Czujniki do noszenia i uczenie maszynowe przewidują zmęczenie pracowników, aby poprawić bezpieczeństwo i produktywność

Monitorując w czasie rzeczywistym parametry życiowe i ruchy pracowników, badacze opracowali potężny system przewidywania zmęczenia, zapewniający firmom najnowocześniejsze rozwiązanie umożliwiające zmniejszenie liczby urazów i poprawę wydajności pracy.

Studiuje: Sieć do noszenia, umożliwiająca przewidywanie wielopoziomowego zmęczenia fizycznego pracowników produkcyjnych. Źródło obrazu: UNIKYLUCKK / Shutterstock

W niedawnym badaniu opublikowanym w czasopiśmie Stowarzyszenie PNASNaukowcy zbadali zastosowanie multimodalnych czujników do noszenia w połączeniu z uczeniem maszynowym do pomiaru zmęczenia pracowników produkcyjnych w czasie rzeczywistym. Ich odkrycia dostarczają ważnych informacji na temat fizycznych wyzwań związanych z pracą w fabryce poprzez monitorowanie parametrów życiowych i ruchu, co ma wpływ na poprawę warunków pracy i produktywności.

tło

W przemyśle wytwórczym koszty zmęczenia są wysokie, a koszt utraty produktywności związanej ze zdrowiem szacuje się w Stanach Zjednoczonych na 136 miliardów dolarów rocznie. Wysoki poziom zmęczenia odnotowano także wśród pracowników w Szwecji, Japonii, Unii Europejskiej i Kanadzie – 90% pracowników zmianowych zgłasza regularne zmęczenie, senność oraz wysokie ryzyko obrażeń, wypadków i schorzeń, takich jak zespół chronicznego zmęczenia lub zaburzenia mięśniowo-szkieletowe . .

Zmęczenie jest trudne do monitorowania, ponieważ nie ma uniwersalnych biomarkerów. Chociaż standardowe narzędzia oceny skupiają się na pomiarze postawy fizycznej, mogą nie w pełni uchwycić oznaki napięcia i zmęczenia układu mięśniowo-szkieletowego. Nadmierne upraszczanie zmęczenia do stanów binarnych ignoruje niuanse w poziomach wysiłku fizycznego.

Do rejestrowania zmęczenia używano urządzeń do noszenia na nadgarstku lub czujników kończyn dolnych. Jest jednak ograniczone względami prywatności i opiera się na założeniu, że zadania będą obejmować chodzenie. Brakuje multimodalnych i praktycznych systemów wykrywania odpowiednich dla środowisk fabrycznych.

O badaniu

W tym badaniu naukowcy potraktowali zmęczenie jako zmienną ciągłą, wykorzystując wykrywanie multimodalne do wychwytywania objawów motorycznych i fizjologicznych. Zmęczenie mierzono w skali od 0 do 10, określającej postrzegany poziom wysiłku, co jest często stosowane w naukach o sporcie. W modelu uczenia maszynowego wdrożono także niestandardową funkcję straty asymetrycznej, aby zmniejszyć wpływ nieoczekiwanych błędów przewidywania i zapewnić głębsze zrozumienie.

Uczestnikami badania było 43 pracowników zajmujących się dwoma zadaniami produkcyjnymi: układaniem arkuszy kompozytowych i wiązek elektrycznych. Nosili miękkie, nadające się do noszenia czujniki, które monitorowały ruch i parametry życiowe, w tym temperaturę skóry i tętno, w czasie rzeczywistym i w sposób ciągły. Czujniki zaprojektowano tak, aby były przyjazne dla skóry, niepodrażniające i elastyczne.

Naukowcy opracowali produkty do analizy i wizualizacji danych, które można wykorzystać do przewidywania wypalenia zawodowego i zapewniania wskazówek firmom i pracownikom.

Wyniki

Wiek uczestników wahał się od 18 do 56 lat, a 23,7% z nich stanowiły kobiety. Otrzymali dwa zadania, a dane zbierano przez okres 18 miesięcy. Zadania mają na celu naśladowanie rzeczywistych ustawień produkcyjnych z powtarzalnymi krokami powodującymi zmęczenie, w tym zadanie „umieszczania arkuszy kompozytowych”, które wymaga od pracowników umieszczania i wygładzania arkuszy z włókna węglowego, oraz zadanie „wiązek przewodów”, które obejmuje instalowanie opasek zaciskowych wokół systemów. Uczestnicy nosili także kamizelki z obciążeniem, aby zwiększyć odczuwany wysiłek.

