可穿戴传感器实时监控工厂工人的疲劳

制造业工作的受伤率是所有行业中最高的，通常是因为工人的身体和精神疲劳程度很高。为了改善工作场所，研究人员设计了一个可穿戴传感器系统，依靠机器学习来监控工人的身体紧张和疲劳迹象。通过这样做，他们希望他们的新设备将有助于防止事故和伤害。

西北大学的一个团队在PNAS Nexus 10月号上发表的一项研究中详细介绍了这一设计。为了测量疲劳和身体健康，研究人员开发了一个由六个可穿戴传感器组成的相互连接的阵列，放置在佩戴者的躯干和手臂上。这些传感器与两个深度摄像头相结合，用于测量关节运动，一个HD网络摄像头用于分析运动强度、重复和随着时间的推移而减弱的力量。一旦启用，这些设备就会持续监测心率、皮肤温度和运动模式。但鉴于没有广泛接受的通用疲劳生物标志物指标，研究人员依赖佩戴者自我报告的0-10级感知运动水平，然后将其输入机器学习模型。研究人员称，一旦经过训练，这个模型就被用来实时预测用户的疲劳程度，以提供比过去研究“对受试者身体状态更细致入微的理解”。

该团队在论文中写道：“采用实时疲劳预测的新技术有可能通过优化工作时间表和实施适应性工作/休息周期来彻底改变制造业，[同时]解决缺乏确定性生物标志物的问题。”

为了测试他们的系统，研究小组招募了43名年龄在18岁至56岁之间的参与者，然后让他们模拟两项困难的制造工作——线束和复合片材铺层。然而，在这些场景中，志愿者还穿着重达40磅的加重背心，以快进疲劳水平，达到通常在轮班结束时感觉到的水平。从那里，研究人员监控传感器读数以及机器学习程序的预测。研究人员甚至把他们的传感器（减去额外的重量）带到实验室环境之外，并将它们提供给两个工厂的实际制造业工人，他们指出该系统易于使用且不引人注目。

[相关：宝马在南卡罗来纳州工厂放置人形机器人。]

根据这项研究的结果，一个直接的收获是确认关于疲劳的“真正有意义的反馈”需要将努力视为“连续变量”他们写道，许多现有的方法将一个人归类为疲劳或非疲劳，这对实施先发制人的安全措施根本没有足够的帮助。

此外，由于每个人的身体各不相同，疲劳的最佳物理指标组合可能因年龄、性别和体重等因素而异——但在两项制造任务中仍观察到一些普遍趋势。例如，最明显的劳累迹象之一可以在用户非优势手臂的疲劳水平中找到。另一个指标可以通过使用胸部传感器测量工人的行走运动强度来找到。传感器记录的常见疲劳迹象，如心率加快、体温升高和出汗，也有助于为评估劳累的建模提供信息。

研究人员希望类似于他们自己的传感器系统将有助于提供更准确和有用的实时工厂体力劳动疲劳监测器。为了帮助实现这一目标，他们将他们的方法设计作为开放访问材料在线提供。

然而，技术只有在监督者允许的情况下才有帮助。正因为如此，该团队承认，制造公司在使用这些设备时必须遵守道德和负责任的标准。

研究人员写道：“尽管我们通过这项研究的首要目标是通过积极的反馈来确保工人的安全、降低风险和增强操作员的权能，但我们认识到在现实世界的工作场所环境中部署这种系统的伦理和法律考虑。”“我们希望持续的技术进步，包括我们在预测制造环境中身体疲劳方面的努力，将激励建设e关于部署的讨论。”