机构名称：
¥ 1.0
使用基于知识的信息系统来改善人类绩效的限制是由于缺乏对个人的表现如何减少疲劳累积时如何减少的限制，这可能会根据个人的工作环境而异。尽管已经见证了自动化的增加，但在制造环境中仍然有一些身体上苛刻和疲惫的工作，即使没有适当管理，可能会导致长期问题，包括肌肉骨骼疾病和心理健康障碍。为了检测，理解和管理用于疲劳检测的解决方案的开发，机器学习（ML）是一个有用的工具。本文介绍了对ML技术在重复工作和人类 - 机器人协作（HRC）设置中与工作相关的物理疲劳检测和监视的审查。小说评论概述了与制造有关的环境中人类疲劳的检测复杂性。审查具有三个主要组成部分：首先，借助ML的疲劳检测复杂性水平，该水平仅根据选择在人类疲劳的背景下选择的特征来提出特定的影响因素。第二，在人工和检测技术中包括在疲劳条件下运行时与人类绩效产生的特征。最后，对整体方法的复杂性的挑战和局限性在本质上是对人类疲劳的监测/恢复对个体的身体施加的挑战。
评论-orca-加的夫大学
主要关键词
相关文件推荐
