Automatisierte Evaluierung der Ergonomie am Arbeitsplatz durch den Einsatz von Deep Learning

Abstract

ArbeitnehmerInnen in der Industrie sind oft schlechten Arbeitsbedingungen ausgesetzt. Dies führt zu einer erhöhten Rate an arbeitsbedingten Erkrankungen des Bewegungsapparates und beeinträchtigt dadurch die Produktivität [1]. Es existieren bereits einige Methoden für die Bewertung der Ergonomie am Arbeitsplatz. Jedoch stützen sich diese in der Praxis meist auf Beobachtungen durch Fachleute. Diese Analysen sind zeitaufwändig und erzielen subjektive Ergebnisse [2]. Daher wurde im Rahmen dieser Diplomarbeit eine Methode implementiert, welche die Ergonomie unter Verwendung von Computer-Vision-Algorithmen automatisch beurteilt. Für die Analyse ist lediglich die Aufzeichnung eines Videos des Arbeitsvorgangs mit einer handelsüblichen Kamera notwendig. Der Algorithmus verwendet ein künstliches neuronales Netzwerk zur Schätzung der menschlichen Pose. Dieses künstliche neuronale Netzwerk erkennt dabei die Personen in den einzelnen Bildern des Videos und gibt als Ergebnis die 2D- und 3D-Koordinaten der wichtigsten Körperpunkte aus. Basierend auf diesen Informationen wurden die Winkel zwischen einzelnen Körperteilen berechnet und daraus mithilfe des Rapid Upper Limb Assessments (RULA) ein Ergonomie-Score gebildet. Die Ergebnisse wurden in verschiedenen Heatmaps dargestellt, welche die Häufigkeit der Positionen einer Arbeitskraft, den Ergonomie-Score an den jeweiligen Positionen und die Häufigkeit der gefährlichen Körperhaltungen darstellen. Durch die Implementierung eines Tracking-Algorithmus ist es zusätzlich auch möglich, mehrere Arbeitskräfte zu analysieren oder unbeteiligte Personen zu ignorieren. Der Algorithmus wurde im Rahmen eines Feldversuchs an zwei Arbeitsplätzen in der Produktion der Wacker Neuson Linz GmbH getestet und erzielte sehr gute Ergebnisse. Es konnten die Positionen aufgezeigt werden, an denen sich die Arbeitskraft am häufigsten aufhielt. Des Weiteren stellten die Heatmaps sehr gut dar, an welcher Stelle eine schlechte Körperhaltung auftrat. Zusätzlich waren auch die Laufwege der Arbeitskraft ersichtlich. Die automatische Analyse spart Kosten und Aufwand bei der Bewertung eines Arbeitsplatzes, ist objektiv und beeinträchtigt die Arbeitskraft nicht bei ihren Tätigkeiten. Die Darstellung der Ergebnisse in Form einer Heatmap fasst alle relevanten Informationen in einem Bild zusammen und sorgt für ein leichtes Verständnis.

Industrial workers are often exposed to poor working conditions. This leads to an increased rate of work-related diseases of the musculoskeletal system and thereby affects the productivity [1]. There are many methods for evaluating workplace ergonomics. In practice, however, these methods are mostly based on observations by experts. Thus, ergonomic evaluation is time-consuming and can lead to subjective results [2]. So a method was implemented which automatically evaluates the ergonomics using computer vision algorithms. The sole requirement for the analysis is a video recording of the working process with a commercially available camera. The algorithm uses an artificial neural network to estimate the human pose. This artificial neural network recognizes the persons in each picture of the video and displays as a result the 2D- and 3D-coordinates of the most important points of the body. Based on this information, the angles between the individual body parts were calculated and an ergonomics score was formed using the Rapid Upper Limb Assessment (RULA). The results were presented in various heatmaps, which show the frequency of the positions of the manual worker, the ergonomics score at the respective positions, and the frequency of dangerous postures. By implementing a tracking algorithm, it is also possible to analyze several workers or to ignore uninvolved persons. The algorithm was tested as part of a field experiment at two workstations in the production of Wacker Neuson Linz GmbH and achieved very good results. The most frequent positions of the manual worker were successfully visualized. Furthermore, the heatmaps showed very clearly where bad posture occurred. In addition, the routes taken by the worker were also apparent. The automatic analysis saves costs and effort when evaluating a workplace, is objective, and does not interfere with the worker's activities. The presentation of the results in the form of a heatmap summarizes a great deal of information in one image and also ensures easy understanding.