Conceptual Framework for Safety Improvement in Mobile Cranes
Notice bibliographique
Résumé
Cranes are among the most important equipment used in the construction industry. The use of cranes is growing day by day as the project delivery paradigm in construction is increasingly shifting from the old traditional method where projects are built entirely on-site to an off-site approach relying on modularisation. In essence, modularisation proceeds in two steps: (i) breaking down projects into modules that are fabricated in controlled environments, and (ii) shipping these modules to construction sites for assembly using high capacity cranes. In this respect, the safety during crane operation is of an utmost important issue because an error while lifting, carrying, and placing a load, can cause disastrous accidents. One of the major causes of these accidents is due to improper communication between signalman and operator. The technology is advancing but the crane industry is still relying on the old methods for communication which are by hand signal and two-way radio communication system. This paper introduces a conceptual framework to enhance the communication between the signalman and the crane operator. In this framework, a camera fixed on the helmet of the signalman captures a video that is segmented into frames to which mathematical algorithms are applied in order to interpret their content. This digital graphical (pictorial) content is then transcribed into commands that are displayed on the cabin’s monitor for the operator whether the latter has a direct line of sight to the signalman or not this will increase the efficiency of the crane operator. This framework also eliminates the need for tagman and improves the safety and productivity of the crane operation.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,006 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».