VR–MOCAP-Enabled Ergonomic Risk Assessment of Workstation Prototypes in Offsite Construction
Notice bibliographique
Résumé
Workers in offsite construction facilities are often exposed to repetitive motion and awkward body postures that are associated with the risk of developing work-related musculoskeletal disorders despite the use of automated equipment on production lines. To reduce the exposure to these risks, an investigation of the physical demands that workstations impose on workers’ bodies is needed. Since traditional methods used to collect human body motions have limitations, such as workplace interruptions and biased results due to subjective observation, this paper proposes a virtual reality (VR)–motion capture (MOCAP)-based ergonomic assessment method to evaluate ergonomic risks in a laboratory setting during the design phase of workstation development. It is expected that the number of iterations of physical workstation prototypes would be reduced if ergonomic risk ratings are identified proactively in the initial phases of workstation design, which would thereby reduce the cost and time required to develop and implement an improved workstation design. The present study includes a feasibility analysis of the proposed method in which participants representative of specific percentiles of the population based on their physical stature were invited to voluntarily participate in a research experiment. The results obtained demonstrate that the proposed method can successfully simulate the elemental motions, referred to as therbligs, of reaching and positioning (Pearson’s correlation coefficient is found to equal 0.80 and 0.94, respectively), while the simulation of the assembling therblig requires further investigation. The contribution of this study is a virtual reality–motion captured-enabled ergonomic risk assessment method applied to workstation design for offsite construction production lines. In addition, the deployment of the proposed method allows a holistic ergonomic assessment that considers objective and subjective parameters.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 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 ».