Development of a framework to implement time analysis in digital human modeling systems using predetermined motion time systems
Notice bibliographique
Résumé
Abstract Digital human modeling (DHM) systems are increasingly utilized to design and optimize human work processes. A key challenge in employing DHM systems is precisely estimating task times for activities depicted through 3D human models. This study introduces an automated approach for time analysis derived from DHM data, focusing on integrating the Maynard Operation Sequence Technique (MOST) time system. Traditional time analysis using MOST often requires extensive manual effort from trained analysts to evaluate task execution, which can be both time-consuming and costly, particularly when applied to 3D designs. However, the automated methodology presented in this study significantly streamlines this process by minimizing manual intervention, thereby facilitating the creation of efficient and ergonomic human work processes during the design phase. The proposed method offers a systematic approach to integrating the data required for a Predetermined Motion Time System (PMTS) analysis, such as MOST, within a 3D environment. The study specifies the data that simulation tools can automatically generate for time analysis and highlights where manual input is needed during DHM simulation. By combining automated data with manual input, the method ensures a complete PMTS analysis. The method was validated through a field study, showing acceptable performance compared to both MOST estimates and actual observed task times. To illustrate its application, the method is implemented using Dassault Systèmes Delmia Ergonomic Workplace Design (EWD) software in a case example. EWD enables automatic time estimations for 3D-designed tasks while allowing for comprehensive ergonomic assessments. This multifaceted analysis equips design engineers with a powerful tool to evaluate design effectiveness, significantly saving time and resources before creating a physical prototype.
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 | 0,007 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».