Predicting Maximum Acceptable Efforts for Repetitive Tasks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: The objective was to develop an equation, for repetitive tasks, that uses frequency and/or duty cycle (DC) to predict maximum acceptable efforts (MAE) relative to maximum voluntary efforts (MVE). BACKGROUND: Ergonomists must determine acceptable physical demands for a wide variety of tasks. Although a large database exists in the literature for maximum single-effort strength, far fewer repetitive tasks have psychophysical and/or physiological data available to guide the prediction of acceptable submaximal, repeated efforts. METHOD: DC represents the total effort duration divided by the cycle time. MAEs were calculated by dividing average psychophysics-based acceptable loads by corresponding single-effort maximum strength using 69 values from studies of the upper extremities. The author developed an equation to characterize the relationship between MAE and DC. RESULTS: The resulting equation had DC taken to the exponent 0.24, and it predicted MAE very well (r2 = 0.87%, root mean square [RMS] difference = 7.2% of the maximum strength). At higher DC values, the equation also demonstrated good agreement with the published physiological data. CONCLUSION: The limited psychophysical database in the literature makes it difficult for ergonomists and engineers to recommend acceptable efforts for the large variety of repetitive tasks they evaluate. However, the proposed equation now allows for a correction of the large strength database to estimate acceptable force and torque limits for repetitive occupational tasks. APPLICATION: The proposed equation will have wide applications for ergonomic practitioners performing evaluations of repetitive tasks.
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.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle