Ergonomic Time and Motion Studies of Aircraft De-icing Work
Notice bibliographique
Résumé
This paper reports results of time and motion studies and ergonomic consequences of aircraft de-icing work. De-icing of aircraft on the ground is extremely important for maximizing technical safety, but also a major challenge for persons performing it. Between December 2016 and March 2017 we carried out video-supported time and motion studies on 11 personnel performing de-icing work in open baskets at a Canadian airport. Total time analyzed was 788 min, during which 1192 individual observations were made. Our observation sessions varied in length from 59 to 96 min, partly for weather reasons. After ascertaining the work systems used by the de-icers and determining the principal factors influencing them, we used REFA methods to perform a hierarchical analysis of work activities. Energy turnovers generated by these activities were calculated. These lie between 4 and 13 kJ/min, depending on weather conditions, air traffic density and individual work patterns of the de-icing personnel. Contributions of the individual activities to total value added were classified. Roughly one third of the de-icing activities made a direct contribution. The remaining two thirds made only indirect contributions or none at all. Stresses arising from the work were compared with the few findings reported in the literature. Further investigations are needed to understand thoroughly centralized de-icing activities.
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 ».