Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Reducing postural load in order picking through a smart workwear system using real-time vibrotactile feedback
KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Ergonomi. Unit of Occupational medicine, Karolinska Institutet.ORCID-id: 0000-0001-5979-5504
KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Ergonomi. Unit of Occupational medicine, Karolinska Institutet.ORCID-id: 0000-0001-7285-824X
KTH, Skolan för kemi, bioteknologi och hälsa (CBH), Medicinteknik och hälsosystem, Ergonomi. Unit of Occupational medicine, Karolinska Institutet.ORCID-id: 0000-0001-7807-8682
School of Engineering Science, University of Skövde; Global Industrial Development, Scania CV, Södertälje.ORCID-id: 0000-0002-7232-9353
Visa övriga samt affilieringar
(Engelska)Manuskript (preprint) (Övrigt vetenskapligt)
Abstract [en]

Vibrotactile feedback training may be one possible method for interventions that target at learning better work technique and improving postures in manual handling. The aim of this study was to evaluate the effect of real-time vibrotactile feedback using a smart workwear system for work postures intervention in industrial order picking. Fifteen workers at an industrial manufacturing plant performed order-picking tasks, in which the vibrotactile feedback was used for postural training at work. The trunk and upper arm postures were recorded by the system. Questionnaires and semi-structured interviews were conducted about the users’ experience of the system. The results showed reduced time in adverse postures for the trunk and upper arms when the workers received feedback, and for trunk postures also after feedback withdrawal. The workers perceived the system as usable, comfortable and supportive for learning.

Nyckelord [en]
work technique training, the Smart Workwear Consortium, intervention
Nationell ämneskategori
Produktionsteknik, arbetsvetenskap och ergonomi
Identifikatorer
URN: urn:nbn:se:kth:diva-263308OAI: oai:DiVA.org:kth-263308DiVA, id: diva2:1368042
Anmärkning

QC 20191113

Tillgänglig från: 2019-11-05 Skapad: 2019-11-05 Senast uppdaterad: 2019-11-13Bibliografiskt granskad
Ingår i avhandling
1. Ergonomic Risk Assessment and Intervention through Smart Workwear Systems
Öppna denna publikation i ny flik eller fönster >>Ergonomic Risk Assessment and Intervention through Smart Workwear Systems
2019 (Engelska)Doktorsavhandling, sammanläggning (Övrigt vetenskapligt)
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.

Ort, förlag, år, upplaga, sidor
Stockholm: KTH Royal Institute of Technology, 2019. s. 77
Serie
TRITA-CBH-FOU ; 2019:53
Nyckelord
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.
Nationell ämneskategori
Produktionsteknik, arbetsvetenskap och ergonomi
Forskningsämne
Medicinsk teknologi
Identifikatorer
urn:nbn:se:kth:diva-263768 (URN)978-91-7873-379-8 (ISBN)
Disputation
2019-12-06, Lecture hall T1, Hälsovägen 11C, Huddinge, 13:00 (Engelska)
Opponent
Handledare
Anmärkning

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

QC 2019-11-14

Tillgänglig från: 2019-11-14 Skapad: 2019-11-12 Senast uppdaterad: 2019-11-14Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Personposter BETA

Lind, Carl MikaelYang, LiyunAbtahi, FarhadLindecrantz, KajLu, KeForsman, MikaelEklund, Jörgen

Sök vidare i DiVA

Av författaren/redaktören
Lind, Carl MikaelYang, LiyunAbtahi, FarhadHanson, LarsLindecrantz, KajLu, KeForsman, MikaelEklund, Jörgen
Av organisationen
ErgonomiSkolan för kemi, bioteknologi och hälsa (CBH)
Produktionsteknik, arbetsvetenskap och ergonomi

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 28 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf