基于NLP的人体工程学MSD风险根源分析和风险控制建议

科学领域:

• 职业健康和安全问题 职业健康和安全问题
• 人工智能在人体工程学中的应用
• 人类因素工程 人类因素工程

背景情况:

• 肌肉骨系统疾病 (MSDs) 是一个重要的工作场所问题,需要有效的人体工程学评估.
• 人工智能 (AI) 为更准确,更有效的人体工程学评估提供了潜力.
• 当前的人工智能方法往往缺乏可操作的风险降低指导,只关注风险得分.

研究的目的:

• 开发一个整体的工作改进过程,以减少MSD风险.
• 实现根源分析的自动化,并为MSD提供具体的控制建议.
• 整合自然语言处理 (NLP) 和机器学习 (ML) 进行增强的人体工程学评估.

主要方法:

• 在工作行动描述上使用基于深度学习的NLP (语音标签的一部分,依赖性解析).
• 应用基于专家的机器学习 (ML) 系统来识别MSD风险的根本原因.
• 将确定的根本原因与降低风险的推控制策略联系起来.

主要成果:

• 拟议的框架成功地对MSD风险进行了自动根源原因分析.
• 从NLP中得出的行动对象推断指导了ML系统,以确定特定的与工作有关的原因.
• 该系统推有针对性的控制策略,例如修改设备 (例如子尺寸),以减少MSD风险.

结论:

• 这种由人工智能驱动的框架提供了对人体工程学的全面方法,超越了风险评分,实现了可行的工作改进.
• 结合NLP和ML可以有效地识别MSD的原因,并制定有效的风险降低策略.
• 拟议的方法增强了人体工程学评估过程,从而使肌肉骨疾病的预防更加有效和有效.