Bedre arbejdsmiljø

Det vigtigste nye output er, at der er udviklet en algoritme til datafusion fra forskellige sensorsystemer til brug ved præcisions-tracking, samt at et sensorsystem til analyse af muskeltræthed er identificeret og indkøbt. Sensorsystemet er et trådløst elektromyografisk sensorsystem (EMG) til bioelektriske målinger af muskelaktivitet. Ud fra muskelaktiviteten er det muligt at udlede information om niveauet af muskelbelastning og muskeludtrætning under arbejdet, og det kan anvendes til analyse af muskel- og skeletbesvær (MSB) samt ensidigt, gentaget arbejde (EGA).

Den AI-baserede software til analyse af operatørens bevægelse er under udvikling. Det tager udgangspunkt i body pose tracking, hvor nøglepunkter på operatørens krop trackes (f.eks. hofte, skulder, albue og håndled). Ud fra disse data kan en RULA-score udregnes, hvor RULA (Rapid Upper Limb Assessment) er en standardiseret metode til vurdering af arbejdspositioner ift. ergonomi.

Der er ligeledes identificeret en case til afprøvning af tracking-udstyr. Casen omhandler pudsning af mørbrød, hvor slagteren afskærer fedt og småkød fra mørbraden efter specifikation. Tracking-systemet skal optage knivens position og orientering under pudsningen, som herefter kan bruges til at vurdere arbejdsbelastningen på operatøren samt til at automatisere opgaven.

Den næste store aktivitet i projektet er at teste trackingsystemet baseret på datafusion til præcisionsmåling af værktøjsbaner på den udvalgte case om pudsning af mørbrad samt at afprøve det nyindkøbte EMG-sensorsystem. Samtidig skal AI-software til body pose tracking færdigudvikles, og implementering af RULA-score skal påbegyndes.

Det vigtigste nye resultat er, at trackingsystemet til skanning af tredimensionelle bevægelsesdata fra en værktøjsoperatør er identificeret og testet i produktionsmiljøet. Der er udviklet software til dataindsamling og analyse af trackingsystemets præcision. Sensoren til sporing af værktøjets orientering er ligeledes identificeret og indkøbt. Ved brug af disse to sensorsystemer kan operatørens seksdimensionelle bevægelsesmønstre kortlægges meget nøjagtigt med henblik på videre analyse. Herudover undersøges anvendelsen af dataanalysealgoritmer baseret på kunstig intelligens (AI), og software-pipelinen til træning af AI modeller forberedes.

I projektet er sensorsystemer ligeledes undersøgt i forbindelse med analyse af muskel- og skeletbesvær (MSB) samt ensidigt, gentaget arbejde (EGA). Det konkluderes, at der er behov for et trådløst elektromyografisk sensorsystem (EMG) til bioelektriske målinger af muskelaktivitet. Ud fra muskelaktiviteten er det muligt at udlede information om niveauet af muskelbelastning og -træthed under arbejdet. Der er etableret yderligere kontakt med partnere, der er eksperter i analyse af bevægelsesmønstre og muskeltræthed.

Projektets næste store aktivitet indebærer indsamling af data gennem tracking- og sensorsystemerne. Som en del af udviklingsprocessen skal der udarbejdes en opstilling af sensorudstyret i produktionsmiljøet. Sideløbende skal der udvikles en algoritme til datafusion fra de forskellige sensorsystemer. Det AI-baserede software til omsætning fra operatørens bevægelse til robotbevægelse skal herefter designes og testes.

Derudover skal den rigtige EMG-sensor identificeres for at give eksperterne nøjagtige data til analyser af bevægelsesmønstre og muskeltræthed. Samarbejdspartneren skal findes, og deres ekspertviden skal inddrages i projektet.

Det vigtigste nye output er, at projektet er i gang med at teste forskellige systemer til opsamling af data, der beskriver bevægelserne i tre dimensioner. De testede systemer er dels baseret på kamerateknologi, hvor en række 3D billeder sammenstilles og analyseres, og dels på sensorer, som enten placeres på hele kroppen eller i og omkring værktøjet. Endelig testes et system, hvor operatøren styrer en robot via en telemanipulator, som så opsamler data om bevægelsen. Systemerne vurderes på baggrund af de kortlagte dataindsamlinger relateret til muskel- og skeletbesvær (MSB) samt ensidigt, gentaget arbejde (EGA). De opsamlede data fortæller om bevægelsen i rummet men ikke om den belastning, som kroppen påvirkes med. Denne information skal tilføjes, så det endelig system vil kunne fortælle, hvornår operatøren er i et kritisk område i forhold til kroppen. Herved kan bevægemønsteret tilrettes, så de største belastninger er i områder, hvor kroppen er bedst mulig i stand til at håndtere det.

Den næste store aktivitet i projektet er at få evalueret hvilket dataopsamlingssystem, der egner sig bedst til opgaven. Det valgte udstyr skal herefter indgå i et udviklingsforløb, hvor der etableres en installation, som ideelt set kan bruges i produktionsmiljøet eller alternativt kan simulere den rigtige brugssituation i laboratorieomgivelser. Derudover skal yderligere samarbejdspartnere inddrages, og deres viden skal bringes ind i projektet.

Det vigtigste nye output er, at projektet i Q1 har undersøgt kødindustriens generelle udfordringer med MSB (muskel/skeletbesvær) og EGA (ensidig gentaget arbejde). Dette for at afgrænse søgeområderne for såvel mulige fremtidige samarbejdspartnere til vurdering af arbejdsmiljøudfordringer som tekniske løsningsmuligheder.

Samarbejdsmuligheder med Arbejdsmedicinsk Klinik samt Nationalt Forskningscenter for Arbejdsmiljø er belyst ift. at få den bedste viden omkring vurdering af hvilke bevægelsesmønstre, der potentielt medfører skader. Derudover er flere forskellige leverandører af udstyr til at måle og transmittere data af bevægelsesmønstre til en PC afdækket i Q1.

Den næste store aktivitet i projektet er at udpege en samarbejdspartner til vurdering af MSB- og EGA-delene af de data, der kan opsamles - herunder at formulere hvilke data, der bedst kan benyttes til vurderingen.

Derudover vil der i Q2 blive testet forskellige systemer til dataopsamling og foretaget et endeligt valg af system.