شبیه سازی مهندسی انسانی با استفاده از Kinect

بسیاری از پژوهشگران مهندسی انسانی بدنبال تقویت کارایی و کاهش حجم کاری بوسیله تجزیه و تحلیل حجم کارگر ، کارامدی کار ، و تولید با استفاده از روش های آنالوگ ، همچون چک لیست ها می باشند. تجزیه و تحلیلات اخیر عملکرد شغلی را با استفاده از مدل های انسانی دیجیتال خلق شده توسط ذخیره (ثبت) دیجیتالی حرکات کارگران واقعی از طریق داده های ورودی صفحه کلید و موشواره (Mouse) آزمایش و بررسی نموده اند. هرچند ، این روش مدل سازی دو مشکل دارد: این مدل سازی زمان بسیار زیادی برای مدل سازی تمامی حرکات نیاز دارند ، و درستی (صحت) وابسته به مسئول فنی مدل سازی است. برای حل این مسائل ، این مطالعه سیستم خودکار مدل سازی انسانی دیجیتال را با استفاده از Kinect - دستگاه ورودی داده Microsoft Xbox ، بمنظور مدل سازی حرکات انسانی ارایه می نماید.

سیستم بمنظور استفاده از Kinectهای چندگانه طراحی شده ، و مدل داده به انتقال و مدیریت داده از این دستگاه ها بمنظور کالیبره نمودن الگوریتمی که می توان برای خلق مدل انسانی دیجیتال استفاده نمود ، می پردازد. از طریق این سیستم ، تولید ساده مدل انسانی دیجیتال به درستی (همراه با صحت) بصورت مقرون به صرفه ای (ارزان) ، و کارامد ممکن می سازد. سیستم خودکار مدل سازی انسانی دیجیتالی توسعه یافته با استفاده از ۴ سناریو تایید اعتبار شده ، و نتایج ، محدودیت ها و برنامه توسعه مطالعه توصیف شده است.

از جاییکه رقابت تولید کنندگان در حال افزایش بوده و چرخه های عمر محصول کوتاه تر می شود ، تولید کنندگان تلاش های متعددی بمنظور بهبود کارایی محصول تولیدی و کاهش هزینه ها انجام می دهند. بهینه سازی نه تنها بر تسهیلات ، بلکه همچنین بروی کارگران - کسانی که محصولات را بوسیله استفاده از این تسهیلات سرهم بندی می کنند - متمرکز است. مهندسی انسانی در تلاش برای تقویت کارامدی کاری و کاهش حجم کاری بوسیله تجزیه و تحلیل حجم کارگران ، کارامدی کار ، و تولید است. تجزیه و تحلیلات پیشین مهندسی انسانی با استفاده از روش های آنالوگ مبتنی بر چک لیست ها انجام شده بوده ، اما تجزیه و تحلیل کنونی مبتنی بر مدل دیجیتالی بوده که بوسیله ذخیره دیجیتالی حرکات کارگران واقعی ، انجام شده است. مدل های انسان دیجیتال پیشین بصورت دستی - از طریق داده های ورودی مبتنی بر صفحه کلید و موشواره خلق شده ، که دارای دو محدودیت محسوس (عمده) است:

زمان لازمه برای مدل سازی تمامی حرکات و صحت وابسته به مسئول فنی مدل سازی. برای حل این مسائل ، روش مدل سازی خودکار با استفاده از دوربین Vicon ، بمنظور مدل سازی سریع و درست حرکات پیشنهاد شده است ، اگرچه هزینه دوربین بالا می باشد. بنابراین ، مطالعات درباره خودکار سازی مدل نیز همچنین با دوربین های Kinect استفاده شده ، که دستگاه های بازی (با هزینه کم) بوده که صحت و درستی کمتری برای مدل سازی (نسبت به دوربین Vicon) دارند.

در این مطالعه ، برای حل مسئله درستی (صحت) پایین ، در هنگام استفاده از یک دوربین Kinect ، چندین دوربین Kinect برای خودکار نمودن مدل سازی استفاده شده است. مدل داده بمنظور ترکیب نمودن داده از چندین دوربین Kinect ، و یک سیستم بمنظور یکپارچه سازی داده اسکلتی از Kinectاز طریق شبکه پیرامونی واقعیت مجازی (VRPN) که طراحی شده ، پیشنهاد شده است. داده یکپارچه سازی شده ورودی اطلاعات پایه از طریق Jack بوده - بسته نرم افزاری مهندسی انسانی - تا بدین منظور کنش های معکوس تجزیه و تحلیل گردد. نتایج از طریق آزمایش مدل سازی با استفاده از سیستم توسعه یافته ، تایید اعتبار شده بود.

خودکار نمودن مدل سازی

دو روش برای مدل سازی حرکات کارگر با استفاده از اطلاعات محیطی دیجیتال استفاده شده بود: روش حس نمایی فعال ، که اطلاعات حرکتی را از طریق حسگرهای متصل شده به بدن کارگران بدست می آورد ، و روش حس نمایی منفعل ، که از دوربین برای تجزیه و تحلیل حرکات از فاصله دور استفاده می کند. روش حس نمایی فعال ، اطلاعات درست و صحیحی را فراهم می سازد ، اما اتصال حسگرها به سوژه زمان بر است. دستگاه حس نمایی فعال معمول Xsens MVNساخته شده توسط Xsens Coبوده که بصورت صحیح و درست به ذخیره حرکات با استفاده از حسگرهای الکترومغناطیسی متصل به کل بدن می پردازد. رویکرد حس نمایی منفعل به ذخیره اطلاعات حرکات با استفاده از دوربین - همچون Vicon- بوده که از تصاویر دو بعدی سوژه با نشانه های متصل شده به مفصل ها برای ذخیره حرکات می پردازد. بهبود در این فناوری Kinect بوده ، که از حسگرهای عمقی بدون هرگونه اتصال - بمنظور ذخیره حرکات - عمل می کند.

برسی کامل روش ها داخل ویدیو