一个由可穿戴传感器和机器学习组成的系统可以持续监测工厂工人的身体疲劳迹象。工厂工作可能需要体力劳动，安全和合乎道德的工作场所必须确保工人不会过度疲劳，因为过度疲劳会增加受伤和事故的风险，造成慢性健康问题，并影响工作表现。
郭平（Ping Guo）、朱琦（Qi Zhu）及其同事设计了一个系统，可以从躯干和手臂的六个位置测量心率、心率变异性、皮肤温度和运动模式。目前还没有被广泛接受的疲劳生物标志物或指标，因此作者将测量标准调整为自我报告的疲劳程度，范围为0-10分。研究结果发表在PNAS Nexus上。
43名年龄在18岁至56岁之间的参与者重复了两项艰苦的制造任务：复合材料薄板铺层和线束，同时穿着加重的背心，以夸大引起的疲劳程度，并模拟在整个轮班结束时可能感受到的疲劳程度。在大约一个小时的数据收集期间，参与者报告了多个时间点的疲劳程度。
机器学习模型能够使用参与者的数据实时预测疲劳程度。用于预测疲劳的最佳生理指标组合因个体而异，但确定了一些普遍趋势。非优势臂的动作普遍显示出疲劳。然而复杂的任务，如线束，需要多种方式来捕捉疲劳。
作者还在美国中西部和西海岸的大型制造工厂测试了他们的系统。真正的工厂工人有点不愿意报告他们的工作任务很疲劳，汗水使传感器的粘附变得棘手。尽管存在这些挑战，但工人们认为该系统不引人注目，易于使用。
根据作者的说法，这项技术可以提高工厂的安全性，降低风险，并赋予工人权力。
更多信息：Payal Mohapatra等人，制造业工人多层次物理疲劳预测的可穿戴网络，PNAS Nexus（2024）。DOI: 10.1093/pnasnexus/pgae421期刊信息：PNAS Nexus由PNAS Nexus提供引文：可穿戴传感器可以连续跟踪工厂工人的疲劳（2024年，10月15日）检索自2024年10月15日https://techxplore.com/news/2024-10-wearable-sensors-track-fatigue-factory.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
