Using Wearable Sensors to Assess Fatigue in Crane Operators. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Using Wearable Sensors to Assess Fatigue in Crane Operators_Thesis_G202114150_Edited_Complete_compressed.pdf - Accepted Version Restricted to Repository staff only until 8 January 2026. Download (1MB)

Arabic Abstract

الرافعات هي معدات بناء ثقيلة بالغة الأهمية، ويُعد اختيار نوع الرافعة قرارًا ذو تأثير كبير على التكلفة. تُعتبر الرافعات أكثر الآليات خطورة في مواقع البناء، لذا فإن ضمان تشغيلها بأمان أمر ذو أهمية بالغة من حيث التكلفة والسلامة على حدٍ سواء. يُعد تشغيل الرافعات مهمة ذهنية مرهقة غالبًا ما تتطلب ساعات عمل طويلة، مما يزيد من احتمالية تعرض المشغلين للإرهاق. وقد أُجريت الدراسات السابقة على مشغلي المعدات الثقيلة إما عبر محاكاة في المختبر أو لفترة زمنية محدودة تحت ظروف خاضعة للرقابة في مواقع البناء. تُعد هذه الدراسة الأولى من نوعها التي تُحلل الإرهاق الذهني لدى مشغلي الرافعات المتنقلة بشكل شامل خلال كامل فترة مناوبتهم في موقع بناء فعلي. تم استقطاب خمسة مشغلين للرافعات المتنقلة لهذه الدراسة. اعتمدت الدراسة على إشارات فسيولوجية تشمل ضغط حجم الدم (BVP)، ودرجة حرارة الجلد (ST)، والنشاط الكهربائي الجلدي الطوري، والنشاط الكهربائي الجلدي التوني. بالإضافة إلى ذلك، تم تقييم الإرهاق بشكل ذاتي باستخدام طريقة تصنيف الإرهاق (ROF). من بين المشغلين الخمسة، تم اختيار أربعة لتحديد النشاط المكثف وغير المكثف بهدف التمييز بين مستويات الإجهاد. اعتمدت الدراسة على نهج التعلم الآلي للتنبؤ بالإرهاق الذهني والإجهاد. تم تصنيف الإرهاق الذهني أولاً إلى مستويين: “مرتفع” و”منخفض”، حيث حقق نموذج الجار الأقرب (k-NN) أعلى دقة بلغت 90.74%. ثم تم تصنيف الإرهاق إلى ثلاثة مستويات: “مرتفع”، “متوسط”، و”منخفض”، حيث حقق نموذج الجار الأقرب (k-NN) أعلى دقة بلغت 85.49%. أما بالنسبة لتمييز مستويات الإجهاد، فقد حقق نموذج الأشجار المعززة التدريجي (Gradient Boosted Tree) دقة بلغت 94.64%. تُعد هذه الدراسة خطوة هامة نحو مراقبة الإرهاق الذهني، إذ تعكس تعقيدات ظروف العمل الفعلية وتأثيرها على تطور الإرهاق. كما تسلط الضوء على إمكانية التنفيذ العملي لتقنيات الأجهزة القابلة للارتداء في هذا المجال

English Abstract

Cranes are crucial heavy construction equipment, and the choice of crane poses a significant cost implication. Cranes are considered the most dangerous machinery on a construction site. Therefore, ensuring a safe crane operation is of great importance in terms of both cost and safety. Crane operation is a mentally demanding task, often involving extended working hours, which increases the likelihood of operators experiencing fatigue. Previously conducted studies on heavy equipment operators were either conducted through lab simulation or were conducted for a limited time under controlled conditions onsite. This is the first study to comprehensively analyse mental fatigue in mobile crane operators during their entire shift on an actual construction site. Five mobile crane operators were recruited for this study. The study utilizes physiological signals such as Blood Volume Pressure (BVP), Skin Temperature (ST), phasic electrodermal activity, and tonic electrodermal activity. Additionally, it subjectively assesses fatigue in mobile crane operators using the Rating of Fatigue (ROF) method. From the group of five crane operators, four are selected to label activities as either intense or non-intense in order to distinguish between different stress levels. A machine learning approach was utilized to predict mental fatigue and stress. Mental fatigue was first classified into "High" and "Low" levels, achieving the highest accuracy of 90.74% using the k-NN model. Subsequently, mental fatigue was categorized into "High," "Medium," and "Low," with the k-NN model again achieving the highest accuracy of 85.49%. For distinguishing between stress levels, the gradient boosted tree model provided an accuracy of 94.64%. This study represents a significant advancement in monitoring mental fatigue, reflecting the complexities experienced during actual working conditions and how they influence the development of fatigue. Furthermore, this study suggests that the practical implementation of wearable technologies is feasible.

Item Type:	Thesis (Masters)
Subjects:	Construction
Department:	College of Design and Built Environment > Architectural Engineering and Construction Management
Committee Advisor:	Alshibani, Adel
Committee Members:	Mohammed, Awsan and Sheltami, Tarek
Depositing User:	ABDULREHMA SHAHID (g202114150)
Date Deposited:	09 Jan 2025 11:47
Last Modified:	09 Jan 2025 11:47
URI:	http://eprints.kfupm.edu.sa/id/eprint/143242