预测模型在预测外骨对疲劳进展的影响方面有多有效?
Pranav Madhav Kuber1, Abhineet Rajendra Kulkarni2, Ehsan Rashedi1
1Department of Industrial and Systems Engineering, Rochester Institute of Technology, Rochester, NY 14623, USA.
Sensors (Basel, Switzerland)
|September 28, 2024
概括
预测模型在外骨架辅助任务中准确预测疲劳进展. 外骨的使用显著延迟了疲劳,为工人健康和伤害预防提供了巨大的好处.
科学领域:
- 生物力学 生物力学
- 人体工程学就是人体工程学.
- 数据科学数据科学数据科学
背景情况:
- 预测模型可以预测生理需求,帮助干预开发.
- 外骨 (EXO) 技术在减轻职业任务期间的身体压力方面表现有前途.
研究的目的:
- 实施和比较预测模型 (ARIMA,Facebook Prophet) 以预测外部骨辅助任务中的疲劳进展.
- 评估外骨架辅助对延迟疲劳开始和进展的影响.
主要方法:
- 九名参与者进行了间歇性45度的干部曲任务,并没有外骨的帮助.
- 收集了感知疲劳和腰部肌肉活动数据.
- 使用单变量和多变量数据应用了自行回归集成移动平均 (ARIMA) 和Facebook Prophet模型.
主要成果:
- 单变Prophet模型在预测疲劳水平方面表现优异 (RMSE:0.62-0.67).
- 外骨架辅助在20项试验中显著降低了疲劳进展的斜率,约为48-52%.
- 预测模型显示,在外骨架辅助下,中位数减轻疲劳的效益为43-54%.
结论:
- 预测模型,特别是Facebook Prophet,可以有效地预测职业环境中的疲劳进展.
- 外骨架辅助显著延缓疲劳,突出其提高工人健康和预防伤害的潜力.
- 这项研究提出了预测在劳动力健康监测和干预评估中的实际应用.


