DOI: https://doi.org/10.48084/etasr.14044
تاريخ النشر: 2026-02-09
المؤلف: Celia Francisco Martinez وآخرون
الموضوع الرئيسي: الهندسة البشرية واضطرابات الجهاز العضلي الهيكلي
نظرة عامة
تقدم البحث تكاملًا مبتكرًا لطريقة تقييم الجسم بالكامل السريعة (REBA) مع المنطق الضبابي وتقنية استشعار RGB-D، باستخدام Kinect v1، لتعزيز دقة وموضوعية تحديد مخاطر الوضعية في بيئات العمل. شمل الدراسة 24 عاملًا في قطاع تجميع الجينز، حيث أظهر أن 38% لم يبلغوا عن أي انزعاج عضلي هيكلي، بينما عانت نسب متفاوتة من آلام الظهر (25%)، وآلام أسفل الظهر (13%)، وانزعاج في مناطق أخرى. لوحظت اختلافات ذات دلالة إحصائية (p < 0.05) بين درجات REBA التقليدية وتلك المستمدة من النظام الضبابي، مما يشير إلى أن الأخير يعمل كأداة مكملة بدلاً من أن يكون بديلاً للتقييمات اليدوية. سمحت قدرات تتبع الحركة غير الغازية لـ Kinect بجمع البيانات في الوقت الحقيقي، متجاوزة القيود المرتبطة بالقياسات الزاوية اليدوية. في الختام، أظهر نظام المنطق الضبابي-REBA-Kinect ارتباطًا بنسبة 66% مع درجات REBA التقليدية، مما يمثل 43.6% من التباين، مع خطأ مطلق متوسط (MAE) قدره 7.8% وخطأ الجذر التربيعي المتوسط (RMSE) قدره 10.5%. تشير هذه النتائج إلى أن المنهجية المقترحة هي أداة موثوقة وعملية لتقييم مخاطر العمل في الوقت الحقيقي، مما قد يقلل من الغياب المرتبط باضطرابات العضلات والعظام (MSD) ويحسن الإنتاجية. يدعو البحث إلى اعتماد تقييمات العمل المدعومة بالتكنولوجيا في معايير الصحة المهنية ويحدد عدة اتجاهات بحث مستقبلية، بما في ذلك اختبار إصدارات جديدة من Kinect، وتوسيع أحجام العينات، والمقارنة مع أنظمة التقاط الحركة الأخرى، واستكشاف نماذج هجينة تتضمن التعلم الآلي لتعزيز دقة التنبؤ بالمخاطر.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للهندسة البشرية في منع اضطرابات العضلات والعظام (MSDs) في بيئات العمل، مع التأكيد على الانتشار العالمي لهذه الحالات، وخاصة آلام أسفل الظهر، التي تؤثر على أكثر من 1.71 مليار فرد. تشير منظمة الصحة العالمية إلى أن عبء اضطرابات العضلات والعظام من المحتمل أن يتزايد بسبب النمو السكاني والشيخوخة، مما يؤدي إلى زيادة الطلبات على أنظمة الصحة. الآثار الاقتصادية لاضطرابات العضلات والعظام كبيرة، حيث تكلف حالات الغياب وفقدان الإنتاجية في بيئات التصنيع المنظمات ما بين 5% إلى 10% من إجمالي تكاليف التشغيل، وما يصل إلى 20% في بيئات المهام المتكررة. وهذا يبرز ضرورة إجراء تقييمات هندسية بشرية لتحديد وتخفيف المخاطر في محطات العمل، مما يمكن أن يؤدي إلى تقليل كبير في الشكاوى العضلية الهيكلية وتحسين الإنتاجية.
تناقش الورقة طرق تقييم هندسية بشرية متنوعة، بما في ذلك تقييم الطرف العلوي السريع (RULA) وطريقة المعهد الوطني للسلامة والصحة المهنية (NIOSH)، التي تقيم عوامل مثل الوضعية، والحمولة، ونشاط العضلات. يتم تقديم دمج المنطق الضبابي مع التقييمات الهندسية البشرية كنهج واعد لتعزيز دقة وكفاءة التقييمات من خلال تحويل التقييمات النوعية إلى مستويات مخاطر كمية. بالإضافة إلى ذلك، يتم استكشاف استخدام تقنية التقاط الحركة، وخاصة Microsoft Kinect، كوسيلة لتوفير بيانات موضوعية في الوقت الحقيقي حول وضعية العامل، مما يقلل من تحيز المراقب ويحسن موثوقية التقييمات الهندسية البشرية. تهدف الدراسة إلى تطوير إطار عمل ضبابي-REBA-Kinect لتقييم هندسي بشري في صناعة النسيج، مع توقعات تشير إلى تقليل محتمل في أعراض التعب وزيادة في الإنتاجية، مما يساهم في كل من علم الهندسة البشرية والتنمية الاجتماعية والاقتصادية في القطاعات التي تعتمد على العمل المكثف.
