可穿戴网络用于制造业工人多层次的身体疲劳预测

科学领域:

• 工业工程 工业工程 工业工程
• 生物医学工程 生物医学工程
• 机器学习 机器学习

背景情况:

• 制造业工作涉及到艰苦的体力活动,导致疲劳,影响工人的健康,并产生重大成本.
• 目前的疲劳监测方法往往有限,缺乏实时功能和对疲劳水平的细微了解.
• 持续监测和反对于减轻损失和提高制造环境中的安全至关重要.

研究的目的:

• 开发和评估一种用于制造业工人实时,多层次的身体疲劳量化的新系统.
• 通过预测微妙的疲劳状态来解决二分式疲劳评估的局限性.
• 通过可穿戴技术,为工厂地板上的疲劳监测提供实用解决方案.

主要方法:

• 使用多式可穿戴传感器框架收集生命体征 (心率,HRV,皮肤温度) 和机车数据.
• 在六个身体上部位置使用惯性运动单元,以全面捕捉干和手臂运动.
• 为机器学习模型开发了一个不对称损失函数,以提高预测准确性并实现实时推断.

主要成果:

• 成功收集了43个实验对象的数据,他们执行了一个真实的制造协议,将传感器数据与自我报告的疲劳相关联.
• 证明了该系统能够预测多层次疲劳的能力,提供比二进制方法更详细的评估.
• 通过与实际工厂运营商进行野外评估,验证了该系统的实际适用性.

结论:

• 开发的系统提供了一个实用和有效的解决方案,用于在制造环境中持续实时监测身体疲劳.
• 这种新的多层次疲劳预测方法为工人身体状态提供了更深入的见解.
• 该研究为开放访问数据库做出了贡献,促进了职业疲劳监测的未来研究.