MétaCan
Menu
Retour à la cohorte
Enregistrement W4401365442 · doi:10.70010/qkwy4060

Identification en laboratoire des éléments essentiels au processus d’intégration sécuritaire de cellules cobotiques

2024· report· fr· W4401365442 sur OpenAlexaff
Sabrina Jocelyn, Élise Ledoux, Damien Burlet-Vienney, Isabelle Berger, Isvieysys Armas Marrero, Chun Hong Law, Yuvin Chinniah, Abdallah Ben Mosbah, Ilian A. Bonev, Denys Denis, Laurent Giraud

Notice bibliographique

Revuenon disponible
Typereport
Languefr
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensÉcole de Technologie SupérieurePolytechnique MontréalUniversité du Québec à MontréalInstitut de recherche Robert-Sauvé en santé et en sécurité du travail
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Les cobots sont apparus vers 2010 en industrie et les accidents sont très peu documentés. La gestion des risques en cobotique représente un réel défi. La littérature scientifique montre l’existence de divers modèles, méthodes et outils pour gérer les risques en cobotique, en mettant l’opérateur humain au cœur de l’intégration des applications collaboratives. Cependant, un autre humain clé de la mise en œuvre de ces applications est négligé la plupart du temps. Il s’agit de l’intégrateur, celui qui doit concevoir la cellule cobotique. À notre connaissance, deux études portant sur un même projet de conception d’un logiciel aidant à mettre en œuvre des cellules cobotiques sont les seules mettant l’intégrateur au cœur de leur invention. Cependant, cette prise en compte de l’intégrateur se base sur un retour d’expérience relatif à leurs intégrations passées. Le présent rapport se démarque en plaçant l’intégrateur au cœur de sa méthodologie et en exploitant l’analyse de l’entièreté du processus d’intégration au fur et à mesure qu’il se déroule. En effet, l’objectif de ce rapport est d’identifier, en laboratoire, les éléments essentiels au processus d’intégration sécuritaire de cellules cobotiques, en considérant les variabilités inhérentes à la tâche à cobotiser et à l’intégrateur. Pour y parvenir, l’étude passe par trois étapes principales : 1) la caractérisation des tâches cobotisées en industrie et des interactions humain-cobot à partir de matériels visuels issus d’études de cas et de visites en entreprise ; 2) l’intégration, en laboratoire, de quatre cellules cobotiques, à savoir deux tâches industrielles implantées chacune par deux intégrateurs (chaque intégrateur doit mettre en œuvre les cellules cobotiques relatives aux deux tâches industrielles) ; 3) l’analyse des éléments de prises de décisions des intégrateurs pour chacun des quatre processus d’intégration. La caractérisation à l’étape 1 du projet permet de proposer cinq classes d’applications collaboratives : 1) la collaboration directe en alternance ; 2) la collaboration directe d’assistance ; 3) la collaboration indirecte séquentielle ; 4) la collaboration indirecte parallèle ; 5) le partage d’espace occasionnel sans collaboration. La définition de ces classes est utile à tout intégrateur voulant démarrer son analyse des risques d’une installation cobotique. L’analyse des risques commence avec la détermination des limites de l’installation à mettre en œuvre, au sens de la norme en robotique ISO 10218 et, plus généralement, au sens de la norme ISO 12100 en sécurité des machines. À la lumière des résultats des trois étapes de l’étude, ce rapport propose un outil de détermination des limites d’une installation cobotique. Ces limites sont les variabilités inhérentes à la tâche à cobotiser, notées au fil de la réalisation des intégrations et des différentes étapes de la méthodologie. Nous avons constaté que, parmi tous les éléments de variabilité influençant les quatre processus d’intégration étudiés, les trois premiers éléments suivants liés à la tâche à cobotiser et les deux derniers éléments suivants associés à l’intégrateur étaient essentiels dans ces processus : 1) le choix du cobot ; 2) le type de pièce à manipuler et le type d’outil robotique ; 3) les contraintes de temps de cycle et de productivité ; 4) la formation de l’intégrateur en sécurité des machines en général et en sécurité en cobotique plus précisément ; 5) les informations, relatives à la sécurité ou la productivité, qu’il reçoit de son entourage, puisqu’elles le poussent à remettre en question ses choix initiaux et les corriger s’il y a lieu (il s’agit de rétroactions). Des pistes de réflexion relatives à ces éléments de variabilité sont énoncées à la fin du rapport.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,002
Communication savante0,0070,004
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,394
Écart entre enseignants0,362 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHuman-Automation Interaction and SafetyTravaux en français237 207