1- با تشکر از حضور در این مصاحبه، لطفا خودتان را معرفی کرده و سوابق علمی، پژوهشی، اجرایی و عملی خود و فعالیت های مرتبط با این پژوهش را بیان کنید:

من دکتر احسان گروسی هستم، عضو هیئت علمی و دانشیار گروه ارگونومی  دانشکده بهداشت و رییس کمیته اختراعات دانشگاه علوم پزشکی ایران. زمینه تخصصی من ارگونومی فیزیکی، بیومکانیک شغلی و فناوری‌های پوشیدنی برای پایش سلامت و ایمنی محیط‌های کاری است.دکترای تخصصی ارگونومی را از دانشگاه علوم پزشکی تهران دریافت کرده‌ام و تاکنون   طرح های پژوهشی زیادی در حوزه ارگونومی کاربردی و طراحی ابزارهای پوشیدنی هوشمند برای پیشگیری از اختلالات اسکلتی–عضلانی اجرا کرده‌ام؛ از جمله:

• طراحی و ساخت کفش هوشمند تشخیص حدود مجاز بلند کردن بار
• طراحی و ارزیابی فورسپس ارگونومیک پانسمان
• بازطراحی روروئک ارگونومیک مادر و نوزاد
• ارزیابی کفش Barefoot برای ایستادن طولانی‌مدت
• و چندین پروژه مرتبط با بهبود پوسچر شغلی، طراحی صندلی ارگونومیک، و پایش خستگی پرستاران.

در کنار فعالیت‌های آموزشی، و پژوهشی طی سال‌های اخیر تمرکز من بر توسعه سیستم‌های پوشیدنی ارگونومیک مبتنی بر sEMG و IMU بوده است که زمینه‌ساز پژوهش حاضر شد.

2- دلیل اصلی شما برای انتخاب این طرح تحقیقاتی چه بود و چه کسانی در این پژوهش یاری دهنده شما بودند؟

یکی از مهم‌ترین چالش‌های محیط‌های کاری در ایران و جهان، اختلالات اسکلتی–عضلانی به‌ویژه کمردرد شغلی ناشی از بلند کردن دستی بار است که طبق گزارش WHO و ILO بیش از ۱.۷ میلیارد نفر امروزه درگیر این اختلالات هستند.روش‌های رایج و حاضر ارزیابی ریسک در محیط کار، اغلب بصری و ذهنی هستند و دقت کافی برای شناسایی پوسچرهای خطرناک در شرایط پویا را ندارند. این موضوع ما را به فکر استفاده از سیگنال‌های الکترومایوگرافی سطحی و الگوریتم‌های یادگیری ماشین برای پیش‌بینی ریسک واقعی بلند کردن بار انداخت تا بتوانیم ابزاری عینی، سریع و دقیق در اختیار صنایع قرار دهیم.

این پروژه حاصل پایانامه خانم فاطمه شیخ دانشجوی کارشناسی ارشد و همکاری خانم دکتر خانه شناس از اعضای هیئت علمی گروه ارگونومی بوده است. هچنین دکتر زانیار کریمی در ساخت کمربند کمک شایانی کردند.

3- پژوهش تان را معرفی کرده و با معرفی ویژگی ها و نوآوری های آن در خصوص موضوعات و محورهای آن شرح دهید:

«در این پژوهش، داده‌های sEMG و زاویه تنه را در وظایف باربرداری متقارن و نامتقارن با بیش از ۱۰۸ پوسچر مختلف از ۱۲ داوطلب (زن و مرد) ثبت شد.در ادامه، داده‌ها با شاخص‌های NIOSH LI، 3DSSPP و Borg برچسب‌گذاری شد و سپس ۷ الگوریتم یادگیری ماشین برای طبقه‌بندی پوسچرهای ایمن و ناایمن آموزش دیدند.

نوآوری‌های اصلی این طرح عبارت‌اند از:

• ترکیب هم‌زمان sEMG و IMU برای تشخیص ریسک بلندکردن بار
• پوشش پوسچرهای متقارن و نامتقارن زاویه‌های ۰، ۴۵ و ۹۰ درجه
• طراحی و ساخت کمربند هوشمند پوشیدنی با اپلیکیشن موبایل برای تشخیص و هشدار آنی پوسچرهای ناایمن
• جمع‌آوری  دیتاست بومی از حرکات باربرداری با در نظر گرفتن جنسیت‌های مختلف و شرایط بار و ارتفاع گوناگون.

4- آیا این پژوهش به مرحله اجرا و بهره برداری رسیده است؟

«پژوهش تا مرحله ساخت نمونه اولیه کمربند هوشمند و اپلیکیشن همراه پیش رفته است. کمربند قادر است داده‌ها را به‌صورت آنی دریافت کرده، پوسچر کاربر را تحلیل و در صورت خطرناک بودن با آلارم صوتی و نوری هشدار دهد.اکنون در حال برنامه‌ریزی برای آزمایش‌های میدانی در محیط‌های صنعتی واقعی و همکاری با کارخانجات و مراکز خدماتی هستیم تا محصول از فاز تحقیقاتی به فاز تجاری‌سازی و بهره‌برداری عملیاتی منتقل شود.

5- این طرح پژوهشی چه گره ای از مشکلات مردم باز خواهد کرد؟

 این ابزار به متخصصین ارگونومی کمک میکند تا وضعیت های ناایمن را دقیق تر و در زمان کمتر شناسایی و ایستگاه های کاری را مطابق آن بازطراحی کنند. همچنین، با استفاده از این فناوری، کارگران، پرستاران، انبارداران و کارگران ساختمانی می‌توانند در لحظه از وضعیت خطرناک خود آگاه شوند و پوسچر ایمن را اتخاذ کنند. این امر باعث کاهش غیبت‌های کاری، افزایش بهره‌وری و بهبود سلامت شغلی خواهد شد.

6- انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت و یا توسعه فعالیت های مشابه چیست و چه راهکارهایی پیشنهاد می کنید؟

انتظار ما از مسئولان پژوهشی و صنعتی کشور، حمایت مالی و فنی از توسعه فناوری‌های پوشیدنی ارگونومیک و تسهیل مسیر ثبت اختراع، تولید انبوه و تجاری‌سازی چنین محصولات است.پیشنهاد می‌کنیم با ایجاد صندوق‌های مشترک دانشگاه–صنعت و فراهم کردن امکان آزمایش میدانی در کارگاه‌ها و بیمارستان‌ها، مسیر پیاده‌سازی پژوهش‌های کاربردی کوتاه‌تر شود. همچنین، حمایت از دیتاست‌های ملی ارگونومیک می‌تواند زمینه‌ساز توسعه سامانه‌های هوشمند مشابه در حوزه‌های دیگر باشد.

7- اگر توضیح دیگری درخصوص برنامه های جاری، آینده و اهداف تان دارید در خاتمه این گفتگو بفرمایید: 

برنامه ما در فاز بعدی، بهبود دقت مدل‌های یادگیری ماشین با افزایش داده‌های واقعی محیط‌های صنعتی ، تعویض ماژول ها و ارتقای دستگاه و افزودن قابلیت پیش‌بینی خستگی عضلانی به کمربند هوشمند است.هدف نهایی ما، توسعه شبکه‌ای از ابزارهای پوشیدنی هوشمند ارگونومیک است که بتواند در صنایع مختلف ایران به کاهش آسیب‌های شغلی کمک کند. امیدواریم با حمایت مسئولان، این فناوری به‌زودی به بازار عرضه شده و نقش مهمی در ارتقای سلامت نیروی کار کشور ایفا کند.