Type de document

Rapports de recherche scientifique

Année de publication

2021

Langue

Français

Résumé

Les troubles musculosquelettiques lors d’activités de manutention manuelle (MM) sont encore très présents dans nos milieux de travail. Les facteurs de risque biomécanique les plus souvent associés aux douleurs au dos incluent la manutention manuelle, les répétitions excessives, les torsions du tronc et les levers de charges lourdes. Plusieurs déterminants d’une tâche de MM ont été étudiés pour déterminer leur importance sur l'exposition physique des travailleurs. Par exemple, la hauteur de la charge, la distance initiale de la charge par rapport au corps, la masse soulevée et la vitesse du soulèvement sont tous des déterminants liés à la grandeur du moment externe L5/S1 ou à celle de la force de compression.

L’une des mesures de prévention les plus fréquemment préconisées en MM vise à soulever les caisses dans une posture symétrique afin d’éviter les mouvements de torsion du tronc. Une des façons de limiter les asymétries de posture consiste à faire face à la charge à soulever et à laisser les pieds de se déplacer librement. Le placement des pieds est un paramètre clé pour décrire le comportement moteur du manutentionnaire (Ma) pour se rapprocher de la charge à soulever, pour diminuer les asymétries de postures, et pour se déplacer du lieu de prise vers le lieu de dépôt (phase de transition). Toutefois, il existe très peu d’informations disponibles sur les différentes stratégies de déplacement des pieds durant cette phase.

Une étude a proposé une métrologie pour classifier et pour quantifier les déplacements des pieds (Wagner et al., 2009, 2010), mais cette méthode comportait des limites importantes. L’objectif général de cette recherche visait principalement à s’approprier la méthode de Wagner et al. (2009, 2010) en l’adaptant aux besoins de cette étude et à valider la méthode améliorée en permettant de quantifier les déplacements des manutentionnaires. Une nouvelle taxonomie capable de déterminer les stratégies de déplacement des pieds des Ma a donc été développée et validée, puis appliquée sur des données existantes de Plamondon et al. (2010, 2014) pour définir les stratégies de placements des pieds les plus communes (chapitre 3) et aussi celles entre des Ma experts et novices (chapitre 4). Comme les techniques d'apprentissage automatique (Machine Learning) sont de plus en plus populaires et amènent des économies de temps d’analyse (surtout en limitant le temps d’observations manuelles), une technique proposant un classement automatique des stratégies de placement des pieds par apprentissage automatique a été énoncée (chapitre 5), puis mise à l’épreuve dans une comparaison entre des observations réelles et celles prédites par cette technique (chapitre 6). Enfin, une phase expérimentale en laboratoire consistait à appliquer la méthode de détection des pas sur 15 Ma novices sous l’effet de quatre déterminants majeurs en manutention : la hauteur de prise et de dépôt; la distance de transfert (contraignant la possibilité de déplacer les pieds); la masse de la charge; et la cadence (chapitre 7).

Dans les retombées majeures, nous avons maintenant une méthode pour classifier par observations et de façon automatique les placements des pieds. De nouvelles connaissances sur les stratégies de placement et de déplacement des pieds chez les experts et les novices ont également été ajoutées ce qui permettra de bonifier les programmes de formation en manutention. À titre d’exemple, les experts ont tendance à opter pour une stratégie de déplacement des pieds plus statique et progressive, alors que les novices sont plus fluides et variables. Les stratégies de placement des pieds ont aussi des impacts sur les moments résultants et asymétriques à l’instant du lever. Enfin, cette méthode améliorée devrait servir à mieux documenter les déplacements des pieds des manutentionnaires en laboratoire et éventuellement lors d’observations du travail réel en entreprise.

Abstract

Musculoskeletal disorders during manual handling (MH) are still very common in our workplaces. The biomechanical risk factors most often associated with back pain include manual handling, excessive repetitions, trunk rotation and lifting of heavy loads. Several determinants of an MH task were studied to determine their importance for workers’ physical exposure. For example, the height of the load, the initial distance of the load from the body, the mass lifted and the lifting speed are all determinants related to the magnitude of the external moment at L5/S1 or of the compression force.

One of the most frequently promoted preventive measures in MH promotes lifting boxes in a symmetrical posture in order to avoid trunk rotation movements. One way to limit asymmetrical postures consists in facing the load to be lifted and letting the feet move freely. Foot placement is a key parameter to describe handlers’ motor behaviour as they approach the load to be lifted, decrease asymmetrical postures, and move from the pickup site to the deposit site (transition phase). However, there is very little information available on the various foot movement strategies applied during this phase.

One study has proposed metrics to classify and quantify foot movements (Wagner et al., 2009, 2010), but that method had significant limitations. The general objective of this study was mainly to appropriate (Wagner, Kirschweng et Reed, 2009; Wagner, Reed et Chaffin, 2010) method and adapt it to the needs of this study and to validate the improved method by quantifying handlers’ movements. A new taxonomy that can be used to determine handlers’ foot movement strategies was therefore developed and validated, then applied to the existing data from Plamondon et al. (2010) et de Plamondon et al. (2014) to define the most common foot placement strategies (chapter 3) and strategies used by expert and novice handlers (chapter 4). Since machine learning techniques are becoming increasingly popular and reduce analysis time (especially by limiting manual observation time), a technique involving automatic classification of foot placement strategies by means of machine learning was set out (chapter 5), and then tested by comparing actual observations with those predicted by this technique (chapter 6). Finally, an experimental phase in the laboratory involved applying the step detection method to 15 novice handlers under the effects of four key determinants in handling: the pickup and deposit heights; the transfer distance (which constrains the possibility of moving the feet); the mass of the load; and the pace (chapter 7).

Among major benefits, we now have a method to classify foot placements by means of observation and automatically. New knowledge of experts’ and novices’ foot placement and movement strategies has also been added and will make it possible to enhance training programs for handlers. For example, experts tend to opt for a more static and gradual foot movement strategy, whereas novices’ movements are more fluid and variable. Foot placement strategies also affects the resulting moments and asymmetrical movements at the time of lifting. Finally, this improved method should allow better documentation of handlers’ foot movements in the laboratory and, eventually, during on-site observations of real-life work.

ISBN

9782897971656

Mots-clés

Manutention manuelle, Manual handling, Posture de travail, Work posture, Troubles musculosquelettiques, Musculoskeletal disease, Mécanique humaine, Body mechanics, Charge physique, Physical workload, Expérience, Experience, Méthode de travail et sécurité, Safe working method, Soulèvement des charges, Manual lifting, Détermination expérimentale, Experimental determination, Instrument de mesure, Measuring instrument, Mesure du travail et de l'effort, Measurement of work and effort

Numéro de projet IRSST

2017-0050

Numéro de publication IRSST

R-1134-fr

Télécharger

Partager

COinS