Publikations-Nummer:   041/2024-BGIA

Autor:		Schneider, M.; Weber, A.; Reich, K.; Kaufmann, M.; Hartmann, U.; Hermanns, I.; Schiefer, C.; Karamandis, K.; Kluge, A.; Ellegast, R.P.
Titel:		Maschinelles Lernen in der Sturzprävention: Aufbau einer kinematischen Datenbasis zum Einsatz maschinellen Lernens zur Erkennung von Stolper-, Rutsch- und Sturzunfällen - C 3.2
Quelle:		70. GfA-Frühjahrskongress 2024, Stuttgart - Arbeitswissenschaft in-the-loop: Mensch-Technologie-Integration und ihre Auswirkung auf Mensch, Arbeit und Arbeitsgestaltung. 06. - 08. März 2024, Stuttgart, GfA-Press, Dortmund, Ergonomie (Sprache:D)

Kurzfassung

In zahlreichen Betrieben führen Unfälle durch Stolpern, Rutschen und Stürzen (SRS) zu erheblichen Ausfallzeiten. Zu Zwecken der automatischen Erkennung und zukünftigen Prävention wurden in dieser Studie normierte kinematische Daten zu SRS-Vorfällen von 110 Post-/Paketzusteller*innen und Stahlarbeiter*innen erfasst. Diese Daten wurden durch das Auslösen realer, nicht simulierter SRS-Ereignisse gewonnen und durch das Tragen eines Ganzkörpermessanzugs mit Beschleunigungsmessern, Gyroskopen und Magnetometern aufgezeichnet. Es wird erörtert, wie diese Daten für die Beurteilung der dynamischen Stabilitätskontrolle während der Bewegung im Kontext des maschinellen Lernens genutzt werden können.

Zurück zur Übersicht