores de la Universidad de Washington han utilizado el aprendizaje automático para desarrollar un nuevo sistema que puede monitorear a los trabajadores de fábricas y almacenes y decirles qué tan riesgosos son sus comportamientos en tiempo real. El algoritmo divide una serie de actividades, como levantar una caja de un estante alto, llevarlo a una mesa y colocarlo en acciones individuales y luego calcula un puntaje de riesgo asociado con cada acción.

    El equipo publicó sus resultados el 26 de junio en Cartas de robótica y automatización de IEEE y presentará los hallazgos el 23 de agosto en la Conferencia Internacional IEEE sobre Ciencia e Ingeniería de Automatización en Vancouver. Columbia Británica.

    "En este momento, los trabajadores pueden hacer una autoevaluación en la que completan sus tareas diarias en una mesa para estimar qué tan riesgosas son sus actividades. "dijo el autor principal Ashis Banerjee, profesor asistente en los departamentos de ingeniería industrial y de sistemas e ingeniería mecánica de la UW. "Pero eso lleva mucho tiempo, y es difícil para la gente ver cómo los beneficia directamente. Ahora hemos automatizado todo este proceso. Nuestro plan es ponerlo en una aplicación de teléfono inteligente para que los trabajadores incluso puedan monitorearse a sí mismos y obtener comentarios inmediatos ".

    Para estas autoevaluaciones, las personas actualmente usan una instantánea de una tarea que se está realizando. La posición de cada articulación obtiene una puntuación, y la suma de todas las puntuaciones determina el riesgo de esa pose. Pero los trabajadores suelen realizar una serie de movimientos para una tarea específica, y los investigadores querían que su algoritmo pudiera calcular una puntuación general para toda la acción.

    Pasar al video es más preciso, pero requiere una nueva forma de sumar las puntuaciones. Para entrenar y probar el algoritmo, el equipo creó un conjunto de datos que contiene 20 videos de tres minutos de personas que realizan 17 actividades que son comunes en almacenes o fábricas.

    "Una de las tareas que le pedimos a la gente fue recoger una caja de un estante y colocarla sobre una mesa, "dijo el primer autor Behnoosh Parsa, estudiante de doctorado en ingeniería mecánica de la UW. "Queríamos capturar diferentes escenarios, por eso a veces tendrían que estirar los brazos, torcer el cuerpo o inclinarse para recoger algo ".

    Los investigadores capturaron su conjunto de datos usando una cámara Microsoft Kinect, que grabó videos en 3-D que les permitieron trazar un mapa de lo que estaba sucediendo con las articulaciones de los participantes durante cada tarea.

    Usando los datos de Kinect, el algoritmo aprendió primero a calcular las puntuaciones de riesgo para cada fotograma de vídeo. Luego pasó a identificar cuándo comenzaba y terminaba una tarea para poder calcular una puntuación de riesgo para una acción completa.

    Para entrenar y probar el algoritmo, el equipo creó un conjunto de datos que contiene 20 videos de tres minutos de personas que realizan 17 actividades que son comunes en almacenes o fábricas. Crédito:Universidad de Washington

    El algoritmo etiquetó tres acciones en el conjunto de datos como comportamientos de riesgo:recoger una caja de un estante alto, y colocando una caja o una barra en un estante alto.

    Ahora el equipo está desarrollando una aplicación que los trabajadores de la fábrica y los supervisores pueden usar para monitorear en tiempo real los riesgos de sus acciones diarias. La aplicación proporcionará advertencias para acciones de riesgo moderado y alertas para acciones de alto riesgo.

    Finalmente, los investigadores quieren que los robots en los almacenes o fábricas puedan usar el algoritmo para ayudar a mantener a los trabajadores sanos. Para ver qué tan bien podría funcionar el algoritmo en un almacén hipotético, Los investigadores tenían un robot que monitorizaba a dos participantes que realizaban las mismas actividades. Dentro de los tres segundos posteriores al final de cada actividad, el robot mostró una puntuación en su pantalla.

    "Las fábricas y los almacenes han utilizado la automatización durante varias décadas. Ahora que la gente está empezando a trabajar en entornos donde se utilizan robots, tenemos una oportunidad única de dividir el trabajo para que los robots hagan los trabajos riesgosos, ", Dijo Banerjee." Los robots y los humanos podrían tener una colaboración activa, donde un robot puede decir, 'Veo que está recogiendo estos objetos pesados ​​del estante superior y creo que puede estar haciéndolo muchas veces. Deja que te ayude.'"


    © Ciencia https://es.scienceaq.com