Development of a new operator visibility assessment technique for mobile equipment
Notice bibliographique
Résumé
Over the last three decades, the mining industry has been moving towards underground mechanized mining methods and the number of load haul dump (LHD) vehicles utilized has increased. The growth of mechanization and automation has benefited both workers and mining companies. However, due to the design constraints with LHD vehicles and the limitations of the operating environment, restrictions to operator visibility has contributed to a number of accidents, including fatal injuries. Past researchers have used the light filament technique to collect obscuration zones around mobile equipment and have produced 2D visibility charts (shadow diagrams) of this information. The light filament method involves manually collecting visibility data, which results in errors and is time consuming, requiring around three hours to complete. This research utilizes a MENSI GS100 laser scanner along with 3D modelling software (3Dipsos) to collect and process operator visibility profiles for underground mobile equipment. Results from this test work indicate that a laser scanner can be successfully used to rapidly collect this data and utilize this information for improved mobile equipment design from a visibility perspective. Nomenclature: FERIC Forest Engineering Research Institute of Canada ISO International Organization for Standardization JACK Software for digital human modelling and ergonomics LHD Load haul dump vehicle LOS Line of sight MASHA Mines and Aggregates Safety and Health Association (based in Ontario, Canada) PVD Polar visibility diagram SAMMIE 3D human modelling computer aided ergonomics design system WSIB Workplace Safety and Insurance Board
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».