A systematic approach to simulating field-based occupational whole-body vibration exposure in the lab using a 6df robot
Notice bibliographique
Résumé
BACKGROUND: Whole-body vibration is a significant workplace risk factor for discomfort and injury in many work sectors. The current approach for evaluating vibration exposures typically involves field studies of seatpan acceleration while the operators perform typical workplace activities. These vibration exposures are then compared to international standards to evaluate the risk of discomfort or injury. This approach does not enable systematic and controlled study of specific workplace factors such as the effect of seating, and it is difficult and expensive to perform. APPROACH TO PAPER: We have developed a systematic approach for studying whole-body vibration in the laboratory setting. This approach involves field studies of occupational exposures measuring the 6 degree of freedom chassis accelerations (translational and rotational) and replication of these exposures in the laboratory. FINDINGS: To date, as a research team, we have collected chassis vibration data from specific vehicles in the forestry (skidders), mining (load-haul-dump vehicles), and construction (scrapers) sectors. We have processed these exposures to develop a library of representative vibration motions, and have replicated these motions in the laboratory using a robotic platform. CONCLUSIONS: This systematic approach of combining field- and laboratory-based measures has facilitated research into specific relevant questions such as the effects of multi axis vibrations on the physical risks to operator health and direct evaluation of the vibration attenuation properties of industrial seats.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».