Conception et validation d'un système embarqué d'aide à l'évaluation du port de charge
De nombreuses activités dans le milieu industriel restent encore manuelles dont le port de charge (PDC) est une composante non négligeable. Les conséquences de l'engagement physique dans le travail, activités manuelles et posture, induisent des coûts humains et économiques conséquents. Selon l&...
Bewaard in:
| Hoofdauteur: | |
|---|---|
| Andere auteurs: | , , , , , |
| Formaat: | Thèse numérique |
| Taal: | Français |
| Gepubliceerd in: |
2025.
|
| Onderwerpen: | |
| Opmerking: |
Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS Partenaire(s) de recherche : PRISME - Laboratoire Pluridisciplinaire de Recherche en Ingénierie des Systèmes et Mécanique Energétique (Laboratoire) Autre(s) contribution(s) : Tarak Driss (Président du jury) ; Mohsen Zare, Valérie Berry-Kromer, Jonathan Savin (Membre(s) du jury) ; Mohsen Zare, Valérie Berry-Kromer (Rapporteur(s)) |
| Autres localisations: | Voir dans le Sudoc |
| Variante du titre: | Design and validation of an embedded system for manual material handling assessment |
| Samenvatting: | De nombreuses activités dans le milieu industriel restent encore manuelles dont le port de charge (PDC) est une composante non négligeable. Les conséquences de l'engagement physique dans le travail, activités manuelles et posture, induisent des coûts humains et économiques conséquents. Selon l'Assurance Maladie, la moitié des troubles musculosquelettiques (TMS) entraîne des séquelles permanentes et ont un coût de près de 2 milliards d'euros en 2017. Afin de les réduire, dans le cadre d'une démarche de prévention, des normes ergonomiques de port de charge ont été établies. Cependant, leur considération, en condition réelle d'activité, reste approximative. Notamment, parce que les préventeurs mobilisent des grilles de cotation dont les niveaux de criticité des activités sont évalués visuellement. De plus, il n'est pris en compte dans ces démarches que la charge externe statique. C'est pourquoi, l'estimation de la masse des charges manutentionnées reste un défi lorsqu'elle doit être effectuée en condition réelle d'activité. Dans ce contexte, cette thèse industrielle a eu pour ambition de concevoir et de valider un système embarqué d'estimation du PDC. La première partie du travail a consisté au développement d'une paire de chaussures instrumentée afin de mesurer les efforts de réaction au sol (ERS) et d'estimer la masse de la charge portée. La caractérisation du prototype s'est réalisée en conditions statiques et dynamiques pour des appuis unipodaux et bipodaux. Le prototype final permet d'estimer la charge portée au kilogramme près. La deuxième partie du travail a porté sur la validation expérimentale du prototype pour quatre activités différentes de PDC, avec trois niveaux de charges (0, 5 et 10 kg). Les mesures des ERS ont été comparées à celles d'une plateforme de force de référence. Cette étude a permis de montrer que le prototype mesurait avec une bonne précision les forces et moments de force suivant les trois composantes (verticale, antéropostérieure et latérale) puisqu'il n'y avait pas de différences statistiques, quelles que soient les conditions expérimentales, sur ces mesures entre le prototype et la plateforme de référence. La dernière partie concerne l'automatisation sur l'identification et l'évaluation du PDC. Elle consiste à détecter les instants de prise et de dépose de charge, ainsi qu'à estimer la masse des charges manipulées. Afin de garantir son utilisabilité, une contrainte majeure a été l'utilisation d'un nombre restreint de capteurs. Toutefois, la configuration actuelle présente une sous-détermination pour la détection des PDC. Pour surmonter cette limitation, un premier algorithme, basé sur un modèle d'apprentissage supervisé, a été développé afin de résoudre l'indéterminisme et d'identifier avec précision les moments de prise et de dépose. Le second algorithme quant à lui, a été développé pour estimer la masse de la charge manipulée en condition réelle d'activité, autrement dit en dynamique. Les deux algorithmes exploitent les ERS et les données relatives au centre de masse (CDM) des sujets comme variables d'entrée. Les résultats obtenus sont prometteurs, montrant une détection des PDC avec une précision moyenne d'un kilogramme. Many activities in the industrial sector remain manual, with load handling (LH) being a significant component. Physical strain associated with manual tasks and postures leads to substantial human and economic costs. According to the French Health Insurance System, half of all musculoskeletal disorders (MSDs) resulted in permanent disabilities and incurred a cost of nearly 2 billion euros in 2017. To mitigate these impacts, ergonomic load-handling standards have been established as preventive measures. However, their application under actual working conditions remains imprecise, primarily because safety professionals rely on rating grids in which activity criticality levels are visually assessed. Furthermore, these approaches typically only consider static external loads. Consequently, estimating the weight of the handled loads under real working conditions remains a significant challenge. In this context, this industrial doctoral study aimed to design and validate an embedded system for estimating LH. The first part of the study involved developing an instrumented pair of shoes to measure ground reaction forces and moments (GRFMs) and estimate the weight of the carried load. The performance of the prototype was characterized under static and dynamic conditions for both the unipedal and bipedal stances. The final prototype allowed load estimation with an accuracy of one kilogram.The second part of the study focused on experimentally validating the prototype across four different LH activities with three weight levels (0, 5, and 10 kg). The GRFM measurements from the prototype were compared to those from a reference force plate. This study demonstrated that the prototype accurately measured forces and moments along three components (vertical, anterior-posterior, and lateral), with no statistical differences observed under any experimental condition. The final part addressed the automation of LH identification (load pickup and release) and estimation of the weight of the handled loads. To ensure usability, a key constraint was to minimize the number of sensors in the system. However, the current configuration is under-determined for LH detection. To address this limitation, the first algorithm, based on a supervised learning model, was developed to resolve indeterminacy and precisely identify load pickup and release moments. The second algorithm was designed to estimate the weight of handled loads under actual activity conditions, i.e., dynamically. Both algorithms utilize GRFM data and center of mass (COM) information as input variables. The results were promising, showing LH detection with an average accuracy of one kilogram. This work designed and developed a prototype that demonstrated its operability for estimating the carried load under various handling conditions, as well as its usability through the integration of estimation algorithms. This work thus contributes to providing practical technical solutions to assist prevention specialists in assessing the physical strain of LH. |
|---|---|
| Beschrijving item: | Titre provenant de l'écran-titre Ecole(s) Doctorale(s) : Mathématiques, Informatique, Physique Théorique et Ingénierie des Systèmes - MIPTIS Partenaire(s) de recherche : PRISME - Laboratoire Pluridisciplinaire de Recherche en Ingénierie des Systèmes et Mécanique Energétique (Laboratoire) Autre(s) contribution(s) : Tarak Driss (Président du jury) ; Mohsen Zare, Valérie Berry-Kromer, Jonathan Savin (Membre(s) du jury) ; Mohsen Zare, Valérie Berry-Kromer (Rapporteur(s)) |
| Formaat: | Configuration requise : un logiciel capable de lire un fichier au format : PDF |
| Toegang: | Thèse confidentielle jusqu'au 20 mai 2030 |