Les troubles musculo-squelettiques liés au travail causent des maladies physiques et mentales chez les travailleurs, réduisent leur productivité et causent de grandes pertes aux industries et à la société. Cette thèse porte sur l'évaluation du risque physique de troubles musculo-squelettiques liés au travail, pour laquelle quatre points clés sont identifiés : la mesure de la charge de travail, l'évaluation de l'effet de l'accumulation de la charge de travail, la quantification des caractéristiques individuelles et l'intégration de l'évaluation des risques dans les outils de modélisation numérique humaine. Dans l'état de l'art, les études épidémiologiques des désordres musculo-squelettiques et les méthodes actuelles utilisées pour l'évaluation des risques physiques sont présentées, ainsi que les études concernant les quatre points clés. La deuxième partie présente une étude expérimentale portant sur 17 sujets afin d'explorer un nouvel indicateur de la fatigue musculaire avec EMG de surface. Dans la partie suivante, des développements sont faits pour intégrer un modèle de fatigue musculaire dans OpenSim, un logiciel de modélisation humaine numérique, avec lequel la diminution de capacité de chaque muscle est prévisible pour une tâche donnée. Les valeurs prévues peuvent s'appliquer à l'évaluation des risques physiques. La quatrième partie présente le travail de construction d'un modèle musculosquelettique à chaîne complète dans OpenSim, étant donné qu'aucun modèle actuel ne couvre les muscles du torse et tous les membres. Une attention particulière est portée à la méthode utilisée par OpenSim pour adapter les propriétés inertielles du modèle aux individus. Les erreurs de la méthode sont évaluées à l'aide des données de référence provenant du scanner 3D du corps entier. Dans la dernière partie, le nouveau modèle de la chaîne complète est appliqué à l'analyse de la posture d'une tâche de perçage en hauteur. L'activité musculaire varie en fonction des postures, ce qui est suggéré comme indicateur des charges posturales. / Work-related musculoskeletal disorders cause physical and mental illnesses in workers, reduce their productivity and cause great losses to industries and society. This thesis focuses on the assessment of the physical risk of work-related musculoskeletal disorders in industry, for which four key points are identified: measuring workloads, assessing the effect of workload accumulation, quantifying individual characteristics and integrating the risk assessment into digital human modeling tools. In the state of the art, the epidemiologic studies of musculoskeletal disoders and the current methods used for its physical risk assessment are reviewed, as well as the studies concerning the four key points. The second part presents an experimental study involving 17 subjects to explore a new indicator to muscle fatigue with surface EMG. In the next part, efforts are made to integrate a muscle fatigue model into OpenSim, a digital human modeling software, with which the capacity decrease of each muscle is predictable for a given task. The predicted values could be applicable to the physical risk assessment. The fourth part introduce the work to build up a Fullchain musculoskeletal model in OpenSim in view that no current model covers muscles of the torso and all the limbs. Special attention is paid to the method used by OpenSim to adapt the model inertial properties to individuals. Errors of the method is evaluated with reference data coming from the whole-body 3D scan. In the last part, the newly built Full-chain model is applied on the posture analysis of an overhead drilling task. The muscle activition varies as a function of postures, which is suggested as the indicator of posture loads.
Identifer | oai:union.ndltd.org:theses.fr/2018ECDN0042 |
Date | 30 November 2018 |
Creators | Chang, Jing |
Contributors | Ecole centrale de Nantes, Bennis, Fouad |
Source Sets | Dépôt national des thèses électroniques françaises |
Language | English |
Detected Language | French |
Type | Electronic Thesis or Dissertation, Text |
Page generated in 0.1302 seconds