System SEWAbility: oparty na wideo framework analizy pracy do zrozumienia wymagań zadaniowych

Dlaczego to ma znaczenie dla pracowników i pracodawców

Wiele osób z problemami zdrowotnymi chce pracować, ale ma trudności ze znalezieniem stanowisk, które naprawdę odpowiadają ich możliwościom fizycznym. Jednocześnie fabryki potrzebują rzetelnych metod rozumienia, jakie wymagania fizyczne stawia przed pracownikami każde stanowisko. W tym badaniu przedstawiono SEWAbility — nowy system oparty na wideo, który wykorzystuje sztuczną inteligencję do analizy zwykłych nagrań z kamer fabrycznych i przekształcania pracy przy szyciu w jasne, mierzalne opisy ruchów ciała. Długoterminowym celem jest lepsze dopasowanie ludzi — zwłaszcza osób z niepełnosprawnościami — do stanowisk odpowiadających ich możliwościom, w sposób bezpieczniejszy i bardziej sprawiedliwy.

Z nagrań fabrycznych do użytecznej informacji o pracy

Tradycyjna analiza pracy często opiera się na ekspertach obserwujących pracowników, robieniu notatek, prowadzeniu grup fokusowych i rozmów z kierownikami. Ten proces jest powolny, subiektywny i niewystarczająco szczegółowy, by uchwycić dokładne ruchy i wysiłki wymagane przez dane stanowisko. W chińskiej fabryce szycia zespół badawczy doświadczył tych ograniczeń bezpośrednio: pracownicy mogli powiedzieć, że szyją prześcieradła czy mundurki szkolne, ale nie potrafili opisać każdego kroku w sposób jasny i możliwy do zmierzenia. Specjaliści rehabilitacji zawodowej potrafili wskazać powtarzające się ruchy ramion czy pochylanie się, lecz nie mieli precyzyjnych liczb dotyczących szybkości czy zakresu ruchu stawów. SEWAbility powstało, by wypełnić tę lukę, przekształcając nadgłowne nagrania z miejsca pracy w obiektywne dane ruchu, które można analizować konsekwentnie.

Rozbijanie pracy przy szyciu na mniejsze elementy

SEWAbility koncentruje się na tym, jak pracownicy szyjący używają ramion i górnej części ciała. Zaczyna od widoków z góry, które chronią prywatność, nie pokazując twarzy. System śledzi ramiona, łokcie i nadgarstki klatka po klatce, a następnie podsumowuje, jak te stawy poruszają się w czasie, używając 88 cech ruchu, takich jak prędkość, kierunek i zakres ruchu. Najpierw system grupuje nagrania w szerokie typy zadań — na przykład szycie bluzek, pościeli czy dolnych części garderoby — opierając się wyłącznie na wzorcach ruchu. W testach na 21 rzeczywistych nagraniach fabrycznych to automatyczne grupowanie poprawnie rozpoznawało typ zadania w około 86 procentach przypadków, co pokazuje, że różne zadania przy szyciu rzeczywiście pozostawiają na nagraniach charakterystyczne „podpisy” ruchowe.

Wykrywanie powtarzalnych cykli i drobnych powtarzanych ruchów

Gdy typ zadania zostanie zidentyfikowany, SEWAbility zagłębia się bardziej szczegółowo. Wykrywa cykle pracy, na przykład szycie jednego całego prześcieradła od początku do końca. W szyciu wyraźnym sygnałem jest moment, gdy pracownik schyla się, aby zdjąć gotowy materiał i sięgnąć po nowy kawałek. Śledząc, kiedy ręka pojawia się blisko krawędzi stołu, system zaznacza początek i koniec każdego cyklu. W ramach każdego cyklu dzieli następnie wideo na wiele krótkich, nakładających się segmentów trwających sekundę i grupuje je, aby znaleźć najczęściej występujący wzorzec ruchu. Drugi, bardziej precyzyjny krok wykorzystuje szczyty ruchu nadgarstka w górę i w dół, by rozciąć ten dominujący wzorzec na bardzo małe elementy pracy — podstawowe powtarzalne ruchy, takie jak przesuwanie materiału przez igłę.

Przekształcanie ruchu w liczby opisujące wymagania pracy

Dla tych powtarzalnych elementów pracy SEWAbility oblicza szczegółowe cechy „wzorców ruchu powtarzalnego”. Obejmują one, jak daleko porusza się każdy staw, jak szybko się porusza i o ile zmieniają się kąty łokcia i ramienia. W jednym z nagrań szycia elementu górnego system zidentyfikował siedem wyraźnych cykli pracy, a tylko w pierwszym cyklu — 18 stabilnych powtarzalnych elementów pracy trwających nieco ponad sekundę każdy. Dla wybranych przykładów pokazał, że ramiona pracownika poruszały się znacznie bardziej w kierunku poziomym niż pionowym, co odpowiada temu, czego można się spodziewać przy przesuwaniu materiału przez maszynę do szycia. Skalując ruchy względem szerokości barków, cechy te można interpretować w rzeczywistych centymetrach i stopniach, co ułatwia ich wykorzystanie jako punktów odniesienia przez klinicystów i ergonomów.

Co to może oznaczać dla bardziej sprawiedliwej i bezpiecznej pracy

Choć to wstępne badanie skupiło się na jednym pracowniku szyjącym z niepełnosprawnością ruchową, framework SEWAbility pokazuje, że technicznie możliwe jest zbudowanie bogatych, specyficznych dla zadania profili wymagań pracy, używając wyłącznie nagrań z miejsca pracy. W miarę dodawania kolejnych pracowników i zadań te profile ruchu mogłyby wspierać rekomendacje zatrudnienia oparte na danych, pomagając dopasować fizyczne możliwości ludzi do rzeczywistych wymagań stanowisk w fabrykach. W porównaniu z tradycyjną, bardziej subiektywną analizą pracy, SEWAbility oferuje skalowalny sposób monitorowania pracy powtarzalnej przez dłuższy czas, torując drogę do sprawiedliwszego zatrudniania, lepszego planowania rehabilitacji zawodowej i bardziej świadomego projektowania miejsc pracy.

Cytowanie: 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

Słowa kluczowe: rehabilitacja zawodowa, praca w fabryce szycia, analiza ruchu oparta na wideo, wymagania pracy, ergonomia miejsca pracy