デジタルヒューマンモデルと慣性センサを用いた作業動作・負担計測システムの開発

• Material Type: 博士論文
• Title: デジタルヒューマンモデルと慣性センサを用いた作業動作・負担計測システムの開発
• Author/Editor: 宮島, 沙織
• Author Heading: 宮島, 沙織
• Publication, Distribution, etc.: Hokkaido University
• Publication Date: 2020-03-25
• Publication Date (W3CDTF): 2020-03-25
• Alternative Title: Development of Measurement System for Motion and Workload Using Inertial Sensors and Digital Human Models
• Contributor: 宮田, なつき; 多田, 充徳; 持丸, 正明; 田中, 孝之
• Degree grantor/type: 北海道大学
• Date Granted: 2020-03-25
• Date Granted (W3CDTF): 2020-03-25
• Dissertation Number: 甲第14144号
• Degree Type: 博士(情報科学)
• Conferring No. (Dissertation): 甲第14144号
• Text Language Code: jpn
• Subject Heading: デジタルヒューマン; ウェアラブルセンサ; 作業負担; 作業解析; 動作計測; Digital human model; wearable sensor; workload; motion capturing
• NDC: 500
• Target Audience: 一般
• Note (General): 近年の少子高齢化により，労働人口の減少と労働者の高齢化が問題となっている．よって，若年層から高齢者まで幅広い世代が健康を維持しながら働けるよう，作業負担の把握と管理が重要である．本研究では特に様々な職種で現れる労働疾病である腰痛，その一因とされる腰部への負担に着目する．どの作業にどのような負担があるかを把握するには，作業内容を識別する，識別された各作業についての負担を求める，という2 つの分析を行う必要がある．本研究ではこれら2 つを，計測した作業動作から求めることを考える．動作計測には作業空間の広さや遮蔽物の影響などを考慮し，小型の慣性センサを作業者に取り付けて使用する．本研究で解決する課題は2 点である．1 点目は，作業認識と作業負担の解析に必要十分な動作計測システムを構築することである．2 点目は，作業動作と，動作以外の情報を組み合わせて作業負担を推定することである．まず，慣性センサを用いた動作計測システムの構築を行う．1 軸周りの回転のみを計測対象とし，従来の相補フィルタというセンサ統合技術を基に，相補フィルタの係数を運動の状態に合わせて変動させ，慣性センサにのるノイズを軽減する手法を開発した．ロボットマニピュレータと人の単純動作の計測を通して，角速度センサに予期せぬドリフトがのる場合と1 時間を超える長時間の計測において，従来の相補フィルタと比較し，提案する手法の計測精度が高いことが確認された．また，実作業現場での作業動作計測を想定すると，作業の妨げにならないよう，使用する慣性センサの数は必要最低限であることが望ましい．慣性センサの数は，姿勢を計測する身体部位の数によって決まる．そこで，計測する作業の内容に合わせ，作業分類と腰部姿勢取得の二つの目的達成のために計測が必要な身体部位の選定手法を，デジタルヒューマンモデルを用いて構築した．本論文では姿勢計測の対象部位を背部とした．センサ設置部位の選択を機械学習における特徴量選択と考え，従来の特徴量選択手法であるwrappermethod に背部姿勢計測精度の評価を組み込んだ，センサ設置部位選択手法を提案した．作業分類にはSupport Vector Machine を使用した．提案手法について，実験室内での模擬作業計測を用いて選択手法の妥当性を検証した．また，介護施設における移乗介助作業認識実験で動作の計測に使用する慣性センサの配置を提案手法を用いて決定した．決定した配置で計測した動作から，隠れマルコフモデルを用いて移乗介助の認識を行い，1 時間の作業のうち移乗介助を行っている時刻の検出に成功した．また計測したセンサの傾きから人間の姿勢角を求めるには，人の骨格をリンクモデルとしてとらえ，想定するリンク構造に合わせ，センサの傾斜角を変換する必要がある．よって，動作計測前にモデルの初期姿勢を再現した静止姿勢を計測し，変換式のパラメータを求めた．次に作業負担の推定を行う．作業負担は，作業中に受ける外的負荷に対して作業者が示す応答であり，その大きさは個人の特性により異なる．本研究では，作業動作から求めた作業負荷と，作業者の生理指標や主観的な負担を用いて負担を推定する．作業動作から力学的な作業負荷指標として関節トルクを求める．慣性センサで計測した作業動作をデジタルヒューマンモデル上で再現し，逆動力学計算を行い，腰部の関節トルクを求めた．光学式モーションキャプチャで計測した動作を用いて計算した腰関節トルクを真値と設定し，慣性センサで計測した動作から求めた腰関節トルクの有用性を検証した．3 名の被験者の単純動作について腰関節トルクを計算すると，誤差の平均値は12Nmとなっていた．腰部屈曲時のトルク計算誤差率は3 名の平均値で14%となり，簡易的な動作計測結果を用いても腰部にかかる力が推定された．心拍数を用いた負担推定では，実作業中の心拍数を作業動作と合わせて計測し，その変化傾向を比較した．負担の異なる4 種類の作業を1 セットとして，26 セット分の作業を連続して計測した．計測の結果，作業中盤の13 セットでは心拍数が負担の変化と同じ傾向で変動していたが，終盤の7 セットでは心拍数の変動が見られなくなった．このことから，心拍数変動の傾向は疲労の蓄積や作業の慣れと関係があり，動作情報と合わせて計測することで，疲労などをより正確に把握できる可能性が示唆された．作業者の主観的な負担を用いる負担推定手法では，作業中に痛みや負担を感じた際に口頭で負担を感じた部位を述べ，その音声を記録することで，作業後の聞き取り調査よりも詳細に負担を感じた瞬間を調査した．また，負担を感じたタイミングと作業中の筋電位計測値を比較し，主観的な負担のモデル化を試みた．モデル化により，約7 割の確率で筋電位変化から負担を感じるタイミングを推定した．以上の手法により，作業現場で簡易に使用が可能な作業負担計測システムを構築した．この手法を用いて使用する機器の選定を行うことで，必要な情報を取得し，余計な手間やコストを省くことが可能である．また，慣性センサを用いた詳細な作業動作の計測と作業者の罹患歴や健康状態を組み合わせて蓄積させることで，より詳細な作業負担評価指標の作成や，腰痛をはじめとした労働疾病の発症リスク評価など，産業保健分野の発展が期待される．; Labor shortages and aging of workers become more serious because of decreasing birthrate and aging population. Therefore, it is important to grasp and manage the workload so that a wide range of generations from young to elderly can work while maintaining their health. In this research, the burden on the lower back is focused which is one of the causes of low back pain, a disease that many people in various occupations are suffered from. To understand what part of the work involves what workload, it is necessary to perform two analyzes: identifying the work content and estimating the burden of each identi ed work. This research performs these two analyzes using working motion measured in work site. Considering the in uence of the shielding object and work environment, the motion was measured using inertial sensors attached to the worker. There are two issues to be solved in this study. One is developing the motion measurement system enough for work recognition and workload analysis. The other is estimating the workload by combining work motions and other information measured at work site. Working motion is measured by a sensor fusion combining the data from accelerometers and gyroscopes. A sensor fusion is a method combining several sensor data to set off advantages of each sensor. Assuming that only rotation around one axis is measurement target, the method of sensor fusion is developed based on the