Fysisk variation och belastningsbesvär i arbetet

själva cykeltiden kan användas som mått på graden av likadanhet
(Möller m.fl., 2004). Ett något mera avancerat mått på similaritet
framkommer om man bestämmer vilka frekvenser av rörelser som
förekommer särskilt ofta i arbetet (Ohlsson m.fl., 1994). Mera djupgående
kvantitativa analyser av återkommande mönster av belastning
kräver avancerade analysmetoder, som mäter graden av förutsägbarhet
(determinism) i en dataserie, men som ligger bortom en enkel
praktisk användbarhet (Mathiassen, 2006, Paraschiv-Ionescu m.fl.,
2012).
Vid en total brist på variation, då belastningen inte ändras alls
(figur 1A), blir svaret ”ingenting” (dvs. noll) på frågan hur mycket,
frågan hur ofta får svaret ”aldrig” (dvs. noll även där) och hur likadant
får besvaras med ”obegränsat” eller ”fullständigt”, eftersom samtliga
sekvenser av belastning är likadana.
En metod som kombinerar information om hur mycket och hur
ofta en belastning varierar är ”Exposure Variation Analysis” (EVA)
(Mathiassen & Winkel, 1991). Sedan metoden presenterades i 1991
har den använts i ett stort antal forskningsstudier, framför allt av
muskelbelastningar (Anton m.fl., 2003, Fjellman-Wiklund m.fl., 2004,
Mathiassen & Winkel, 1996) och arbetsställningar (Ciccarelli m.fl.,
2014, Delisle m.fl., 2004, Fethke m.fl., 2011). EVA delar upp ett tidsförlopp
av belastning i fortlöpande sekvenser där belastningen håller
sig inom ett visst intervall, till exempel mellan 45 och 60 grader om
analysen gäller överarmarnas arbetsställning relativt till lodrätt (Mathiassen,
2006). EVA anger sedan hur stor andel av den totala analyserade
tiden som belastningen befinner sig inom dessa olika intervall
och stannar kvar där en viss tid. EVA kan på så sätt användas för att
förstå till exempel om en stor andel av arbetstiden innebär ganska
låga belastningar som inte ändras något väsentligt, vilket är typiskt
för datorarbete, eller om det finns många korta sekvenser av hög
belastning, som vid upprepade lyft.
Det stora flertalet av de variabler som det ges exempel på ovan är
utvecklade för att ta fram aspekter av variation inom korta tidsförlopp
av belastning; som mest en hel arbetsdag. Metoder som på ett
bra sätt kan mäta en individs belastningsvariation över ett längre
tidsförlopp är en bristvara. Det finns visserligen ett mindre antal
studier som rapporterar individers arbetsbelastning över flera dagar,
men de är till en stor del ägnade åt att förstå belastningsmätningars
statistiska egenskaper (Hansson m.fl., 2006, Mathiassen m.fl., 2002,
Trask m.fl., 2014, Wahlström m.fl., 2010). De mått som presenteras
där, typiskt spridningen i belastning mellan dagar, går även att tolka
som mått på individens belastningsvariation (Mathiassen m.fl.,
17