SEWAbility sistemi: Göreve özgü iş taleplerini anlamak için video tabanlı bir iş analizi çerçevesi

İşçi ve işverenler için bunun önemi

Sağlık sorunları olan birçok insan çalışmak istiyor ancak bedenlerinin gerçekten kaldırabileceği işlerle eşleşmekte zorlanıyor. Aynı zamanda, fabrikaların her işin çalışanlardan fiziksel olarak neler talep ettiğini güvenilir şekilde anlamaya ihtiyaçları var. Bu çalışma, sıradan fabrika kamera görüntülerini yapay zekâ ile okuyarak dikiş işlerini bedenin nasıl hareket ettiğine dair açık, ölçülebilir tanımlara dönüştüren yeni bir video tabanlı sistem olan SEWAbility’yi sunar. Uzun vadeli amaç, özellikle engelli olanlar da dahil olmak üzere insanları yeteneklerine daha uygun, daha güvenli ve adil işlerle eşleştirmeye yardımcı olmaktır.

Fabrika kameralarından işe yarar iş bilgisine

Geleneksel iş analizi genellikle uzmanların çalışanları izlemesine, not almasına, odak grupları yürütmesine ve yöneticilerle görüşme yapmasına dayanır. Bu süreç yavaş, özneldir ve bir işin gerektirdiği kesin hareketleri ve çabaları yakalayacak kadar ayrıntılı değildir. Çin’de bir dikiş fabrikasında araştırma ekibi bu sınırlamaları ilk elden gördü: çalışanlar çarşaf veya okul üniforması dikiyor olabileceklerini söyleyebiliyor ama her adımı açık, ölçülebilir bir biçimde tarif edemiyorlardı. Mesleki rehabilitasyon profesyonelleri tekrarlayan kol hareketleri veya eğilmeleri işaret edebiliyordu, ancak eklemlerin ne kadar hızlı veya ne kadar uzaklıkta hareket ettiğine dair kesin sayıları yoktu. SEWAbility, mahremiyeti koruyan işyeri videolarını tutarlı şekilde analiz edilebilen nesnel hareket verilerine dönüştürerek bu boşluğu doldurmak için geliştirildi.

Dikiş işini daha küçük yapı taşlarına ayırmak

SEWAbility, dikiş çalışanlarının kollarını ve üst vücudunu nasıl kullandığına odaklanır. Yüzleri göstermeyen yukarıdan görüntülerle başlarak mahremiyeti korur. Sistem, çerçeve çerçeve omuzları, dirsekleri ve bilekleri izler, ardından bu eklemlerin zaman içindeki hareketlerini hız, yön ve hareket aralığı gibi 88 hareket özelliğiyle özetler. İlk olarak, sistem yalnızca hareket kalıplarına dayanarak videoları dikiş üstleri, çarşaflar veya alt giysiler gibi geniş görev türlerine ayırır. 21 gerçek fabrika videosu üzerinde yapılan testlerde, bu otomatik gruplama görev türünü yaklaşık yüzde 86 oranında doğru eşleştirerek farklı dikiş işlerinin kameralarda gerçekten farklı hareket “imzaları” bıraktığını gösterdi.

Tekrarlanan döngüleri ve küçük tekrar eden hareketleri bulmak

Bir görev türü belirlendikten sonra SEWAbility detaylara iner. Bir bütün çarşafı baştan sona dikmek gibi iş döngülerini tespit eder. Dikişte belirgin bir ipucu, çalışan bitmiş kumaşı almak ve yeni bir parça almak için eğildiği andır. Elin masa kenarı yakınında göründüğü yeri izleyerek sistem her döngünün başlangıç ve bitişini işaretler. Her döngü içinde, videoyu çok sayıda kısa, üst üste binen bir saniyelik segmentlere böler ve bunları en yaygın hareket desenini bulmak için kümeleyerek analiz eder. İkinci ve daha hassas bir adım ise bilek hareketinin aşağı-yukarı tepelerini kullanarak o baskın deseni çok küçük iş öğelerine—iğne arasından kumaşı itmek gibi temel tekrarlanan hareketlere—ayırmaktır.

Hareketi iş taleplerini tanımlayan sayılara dönüştürmek

Bu tekrarlanan iş öğeleri için SEWAbility ayrıntılı “tekrarlayan hareket deseni” özelliklerini hesaplar. Bunlar, her eklemin ne kadar yol kat ettiğini, ne kadar hızlı hareket ettiğini ve dirsek ile omuz açılarında ne kadar değişiklik olduğunu içerir. Bir dikiş üstü videosunda sistem yedi belirgin iş döngüsü tespit etti ve yalnızca ilk döngüde bile biraz üzerinde bir saniye süren 18 kararlı tekrarlayan iş öğesi buldu. Seçilmiş örneklerde, çalışanın kollarının dikeyden çok yatay yönde çok daha fazla hareket ettiğini gösterdi; bu, kumaşı dikiş makinesinden kaydırırken beklenen bir sonuçtur. Hareketleri omuz genişliğine göre ölçeklendirerek bu özellikler gerçek dünya santimetre ve derece değerleriyle yorumlanabilir, böylece klinisyenler ve ergonomistler için kıyas noktası olarak kullanılmaları kolaylaşır.

Daha adil ve daha güvenli işler için olası etkiler

Bu ilk çalışma tek bir fiziksel engeli olan dikiş çalışanına odaklansa da SEWAbility çerçevesi, yalnızca işyeri videolarını kullanarak bir işin ne kadar talepkar olduğuna dair zengin, göreve özgü profiller oluşturmanın teknik olarak mümkün olduğunu gösteriyor. Daha fazla çalışan ve daha fazla görev eklendikçe, bu hareket profilleri veri odaklı istihdam önerilerini destekleyebilir ve insanların fiziksel kapasitelerini fabrika işlerinin gerçek talepleriyle eşleştirmeye yardımcı olabilir. Geleneksel, daha öznel iş analizleriyle karşılaştırıldığında, SEWAbility uzun süreli tekrarlayan işleri izlemek için ölçeklenebilir bir yol sunar; bu da daha adil işe alım, daha iyi mesleki rehabilitasyon planlaması ve daha bilgilendirilmiş işyeri tasarımı için zemin hazırlar.

Atıf: 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

Anahtar kelimeler: mesleki rehabilitasyon, dikiş fabrikası işi, video tabanlı hareket analizi, iş talepleri, işyeri ergonomisi