Een gezamenlijk modelleringskader voor voorspelling van tijd-tot-moeheid met één draagbare sensor-biomarker

Waarom het belangrijk is om vermoeidheid te kennen voordat die toeslaat

In veel banen in fabrieken en magazijnen wordt de kracht van een werknemer al geleidelijk uitgeput lang voordat de dienst eindigt. Tegen de tijd dat mensen zich moe voelen, is hun kans op fouten en verwondingen al toegenomen. Deze studie onderzoekt of één draagbare sensor, gedragen op het lichaam zoals een fitnessband, kan helpen voorspellen wanneer iemand tijdens zwaar werk waarschijnlijk fysiek vermoeid raakt. Als tijd-tot-moeheid betrouwbaar kan worden voorspeld, kunnen toezichthouders taken of pauzes aanpassen voordat werknemers een risicovolle toestand bereiken, wat zowel de veiligheid als de productiviteit kan verbeteren.

Van polsbandjes naar vroegtijdige waarschuwingen

De onderzoekers putten uit twee eerdere laboratoriumstudies die echte productiebanen nabootsten. In de ene studie besteedden vrijwilligers tot drie uur aan het tillen en verplaatsen van zware containers of aan lopen, buigen en bouten vastzetten. In de andere hieven ze herhaaldelijk met gewicht gevulde flessen vanaf schouderhoogte en plaatsten die gedurende maximaal 45 minuten in dozen. De deelnemers droegen kleine bewegingssensoren op lichaamslocaties zoals de pols, heup en romp, en soms een hartslagband. Deze apparaten registreerden hoe hun lichaam in de loop van de tijd bewoog, terwijl de werknemers periodiek aangaven hoe moe ze zich voelden, waardoor het team het moment kon vaststellen waarop elke persoon een vooraf ingestelde vermoeidheidsdrempel bereikte.

Eén signaal volgen in plaats van vele

Moderne wearables kunnen tientallen numerieke kenmerken van beweging bijhouden, maar te veel invoer maakt voorspellingsmodellen moeilijk te doorgronden en toe te passen op de werkvloer. De auteurs stelden bewust een eenvoudiger vraag: kan één zorgvuldig gekozen kenmerk van één sensor sterke voorspellingen opleveren van wanneer vermoeidheid zal optreden? Ze doorzochten veel mogelijke signalen en concentreerden zich op maten gerelateerd aan “jerk” aan de pols, wat in wezen vastlegt hoe vloeiend of schokkerig iemands bewegingen zijn. Eerder werk had jerk gekoppeld aan of iemand al vermoeid was; hier was het doel te onderzoeken of het ook kon voorspellen hoe lang het zou duren om dat punt te bereiken.

Veranderende bewegingen koppelen aan de klok

Om deze veranderende sensorwaarden te verbinden met het weg tikken van de tijd tot het optreden van vermoeidheid, gebruikte het team een statistische strategie die gezamenlijke modellering wordt genoemd. In gewone woorden volgt deze methode hoe een signaal van de wearable voor elke persoon evolueert en leert tegelijkertijd hoe dat veranderende patroon verband houdt met het uiteindelijke moment van vermoeidheid. Het model wordt bijgewerkt naarmate nieuwe sensorgegevens binnenkomen, vergelijkbaar met een weersvoorspelling die gedurende de dag verbetert. In beide casestudies overtrof een gezamenlijk model dat was opgebouwd uit slechts één polsgebaseerde jerk-eigenschap duidelijk de standaardmethoden die alleen op vaste taakomschrijvingen gebaseerd zijn, zoals het type taak of het gewicht dat werd getild. De nieuwe benadering voorspelde welke werknemer eerder uitgeput zou raken met betere discriminatie en kleinere fouten in de geschatte tijd-tot-moeheid.

Wat subtiele bewegingsveranderingen onthullen

De resultaten geven ook inzicht in hoe het lichaam zich aanpast naarmate vermoeidheid toeneemt. Bij de langere, zware materiaalverwerkende taken toonden werknemers die uiteindelijk vermoeid raakten over het algemeen een hogere gemiddelde jerk aan de pols, wat duidt op stoteriger, minder gecontroleerde bewegingen, en dit patroon gaf een groter risico aan om de vermoeidheidsdrempel eerder te bereiken. Bij de kortere flessenpakkettaken bleek een andere jerk-meting — die het gedrag van het soepelste kwart van de bewegingen vastlegt — het meest informatief. Wanneer deze maat in de loop van de tijd daalde, suggereerde dat dat het lichaam de gewrichten verstevigde om de bewegingen nauwkeurig te houden ondanks de toenemende belasting, een strategie die paradoxaal genoeg sommige bewegingen vloeiender maakt terwijl de onderliggende vermoeidheid dieper wordt.

Voorspellende vermoeidheidsmonitoring naar de werkvloer brengen

Voor niet-specialisten is de belangrijkste conclusie dat één zorgvuldig geplaatst draagbaar sensor meer kan doen dan aangeven dat een werknemer al moe is; het kan een doorlopende inschatting geven van hoe dichtbij die persoon is om te vermoeid te raken voor veilig en efficiënt werk. Hoewel deze bevindingen afkomstig zijn uit gecontroleerde laboratoriumomgevingen met relatief kleine groepen, tonen ze een praktisch pad richting real-time waarschuwingssystemen die privacy respecteren en tegelijk de veiligheid ondersteunen. Met verder testen in echte werkomgevingen en zorgvuldige aandacht voor ethisch gebruik, zouden zulke modellen organisaties kunnen helpen schema’s en taken zodanig te herontwerpen dat minder werknemers ooit het gevaarlijke kantelpunt van vermoeidheid bereiken.

Bronvermelding: Lu, L., Sedighi-Maman, Z. & Cavuoto, L. A joint modeling framework for time-to-fatigue prediction with a single wearable sensor biomarker. Sci Rep 16, 12437 (2026). https://doi.org/10.1038/s41598-026-41249-0

Trefwoorden: draagbare sensoren, werknemersvermoeidheid, tijd-tot-moeheid voorspelling, beroepsveiligheid, gezamenlijke modellering