Background and Motivations

L’ergonomia è una tecnologia da tener in considerazione nello sforzo di rimanere competitivi. È sempre più un fattore di molta importanza nella produttività di diversi luoghi di lavoro. Testare l’ergonomia fisica dei sistemi è costoso, dispendioso in termini di tempo, e le attuali metodologie non offrono alcuna garanzia di trasferibilità dei risultati. Tuttavia, la mancata esecuzione di questo processo può comportare un prodotto non competitivo o addirittura non utilizzabile. Se fosse possibile estrapolare e interpolare molte configurazioni di un posto di lavoro a partire da un numero limitato di configurazioni di addestramento, i test diventerebbero più rapidi ed economici. Se fosse possibile prendere i risultati di una precedente campagna di test e sapere fino a che punto potevano essere considerati applicabili a un prodotto completamente nuovo, si potrebbero risparmiare ancora più soldi.

Obiettivi

ANNIE prenderà i dati dei movimenti umani ottenuti dagli esperimenti di ergonomia e utilizzerà le reti neurali per calcolare come i soggetti del test si sarebbero trasferiti in altre circostanze. L’applicazione di questo potente paradigma di calcolo all’analisi dei dati sul movimento umano promette di ridurre il tempo e gli sforzi nei test di ergonomia. Lo sviluppo di una metodologia comune per questi esperimenti, quando reso disponibile a livello europeo, offre l’opportunità di portare la R & S industriale in quest’area del continente fino al livello più alto. Una parte considerevole dello sforzo verrà data per ottenere le esigenze degli utenti al di fuori del gruppo di partner direttamente coinvolti nel progetto. In questo modo il sistema risultante sarà più rilevante dal punto di vista industriale e le prestazioni del lavoro a livello europeo saranno più produttive.

Esecuzione

Fin dall’inizio il gruppo di ricerca si concentrerà su scenari rilevanti dal punto di vista industriale applicando la massima esattezza scientifica. La combinazione di industria e mondo accademico con una profonda conoscenza dell’ergonomia e della biomeccanica si mitizzeranno a vicenda. Alla fine del progetto, sia il software che il sistema metodologico saranno fattibili per problemi industriali reali e, allo stesso tempo, aperti e flessibili per futuri aggiornamenti.

Acquisizione di movimenti umani reali

L’obiettivo del progetto ANNIE è di supportare gli ergonomisti nella valutazione la conformità dei luoghi di lavoro con standard ergonomici senza ricorrere a prototipi fisici e campagne di test. Questo viene fatto attraverso la progettazione e l’esecuzione di esperimenti simulati in ambienti CAD 3D. Qui è necessario un manichino virtuale per eseguire alcuni compiti selezionati, come raggiungere, afferrare o sollevare un oggetto. È fondamentale far muovere il manichino in modo umano. I modelli e gli algoritmi tradizionali non sono molto adatti a questo scopo: piuttosto generano movimenti simili ai robot. Il primo passo consiste quindi nella raccolta di un database di movimenti umani reali. Due coppie di telecamere a infrarossi tengono traccia dei percorsi seguiti da indicatori collegati ad alcune posizioni rilevanti del corpo umano. Il processo complessivo coinvolge molti argomenti e molte sessioni di misurazione. Tuttavia, una volta raccolti, gli stessi dati possono essere utilizzati per diversi manichini virtuali, ambienti di lavoro e attività.

Reti neurali

Le reti neurali artificiali (ANNs) sono sistemi adattivi che possono imparare dall’esperienza. Sono attualmente utilizzati in un’ampia varietà di applicazioni, quali l’approssimazione delle funzioni, il riconoscimento della forma, il controllo, la previsione e molti altri. La loro operazione non richiede alcuna modellazione esplicita del problema da risolvere. Nel contesto del progetto ANNIE, l’ “esperienza” è solo il database di movimenti umani reali. Le RNA non semplicemente “memorizzano” tali informazioni, ma sono in grado di interpolarle e di estrapolarle, in modo che possano generare nuovi movimenti in risposta a condizioni precedentemente non visibili. Il processo di apprendimento può essere molto dispendioso dal punto di vista computazionale. Tuttavia, una volta addestrate, le RNA sono in genere molto veloci. I movimenti sono prevedibili per essere prodotti quasi in tempo reale sulle workstation di generazione corrente.

Simulazione CAD

Gli utenti finali valutano infine la qualità dei propri progetti da un punto di vista ergonomico all’interno di un ambiente CAD 3D. Dopo la definizione del manichino e del posto di lavoro, il modulo ANN addestrato genera movimenti di tipo umano in risposta a compiti e vincoli specifici. Tali movimenti vengono quindi visualizzati dagli strumenti CAD e le loro caratteristiche vengono verificate rispetto agli standard ergonomici. Se l’analisi suggerisce miglioramenti nella progettazione, questa può essere modificata e testata nuovamente in un ciclo completamente virtuale.