طرق
في هذه الدراسة، تم استخدام نظام استدلال ضبابي، وبالتحديد من نوع مانداني، لتقييم المخاطر الهندسية البشرية في صناعة النسيج باستخدام طريقة تقييم الجسم بالكامل السريعة (REBA). يستفيد هذا النهج من القواعد اللغوية التي تعكس تفكير الخبراء، مما يسمح بتفسير بديهي لعوامل خطر الهندسة البشرية. على سبيل المثال، تسهل قواعد مثل “إذا كانت الحمولة عالية ومدة التعرض طويلة، فإن الخطر مرتفع جدًا” الفهم بين المهنيين في الصحة المهنية. يُفضل استخدام طريقة مانداني على أنظمة سوجينو أو تسوكاموتو بسبب قابليتها للتفسير، مما يجعلها مناسبة بشكل خاص لتطبيقات الهندسة البشرية.
استخدمت الإعدادات التجريبية جهاز كمبيوتر محمول من نوع Acer Intel® Core™ i7-7500U مع رسومات Intel® HD لتقييمات الهندسة البشرية. تم إجراء اختبارات المعايرة لضمان دقة جمع البيانات الزاوية، حيث تمت مقارنة الزوايا من مستشعر Kinect v1 مع تلك المقاسة بواسطة مقياس الزوايا، مما كشف عن تباين قدره ±5°. ركزت الدراسة على مفاصل الجسم المحددة التي تم تصنيفها إلى مجموعتين، A وB، كما هو موضح في الجدول I، الذي يسرد المفاصل التي تم تقييمها بواسطة طريقة REBA. تعتبر زوايا هذه المفاصل، التي تختلف بناءً على أنشطة العمال، حاسمة لتطبيق النموذج الضبابي بشكل فعال. تم حساب قياسات الزاوية لطريقة REBA باستخدام الصيغة \( \theta = \cos^{-1} \left( \frac{\mathbf{u} \cdot \mathbf{v}}{|\mathbf{u}| |\mathbf{v}|} \right) \)، حيث تمثل \(\theta\) الزاوية بين المتجهات \(\mathbf{u}\) و\(\mathbf{v}\). سمح النظام شبه الآلي للمقيمين بتقييم معايير هندسية بشرية متنوعة، بما في ذلك التواء الجذع والرقبة، والحركات المتكررة، والتعامل مع الحمولة، والوضعيات غير المستقرة، والقوى المطبقة، التي تم تسجيلها يدويًا خلال أنشطة العمال.
نتائج
في هذه الدراسة، تم استخدام اختبار ويلكوكسون غير المعلمي لتقييم الاختلافات في مستويات مخاطر الهندسة البشرية بين منهجية REBA التقليدية ونظام خبير ضبابي. أظهرت التحليلات الإحصائية التي أجريت في MATLAB أن الدرجات الضبابية كانت تتراوح في المتوسط ضمن ±1.17 نقطة من التقييمات اليدوية لـ REBA، مع خطأ الجذر التربيعي المتوسط (RMSE) قدره 1.58 مما يشير إلى فرق نموذجي قدره 2-3 نقاط. لوحظ ارتباط معتدل إلى قوي (معامل بيرسون $r \approx 0.66$, $p < 0.05$) مما يشير إلى أنه على الرغم من أن كلا الطريقتين تتماشيان بشكل عام، إلا أن هناك اختلافات كبيرة، تتأثر بشكل خاص بنوع النشاط المنفذ خلال عملية صنع الجينز. تشير النتائج إلى أن طريقة REBA الضبابية، التي تتضمن تقييمات مخاطر تدريجية من خلال قواعد استدلال معتمدة من الخبراء، غالبًا ما تصنف مستويات المخاطر بدقة أكبر من الطريقة التقليدية، التي تعتمد على مقاييس ثابتة. على سبيل المثال، حددت الطريقة الضبابية 19 حالة من المخاطر الهندسية العالية مقارنة بحالة واحدة فقط من المخاطر العالية جدًا في التقييم التقليدي. على الرغم من مزايا النظام الضبابي، تسلط الدراسة الضوء على تحيز منهجي، حيث قد يبالغ النظام الضبابي في تقدير أو تقليل مستويات المخاطر مقارنة بالطريقة اليدوية. وهذا يبرز ضرورة استخدام REBA الضبابية كأداة مكملة لتعزيز الحساسية والدقة التفسيرية في التقييمات الهندسية البشرية، بدلاً من أن تكون بديلاً للطرق المعتمدة.
