Publication
Deteção de Fadiga através de uma abordagem baseada em eventos
| dc.contributor.advisor | Pereira, Isabel Cecília Correia da Silva Praça Gomes | |
| dc.contributor.author | Bento, Hugo José Guedes | |
| dc.date.accessioned | 2022-07-25T15:19:50Z | |
| dc.date.available | 2022-07-25T15:19:50Z | |
| dc.date.issued | 2022 | |
| dc.description.abstract | O advento da Indústria 5.0, introduz na Europa uma abordagem centrada no ser humano, que pretende garantir o bem-estar dos trabalhadores nos processos produtivos, incluindo uma especial preocupação com a monitorização e gestão da sua saúde física e mental, recorrendo a novas tecnologias como as de interação homem máquina, os Digital Twins e a inteligência artificial. A literatura indica que se um trabalhador estiver cansado, é mais suscetível a cometer erros e tem uma pior performance, assim é importante avaliar o seu estado de fadiga. Apesar de existirem várias investigações relacionando a fadiga com os tempos de reação em testes Go/NoGo, não existem detetores baseados neste sistema. Este trabalho reporta a criação de um detetor de fadiga baseado neste sistema, recorrendo à aprendizagem automática. Os dados recolhidos indicam uma maior correlação da tarefa NoGo com a fadiga, notando-se uma redução do tempo de reação para níveis de fadiga elevados. O modelo final, de previsão da fadiga em três classes apresenta uma taxa de acerto de 57%. Mas um modelo alternativo de deteção de fadiga muito elevada apresenta uma taxa de acerto de 84%, revelando uma adequação do teste Go/NoGo a este propósito. | pt_PT |
| dc.description.abstract | The advent of Industry 5.0 introduces a human-centered approach in Europe, which aims to ensure the well-being of workers in production processes, including a special concern with the monitoring and management of their physical and mental health. Using new technologies such as human-machine interaction, Digital Twins and artificial intelligence. The literature indicates that if a worker is tired, he is more susceptible to making mistakes and has a worse performance, so it is important to assess his state of fatigue. Although there are several investigations relating fatigue with reaction times in Go/NoGo tests, there are no detectors based on this system. This work reports the creation of a fatigue detector based on this system, using machine learning. The collected data indicates a greater correlation of the NoGo task with fatigue than the reaction time of the Go task, and a reduction in the reaction time for high levels of fatigue. The final model, predicting fatigue in three classes, has an accuracy of 57%. But an alternative model of very high fatigue detection has an accuracy of 84%, revealing the suitability of the Go/NoGo test for this purpose. | pt_PT |
| dc.identifier.tid | 203041992 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/20716 | |
| dc.language.iso | por | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | pt_PT |
| dc.subject | Deteção de fadiga | pt_PT |
| dc.subject | Teste Go/NoGo | pt_PT |
| dc.subject | Aprendizagem automática | pt_PT |
| dc.subject | Fatigue Detection | pt_PT |
| dc.subject | Go/NoGo testing | pt_PT |
| dc.subject | Machine Learning | pt_PT |
| dc.title | Deteção de Fadiga através de uma abordagem baseada em eventos | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática - Sistemas de Informação e Conhecimento | pt_PT |