complimentary lter, conventional sensor fusion method, to capture the long hours of work motion, containing various speeds and frequencies. It was con rmed that proposed method rises accuracy of motion measurement by experiments capturing motion of robot manipulator and human. Considering measuring at the work site, it is also necessary that the number of inertial sensors used is minimized so as not to hinder the work. The number of inertial sensors to be used depends on the number of body parts where to measure the motion. In this study, the body parts were selected to achieve the two above-mentioned goals: the work recognition and the waist posture measurement. A support vector machine is used to recognize the work. The selection of the sensor installation body parts is considered as feature selection in machine learning. A feature selection method is developed which add the accuracy of back posture measurement into the wrapper method, the conventional feature selection method. The effectiveness of the proposed method was veri ed by experiment of measuring simple simulated work motions. Moreover, the placement of inertial sensors was determined which was used for experiment measuring motion of transfer assistance work in a care facility. Workload is de ned as an internal response of a worker to external condition in a work system depending on worker’s individual characteristics. In this research, workload is estimated using joint torque obtained by work motion, a heart rate and a subjective burden of workers. Lumbar torque is estimated as a mechanical evaluation of workload with a musculoskeletal dynamic calculation using digital human model and reproduced working motion based on measured data of few inertial sensors. The accuracy of lumbar torque calculation was veri ed by experiment measuring motion of bending knee and waist. The calculated torque using sensor data was compared with torque obtained by full body motion data measured by an optical motion capture system. The different of calculation result was 12 Nm in average of three participants. It was shown that force on the lower back can be estimated using motion measured by few sensors. In the workload estimation using a heart rate, a heart rate and work motions were measured together at the real worksite, and the change of those was compared. 26 sets of work were measured which consisting of four tasks with different burdens. As a result of the experiment, the heart rate varied with the same tendency as the change in the lumbar torque in the middle 13 set of the work, but the heart rate was not varied as before in the last 7 sets. This suggested that the tendency of heart rate variation is related to accumulated fatigue and experience of the work, and it is possible to estimate workload more accurately by measuring the heart rate and work motion data together. The subjective burden was investigated by uttering the part felt the burden or pain during the work and recording the voice. Using this measurement method, the relationship between the subjective burden and the work was investigated without disturbing the work in more detail than the method using interview or questionnaire after the work. Thus, a workload measurement system that can be easily used at the work site was developed. Owing to combining and accumulating work motions measured by inertial sensors and health status of the worker, it is expected to elucidate factors of occupational diseases or develop new method for preventing diseases.; (主査) 客員教授 宮田 なつき, 客員教授 多田 充徳, 客員教授 持丸 正明, 准教授 田中 孝之; 情報科学研究科（システム情報科学専攻）
• DOI: 10.14943/doctoral.k14144; https://doi.org/10.14943/doctoral.k14144
• Persistent ID (NDL): info:ndljp/pid/11511936; https://dl.ndl.go.jp/pid/11511936
• Collection: 障害者向け資料
• Collection (Materials For Handicapped People:1): テキストデータ
• Collection (particular): 国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文; https://dl.ndl.go.jp/collections/A00014
• Acquisition Basis: 博士論文（自動収集）
• Date Accepted (W3CDTF): 2020-07-06T20:31:19+09:00
• Date Created (W3CDTF): 2020-03
• Format (IMT): PDF
• Access Restrictions: 国立国会図書館内限定公開
• Service for the Digitized Contents Transmission Service: 図書館・個人送信対象外
• Availability of remote photoduplication service: 可
• Periodical Title (URI): http://dx.doi.org/10.14943/doctoral.k14144; http://hdl.handle.net/2115/78493
• Is Referenced By (URI): http://hdl.handle.net/2115/78491
• Data Provider (Database): 国立国会図書館 : 国立国会図書館デジタルコレクション; https://dl.ndl.go.jp