Soutenance de thèse à huis clos de Nicolas GRANDIN

De nombreuses activités dans le milieu industriel restent encore manuelles dont le port de charge (PDC) est une composante non négligeable. Les conséquences de l’engagement physique dans le travail, activités manuelles et posture, induisent des coûts humains et économiques conséquents. Selon l’Assurance Maladie, la moitié des troubles musculosquelettiques (TMS) entraîne des séquelles permanentes et ont un coût de près de 2 milliards d’euros en 2017. Afin de les réduire, dans le cadre de démarche de prévention, des normes ergonomiques de port de charge ont été établies. Cependant, leur considération, en condition réelle d’activité, reste approximative. Notamment, parce que les préventeurs mobilisent des grilles de cotation dont les niveaux de criticité des activités sont évalués visuellement. De plus, il n’est pris en compte dans ces démarches que la charge externe statique. C’est pourquoi, l’estimation de la masse des charges manutentionnées reste un défi lorsqu’elle doit être effectuée en condition réelle d’activité. Dans ce contexte, cette thèse industrielle a eu pour ambition de concevoir et de valider un système embarqué d’estimation du PDC. La première partie du travail a consisté au développement d’une paire de chaussures instrumentée afin de mesurer les efforts de réaction au sol (ERS) et d’estimer la masse de la charge portée. La caractérisation du prototype s’est réalisée en conditions statiques et dynamiques pour des appuis unipodaux et bipodaux. Le prototype final permet d’estimer la charge portée au kilogramme près. La deuxième partie du travail a porté sur la validation expérimentale du prototype pour quatre activités différentes de PDC, avec trois niveaux de charges (0, 5 et 10 kg). Les mesures des ERS ont été comparées à celles d’une plateforme de force de référence. Cette étude a permis de montrer que le prototype mesurait avec une bonne précision les forces et moments de force suivant les trois composantes (verticale, antéropostérieure et latérale) puisqu'il n'y avait pas de différences statistiques, quelles que soient les conditions expérimentales, sur ces mesures entre le prototype et la plateforme de référence. La dernière partie concerne l’automatisation sur l’identification et l’évaluation du PDC. Elle consiste à détecter les instants de prise et de dépose de charge, ainsi que d’estimer la masse des charges manipulées. Afin de garantir son utilisabilité, une contrainte majeure a été l’utilisation d’un nombre restreint de capteurs. Toutefois, la configuration actuelle présente une sous-détermination pour la détection des PDC. Pour surmonter cette limitation, un premier algorithme, basé sur un modèle d’apprentissage supervisé, a été développé afin de résoudre l’indéterminisme et d’identifier avec précision les moments de prise et de dépose. Le second algorithme quant à lui, a été développé pour estimer la masse de la charge manipulée en condition réelle d’activité, autrement dit en dynamique. Les deux algorithmes exploitent les ERS et les données relatives au centre de masse (CDM) des sujets comme variables d’entrée. Les résultats obtenus sont prometteurs, montrant une détection des PDC avec une précision moyenne d’un kilogramme. Ce travail a conçu et réalisé un prototype qui a montré son opérabilité pour l'estimation de la charge portée au cours de différentes conditions de manutention, mais aussi son utilisabilité avec l'intégration d'algorithmes d'estimation. Ce travail contribue donc à apporter des solutions techniques de terrain pour aider les préventeurs dans l'évaluation de la pénibilité du port de charge.