مناقشة
استقصت الدراسة تقييم مخاطر الهندسة البشرية في بيئة تصنيع النسيج باستخدام نموذج منطق ضبابي متكامل مع طريقة تقييم الجسم بالكامل السريعة (REBA) وتقنية Kinect. تم جمع البيانات من 24 مشاركًا، بمتوسط عمر 27.4 عامًا، الذين أدوا مهام متكررة عبر ثمانية محطات عمل في خط تجميع السراويل الجينز. ضمنت معايير الإدراج الصارمة عينة متجانسة، مستبعدة الأفراد الذين يعانون من إصابات عضلية هيكلية للحفاظ على سلامة البيانات. سهل مستشعر Kinect v1 قياس زوايا المفاصل في الوقت الحقيقي، مما مكن من تقييم المخاطر الهندسية البشرية المرتبطة بأجزاء الجسم المختلفة خلال ظروف العمل العادية.
أظهر نظام الضبابي-Kinect-REBA ارتباطًا بنسبة 66% مع درجات REBA التقليدية، مما يمثل 43.6% من التباين في تقييم مخاطر الهندسة البشرية. كان خطأ المطلق المتوسط (MAE) للنظام 7.8%، وكان خطأ الجذر التربيعي المتوسط (RMSE) 10.5%، مما يشير إلى موثوقية عالية وتقليل للذاتية مقارنة بالتقييمات اليدوية. يقدم هذا النهج المبتكر حلاً عمليًا ومنخفض التكلفة لمراقبة وضعية العمال بشكل مستمر، مما قد يؤدي إلى تقليل كبير في اضطرابات العضلات والعظام (MSDs) والغياب المرتبط بها. تشمل الاتجاهات البحثية المستقبلية اختبار نماذج Kinect الجديدة، وتوسيع مجموعة المشاركين، ومقارنة إطار العمل الضبابي-REBA-Kinect مع أنظمة التقاط الحركة الأخرى، واستكشاف نماذج هجينة تتضمن التعلم الآلي لتحسين التنبؤ بالمخاطر.
DOI: https://doi.org/10.48084/etasr.14044
Publication Date: 2026-02-09
Author(s): Celia Francisco Martinez et al.
Primary Topic: Ergonomics and Musculoskeletal Disorders
Overview
The research presents an innovative integration of the Rapid Entire Body Assessment (REBA) method with fuzzy logic and RGB-D sensing technology, specifically utilizing Kinect v1, to enhance the precision and objectivity of postural risk identification in occupational settings. The study involved 24 workers in the denim assembly sector, revealing that 38% reported no musculoskeletal discomfort, while varying percentages experienced dorsal pain (25%), lower back pain (13%), and discomfort in other areas. Statistically significant differences (p < 0.05) were observed between traditional REBA scores and those derived from the fuzzy system, indicating that the latter serves as a complementary tool rather than a replacement for manual assessments. The Kinect's non-invasive motion tracking capabilities allowed for real-time data acquisition, overcoming limitations associated with manual goniometric measurements. In conclusion, the fuzzy logic-REBA-Kinect system demonstrated a 66% correlation with conventional REBA scores, accounting for 43.6% of the variance, with a Mean Absolute Error (MAE) of 7.8% and a Root Mean Square Error (RMSE) of 10.5%. These findings suggest that the proposed methodology is a reliable and practical tool for real-time ergonomic risk assessment, potentially reducing musculoskeletal disorder (MSD) related absenteeism and improving productivity. The study advocates for the adoption of technology-assisted ergonomic assessments in occupational health standards and outlines several future research directions, including testing newer Kinect versions, expanding sample sizes, benchmarking against other motion capture systems, and exploring hybrid models incorporating machine learning to enhance risk prediction accuracy.
Introduction
The introduction of this research paper highlights the critical role of ergonomics in preventing Musculoskeletal Disorders (MSDs) in workplace environments, emphasizing the global prevalence of these conditions, particularly low back pain, which affects over 1.71 billion individuals. The World Health Organization indicates that the burden of MSDs is likely to escalate due to population growth and aging, leading to increased demands on health systems. The economic implications of MSDs are significant, with absenteeism and productivity losses in manufacturing environments costing organizations between 5% to 10% of total operating costs and up to 20% in repetitive-task settings. This underscores the necessity for ergonomic assessments to identify and mitigate risks at workstations, which can lead to substantial reductions in musculoskeletal complaints and improvements in productivity.
