La valutazione del rischio da sovraccarico e rischio biomeccanico rappresenta una sfida cruciale per la sicurezza sul lavoro. Recentemente, l’INAIL ha pubblicato un documento che esplora l’uso di tecnologie avanzate per monitorare e prevenire i disturbi muscoloscheletrici (DMS) legati alla movimentazione manuale dei carichi (MMC). Il documento, intitolato “La valutazione strumentale e in tempo reale del rischio da sovraccarico biomeccanico”, è stato redatto da Alberto Ranavolo, Giorgia Chini, Francesco Draicchio e Tiwana Varrecchia. Esso evidenzia come l’integrazione di sensori indossabili, algoritmi di machine learning e progetti innovativi possa migliorare significativamente la prevenzione e la formazione sul campo.
Sensori indossabili per evitare il rischio biomeccanico
Il documento INAIL sottolinea l’importanza dei sensori indossabili, miniaturizzati e wireless, per il monitoraggio della cinematica e cinetica del movimento umano. Questi dispositivi consentono di acquisire dati precisi sui movimenti del corpo durante le attività lavorative reali, senza interferire con la strategia motoria naturale del lavoratore. Tali sensori, come le unità di misura inerziali (IMU), gli strain gauge, i guanti e le solette sensorizzate, sono in grado di fornire informazioni dettagliate sul comportamento muscolare e sulle forze applicate durante la movimentazione dei carichi. Queste informazioni sono fondamentali per calcolare indici di rischio biomeccanico e per identificare potenziali situazioni pericolose.
Indici per la valutazione del rischio biomeccanico
Il documento INAIL evidenzia diversi indici utilizzati per valutare il rischio biomeccanico associato alla movimentazione manuale dei carichi:
- Lifting Energy Consumption (LEC): basato su dati cinematici, questo indice misura il dispendio energetico meccanico durante attività di sollevamento, correlandolo alle forze di compressione e taglio a livello dell’articolazione lombo-sacrale.
- sEMG Average Rectified Value (ARV): derivato dall’elettromiografia di superficie, questo indice valuta l’attivazione muscolare media durante i cicli di sollevamento, utile per classificare il rischio in attività di sollevamento di carichi pesanti.
- Root Mean Square (RMS): misura la potenza del segnale elettromiografico, fornendo informazioni sulla forza muscolare durante i movimenti ripetitivi.
- Time-Varying Multimuscle Co-activation function (TMCf): analizza la co-attivazione simultanea di più gruppi muscolari, utile per valutare il rischio in attività di sollevamento e movimentazione ripetitiva.
- Fatica muscolare localizzata: stima l’affaticamento di specifici muscoli coinvolti in attività affaticanti, contribuendo alla valutazione del rischio in compiti ripetitivi.
Questi indici, combinati con algoritmi di machine learning, permettono una valutazione più precisa e automatica del rischio biomeccanico, migliorando la capacità di prevenzione dei DMS.
Intelligenza artificiale e formazione sul campo
L’integrazione dell’intelligenza artificiale (AI) nella valutazione del rischio biomeccanico offre nuove opportunità per la prevenzione. Gli algoritmi di machine learning possono analizzare i dati raccolti dai sensori in tempo reale, classificando automaticamente il livello di rischio associato a specifiche attività lavorative. Questa tecnologia consente di fornire feedback immediati ai lavoratori, suggerendo modifiche comportamentali per ridurre il rischio di infortuni. Inoltre, questi sistemi possono fungere da strumenti di formazione sul campo, migliorando la percezione del rischio da parte dei lavoratori e promuovendo comportamenti più sicuri.
I progetti SOPHIA e MELA: innovazione nella valutazione del rischio
Il documento INAIL menziona due progetti significativi nel campo della valutazione del rischio biomeccanico: SOPHIA e MELA.
- SOPHIA (Socio-Physical Interaction Skills for Cooperative Human-Robot Systems in Agile Production): questo progetto europeo, finanziato dal programma Horizon 2020, sviluppa una piattaforma software che integra sensori commerciali per valutare il rischio in attività di sollevamento, movimenti ripetitivi e mantenimento di posture fisse. La piattaforma offre un’interfaccia intuitiva in Matlab, guidando l’utente nella selezione e posizionamento dei sensori e fornendo una metrica del livello di rischio stimato.
- MELA: sviluppato con la collaborazione dell’Istituto Italiano di Tecnologia, questo progetto mira a riprogettare l’interfaccia di SOPHIA e a realizzare una rete di sensori che integra IMU e sensori per l’elettromiografia di superficie. L’obiettivo è migliorare la precisione nella valutazione del rischio biomeccanico e facilitare l’adozione di queste tecnologie nei luoghi di lavoro.
Entrambi i progetti rappresentano passi significativi verso l’adozione di tecnologie avanzate nella prevenzione del rischio biomeccanico, con potenziali benefici per la sicurezza e la salute dei lavoratori.
Conclusioni: verso una valutazione strumentale del rischio biomeccanico
Il documento INAIL sottolinea che, sebbene le tecnologie attuali offrano promettenti strumenti per la valutazione del rischio biomeccanico, è necessaria una continua ricerca e validazione sul campo. La complessità dei luoghi di lavoro e la variabilità delle attività richiedono un’attenzione particolare nell’implementazione di queste tecnologie. Inoltre, sarà fondamentale l’aggiornamento degli standard ergonomici a livello europeo e internazionale per includere approcci strumentali nella valutazione del rischio biomeccanico. Solo attraverso un approccio integrato che combina tecnologia, formazione e aggiornamento normativo sarà possibile migliorare significativamente la prevenzione dei DMS nei luoghi di lavoro.