汽车手动装配的物理疲劳评估方法:使用ARE平台进行大脑氧化实验
Wanting Mao1, Xiaonan Yang2,3,4, Chaoran Wang2
1Department of Civil and Environmental Engineering, Imperial College London, London SW7 2AZ, UK.
Sensors (Basel, Switzerland)
|December 9, 2023
概括
这项研究引入了一种使用大脑氧化信号评估汽车组装工人的身体疲劳的新方法. 通过增强现实 (AR) 和运动捕捉验证的拟议方法,证明比传统的能源支出预测更准确.
科学领域:
- 人体工程学和职业健康学
- 汽车制造业 汽车制造业
- 生理监测 生理监测
背景情况:
- 汽车制造业的手工组装涉及重复的,高负荷的任务,导致工人疲劳.
- 现有的人体工程学评估方法如NIOSH,OWAS和RULA在捕捉实时疲劳方面存在局限性.
- 需要客观的生理测量来准确评估装配线工人的身体疲劳.
研究的目的:
- 提出和验证一种用于评估人工汽车组装过程中人类身体疲劳的新方法.
- 将拟议方法的准确性与传统的代谢能源消耗预测进行比较.
- 为了利用增强现实 (AR) 和移动捕捉技术来提高人体工程学的评估.
主要方法:
- 使用NIOSH (国家职业安全和健康),OWAS (Ovako工作姿势分析系统) 和RULA (快速上肢评估) 进行人体工程学评估.
- 选择的大脑氧化信号作为评估疲劳的客观生理指数.
- 在ARE平台 (基于增强现实的人体工程学平台) 上进行了18次小组实验,用于汽车座椅和手动组装任务.
- 进行了使用Tecnomatix Jack进行比较分析的代谢能耗预测.
主要成果:
- 拟议的物理疲劳评估方法,利用大脑氧化信号,有效地反映了人工组装任务期间的人类疲劳水平.
- 在ARE平台上进行的实验证明了拟议方法的实际应用和可行性.
- 基于AR的方法与移动捕捉显示了更高的准确度反映疲劳相比,代谢能源消耗预测从Tecnomatix杰克.
结论:
- 与代谢能量消耗预测相比,开发的身体疲劳评估方法可以更准确地评估汽车组装中的工人疲劳.
- 整合AR沉浸和运动捕捉精度可以提高疲劳评估的可靠性.
- 这种方法为改善工作场所人体工程学和防止汽车行业的身体疲劳提供了有前途的工具.
