Michael Sonne a,b , Dino L. Villalta b , David M. Andrews a

The Rapid Office Strain Assessment (ROSA) was designed to quickly quantify risks associated with computer work and to establish an action level for change based on reports of worker discomfort. Computer use risk factors were identified in previous research and standards on office design for the chair, monitor, telephone, keyboard and mouse. The risk factors were diagrammed and coded as increasing scores from 1 to 3. ROSA final scores ranged in magnitude from 1 to 10, with each successive score representing an increased presence of risk factors. Total body discomfort and ROSA final scores for 72 office workstations were significantly correlated (R ¼ 0.384). ROSA final scores exhibited high interand intra-observer reliability (ICCs of 0.88 and 0.91, respectively). Mean discomfort increased with increasing ROSA scores, with a significant difference occurring between scores of 3 and 5 (out of 10). A ROSA final score of 5 might therefore be useful as an action level indicating when immediate change is necessary. ROSA proved to be an effective and reliable method for identifying computer use risk factors related to discomfort.

path has a work sampling-based approach, it was developed specifically to characterize the ergonomic hazards of heavy highway construction work. path is based on the owas definitions and uses the same risk levels

Time rating points

Rating points for force exertion

Rating points for force transfer /gripping conditions

Rating points for the hand/arm position and movement

Rating points for the work organisation

Rating points for the working conditions

1st step: Determination of time rating points
2nd step: Determination of the rating points for the type of force exertion, gripping conditions, work organisation, working conditions, posture and hand/arm position and movement
3rd step: Evaluation: Enter the rating points applicable for the activities and calculate the risk score in the diagram

Risk assessment of physical workload situations
Detailed instructions for the application of the Key Indicator Method Manual Handling Operations (KIM MO
Published by the Federal Institute for Occupational Safety and Health 2012 Version 2012

4 تا نمونه مثال در این فایل به روش KIM ارزیابی شده است  

نوع فایل: دانلود PDF ارزیابی حمل بار دستی به روش KIM

نوع زبان: انگلیسی 

تعداد صفحات: 22 
  Key indicator method.pdf (اندازه 3.03 MB / تعداد دانلود: 197)

منابع مورد استفاده:

  Published by the Federal Institute for Occupational Safety and Health 2012

منتشر شده توسط موسسه فدرال ایمنی و بهداشت حرفه ای در سال 2012 آلمان (baua)

روش ROSA با هدف تعیین سریع  خطرات آسیب‌های اسکلتی عضلانی  مرتبط با وظایف اداری وظایف کار با کامپیوتر، طی سال‌های 2012 – 2011 توسط مایکل  سون و همکارانش در دانشگاه ویندزور کانادا انتشار یافت. در بیست سال اخیر کار با کامپیوتر به‌طور چشمگیری افزایش یافته است و علاوه بر این از زمان آغاز استفاده از کامپیوتر، افزایش  مشابهی در تعداد ناراحتی‌های اسکلتی عضلانی گزار شده است.

 روش REBA در راستای دستیابی به روشی که از حساسیت قابل قبول برخوردار باشد و برای ارزیابی پوسچر در فعالیتهای با پوسچر متنوع طراحی و ارائه شده است.

RULA یکی از روشهای  ارزیابی اختلالات اسکلتی-عضلانی اندام فوقانی بر اساس مشاهده می‌باشد. RULA به کمک ارزشیابی پوسچرهای رفتاری، مصرف نیروی عضلانی و اعمال ماهیچه‌ای اپراتورهای پایانه‌های نمایشگر بصری و اپراتورهای شاغل در کارهای تولیدی مختلف که احتمال وجود فاکتورهای خطر مرتبط با اختلالات اعضای فوقانی وجود داشت، گسترش یافت. 

روش WISHA را با هدف شناسایی خطر اختلالات اسکلتی  عضلانی در محیط کار ارائه داد. این روش  دارای 4 بخش است که یک بخش آن مربوط به ارزیابی وظایف بلند کردن بار می‌باشد انجام آنالیز سریع از وظایف بلند کردن بار به منظور تعیین نیاز به آنالیز دقیق‌تر آن وظیفه، از کاربردهای این چک لیست می‌باشد

نوع فایل: دانلود PDF جزوه آموزشی روش‌های ارزیابی ROSA,REBA,RULA و روش ارزیابی حمل بار WISHA 
تعداد صفحات: 53 
  جزوه آموزشی روش‌های ارزیابی ROSA,REBA,RULA و روش ارزیابی حمل بار WISHA.pdf (اندازه 1.77 MB / تعداد دانلود: 14002)  

- بخشی از میز دارای سطح بالاتری برای جوشکاری دقیق باشد تا پوسچر کمر اصلاح شود 
در این صورت سطح ریسک از  متوسط به کم کاهش می‌یابد.  

Using artificial neural networks for human body posture prediction

LenaSperling∗SvenDahlman∗∗LiWikström∗∗AsaKilbom†RolandKadefors‡

∗Ergoma AB, S-40508 Göteborg, Sweden

∗∗Department of Consumer Technology, Chalmers University of Technology, S-41296 Göteborg, Sweden

†National Board of Occupational Safety and Health, IFA, S-17184 Solna, Sweden

‡Lindholmen Development AB, Box 8714, S-40275 Göteborg, Sweden

  A cube model for the classification of work with hand tools and the formulation of functional requirements.pdf (اندازه 1.02 MB / تعداد دانلود: 80)

PRESENTED BY: seyed mahdi mousavi. MSC of Occupational Health Engineering, Tehran University of Medical Sciences

language: English

WISHA Lifting