Il sistema SEWAbility: un quadro di analisi del lavoro basato su video per comprendere le richieste specifiche delle mansioni

Perché questo conta per i lavoratori e i datori di lavoro

Molte persone con problemi di salute desiderano lavorare ma incontrano difficoltà a trovare impieghi compatibili con ciò che il loro corpo può effettivamente sopportare. Allo stesso tempo, le fabbriche hanno bisogno di metodi affidabili per comprendere quali siano le richieste fisiche richieste da ciascuna mansione. Questo studio presenta SEWAbility, un nuovo sistema basato su video che utilizza l’intelligenza artificiale per analizzare riprese standard dalle telecamere di fabbrica e tradurre il lavoro di cucito in descrizioni chiare e misurabili dei movimenti del corpo. L’obiettivo a lungo termine è aiutare ad abbinare le persone — in particolare quelle con disabilità — a lavori che si adattino meglio alle loro capacità in modo più sicuro ed equo.

Dalle telecamere di fabbrica a informazioni utili sulle mansioni

L’analisi tradizionale del lavoro spesso si basa su esperti che osservano i lavoratori, prendono appunti, conducono gruppi di discussione e intervistano i dirigenti. Questo processo è lento, soggettivo e non sufficientemente dettagliato per catturare i movimenti e gli sforzi precisi richiesti da un lavoro. In una fabbrica di cucito in Cina, il team di ricerca ha riscontrato questi limiti in prima persona: i lavoratori potevano dire di cucire lenzuola o uniformi scolastiche ma non riuscivano a descrivere ogni fase in modo chiaro e misurabile. I professionisti della riabilitazione professionale potevano indicare movimenti ripetuti delle braccia o piegamenti, ma non avevano numeri precisi su quanto velocemente o quanto ampiamente si muovessero le articolazioni. SEWAbility è stato creato per colmare questo vuoto trasformando video dall’alto del luogo di lavoro in dati di movimento oggettivi che possono essere analizzati in modo consistente.

Scomporre il lavoro di cucito in elementi più piccoli

SEWAbility si concentra su come i lavoratori del cucito usano braccia e parte superiore del corpo. Parte da viste dall’alto che tutelano la privacy non mostrando i volti. Il sistema traccia spalle, gomiti e polsi fotogramma per fotogramma, quindi sintetizza come queste articolazioni si muovono nel tempo usando 88 caratteristiche di movimento, come velocità, direzione e ampiezza del movimento. Innanzitutto, il sistema raggruppa i video in ampie tipologie di compiti — come cucire capi superiori, biancheria da letto o capi inferiori — basandosi solo sui modelli di movimento. Nei test su 21 video reali di fabbrica, questo raggruppamento automatico ha assegnato correttamente il tipo di mansione in circa l’86% dei casi, dimostrando che diversi lavori di cucito lasciano effettivamente “impronte” di movimento distinte in video dall’alto.

Individuare cicli ripetuti e micro-movimenti ripetuti

Una volta identificato il tipo di mansione, SEWAbility entra nel dettaglio. Rileva i cicli di lavoro, come il cucire un intero lenzuolo dall’inizio alla fine. Nel cucito un indizio chiaro è il momento in cui il lavoratore si china per rimuovere il tessuto finito e prendere un nuovo pezzo. Tracciando dove la mano appare vicino al bordo del tavolo, il sistema segna l’inizio e la fine di ogni ciclo. All’interno di ciascun ciclo, suddivide poi il video in molti brevi segmenti sovrapposti di un secondo e li clusterizza per trovare il modello di movimento più comune. Un secondo passaggio più preciso usa i picchi verso l’alto e verso il basso del movimento del polso per scomporre quel modello dominante in elementi di lavoro molto piccoli — i movimenti ripetuti di base, come spingere il tessuto attraverso l’ago.

Trasformare il movimento in numeri che descrivono le richieste della mansione

Per questi elementi di lavoro ripetuti, SEWAbility calcola dettagliate caratteristiche di “pattern di movimento ripetitivo”. Queste includono quanto ogni articolazione si sposta, quanto velocemente si muove e quanto cambiano gli angoli di gomito e spalla. In un video di cucito di un capo superiore, il sistema ha individuato sette chiari cicli di lavoro e, solo nel primo ciclo, 18 elementi di lavoro ripetuti stabili della durata di poco più di un secondo ciascuno. Per esempi selezionati ha mostrato che le braccia del lavoratore si muovevano molto di più in direzione orizzontale che verticale, corrispondente a quanto ci si aspetta nello scorrere del tessuto attraverso una macchina da cucire. Scalando i movimenti rispetto alla larghezza delle spalle, queste caratteristiche possono essere interpretate in centimetri e gradi reali, rendendole più utili a clinici ed ergonomi come parametri di riferimento.

Cosa potrebbe significare per un lavoro più equo e più sicuro

Sebbene questo studio iniziale si sia concentrato su un singolo lavoratore di cucito con una disabilità fisica, il quadro SEWAbility mostra che è tecnicamente possibile costruire profili ricchi e specifici per mansione delle richieste fisiche di un lavoro usando solo video del luogo di lavoro. Con l’aggiunta di più lavoratori e più compiti, questi profili di movimento potrebbero supportare raccomandazioni occupazionali basate sui dati, aiutando ad abbinare le capacità fisiche delle persone con le reali esigenze dei lavori di fabbrica. Rispetto all’analisi del lavoro tradizionale, più soggettiva, SEWAbility offre un modo scalabile per monitorare il lavoro ripetitivo su lunghi periodi, aprendo la strada a assunzioni più eque, una migliore pianificazione della riabilitazione professionale e progetti del luogo di lavoro più informati.

Citazione: Hu, H., Ding, Z., Fu, E.Y. et al. The SEWAbility system: a video-based job analysis framework for understanding task-specific job demands. Sci Rep 16, 10370 (2026). https://doi.org/10.1038/s41598-026-41536-w

Parole chiave: riabilitazione professionale, lavoro in fabbrica di cucito, analisi del movimento basata su video, esigenze lavorative, ergonomia del luogo di lavoro