واکاوی حوادث شغلی براساس سیستم تجزیه و تحلیل و طبقه‌بندی عوامل انسانی (hfacs) مطالعه موردی: معدن مس

زمینه و هدف: حوادث شغلی یکی از نگرانی‌های اصلی در صنعت معدن است. این مطالعه با هدف تجزیه و تحلیل حوادث شغلی طی 10 سال در یکی از معادن با استفاده از سیستم تجزیه و تحلیل طبقه‌بندی عوامل انسانی انجام شده است.روش کار: مطالعه مقطعی حاضر به بررسی 664 حادثه شغلی طی سال‌های 1388 تا 1397 در یک معدن پرداخته است. ابزار مورد استفاده در این مطالعه شامل چک‌ لیست گزارش حوادث، الگوریتم سیستم تجزیه و تحلیل طبقه‌بندی عوامل انسانی (hfacs) و رویکرد تیمی برای تحلیل این حوادث بود. تجزیه و تحلیل داده‌های این مطالعه با استفاده از نرم‌افزار ibm spss amos نسخه 23 انجام شده است.یافته‌ها: شاخص تکرار حادثه در این مطالعه 3/34±15/10 حادثه بود. نتایج تحلیل این حوادث نشان می‌دهد بیشترین میزان مشارکت هر یک از پارامترها در لایه‌های چهارگانه اعمال ناایمن، پیش‌شرایطی برای اعمال نا ایمن، نظارت ناایمن و تاثیرات سازمانی به‌ترتیب به خطای درک (64/4 درصد)، محیط فیزیکی (29/5 درصد)، نظارت و سرپرستی ناکافی و ناکارآمد (59/6 درصد) و فرایند سازمانی (65/6 درصد) اختصاص داشت. نتایج مدل‌یابی معادلات ساختاری نشان می‌دهد شاخص تکرار حادثه به‌طور مستقیم و غیرمستقیم متاثر از لایه‌های مدل hfacs است. بیشترین تاثیرگذاری بر شاخص afr به لایه اعمال ناایمن مربوط بود.نتیجه گیری: یافته‌های این مطالعه نشان می‌دهد چهار لایه عوامل انسانی در بروز حوادث مورد مطالعه در معدن تاثیرگذار است. همچنین مدل hfacs برای تحلیل حوادث بر مبنای اعمال ناایمن بسیار کارا و اثربخش است و می‌توان از آن برای برنامه‌ریزی‌های آینده به‌ منظور کاهش حوادث در بخش معدن استفاده کرد.

Analysis of Occupational Accidents Based on the Human Factors Analysis and Classification System (HFACS): A Case Study in a Copper Mine

Background and Aim: Occupational accidents are recognized as one of the major concerns in the mining industry. The purpose of this study was to analyze the incidence of occupational accidents in a mine for 10 years using Human Factor Analysis and Classification System (HFACS).Method: This crosssectional study was carried out on 664 mining accidents during 20092018. The tools used in this study included accident reporting checklists, human factors analysis and classification system (HFACS), and a team approach to analyze these accidents. Data analysis was performed using IBM SPSS AMOS v. 23.0.Results: The accident frequency rate (AFR) was 15.10 ±3.34. The results of 10years accident analysis in this mine based on HFACS model showed that the highest contribution of each parameter to the four layers including unsafe acts, preconditions for unsafe acts, unsafe supervision and organizational influences were respectively devoted to perceptual error (64.4%), Physical environment (29.5%), inadequate supervision (59.6%), and organizational process (65.6%). The results of structural equation modeling showed that the AFR is directly and indirectly affected by the layers of the HFACS model (P<0.05). The most significant impact on the AFR was related to the unsafe acts layer.Conclusion: The findings of this study indicated that all four causal layers of human factors were effective in mine accidents, in addition the HFACS model is highly effective for unsafe actsbased accidents analysis, so it can be used for future planning to reduce accidents in the mining sector.