Analyse ergonomique et mesures biomécaniques dans un abattoir de porcs
Bibliographic record
Abstract
Afin de réduire les facteurs de risque pouvant contribuer à accroître les Troubles musculo-squelettiques (TMS) dans un abattoir porcin, une étude ergonomique propose d’identifier les conditions du travail qui influencent les facteurs de risque. Par la suite, des propositions de changements sont élaborées. Cette intervention a été réalisée dans le cadre d’un stage au DESS en intervention ergonomique de l’Université du Québec à Montréal. Deux postes de travail de l’usine porcine ont été ciblés : la scie à carcasse et la levée de la panne. Pour mieux connaître les efforts des scieurs l’électromyographie (EMG), combiné à un enregistreur d’événements « psion organizer » et la vidéo ont été utilisés. L’analyse des différents modes opératoires des travailleurs a permis d’observer un coût musculaire plus élevé de 10 % pour les muscles fléchisseurs du poignet lorsque les opérateurs maintenaient les clenches de la scie activées entre la coupe de chaque porc. Le mauvais fonctionnement du moteur de la scie combiné au temps de cycle étaient en cause pour l’adoption de ce mode opératoire. Des recommandations quant à l’espace de travail et au moteur de la scie ont été proposées. Au poste de la panne, l’analyse des différentes techniques de travail et des efforts de soulèvement en fonction de certaines caractéristiques des porcs ont été effectuées grâce à un dynamomètre numérique combiné à la vidéo. Des recommandations quant à la technique de levage des pannes, à l’espace de travail et à la rotation entre les travailleurs de divers postes ont été proposées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".