این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
بهداشت و ایمنی کار، جلد ۱۳، شماره ۲، صفحات ۳۰۹-۳۲۷
عنوان فارسی مدل‌سازی چندبُعدی خستگی دست با استفاده از هوش محاسباتی نرم
چکیده فارسی مقاله مقدمه: خستگی جسمانی از مهمترین ریسک‌فاکتورهای آغازگر اختلالات اسکلتی-عضلانی در محیط‌های کاری است که هزینه‌های جانی و مالی زیادی در پی داشته است. تأثیر ریسک‎فاکتورهای جسمانی/ بیومکانیکی، روانی-اجتماعی، محیطی و فردی بر خستگی عضلانی انکار ناپذیرست. هدف این مطالعه مدل‌سازی پدیده خستگی عضلانی (به عنوان خروجی) ناحیه دست در محیط‌های کاری واقعی بر اساس این ریسک‌فاکتورها (به عنوان ورودی) با استفاده از روش‌های نرم محاسباتی است. روش کار: در گام اول ریسک‌فاکتورهای موثر بر خستگی 156 آزمودنی در سه شغل با نیازمندی‌های جسمانی متفاوت اندازه‌گیری شد. این 12ریسک‌فاکتورها با پرسشنامه‌های محیطی، روانی-اجتماعی کوپنهاگ، دموگرافیک و ابزار Man-TRA  استخراج شدند. سپس جهت اندازه‌گیری خستگی با داینامومتر و شتاب‌سنج سه-محوره به ترتیب از معادله Roman-Liu و میانگین مجذور دامنه امواج شتاب استفاده شد. در نهایت با توجه به ماهیت ریسک‌فاکتورها و پدیده خستگی از 6 دسته (24روش) یادگیری ماشین نظارت‎شده مبتنی بر طبقه‎بندی و با کمک نرم‌افزار  ،(MatLab R2017b, The Mathworks Inc., MA, U.S.A.) MatLab برای برازش مدل‎ها استفاده شد.   یافته ها: بهترین مدل‌های برازش‎ شده در نیمه اول و دوم شیفت کاری، با استفاده از روش‎های ماشین بردار پشتیبان حاصل شد. ریسک‌فاکتورهای جسمانی بیشترین تأثیر را بر خستگی جسمانی داشتند. پس از فیلتر نمودن ریسک‌فاکتورهای کم‌اولویت، در نیمه اول شیفت کاری بهینه‎ترین مدل صحت %71/8، دقت %72/5، حساسیت %76/9، ویژگی %70/8 و قدرت افتراق برابر با %73 و در نیمه دوم شیفت کاری با صحت، دقت، حساسیت و ویژگی به ترتیب برابر با %60/3، %57/5، %50 و %46/9 و قدرت افتراق در حدود %62 به دست آمد. نتیجه گیری: مدل‌های برازش شده برای خستگی دست در هر دو بخش شیفت عملکرد قابل قبولی داشتند، اما همچنان قابلیت بهینه‎تر شدن را دارا هستند. لذا ضروری‌ست، مطالعات آینده ضمن ارتقای کیفی داده‌های ورودی و خروجی، سایر ابعاد مؤثر بر خستگی همچون بار کاری شناختی، نوع شیفت کاری و غیره را در مدل‌ها لحاظ کنند.
کلیدواژه‌های فارسی مقاله خستگی، مدل، لرزش، داینامومتر سنجش قدرت عضلانی
عنوان انگلیسی Multidimensional Modeling of Physical Fatigue using Soft Computing Intelligence
چکیده انگلیسی مقاله Introduction: Physical fatigue is one of the major risk factors for work-related musculoskeletal disorders and has many life and financial costs. The impact of physical/biomechanical, psychosocial, environmental, and individual risk factors on muscle fatigue is undeniable. The aim of this study is to model the phenomenon of muscle fatigue (as output) in the hand in work environments based on these risk factors (as input) using soft computing methods. Material and Methods: In the first step, associated risk factors of fatigue for 156 subjects (in three job categories) were assessed using Copenhagen environmental, psychosocial, demographic, and Man-TRA tools. Then, the Roman-Liu equation and mean square amplitude of acceleration waves were used to measure fatigue with a dynamometer and a three-axis accelerometer, respectively. Finally, according to the nature of risk factors and the phenomenon of fatigue, six categories (24 methods) of supervised machine learning (SML) based on classification were selected. MatLab software (MatLab R2017b, The Mathworks Inc., MA, U.S.A.) was used to fit the models using SML. Results: The best-fitted models in the first and second half of the work shift were obtained using support vector machine methods. Physical risk factors had a significant impact on physical fatigue. After filtering low-priority risk factors, in the first half of the work shift, the most optimal model had an accuracy of 71.8%, precision of 72.5%, sensitivity of 76.9%, specificity of 70.8%, and discrimination power equal to 73%. In the second half of the work shift, the accuracy, precision, sensitivity, and specificity of the optimized model were 60.3%, 57.5%, 50%, and 46.9%, respectively, and the discrimination power was obtained at about 62%. Conclusion: The fitted models for hand fatigue had acceptable performance in both sections of the shift but can still be optimized. Therefore, it is necessary for future studies to improve the quality of input and output data and include other dimensions affecting fatigue such as cognitive workload and type of work shift in future models.
کلیدواژه‌های انگلیسی مقاله Fatigue, Model, Tremor, Muscle strength dynamometer
نویسندگان مقاله ندا مهدوی | Neda Mahdavi
Department of Ergonomics, School of Public Health and Research Center for Health Sciences, Hamadan University of Medical Sciences, Hamadan, Iran
گروه ارگونومی، مرکز تحقیقات بهداشت و ایمنی شغلی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران

حسن ختن‎لو | Hasan Khotanlou
Department of Computer Engineering, Bu-Ali Sina University, Hamedan, Iran
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران

مهدی درویشی | Mahdi Darvishi
Department of Engineering, Payame Noor University, Tehran, Iran
گروه مکانیک، دانشکده فنی و مهندسی، دانشگاه پیام نور تهران، تهران، ایران

جواد فردمال | Javad Faradmal
Department of Biostatistics, School of Public Health and Research Center for Health Sciences, Hamadan University of Medical Sciences, Hamadan, Iran
گروه آمار زیستی، مرکز تحقیقات مدل‎سازی بیماری‌های غیرواگیر، دانشگاه علوم پزشکی همدان، همدان، ایران

ایمان دیانت | Iman Dianat
Department of Occupational Health and Ergonomics, Faculty of Health, Tabriz University of Medical Sciences, Tabriz, Iran
گروه بهداشت حرفه‎ای و ارگونومی، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز، تبریز، ایران

رشید حیدری مقدم |
Department of Ergonomics, School of Public Health and Research Center for Health Sciences, Hamadan University of Medical Sciences, Hamadan, Iran
گروه ارگونومی، مرکز تحقیقات بهداشت و ایمنی شغلی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران

نشانی اینترنتی http://jhsw.tums.ac.ir/browse.php?a_code=A-10-170-25&slc_lang=other&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده other
موضوعات مقاله منتشر شده ارگونومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات