Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
An iPhone application for upper arm posture and movement measurements
KTH, School of Technology and Health (STH), Health Systems Engineering, Ergonomics. (Ergonomi, Ergonomics)ORCID iD: 0000-0001-7285-824X
2017 (English)In: Applied Ergonomics, ISSN 0003-6870, E-ISSN 1872-9126, Vol. 65, p. 492-500Article in journal (Refereed) Published
Abstract [en]

There is a need for objective methods for upper arm elevation measurements for accurate and convenient risk assessments. The aims of this study were (i) to compare a newly developed iOS application (iOS) for measuring upper arm elevation and angular velocity with a reference optical tracking system (OTS), and (ii) to compare the accuracy of the iOS incorporating a gyroscope and an accelerometer with using only an accelerometer, which is standard for inclinometry. The iOS-OTS limits of agreement for static postures (9 subjects) were -4.6° and 4.8°. All root mean square differences in arm swings and two simulated work tasks were <6.0°, and all mean correlation coefficients were >0.98. The mean absolute iOS-OTS difference of median angular velocity was <13.1°/s, which was significantly lower than only using an accelerometer (<43.5°/s). The accuracy of this iOS application compares well to that of today's research methods and it can be useful for practical upper arm measurements.

Place, publisher, year, edition, pages
Elsevier, 2017. Vol. 65, p. 492-500
Keywords [en]
work-related musculoskeletal disorders, accelerometer, gyroscope
National Category
Medical Ergonomics
Identifiers
URN: urn:nbn:se:kth:diva-212177DOI: 10.1016/j.apergo.2017.02.012ISI: 000408597400050Scopus ID: 2-s2.0-85014522150OAI: oai:DiVA.org:kth-212177DiVA, id: diva2:1133758
Funder
AFA Insurance, 120237
Note

QC 20170817

Available from: 2017-08-16 Created: 2017-08-16 Last updated: 2019-11-12Bibliographically approved
In thesis
1. Ergonomic Risk Assessment and Intervention through Smart Workwear Systems
Open this publication in new window or tab >>Ergonomic Risk Assessment and Intervention through Smart Workwear Systems
2019 (English)Doctoral thesis, comprehensive summary (Other academic)
Abstract [en]

The rapid development of wearable technology has provided opportunities to ergonomics research and practice with new ways for workload measurements, data analytics, risk assessment and intervention. This thesis aims at developing and evaluating methods using wearable technologies to assess physical risk factors at work, and further to give feedback to employees to improve their work techniques.

One smartphone application (ErgoArmMeter) was developed for the assessment of upper arm postures and movements at work. The application uses integrated signals of the embedded accelerometer and gyroscope, and processes and presents the assessment results directly after a measurement. Laboratory validation with 10 participants was performed using an optical tracking system as standard measurement. The results showed that the application had similar accuracy compared to standard inclinometry for static postures and improved accuracy in dynamic conditions. With its convenience and low cost, the application may be used by researchers and practitioners in various scenarios for risk assessment.

Three models for assessment of work metabolism (WM) using heart rate (HR) and accelerometers (ACCs) were evaluated during simulated work tasks with 12 participants against indirect calorimetry as standard measurement. The HR + arm-leg ACC model showed best accuracy in most work tasks. The HR-Flex model showed a small bias for the average of all tasks. For estimating WM in the field using wearable technologies, the HR-Flex model or the HR + arm-leg ACC model may be chosen depending on the need for accuracy level and resource availabilities. Further improvement of the classification algorithm in the HR + arm-leg ACC model is needed in order to suit various types of work.

Two smart workwear systems were developed and evaluated. Smart workwear system 1.0 consisted of a sensorized vest, an inertial measurement unit (IMU) and an Android tablet application. It assessed risks of high physiological workload and prolonged occupational sitting/standing. The results were visualized by color-coded risk levels. The system was evaluated with 8 participants from four occupations in a field study. It was perceived as useful, comfortable and not disturbing by most participants. Further development is required for the system for automated risk assessment of various ergonomic risk factors in real work situations.

Smart workwear system 2.0 consisted of an instrumented t-shirt with IMUs, vibration units and an Android smartphone application. It provided vibrotactile feedback to users’ upper arm and trunk when predefined angular thresholds were exceeded. The system was evaluated for work postures intervention in industrial order picking among 15 participants. It showed to be effective in improving the trunk and dominant upper arm postures. The system was perceived as comfortable and useful. The vibrotactile feedback was evaluated as supportive for learning regarding workplace and task design among the participants.

In conclusion, the research in this thesis showed that wearable technologies can be used both in the laboratory and field for assessment of physical risk factors at work and intervention in work technique improvement. With further research and development, smart workwear systems may contribute to automated risk assessment, prevention of work-related ill health, and improvement of the design and overall quality of work.

Abstract [sv]

Den snabba utvecklingen av bärbar teknik har skapat möjligheter för ergonomisk forskning och tillämpning genom nya sätt att mäta arbetsbelastning, dataanalys, riskbedömning och intervention. Denna avhandling syftar till att utveckla och utvärdera metoder att använda bärbar teknik för att utvärdera fysiska riskfaktorer i arbetet samt ge feedback till anställda för att förbättra sin arbetsteknik.

En smart mobilapplikation (ErgoArmMeter) utvecklades för att bedöma överarmställningar och -rörelser på jobbet. Applikationen använder integrerade signaler från den inbäddade accelerometern och gyroskopet, samt bearbetar och presenterar bedömningsresultaten direkt efter en mätning. En laboratorievalidering med 10 deltagare utfördes där ett optiskt spårningssystem användes som standardmätning. Resultaten visade att applikationen hade jämförbar noggrannhet med standard inklinometri för statiska arbetsställningar men bättre noggrannhet under dynamiska förhållanden. Applikationens enkelhet, bekvämlighet och låga kostnad gör att applikationen kan användas av forskare och praktiker i olika scenarier för ergonomisk riskbedömning.

Tre modeller för bedömning av arbetsmetabolism med hjälp av hjärtfrekvens (HR) och accelerometrar (ACCs) utvärderades i simulerade arbetsuppgifter med 12 deltagare mot indirekt kalorimetri som standardmätning. “HR + arm-leg ACC modellen” visade bästa noggrannhet i de flesta arbetsuppgifter. “HR-Flex modellen” visade en liten avvikelse för genomsnittet av alla uppgifter. För att bedöma arbetsmetabolism i arbetslivet med användning av bärbar teknik kan “HR-Flex modellen” eller “HR + arm-leg ACC modellen” väljas beroende på behovet av noggrannhet och tillgängliga resurser. Ytterligare förbättring av klassificeringsalgoritmen i ”HR + arm-leg ACC modellen” behövs för att passa olika typer av arbete.

Två system för smarta arbetskläder utvecklades och utvärderades. Smarta arbetskläder 1.0 bestod av en sensoriserad väst, en IMU-sensor (Inertial Measurement Unit) och en applikation på en Android surfplatta. Systemet bedömde riskerna för hög fysisk arbetsbelastning och långvarigt sittande/stående på arbetet. Resultaten visualiserades med färgkodade risknivåer. Systemet utvärderades med 8 deltagare från fyra yrken i en fältstudie. Det upplevdes som användbart, bekvämt och inte störande av de flesta deltagare. Vidareutveckling av systemet krävs för automatiserad riskbedömning av olika ergonomiska riskfaktorer i arbetslivet.

Smarta arbetskläder 2.0 bestod av en instrumenterad t-shirt med IMU-enheter, vibrationsenheter och en applikation på en Android smart mobil. Systemet gav vibrotaktil återkoppling till användarnas dominanta överarm och bål/rygg när fördefinierade vinkeltrösklar överskreds. Systemet utvärderades beträffande arbetsställningar i en intervention i industriell materialplockning med 15 deltagare. Det visade sig effektivt förbättra arbetsställningar av bålen/ryggen och överarmen. Systemet upplevdes som bekvämt och användbart. Den vibrotaktila återkopplingen befanns stödjande för inlärning av deltagarna när det gäller utformning av arbetsplats och arbetsuppgift.

Sammanfattningsvis visar forskningen i denna avhandling att bärbar teknik kan användas både i laboratoriet och arbetslivet för att bedöma fysiska riskfaktorer i arbetet samt för interventioner syftande till förbättring av arbetsteknik. Med ytterligare forskning och utveckling kan system för smarta arbetskläder bidra till automatiserad riskbedömning, förebygga arbetsrelaterad ohälsa och förbättra utformningen av arbetet och arbetsplatsen.

Place, publisher, year, edition, pages
Stockholm: KTH Royal Institute of Technology, 2019. p. 77
Series
TRITA-CBH-FOU ; 2019:53
Keywords
Physical Workload, Work Postures, Energy Consumption, Oxygen Uptake, Risk Assessment, Measurement Methods, Work-Related Musculoskeletal Disorders, Work-Related Ill Health, Wearable Sensors, Wearable Systems, Feedback, Ergonomic Intervention., Fysisk arbetsbelastning, Arbetsställningar, Energiförbrukning, Syreupptag, Riskbedömning, Mätmetoder, Arbetsrelaterade muskuloskeletala besvär, Arbetsrelaterad ohälsa, Bärbara sensorer, Bärbara system, Återkoppling, Ergonomisk intervention.
National Category
Production Engineering, Human Work Science and Ergonomics
Research subject
Medical Technology
Identifiers
urn:nbn:se:kth:diva-263768 (URN)978-91-7873-379-8 (ISBN)
Public defence
2019-12-06, Lecture hall T1, Hälsovägen 11C, Huddinge, 13:00 (English)
Opponent
Supervisors
Note

Thesis in the Karolinska Institutet and KTH Royal Institute of Technology joint doctoral programme in medical technology.

QC 2019-11-14

Available from: 2019-11-14 Created: 2019-11-12 Last updated: 2019-11-14Bibliographically approved

Open Access in DiVA

No full text in DiVA

Other links

Publisher's full textScopus

Search in DiVA

By author/editor
Yang, Liyun
By organisation
Ergonomics
In the same journal
Applied Ergonomics
Medical Ergonomics

Search outside of DiVA

GoogleGoogle Scholar

doi
urn-nbn

Altmetric score

doi
urn-nbn
Total: 369 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf