O sistema SEWAbility: uma estrutura de análise de trabalho baseada em vídeo para entender demandas específicas de tarefas

Por que isso importa para trabalhadores e empregadores

Muitas pessoas com problemas de saúde querem trabalhar, mas têm dificuldade em encontrar empregos que realmente correspondam ao que seus corpos conseguem suportar. Ao mesmo tempo, as fábricas precisam de maneiras confiáveis de compreender o que cada função exige fisicamente dos trabalhadores. Este estudo apresenta o SEWAbility, um novo sistema baseado em vídeo que utiliza inteligência artificial para interpretar imagens comuns de câmeras de fábrica e traduzir o trabalho de costura em descrições claras e mensuráveis de como o corpo se move. O objetivo de longo prazo é ajudar a compatibilizar pessoas — especialmente aquelas com deficiência — com trabalhos que se ajustem às suas capacidades de forma mais segura e justa.

Das câmeras da fábrica para informações úteis sobre o trabalho

A análise de trabalho tradicional costuma depender de especialistas observando trabalhadores, fazendo anotações, conduzindo grupos focais e entrevistando gestores. Esse processo é lento, subjetivo e não detalhado o suficiente para capturar os movimentos e esforços exatos que uma função exige. Em uma fábrica de costura chinesa, a equipe de pesquisa observou esses limites em primeira mão: os trabalhadores podiam dizer que estavam costurando lençóis ou uniformes escolares, mas não conseguiam descrever cada etapa de forma clara e mensurável. Profissionais de reabilitação vocacional podiam apontar movimentos repetidos dos braços ou movimentos de flexão, mas não tinham números precisos sobre quão rápido ou quão amplos eram os movimentos das articulações. O SEWAbility foi criado para preencher essa lacuna, transformando vídeos aéreos do local de trabalho em dados objetivos de movimento que podem ser analisados consistentemente.

Dividindo o trabalho de costura em blocos menores

O SEWAbility foca em como os trabalhadores de costura usam os braços e a parte superior do corpo. Ele começa com vistas de cima que protegem a privacidade por não mostrar rostos. O sistema rastreia ombros, cotovelos e pulsos quadro a quadro, e então resume como essas articulações se movem ao longo do tempo usando 88 características de movimento, como velocidade, direção e amplitude de movimento. Primeiro, o sistema agrupa vídeos em tipos amplos de tarefa — como costurar partes de cima, roupas de cama ou peças inferiores — com base apenas em padrões de movimento. Em testes com 21 vídeos reais de fábrica, esse agrupamento automático identificou corretamente o tipo de tarefa em cerca de 86% dos casos, mostrando que diferentes trabalhos de costura realmente deixam “assinaturas” de movimento distintas na câmera.

Encontrando ciclos repetidos e pequenos movimentos repetidos

Uma vez identificado o tipo de tarefa, o SEWAbility aprofunda a análise. Ele detecta ciclos de trabalho, como costurar um lençol inteiro do início ao fim. Na costura, um sinal claro é o momento em que o trabalhador se abaixa para retirar o tecido acabado e pegar uma nova peça. Ao rastrear onde a mão aparece próxima à borda da bancada, o sistema marca o início e o fim de cada ciclo. Dentro de cada ciclo, ele então divide o vídeo em muitos segmentos curtos e sobrepostos de um segundo e os agrupa para encontrar o padrão de movimento mais comum. Uma segunda etapa, mais precisa, usa os picos de movimento vertical do pulso para esculpir esse padrão dominante em elementos de trabalho muito pequenos — os movimentos básicos repetidos, como empurrar o tecido para frente pela agulha.

Transformando movimento em números que descrevem demandas de trabalho

Para esses elementos de trabalho repetidos, o SEWAbility calcula características detalhadas do “padrão de movimento repetitivo”. Elas incluem quão longe cada articulação viaja, quão rápido se move e quanto os ângulos do cotovelo e do ombro mudam. Em um vídeo de costura de parte superior, o sistema identificou sete ciclos de trabalho claros e, no primeiro ciclo isoladamente, 18 elementos de trabalho repetitivos estáveis com pouco mais de um segundo cada. Em exemplos selecionados, mostrou que os braços do trabalhador se moviam muito mais na direção horizontal do que na vertical, condizendo com o esperado ao deslizar o tecido pela máquina de costura. Ao escalonar os movimentos em relação à largura dos ombros, essas características podem ser interpretadas em centímetros e graus do mundo real, facilitando seu uso por clínicos e ergonômicos como parâmetros de referência.

O que isso pode significar para um trabalho mais justo e seguro

Embora este estudo inicial tenha se concentrado em um único trabalhador de costura com deficiência física, a estrutura SEWAbility demonstra que é tecnicamente possível criar perfis ricos e específicos por tarefa sobre o quão exigente um trabalho é, usando apenas vídeos do local de trabalho. À medida que mais trabalhadores e tarefas forem adicionados, esses perfis de movimento poderão apoiar recomendações de emprego orientadas por dados, ajudando a compatibilizar as capacidades físicas das pessoas com as demandas reais dos trabalhos em fábrica. Em comparação com a análise de trabalho tradicional, mais subjetiva, o SEWAbility oferece uma forma escalável de monitorar trabalhos repetitivos por longos períodos, abrindo caminho para contratações mais justas, melhor planejamento de reabilitação vocacional e um desenho do local de trabalho mais informado.

Citação: 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

Palavras-chave: reabilitação vocacional, trabalho em fábrica de costura, análise de movimento baseada em vídeo, demandas de trabalho, ergonomia no local de trabalho