A carregar...
Publicação
Healthy Ergonomics Analysis during Industrial Activities through Computer Vision
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 4.85 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
With the growing belief that humans are indispensable in manufacturing processes and will play a cen-
tral role in Industry 5.0, healthy workplace ergonomics are becoming increasingly important.
Work Musculosketal Disorders are extremely common in an industrial context, and can lead to
financial, productivity and quality losses. The best way to mitigate these injuries is to focus on their
prevention, by quantifying the ergonomic risk to which industrial operators are exposed, so measures
can be applied to reduce it.
The ergonomic risk can be analyzed through sensors, but these tend to be expensive, uncomfort-
able and interfere in industrial tasks. A less invasive and costly way of analyzing the ergonomic risk is
through Computer Vision, which is becoming increasingly popular for this kind of application. How-
ever, there is still some hesitance on the part of companies to use this type of system, possibly because:
camera setup is not straightforward, as it requires precise placement; often, Machine Learning algo-
rithms are not suitable for ergonomic analysis for all workstations; companies don't want to build a
system from scratch for each workstation, as this would take too much time.
An architecture is proposed with the aim of being a Plug and Play ergonomic analysis and classi-
fication system that can be rapidly deployed in industrial environments. It consists in a Raspberry Pi
and a camera placed in a workstation, and a Web application with an interface that guides the user
through the ergonomic risk assessment of an operator, computing the results through Machine Learning
and pose estimation algorithms and storing them in a database.
The system was tested in a controlled environment, in order to identify malfunctions. It proved to
have potential in the tests carried out with pose estimation algorithms, but some improvements are
needed in order to have the necessary robustness.
Com o crescimento da ideia de que os humanos são indispensáveis em processos de manufatura e que vão ter um papel central na Indústria 5.0, ter uma postura saudável no local de trabalho está a tornar-se cada vez mais importante. Lesões musculoesqueléticas no trabalho são bastante comuns em contexto industrial e podem levar a perdas financeiras e de produtividade. A melhor forma de preveni-las é através da quantificação do risco ergonómico a que os operadores industriais estão sujeitos. O risco ergonómico pode ser analisado através de sensores, mas estes tendem a ser caros e a interferirem em tarefas de cariz industrial. Uma forma menos invasiva e dispendiosa de analisar o risco ergonómico é através de Visão Computacional, que está a tornar-se cada vez mais popular para este tipo de aplicação. Contudo, existe hesitação das empresas em utilizar este tipo de sistema porque: a instala- ção da câmera não é fácil devido a ser necessário um posicionamento preciso; os algoritmos de Apren- dizagem de Máquina não estão preparados para análise ergonómica em todo o tipo de ambientes de trabalho; as empresas não querem construir um sistema de raiz para cada estação de trabalho. Foi proposta uma arquitetura que tem como objetivo ser um sistema Plug and Play de análise e classificação ergonómica que fosse de instalação rápida em ambientes industriais. Consiste num Raspberry Pi e câmera colocados numa estação de trabalho e numa aplicação Web com uma interface que guia o utilizador ao longo da avaliação ergonómica de um operador, obtendo os resultados através de algoritmos de Estimação de Pose e de Aprendizagem de Máquina e guardando-os numa base de dados. O sistema foi testado em ambiente fechado, de forma a identificar funcionamentos incorretos. O sistema mostrou potencial nos testes realizados com algoritmos de Estimação de Pose, apesar de serem necessários algumas melhorias de forma a ter a robustez necessária.
Com o crescimento da ideia de que os humanos são indispensáveis em processos de manufatura e que vão ter um papel central na Indústria 5.0, ter uma postura saudável no local de trabalho está a tornar-se cada vez mais importante. Lesões musculoesqueléticas no trabalho são bastante comuns em contexto industrial e podem levar a perdas financeiras e de produtividade. A melhor forma de preveni-las é através da quantificação do risco ergonómico a que os operadores industriais estão sujeitos. O risco ergonómico pode ser analisado através de sensores, mas estes tendem a ser caros e a interferirem em tarefas de cariz industrial. Uma forma menos invasiva e dispendiosa de analisar o risco ergonómico é através de Visão Computacional, que está a tornar-se cada vez mais popular para este tipo de aplicação. Contudo, existe hesitação das empresas em utilizar este tipo de sistema porque: a instala- ção da câmera não é fácil devido a ser necessário um posicionamento preciso; os algoritmos de Apren- dizagem de Máquina não estão preparados para análise ergonómica em todo o tipo de ambientes de trabalho; as empresas não querem construir um sistema de raiz para cada estação de trabalho. Foi proposta uma arquitetura que tem como objetivo ser um sistema Plug and Play de análise e classificação ergonómica que fosse de instalação rápida em ambientes industriais. Consiste num Raspberry Pi e câmera colocados numa estação de trabalho e numa aplicação Web com uma interface que guia o utilizador ao longo da avaliação ergonómica de um operador, obtendo os resultados através de algoritmos de Estimação de Pose e de Aprendizagem de Máquina e guardando-os numa base de dados. O sistema foi testado em ambiente fechado, de forma a identificar funcionamentos incorretos. O sistema mostrou potencial nos testes realizados com algoritmos de Estimação de Pose, apesar de serem necessários algumas melhorias de forma a ter a robustez necessária.
Descrição
Palavras-chave
Ergonomics Computer Vision Machine Learning Pose Estimation Industry 4.0 Industry 5.0