Kontinuierliche Messung der Hand- und Armvibration durch Smartwatches

Status:

abgeschlossen 03/2016

Zielsetzung:

Langanhaltende und intensive Vibrationseinwirkungen auf das Hand‐Arm‐System können zu schwerwiegenden Erkrankungen führen.

Die Abschätzung einer Gefährdung hinsichtlich der Hand‐Arm‐Vibration (HAV) wird unter Berücksichtigung der Expositionsdauer sowie der Vibrationsintensität durchgeführt. Die subjektive Erfassung oder der Einsatz von Messgeräten zur Bestimmung der Expositionsdauer ist kostenintensiv, stört den Arbeitsablauf oder kann aufgrund des hohen Aufwandes nur sehr sporadisch und selten durchgeführt werden.

Bedingt durch die Miniaturisierung in der Elektronik sind nun bezahlbare Smartwatches auf dem Markt, die eine Vielzahl von integrierten Sensoren enthalten. Obwohl die Smartwatches über leistungsfähige Beschleunigungs, Drehraten‐ und Akustiksensoren sowie eine effiziente Verarbeitungseinheit verfügen, ist es bisher unklar, ob diese Systeme tatsächlich zur Bewertung der Hand‐Arm‐Vibration (HAV) eingesetzt werden können.

Aktivitäten/Methoden:

Zur Methodenentwicklung übernahm das Institut für Arbeitsschutz der DGUV (IFA, Sankt Augustin) die Datenerhebung (triaxiale Beschleunigungsdaten, ggf. Mikrofondaten) exemplarisch für typische vibrierende Geräte mit verschiedenen Probanden einschließlich verschiedener Störeinflüsse (z. B. Handschuhe, Tragesituation). Die Datenanalyse sowie die Software für einen Prototypen erfolgten durch das IGD. Zur Untersuchung werden verschiedene statistische Analyseverfahren angewendet. Abhängig von den Ergebnissen erfolgte die betriebliche Praxiserprobung durch das IFA.

Ergebnisse:

Als Ergebnis der Untersuchung wurden die Möglichkeiten und Rahmenbedingungen für eine individuelle Bestimmung der HA‐Vibrationsdosis mit Smartwatches bestimmt und bewertet. Es konnte gezeigt werden, dass eine kontinuierliche Erfassung der HA‐Vibrationsdosis mit Smartwatches möglich ist.

Im Rahmen der Evaluation wurden Beschleunigungsdaten mit 50 Hz sowie Sounddaten mit 8 kHz erfasst und in Fenster zu je 1,28 Sekunden unterteilt. Aus den Messdaten dieser Sensoren wurden 71 Merkmale selektiert und auf ihre Relevanz untersucht. Es zeigte sich, dass in Feldversuchen eine Untermenge von ca. 9 – 15 Merkmalen relevant sind. Bei dem Einsatz von vier unterschiedlichen Arbeitsgeräten wurden die Daten mit einem J48‐Entscheidungsbaum klassifiziert, dieses führte zu einer Erkennungsrate der Arbeitsgeräte von ca. 72 Prozent. Für die A(8)‐Bewertung wies hingegen die Smartwatch eine Überbewertung von ca. 11 Prozent auf.

Stand: