Einsatz von Maschinellem Lernen für die Vorhersage von Stress am Beispiel der Logistik
| Autor: | Hermann Foot, Veronika Kretschmer, Benedikt Mättig, Michael ten Hompel, Tim Grylewicz, Michael Fiolka |
|---|---|
| Přispěvatelé: | Publica |
| Jazyk: | angličtina |
| Rok vydání: | 2021 |
| Předmět: |
Gynecology
medicine.medical_specialty Psychophysiologie Sensortechnik Sensor technology 02 engineering and technology Ship Coating Stress 03 medical and health sciences 0302 clinical medicine flow channel Break management Political science Friction Reducing Wissenschaftliche Beiträge Machine learning 0202 electrical engineering electronic engineering information engineering medicine velocity profile 020201 artificial intelligence & image processing Pausenmanagement 030217 neurology & neurosurgery Maschinelles Lernen Psychophysiology |
| Zdroj: | Zeitschrift Fur Arbeitswissenschaft |
| ISSN: | 2366-4681 0340-2444 |
| Popis: | ZusammenfassungStress und seine komplexen Wirkungen werden bereits seit Anfang des 20. Jahrhunderts erforscht. Die vielfältigen psychischen und physischen Stressoren in der Arbeitswelt können in Summe zu Störungen des Organismus und zu Erkrankungen führen. Da die Ausprägung körperlicher und subjektiver Folgen von Stress individuell unterschiedlich ist, lassen sich keine absoluten Grenzwerte ermitteln. Zur Erforschung der systematischen Mustererkennung physiologischer und subjektiver Stressparameter sowie einer Stressvorhersage, werden in dem vorliegenden Beitrag Methoden des maschinellen Lernens (ML) eingesetzt. Als praktischer Anwendungsfall dient die Logistikbranche, in der Belastungsfaktoren häufig in der Tätigkeit und der Arbeitsorganisation begründet liegen. Ein Gestaltungselement bei der Prävention von Stress ist die Arbeitspause. Mit ML-Methoden wird untersucht, inwieweit Stress auf Basis physiologischer und subjektiver Parameter vorhergesagt werden kann, um Pausen individuell zu empfehlen. Im Beitrag wird der Zwischenstand einer Softwarelösung für ein dynamisches Pausenmanagement für die Logistik vorgestellt.Praktische Relevanz: Das Ziel der Softwarelösung „Dynamische Pause“ besteht darin, Stress in Folge mentaler und physischer Belastungsfaktoren in der Logistik präventiv vorzubeugen und die Beschäftigten auf lange Sicht gesund, zufrieden, arbeitsfähig und produktiv zu halten. Infolge individualisierter Erholungspausen als Gestaltungselement, können Unternehmen unterstützt werden, Personalressourcen entsprechend der dynamischen Anforderungen der Logistik flexibler einzusetzen. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|
Full text from SpringerLink