MétaCan
Menu
Retour à la cohorte
Enregistrement W4283027546 · doi:10.3390/app12126160

Finite Element Methods for Modeling the Pressure Distribution in Human Body–Seat Interactions: A Systematic Review

2022· review· en· W4283027546 sur OpenAlexaff
Obidah Alawneh, Xianzhi Zhong, Reza Faieghi, Fengfeng Xi

Notice bibliographique

RevueApplied Sciences · 2022
Typereview
Langueen
DomainePsychology
ThématiqueErgonomics and Musculoskeletal Disorders
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésFinite element methodComputer scienceContext (archaeology)Mechanical engineeringEngineeringStructural engineering

Résumé

récupéré en direct d'OpenAlex

The objective of this systematic review is to investigate the various approaches that have been undertaken in finite element analysis (FEA) of human–seat interactions and synthesize the existing knowledge. With advances in numerical simulation and digital human modeling, FEA has emerged as a powerful tool to study seating comfort and discomfort. FEA employs various biomechanical factors to predict the contact stress and pressure distribution in a particular seat design. Given the complexity of human–seat interaction, several modeling and processing steps are required to conduct realistic FEA. The steps of how to perform an FEA simulation on human–seat interactions, the different models used, the model mesh compositions, and the material properties are discussed and reviewed in this paper. This can be used as a guideline for future studies in the context of FEA of human–seat interactions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,704

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,123
Tête enseignante GPT0,477
Écart entre enseignants0,354 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied SciencesMême sujetErgonomics and Musculoskeletal DisordersTravaux en français237 207