Quantitative and Qualitative Data Analytics in Ergonomics: Case Studies in Forest and Technology Industries

Au cours des dernières années, un large éventail d'outils d'analyse de données ont été proposés et largement appliqués par des scientifiques des données dans divers domaines de l'ingénierie. Cependant, ce paradigme n'a pas été largement utilisé dans le domaine de l'ergonomie, qui est l'une des principales et des plus anciennes disciplines majeures du génie industriel. L'analyse de données est définie comme l'ensemble des méthodes et des techniques de collecte, de nettoyage, de transformation, d'exploration, de modélisation et d'analyse de données qui visent à découvrir des informations précieuses pertinentes pour les objectifs des décideurs. Les deux principaux domaines de l'analyse de données sont l'analyse de données quantitative et l'analyse de données qualitative. Dans cette thèse, nous avons l'intention de démontrer les avantages de l'utilisation d'approches avancées d'analyse de données quantitatives et qualitatives dans le domaine de l'ergonomie physique et cognitive. Les trois essais de cette thèse sont des études de cas dans les industries technologiques et forestières qui sont menées pour améliorer les conditions de travail des employés d'un point de vue physique et cognitif. Dans les deux premières recherches de cette thèse, nous nous sommes concentrées sur l'application de méthodes d'analyse de données quantitatives dans le domaine de l'ergonomie physique. Dans ces études, nous avons analysé les données quantitatives de travailleurs forestiers de la province de Québec, Canada. Dans la première recherche, nous comparons les modèles existants dans la littérature pour la prédiction du métabolisme du travail (WM), qui est un indicateur de santé très important pour les travailleurs physiques. Dans la seconde recherche, nous avons proposé une série de nouveaux modèles de prédiction pour le métabolisme du travail (WM) dans des emplois physiques très exigeants tels que ceux en foresterie. Ces travaux contribueront à l'augmentation des connaissances dans le domaine de l'ergonomie physique en aidant les employeurs à maintenir la santé et la sécurité physiques des travailleurs. Suivant l'objectif général de cette thèse, la troisième recherche vise à évaluer l'applicabilité et l'efficacité des approches d'analyse de données dans le domaine de l'ergonomie cognitive. Dans la troisième recherche, nous avons l'intention de fournir une évaluation cognitive des travailleurs qui utilisent un outil logiciel ergonomique virtuel et de réduire leur pression psychologique dans le processus de conception. Nous avons analysé les données d'entrevues d'utilisateurs d'une entreprise technologique, Dassault Systèmes à Montréal, et avons extrait des données qualitatives pertinentes des entrevues. À l'aide d'approches d'analyse de données qualitatives, nous avons reconnu les différentes catégories d'utilisateurs de l'ergonomie virtuelle pour créer des personnages qui soutiennent le développement de produits. Dans la Recherche 1, présentée au Chapitre 4, nous avons comparé neuf modèles de MT basés sur la fréquence cardiaque (FC) en utilisant des données obtenues auprès de 39 travailleurs forestiers pendant le travail. La FC mesurée dans ces modèles peut surestimer la MT réelle puisque l'augmentation de la FC associée à l'accumulation de chaleur corporelle n'est pas métabolique. Par conséquent, nous avons évalué la précision de la prédiction MT pour toutes les combinaisons possibles de modèles en utilisant la HR brute et corrigée (lorsque la composante thermique est supprimée). Dans ces évaluations, nous avons pris en compte cinq estimations différentes de la capacité de travail maximale (CME) pour les modèles que l'ont requise comme entrée. Les 50 combinaisons de modèles ont produit un large éventail d'estimations de la MT. Trois modèles utilisant un étalonnage individuel ont produit le RMSE le plus bas et le LoA le plus étroit avec une FC corrigée (rRMSE ≤13% ; LoA [rBias <5% ± 25%]). L'un des modèles que ne nécessitait ni détermination de la composante thermique ni étalonnage individuel a très bien fonctionné (rRMSE = 18% ; LoA [rBias = 1% ± 36%]). Dans la Recherche 2, présentée au Chapitre 5, nous avons proposé de nouveaux modèles d'arbre de décision de régression (ADR) pour prédire la FT basés sur une formulation de programmation en nombres entiers. Au total, 41 travailleurs forestiers ont participé à la collecte de données dans diverses régions de la province de Québec, au cours de laquelle la fréquence cardiaque (FC) et la