ارایه مدل پیش بینی کننده رخداد حوادث صنعتی: براساس مطالعه موردی

مقدمه: سالانه در سراسر جهان تعداد زیادی از کارگران جان خود را از دست می دهند، حوادث ضمن آثار زیان‌بار اقتصادی برای کشورها باعث اثرات اجتماعی بر خانواده نیز می‌گردد، بنابراین شناسایی عوامل موثر و پیش‌بینی رخداد حوادث تا حد زیادی می‌تواند بروز آنها را کاهش دهد، لذا این مطالعه با هدف ارائه مدل پیش‌بینی‌کننده رخداد حوادث می‌باشد.روش بررسی: این مطالعه اطلاعات مربوط به حوادث محیط کار در صنایع قم مورد بررسی قراد داده است و بر اساس معادلات ساختاری (sem)  به مدل‌سازی آنها پرداخته شده است، در این مطالعه آمار حوادث مربوط به 43 صنعت گردآوری شد و متغیرهای موثر در بروز حادثه برای 1011 حادثه که طی سه سال در آن صنایع رخ داده بود به عنوان ورودی در مدلسازی مورد استفاده قرار گرفت، به منظور مدلسازی از مدل sem با نرم‌افزار smart-pls برای پیش‌بینی و تحلیل روابط بین متغیرهای پنهان و آشکار در حوادث کار، بکار رفت.نتایج: نتیجه حاصل از آزمون فرضیه اول (متغیرهای فردی و دموگرافیک بر نوع حوادث اتفاق افتاده تاثیر دارد) با توجه به ضریب مسیر 0.720- و مقدار t ، 7.27- نشان می‌دهد که ویژگی‌های فردی و دموگرافیک بر نوع حوادث تاثیر منفی معنی‌دار دارد، در ازمون فرضیه دوم (فاکتورهای دموگرافیک بر فاکتورهای شغلی تاثیر دارد) با ضریب مسیر 0.812 و مقدار t ، 35.37 این نتیجه حاصل شد که فاکتورهای دموگرافیک بر فاکتورهای شغلی تاثیر معنی‌دار و قوی دارد.نتیجه گیری:  یافته‌های مطالعه به وضوح نشان می‌دهد که متغیرهای شاخص مانند عوامل فردی-دموگرافیک، فاکتورهای سازمانی و زمان، عوامل موثر در بروز حوادث به طور غیرمستقیم و متغیرهای فاکتور نوع حوادث به طور مستقیم با شدت آسیب‌های شغلی در صنایع مرتبط است. لذا شناخت این ضرایب همبستگی و مدیریت فاکتورهای فردی می‌تواند در کاهش بروز و شدت حوادث موثر باشد. 

predictive model for industrial accident: based on a case study

introduction: each year, numerous workers worldwide lose their lives due to workplace accidents, leading not only to significant economic consequences for countries but also to social effects on the families involved.  consequently, identifying the influencing factors and predicting their occurrence of accidents can significantly reduce their frequency. this study aimed to provide a predictive model for workplace accidents.materials and methods: this research gathered data on workplace accidents from industries that agreed to participate over the last three years. among the recorded incidents, the research team concentrated on those classified as reportable events under osha guidelines. accordingly, 1,734 accidents met the conditions for analysis. after further examination, several incidents were excluded from the study due to insufficient information and lack of appropriate analysis, leading to a final total of 1011 accidents included in the study. structural equation modeling (sem) was employed to predict and determine the impact of each variable influencing  accident occurrences. .results: the result from the first hypothesis test (individual and demographic variables affect the types of accidents that occur) showed a significant negative impact of individual and demographic characteristics on the type of accidents, with a path coefficient of -0.720 and a t-value of -7.27. in testing the second hypothesis (demographic factors influence occupational factors), a path coefficient of 0.812 and a t-value of 35.37 indicated a strong and significant effect of demographic factors on occupational factors.conclusion: the findings of this research indicate that path analysis utilizing the sem approach is effective for analyzing the severity of injuries resulting from workplace accidents. the results from sem clearly show that demographic indicators, organizational factors, timing, and causes leading to accidents are indirectly related to the severity of occupational injuries, whereas the type of accidents has a direct correlation with occupational injury severity in various industries.