复杂的手工密集型制造工艺的数据驱动型人体工程学风险评估
Anand Krishnan1, Xingjian Yang1, Utsav Seth1
1Department of Mechanical Engineering, University of Washington, Seattle, WA, USA.
Communications engineering
|March 13, 2025
概括
这项研究引入了一种新的系统,用于评估制造业中的手和手指风险,使用一种新的全手生物识别评估 (BACH) 评分. 它有助于识别和减少肌肉骨疾病从艰苦的手动.
科学领域:
- 人体工程学和人类因素
- 职业健康和安全问题 职业健康和安全问题
- 制造业 工程 制造工程
背景情况:
- 手工密集型的制造业任务存在肌肉骨疾病的风险.
- 现有的人体工程学评估,如RULA和HAL,对于手和手指活动缺乏细节性.
- 制造业需要先进的风险评估系统.
研究的目的:
- 开发一个数据驱动的人体工程学风险评估系统,用于手和手指活动.
- 引入一个新的,更细致的手和手指风险人体工程学分数.
- 能够更好地识别和减轻制造业的工作场所风险.
主要方法:
- 集成了一个多式传感器测试台,以捕捉上半身姿势,手姿势和施加的力.
- 在手工密集的复合布置任务中收集的数据.
- 训练有素的机器学习模型来预测现有的人体工程学指标 (RULA,HAL).
主要成果:
- 引入了完整手 (BACH) 人体工程学评分的生物识别评估.
- 巴赫分数比RULA和HAL.AL提供了更大的细节性.
- 机器学习模型有效地预测了新参与者的RULA和HAL指标.
结论:
- 开发的系统为制造过程提供了更好的人体工程学解释性.
- 允许针对性的工作场所优化和姿势纠正.
- 旨在提高工人安全,减少肌肉骨系统疾病.
