Analysis of the use of artificial intelligence and other emerging technologies in the evaluation of ergonomic risk factors

Analysis of the use of artificial intelligence and other emerging technologies in the evaluation of ergonomic risk factors

Code: G-1231

Authors: مهدی صفری ℗, ارغوان بدری کوهی, امیرحسین ناصربخت, سکینه ورمزیار ©

Schedule: Not Scheduled!

Tag:

Download: Download Poster

Abstract:

Introduction

شناسایی و ارزیابی‌های منظم ریسک فاکتورهای ارگونومیک می تواند نقش مهمی در نظارت بر سلامت کارگران و پیشگیری از اختلالات اسکلتی عضلانی داشته باشد. لذا با توجه به نقش برجسته این موضوع در ارتقاء بهداشت شغلی کارکنان، بررسی کاربرد و نقش فناوری‌های نوظهور در توسعه سیستم‌های ارزیابی ریسک ارگونومیک خودکار به عنوان جایگزین و در برخی موارد مکمل ارزیابی‌های انجام گرفته توسط انسان، حائز اهمیت است. همچنین بررسی فناوری های نوظهور می تواند در جهت شناسایی نقاط قوت و ضعف، چالش‌ها و محدودیت‌های موجود در بکارگیری مدل‌های مبتنی بر هوش مصنوعی، یادگیری ماشینی و اینترنت اشیاء مفید بوده و کمک کننده باشد.

Methods and Materials / Case Report

این پژوهش از نوع مروری سیستماتیک بوده و کلیدواژه‌ها براساس اصل pico و mesh به صورت انگلیسی انتخاب شدند. جستجو با استفاده از کلیدواژه های انگلیسی « ergonomic risk assessment , ergonomic risk evaluation , ergonomic risk analysis , posture , risk, hazard, ergonomy, machine learning, artificial intelligence, internet of things» در پایگاه‌های داده اطلاعاتی pubmed ، Google Scholar ، Web Of Science و scopus به صورت تکی و در ترکیب با هم انجام شد و مقالات ده سال اخیر مورد بررسی قرار گرفتند. سپس فرآیند غربالگری، حذف اطلاعات تکراری، غیرمرتبط و نیز بازیابی مجدد منابع، انجام و پس از تهیه متن کامل مقالات، فرآیند ترجمه و استخراج اطلاعات از مقالات مرتبط انجام شد و در نهایت نمودار PRISMA برای سازماندهی داده‌ها رسم شد.

Results

در این مطالعه 15 مقاله در پایگاه پابمد، 90 مقاله در گوگل اسکولار، 22 مقاله در اسکوپوس و 16 مقاله در پایگاه وب آو ساینس یافت شدند. پس از حذف مقالات تکراری و غیرمرتبط و با اعمال معیارهای ورود و خروج، در نهایت 22 مقاله وارد مطالعه ما شدند. بررسی مقالات ورودی نشان داد تحلیل طیفی sEMG برای ارزیابی سیگنال های EMG عضلات و بکارگیری الگوریتم‌های یادگیری ماشینی می‌تواند در ارزیابی ریسک های بلند کردن بار، بر محدودیت‌های روش‌های مشاهده‌ای که اغلب زمان‌بر هستند، غلبه کند. همچنین بررسی پژوهش‌های در خصوص توسعه سیستم‌های ارزیابی ریسک ارگونومیک خودکار مبتنی بر روش های مرسوم مانند RULA، نشان داد که این دسته سیستم‌های هوشمند مانند تجهیزات پوشیدنی مجهز به انواع حسگرها جهت شناسایی فعالیت‌های بدنی، می توانند در تشخیص خطرات و ارزیابی آنها و در مواردی ارزیابی شاخص فشار شغلی (JSI) عملکرد مناسبی با دقت بالا داشته باشند.

Conclusion

با توجه به بررسی متون مقالات مرتبط با موضوع تحقیق می­ توان نتیجه­ گیری کرد که فناوری­ های نوظهور در توسعه ابزارهای هوشمند با مدل­سازی روابط علی معلولی بین تغییرات پارامترهای بیومکانیکی و سینماتیکی افراد و تغییرات ایجاد شده در پارامترهای ریسک فاکتورهای ارگونومیک، کاربرد داشته­ اند. اما ارزیابی قابلیت اطمینان این ابزارها با درنظرگرفتن عوامل فردی گوناگون مؤثر بر دقت عملکرد آنها حائز اهمیت است. بطور مثال تناسب لباس­های هوشمند با ابعاد بدنی کاربران می­ تواند دقت اندازه گیری پارامترهای زیستی توسط حسگرهای درون پارچه لباس­ها را تحت تأثیر قرار دهد. بنابراین به طور کلی بررسی چالش­ های این فناوری­ ها در توسعه سیستم­ های جایگزین روش­ های مشاهده­ ای باید بیشتر دستخوش مطالعه و تحقیق قرار گیرند.

Key Words

ارزیابی ریسک ، ارگونومی ، هوش مصنوعی

Post comment is closed by admin.