Selecting seats for steel industry mobile machines based on seat effective amplitude transmissibility and comfort
Notice bibliographique
Résumé
OBJECTIVE: The purpose of this work was to help a steel industry partner select the most appropriate of three high end heavy equipment seats to retrofit a number of their heavy mobile machines used in the steel making process. PARTICIPANTS: The participants included 8 males (22.3 ± 2.0 yrs.) and 8 females (23.5 ± 1.8 yrs.) with no experience operating heavy mobile equipment. METHODS: Previously recorded 6-DOF chassis acceleration data from a Pot Hauler (a machine which picks up and transports pots of slag) were used to extract six, 20 second representative profiles for implementation on a lab-based heavy machine simulator (6-DOF Parallel Robotics System Corporation robot). Subjects sat on three heavy equipment seats (BeGe7150, Grammar MSG 95G1721, and a 6801 Isringhausen with the seat pan cushion retrofitted with a Skydex cushion) mounted on the simulator. Each subject completed three trials for each combination of seat (n=3) and vibration profile (n=6). Chassis and operator/seat interface vibration were measured by 2, 6-DOF vibration transducers. Variables included Seat Effective Amplitude Transmissibility (SEAT) (X,Y,Z,Roll,Pitch,Yaw,6DOF Vector Sum) to determine if the seat was attenuating or amplifying the vibration, 6-degree of freedom (DOF) vibration total value weighted predicted comfort (Avc) (according to ISO 2631-1) and operator reported comfort (ORC). RESULTS: Factorial ANOVAs revealed significant differences (p < or = 0.05) between seats for all SEAT variables but different seats performed better than others depending on the axis. Significant differences between males and females were observed for SEAT in X,Y, and Pitch as well as for Avs. As expected there were significant differences between vibration profiles for all assessed variables. A number of interaction effects were observed, the most frequently occurring of which was between seat and vibration profile. CONCLUSIONS: Based upon the number of seat and vibration profile interactions, results suggest that a single seat is not suited for all tested conditions. However, SEAT values for all of the seats tested were extremely low (e.g., 6-DOF SEAT < 30%) indicating that all of the seats were capable of providing good vibration attenuation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».