Sensorsystemer integrert med roboter for effektivisering av sykehjem
Description
Full text not available
Abstract
Ifølge SSB vil eldrebølgen og en mangel på pleiepersonell i fremtiden skape utfordringerinnenfor eldreomsorgen. Utfordringen vil innebære underbemanning som går ut oversykepleierens tid med hver pasient. Gjennom denne bacheloroppgaven, vil selskapet PPMRobotics AS bistå med teknologi og kunnskap. Bacheloroppgaven omhandler integrering avsensorsystemer med robotene Lio og Kompai, som skal effektivisere helseomsorgen ogsykepleierens arbeidsdag. Et sentralt tema i denne bacheloroppgaven, er testing avpåliteligheten til sensorsystemene.Denne bacheloroppgaven tar sikte på å muliggjøre dette ved å:
• Lage sensorsystemer: der sensorer samler inn pasientdata. Disse sensoreneprogrammeres ved bruk av mikrokontrolleren ESP32 i programvaren Arduino IDE.• Integrere pasientdata med robotene Lio og Kompai: All pasientdata blir samlet på ettsted ved å sende data fra sensorsystemene, til Python-filer via MQTT. Deretter blirdenne dataen sendt til Lio og Kompai henholdsvis via ROS og HTTP API.• Programmering av robotene Lio og Kompai: Begge robotene programmeres slik at dekan respondere i henhold til innsamlet data. Lio programmeres i Python viaprogramvaren MyP, og Kompai programmeres i Python via HTTP API.• Designe brukergrensesnitt: FlexGUI brukes som brukergrensesnitt der alle varslingerog informasjon om pasienter skal vises. FlexGUI skal også gi muligheten til å startealle aksjoner på robotene.• Teste sensorsystemene og deres pålitelighet: ved å utsette systemene for flere tester.
Etter gjennomføring av prosjektet, ble systemet testet. Resultatene av disse testene erpresentert som tabeller. Disse resultatene viser påliteligheten til sensorsystemene og atsystemet fungerer i over to timer. Resultatene bidrar også til å få fram styrker og svakheterved systemet. Videre ble disse styrkene og svakhetene diskutert I denne rapporten. Detkonkluderes tilslutt med at dette prosjektet klarte å oppnå alle sine mål bortsett fra densresultatmål hvor prosjektet endte opp med en høyere kostnad enn forventet. According to SSB, the rapid growth of the aging population and the lack of nursing staff inNorway will create challenges within the health sector. The challenges will involveunderstaffed nursing homes, which will reduce the nurse’s time with each patient. Throughthis bachelor thesis, the company PPM Robotics AS will provide technology and knowledge.The bachelor's thesis deals with the integration of sensor systems with the robots Lio andKompai, which will help the health care and make nurse’s workday more efficient.This bachelor thesis makes this possible by:
• Creating sensor systems: where sensors collect patient data. These sensors are programmedusing the ESP32 microcontroller in the Arduino IDE software.• Integrating patient data with the robots Lio and Kompai: All patient data is collected in oneplace by sending all data from the sensor systems to Python-files via MQTT. This data is thensent to Lio and Kompai respectively via ROS and HTTP API.• Programming the robots Lio and Kompai: Both robots are programmed so that they canrespond according to the collected data. Lio is programed in Python via the software MyP,while Kompai is programed in Python via the HTTP API.• Trigger monitor: is used to initiate different actions on the robot Lio.• Designing FlexGUI 4.0: which is a user interface where all notifications and informationabout patients should be displayed. FlexGUI will also provide the opportunity to start allactions on the robots.
After completion of the project, the system was tested. The results of these tests are presentedas tables. These results show the reliability of the sensor systems and that the system worksfor over two hours. The results also help to bring out the strengths and weaknesses of thesystem. Furthermore, these strengths and weaknesses were discussed in this report. It isconcluded that the end that this project managed to achieve all its goal except for itsperformance goal where the project ended up with a higher cost than expected.