The paper discusses various ergonomic assessment methods, including the Rapid Upper Limb Assessment (RULA) and the National Institute for Occupational Safety and Health (NIOSH) method, which evaluate factors such as posture, load, and muscle activity. The integration of fuzzy logic with ergonomic assessments is presented as a promising approach to enhance the accuracy and efficiency of evaluations by transforming qualitative assessments into quantitative risk levels. Additionally, the use of motion capture technology, particularly Microsoft Kinect, is explored as a means to provide real-time, objective data on worker posture, thereby reducing observer bias and improving the reliability of ergonomic evaluations. The study aims to develop a fuzzy-REBA-Kinect framework for real-time ergonomic assessment in the textile industry, with projections indicating potential reductions in fatigue symptoms and increases in productivity, thereby contributing to both ergonomic science and socio-economic development in labor-intensive sectors.
Methods
In this study, a fuzzy inference system, specifically a Mamdani-type, was employed to assess ergonomic risks in the textile industry using the Rapid Entire Body Assessment (REBA) method. This approach leverages linguistic rules that mirror expert reasoning, allowing for intuitive interpretation of ergonomic risk factors. For instance, rules such as “if the load is high and the exposure time is long, then the risk is very high” facilitate understanding among occupational health professionals. The Mamdani method is preferred over Sugeno or Tsukamoto systems due to its interpretability, making it particularly suitable for ergonomics applications.
The experimental setup utilized an Acer Intel® Core™ i7-7500U laptop with Intel® HD graphics for ergonomic assessments. Calibration tests were conducted to ensure accuracy in angular data acquisition, comparing angles from a Kinect v1 sensor with those measured by a goniometer, revealing a variance of ±5°. The study focused on specific body joints categorized into two groups, A and B, as outlined in Table I, which lists the joints assessed by the REBA method. The angles of these joints, which vary based on the workers’ activities, are critical for applying the fuzzy model effectively. The REBA method’s angle measurements were computed using the formula \( \theta = \cos^{-1} \left( \frac{\mathbf{u} \cdot \mathbf{v}}{|\mathbf{u}| |\mathbf{v}|} \right) \), where \(\theta\) represents the angle between vectors \(\mathbf{u}\) and \(\mathbf{v}\). The semi-automated system allowed assessors to evaluate various ergonomic parameters, including trunk and neck torsion, repetitive movements, load handling, unstable postures, and applied forces, which were recorded manually during the workers’ activities.
Results
In this study, the Wilcoxon non-parametric test was utilized to assess differences in ergonomic risk levels between the traditional REBA methodology and a fuzzy expert system. Statistical analysis conducted in MATLAB revealed that the fuzzy scores averaged within ±1.17 points of the manual REBA assessments, with a Root Mean Square Error (RMSE) of 1.58 indicating a typical difference of 2-3 points. A moderate to strong correlation (Pearson’s $r \approx 0.66$, $p < 0.05$) was observed, suggesting that while both methods generally align, significant differences exist, particularly influenced by the type of activity performed during the jeans-making process. The findings indicate that the fuzzy REBA method, which incorporates gradual risk assessments through expert-validated inference rules, often classifies risk levels more accurately than the conventional method, which relies on fixed scales. For instance, the fuzzy approach identified 19 cases of high ergonomic risk compared to only one instance of very high risk in the traditional assessment. Despite the advantages of the fuzzy system, the study highlights a systematic bias, where the fuzzy method may consistently overestimate or underestimate risk levels compared to the manual method. This underscores the necessity of using the fuzzy REBA as a complementary tool to enhance sensitivity and interpretative nuance in ergonomic evaluations, rather than as a replacement for established methods.
Discussion
The study investigated ergonomic risk assessment in a textile manufacturing setting using a fuzzy logic model integrated with the Rapid Entire Body Assessment (REBA) method and Kinect technology. Data were collected from 24 participants, aged 27.4 years on average, who performed repetitive tasks across eight workstations in a denim trouser assembly line. Strict inclusion criteria ensured a homogeneous sample, excluding individuals with musculoskeletal injuries to maintain data integrity. The Kinect v1 sensor facilitated real-time measurement of joint angles, enabling the assessment of ergonomic risks associated with various body parts during normal work conditions.
The fuzzy-Kinect-REBA system demonstrated a 66% correlation with traditional REBA scores, accounting for 43.6% of the variance in ergonomic risk assessment. The system’s Mean Absolute Error (MAE) was 7.8%, and the Root Mean Square Error (RMSE) was 10.5%, indicating high reliability and reduced subjectivity compared to manual assessments. This innovative approach offers a practical, low-cost solution for continuous monitoring of worker posture, potentially leading to significant reductions in musculoskeletal disorders (MSDs) and associated absenteeism. Future research directions include testing newer Kinect models, expanding the participant pool, comparing the fuzzy-REBA-Kinect framework with other motion capture systems, and exploring hybrid models that incorporate machine learning for enhanced risk prediction.