Aplicación de una metodología que permite la comparación entre humanos y con una inteligencia artificial en la evaluación ergonómica de la postura mediante el método Owas

Abstract

[ES] La relación entre la postura y los trastornos musculoesqueléticos es un tema crucial en la ergonomía, ya que las malas posturas en el trabajo pueden contribuir al desarrollo de problemas de salud como dolores de espalda, cuello y hombros, así como lesiones musculares y articulares. Por lo tanto, evaluar y mejorar la postura es esencial para prevenir estos trastornos. Una de las metodologías ampliamente utilizadas en la evaluación de la ergonomía de la postura es el Método de Evaluación Ergonómica OWAS. Este enfoque se centra en analizar la postura de los trabajadores durante sus actividades laborales y clasificarla en categorías de riesgo para identificar situaciones que puedan provocar trastornos musculoesqueléticos. El OWAS se basa en la observación y la experiencia de los evaluadores, lo que introduce cierto grado de subjetividad en las evaluaciones. La introducción de la inteligencia artificial en la evaluación ergonómica de la postura está cambiando este panorama. Los avances en el aprendizaje automático y la visión por computadora permiten el desarrollo de sistemas automatizados que pueden analizar la postura de manera objetiva y precisa. Estos sistemas utilizan cámaras y sensores para rastrear la posición del cuerpo y evaluarla según criterios ergonómicos predefinidos. Esto podría reducir la subjetividad en las evaluaciones y proporcionar datos cuantitativos que pueden ayudar a identificar y corregir problemas de postura de manera más eficiente. A pesar de los beneficios de la inteligencia artificial en la evaluación ergonómica de la postura, todavía existe un aspecto importante a considerar: la subjetividad en las evaluaciones ergonómicas de la postura no se limita solo a la observación humana. La evaluación de posturas por parte de una inteligencia artificial debe ser supervisada por un experto en ergonomía y así entrenar dicha inteligencia. Así pues, el objeto de este trabajo es realizar un estudio y aplicar una metodología destinada a analizar la subjetividad entre dos evaluadores expertos al aplicar el método OWAS, y entre los observadores y la inteligencia artificial.

[EN] The relationship between posture and musculoskeletal disorders is a crucial topic in ergonomics, as poor postures at work can contribute to the development of health problems such as back, neck, and shoulder pain, as well as muscular and joint injuries. Therefore, evaluating and improving posture is essential to prevent these disorders. One of the widely used methodologies in posture ergonomics assessment is the OWAS Ergonomic Assessment Method. This approach focuses on analyzing the posture of workers during their work activities and classifying it into risk categories to identify situations that may lead to musculoskeletal disorders. OWAS is based on the observation and experience of evaluators, introducing a certain degree of subjectivity into the assessments. The introduction of artificial intelligence into ergonomic posture evaluation is changing this landscape. Advances in machine learning and computer vision allow for the development of automated systems that can objectively and accurately analyze posture. These systems use cameras and sensors to track the body's position and assess it according to predefined ergonomic criteria. This could reduce subjectivity in assessments and provide quantitative data that can help identify and correct posture problems more efficiently. Despite the benefits of artificial intelligence in ergonomic posture evaluation, an important aspect still needs to be considered: subjectivity in ergonomic posture assessments is not limited to human observation alone. The evaluation of postures by artificial intelligence should be supervised by an ergonomics expert to train such intelligence.

Therefore, the purpose of this work is to conduct a study and apply a methodology aimed at analyzing the subjectivity between two expert evaluators when applying the OWAS method, and between the observers and the artificial intelligence.