FATIGUE ANALYSIS OF HIGH DUMP TRUCK OPERATORS IN INDONESIA’S COAL MINING INDUSTRY: A CASE STUDY
Notice bibliographique
Résumé
A coal mining industry typically applies a 24-hours working time, which enforces some workers to stay conscious during night shift, opposing human body's biological clock. This study aims to analyse the level of fatigue experienced by high dump truck operators (HD operators) in a coal mining site in East Kalimantan, Indonesia. This study utilizes primary data which obtained from distributing Industrial Fatigue Research Committee (IFRC) survey to all HD operators and secondary data (for Fatigue Likelihood Scoring - FLS) which consists of HD operators’ working schedule that currently applied in the company. Results obtained is analyzed using Fatigue Risk Management System (FRMS) framework which combines FLS classification and Dawson-McCulloch’s model of fatigue risk trajectory. This study reveals that based on IFRC survey, HD operators experienced low/mild fatigue due to insignificant influence of fatigue-related factors contained in the survey. However, consideration for improvement is in need since the result of fatigue for night shift operators is close to moderate level. In addition, based on FLS, the level of fatigue indicates that HD operators experienced excessive working hours, in which in FRMS graph classified as fatigue-related errors. Thus, this study proposes several strategies as the hazard control mechanism: (1) providing optimum resting time, (2) equipping operators with audio music that lead to positive energy and increasing work focus, and (3) adding afternoon shift to balance the working hours.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».