En 2017 se registraron casi 350 000 incidentes de trabajadores que se cogieron una baja por enfermedad debido a lesiones que afectan a los músculos, los nervios, los ligamentos o los tendones, como el síndrome del túnel carpiano, según la Oficina de Estadísticas Laborales de Estados Unidos. Entre los trabajadores con mayor número de incidentes se encontraban las personas que trabajan en fábricas y almacenes.
Los trastornos musculoesqueléticos se producen en el trabajo cuando las personas adoptan posturas incómodas o realizan tareas repetitivas. Estos comportamientos generan tensión en el cuerpo con el paso del tiempo. Por ello, es importante detectar y reducir las conductas de riesgo para mantener sanos a los trabajadores en el puesto de trabajo.
El nuevo algoritmo divide una serie de actividades —como levantar una caja de una estantería alta, llevarla a una mesa y depositarla— en acciones individuales y, a continuación, calcula una puntuación de riesgo asociada a cada acción.
Evaluación automatizada para trabajadores de almacén
«Actualmente, los trabajadores pueden realizar una autoevaluación en la que anotan sus tareas diarias en una tabla para estimar lo arriesgadas que son sus actividades», afirma el autor principal, Ashis Banerjee, profesor adjunto de los departamentos de ingeniería industrial y de sistemas e ingeniería mecánica de la Universidad de Washington.
«Pero eso requiere mucho tiempo, y a las personas les cuesta ver cómo les beneficia directamente. Ahora hemos automatizado por completo todo este proceso. Nuestro plan es incorporarlo en una aplicación para teléfonos inteligentes, de modo que los trabajadores puedan incluso supervisarse a sí mismos y recibir comentarios inmediatos».
Para estas autoevaluaciones, actualmente se utiliza una instantánea de una tarea en curso. La posición de cada articulación recibe una puntuación, y la suma de todas las puntuaciones determina lo arriesgada que es esa postura. Sin embargo, los trabajadores suelen realizar una serie de movimientos para una tarea específica, por lo que los investigadores querían que su algoritmo pudiera calcular una puntuación global para toda la acción.
Pasar al vídeo 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 vídeos de tres minutos de personas realizando 17 actividades comunes en almacenes o fábricas.
«Una de las tareas que hicimos realizar a las personas fue recoger una caja de un estante y colocarla sobre una mesa», afirma la primera autora, Behnoosh Parsa, estudiante de doctorado en ingeniería mecánica. «Queríamos captar distintos escenarios, así que a veces tenían que estirar los brazos, girar el cuerpo o agacharse para recoger algo».
Los investigadores recopilaron el conjunto de datos utilizando una cámara Microsoft Kinect, que grabó vídeos en 3D que les permitieron cartografiar lo que ocurría en las articulaciones de los participantes durante cada tarea.
Utilizando los datos de Kinect, el algoritmo primero aprendió a calcular puntuaciones de riesgo para cada fotograma del vídeo. Después, avanzó hasta identificar cuándo comenzaba y terminaba una tarea, de modo que pudiera calcular una puntuación de riesgo para toda una acción.
El algoritmo clasificó tres acciones del conjunto de datos como comportamientos de riesgo: recoger una caja de una estantería alta y colocar una caja o una barra sobre una estantería alta.
Asistentes robóticos
Actualmente, el equipo está desarrollando una aplicación que los trabajadores y supervisores de fábricas pueden utilizar para supervisar 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.
En última instancia, los investigadores quieren que los robots de almacenes o fábricas puedan utilizar el algoritmo para ayudar a mantener sanos a los trabajadores. Para comprobar lo bien que podría funcionar el algoritmo en un almacén hipotético, los investigadores hicieron que un robot supervisara a dos participantes que realizaban las mismas actividades. En un plazo de tres segundos desde el final de cada actividad, el robot mostraba una puntuación en su pantalla.
«Las fábricas y los almacenes llevan décadas utilizando la automatización. Ahora que las personas empiezan a trabajar en entornos donde se utilizan robots, tenemos una oportunidad única de repartir el trabajo para que los robots realicen los trabajos arriesgados», afirma Banerjee.
«Los robots y los humanos podrían colaborar activamente, de modo que un robot pudiera decir: “Veo que estás cogiendo estos objetos pesados del estante superior y creo que lo haces muchas veces. Déjame ayudarte”».
La investigación aparece en IEEE Robotics and Automation Letters. La financiación y el apoyo para este proyecto procedieron del Estado de Washington y de Amazon Robotics.