Modele wykazały, że u różnych osób różne fizjologiczne oznaki zmęczenia mogą się zmieniać w czasie u tej samej osoby. Wyniki pokazały, że zmęczenie prowadziło do niższych wyników w wynikach po powtarzających się rundach zadań, co wskazuje na negatywny wpływ zmęczenia na wydajność pracy.

Wydajność początkowo poprawiła się dzięki uczeniu się zadań, ale spadła wraz ze wzrostem zmęczenia. Różnice w wynikach między uczestnikami również wzrosły wraz z pojawieniem się zmęczenia, co wskazuje na indywidualne różnice w odporności na zmęczenie.

Stwierdzono, że niedominujące ruchy ramion, szczególnie w zadaniach obejmujących ruchy jednoczesne, odgrywają kluczową rolę w przewidywaniu zmęczenia, wraz z markerami fizjologicznymi, takimi jak częstość akcji serca. W szczególności maksymalne tętno i ruch lewego ramienia były jednymi z najważniejszych czynników wpływających na przewidywanie zmęczenia.

Informacje zwrotne od użytkowników pracujących w ustawieniach fabrycznych dotyczące urządzeń pomiarowych wskazują, że czujniki są ogólnie postrzegane jako dyskretne i że technologia może prowadzić do poprawy warunków pracy. Ankiety wykazały również pozytywne reakcje dotyczące komfortu i łatwości użytkowania, a uczestnicy zaakceptowali śledzenie danych i zgłaszali zmniejszone przeszkody w wykonywaniu zadań dzięki czujnikowi.

Wnioski

Zmęczenie jest powszechne wśród pracowników produkcyjnych i prowadzi do większego ryzyka obrażeń, niższej produktywności i problemów zdrowotnych. Poprawa ergonomii i łagodzenie zmęczenia ma kluczowe znaczenie, ale obecne wyzwania obejmują brak dyskretnych metod wykrywania zmęczenia i wiarygodnych biomarkerów.

W badaniu zebrano dane pochodzące ze świata rzeczywistego od 43 osób wykonujących dwa zadania w środowisku produkcyjnym. Celem było modelowanie zmęczenia jako zmiennej ciągłej, co stanowiło ulepszenie poprzednich metod, które klasyfikowały jedynie pracowników jako „zmęczonych” i „niezmęczonych”.

Modele zmęczenia są złożone, na które wpływają zaszumione samoopisy i różnią się w zależności od osoby i zadania. Na przykład cechy lokomotywy były ważniejsze w przypadku zadań obejmujących jednoczesne ruchy. Naukowcy przyjęli także niestandardową funkcję strat asymetrycznych, w ramach której priorytetowo traktowano redukcję błędów tam, gdzie model nie przewidywał poziomu zmęczenia, ponieważ uznano, że jest to ważniejsze w zastosowaniach praktycznych. Wydajność spada, gdy model jest testowany na nowych osobach nieuwzględnionych w danych uczących, co uwydatnia zmienność indywidualną.

System monitoruje stres pracowników za pomocą czujników do noszenia i dostarcza informacji zwrotnych w czasie rzeczywistym za pośrednictwem wizualnego pulpitu nawigacyjnego. Został pomyślnie przetestowany w fabryce, a pracownicy pozytywnie ocenili jego łatwość obsługi i użyteczność.

Chociaż system ma na celu poprawę bezpieczeństwa pracowników i wzmocnienie pozycji pracowników, wdrażanie takich systemów w miejscach pracy budzi wątpliwości etyczne i prawne. Na przykład zgłaszane przez siebie wyniki zmęczenia mogą czasami być stronnicze, ponieważ pracownicy mogą zgłaszać mniejsze zmęczenie ze względu na obawy dotyczące uwagi kierownictwa. Naukowcy mają nadzieję, że ich praca wywoła dyskusję na temat odpowiedzialnego korzystania z tych technologii. Zbiór danych został udostępniony publicznie do celów przyszłych badań.