A carregar...
Publicação
Musculoskeletal Load Exposure Estimation by Non-supervised Annotation of Events on Motion Data
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 8.81 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
There is a significant number of work pressures that promote the incidence of musculoskeletal
disorders in industrial environments. As, unfortunately, many workplace
conditions are subject to these biomechanical hazards, this has become an extensively
common health disorder. To properly adjust intervention strategies, an ergonomic assessment
through surveillance measurements is required. However, most measurements still
depend on subjective assessment tools like self-reporting and expert observation.
The ideal approach for this scenario would be to use direct measurements that use
sensors to retrieve more precise/accurate information of how workers interact with their
work environment. Following this approach, one of the major constraints would be that
a systematic retrieval of data from a labor environment would require a tiresome process
of analysis and manual annotation, deviating resources and requiring data analysts.
Hence, this work proposes an unsupervised methodology able to automatically annotate
relevant events from direct acquisitions, with the final intent of promoting this type
of analysis. The event detection methodology proposes to detect three different event
types: 1) work period transition; 2) work cycle transition; and 3) sub-sequence matching
by query. To achieve this, the multivariate time series are represented as a Self-Similarity
matrix built with the features extracted. This matrix is analysed for each event needed to
be searched.
The results were successful in the segmentation of Active and Non-active working
periods and in the detection of points of transition between repetitive human motions,
i.e. work cycles. A method of search-by-example is also presented, being that it allows for
the user to detect specific motions of interest. Although this method could still be further
optimized in future work, this approach has a very promising prospect as it proposes
a strategy of similarity analysis that has not yet been deeply explored in the context of
ergonomic acquisition. These advances are also significant given that the summarization
of ergonomic data is still a subject in expansion.
Num contexto industrial, são várias as tensões que promovem a incidência de distúrbios musculosqueléticos. Uma vez que a maioria das condições laborais estão sujeitas a estas propensões do foro biomecânico, os distúrbiosmusculosqueléticos tornaram-se patologias amplamente diagnosticadas na população ativa. Para desenhar estratégias de intervenção eficientes, é necessário proceder a uma avaliação ergonómica baseada em metododologias de vigilância. Não obstante o reconhecimento desta necessidade, a maioria das medidas ainda depende de ferramentas subjetivas como a auto-avaliação e a observação externa por parte de especialistas. A abordagem preferencial para esta problemática passaria pela aplicação de medições diretas que recorressem a sensores com vista a extrair informação exata e fidedigna do ambiente laboral. Uma das maiores limitações deste leque de soluções consiste no facto de um sistema de recolha de dados neste ambiente implicar um processo exaustivo de análise e anotação manual, o que consome recursos e requer os serviços de analistas de dados. Assim, este trabalho propõe uma metodologia capaz de anotar automaticamente eventos relevantes provenientes de aquisições diretas, com o objetivo final de promover este tipo de análises mais eficientes. A metodologia de deteção de eventos proposta foca-se em três diferentes tipos de eventos: 1) transições entre tarefas; 2) transições entre ciclos de trabalho; e 3) procura de movimentos-exemplo em amostras segmentadas. Para concretizar este trabalho, realizou-se um estudo de matrizes de auto-semelhança. Os resultados provaram-se, na sua maioria, bem-sucedidos no caso da segmentação de períodos Ativos e Não-ativos e na deteção de momentos de transição entre movimentos repetitivos, isto é, ciclos de trabalho. É ainda apresentado um método de procura-porexemplo que permite ao utilizador detetar movimentos-exemplo do seu interesse. Embora este método possa ainda ser otimizado em trabalhos futuros, reflete uma abordagem promissora uma vez que propõe uma estratégia de análise de similaridade que não foi ainda especialmente explorada no contexto dos estudos ergonómicos. Estes avanços são ainda significantes na perspetiva de que a sumarização de dados ergonómicos é uma linha de investigação ainda em expansão.
Num contexto industrial, são várias as tensões que promovem a incidência de distúrbios musculosqueléticos. Uma vez que a maioria das condições laborais estão sujeitas a estas propensões do foro biomecânico, os distúrbiosmusculosqueléticos tornaram-se patologias amplamente diagnosticadas na população ativa. Para desenhar estratégias de intervenção eficientes, é necessário proceder a uma avaliação ergonómica baseada em metododologias de vigilância. Não obstante o reconhecimento desta necessidade, a maioria das medidas ainda depende de ferramentas subjetivas como a auto-avaliação e a observação externa por parte de especialistas. A abordagem preferencial para esta problemática passaria pela aplicação de medições diretas que recorressem a sensores com vista a extrair informação exata e fidedigna do ambiente laboral. Uma das maiores limitações deste leque de soluções consiste no facto de um sistema de recolha de dados neste ambiente implicar um processo exaustivo de análise e anotação manual, o que consome recursos e requer os serviços de analistas de dados. Assim, este trabalho propõe uma metodologia capaz de anotar automaticamente eventos relevantes provenientes de aquisições diretas, com o objetivo final de promover este tipo de análises mais eficientes. A metodologia de deteção de eventos proposta foca-se em três diferentes tipos de eventos: 1) transições entre tarefas; 2) transições entre ciclos de trabalho; e 3) procura de movimentos-exemplo em amostras segmentadas. Para concretizar este trabalho, realizou-se um estudo de matrizes de auto-semelhança. Os resultados provaram-se, na sua maioria, bem-sucedidos no caso da segmentação de períodos Ativos e Não-ativos e na deteção de momentos de transição entre movimentos repetitivos, isto é, ciclos de trabalho. É ainda apresentado um método de procura-porexemplo que permite ao utilizador detetar movimentos-exemplo do seu interesse. Embora este método possa ainda ser otimizado em trabalhos futuros, reflete uma abordagem promissora uma vez que propõe uma estratégia de análise de similaridade que não foi ainda especialmente explorada no contexto dos estudos ergonómicos. Estes avanços são ainda significantes na perspetiva de que a sumarização de dados ergonómicos é uma linha de investigação ainda em expansão.