Development of a framework to implement time analysis in digital human modeling systems using predetermined motion time systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle