پیشبینی ریسک حوادث شغلی با استفاده از روش سیستم استنتاج عصبی- فازی در شرکت آذرآب

سابقه و هدف: امروزه هیچ‌یک از صنایع مایل نیستند که در محیط کاری آن‌ها حادثه‌ای به وقوع بپیوندد و در این راستا از ابزارهای متفاوتی استفاده می‌نمایند. یکی از این ابزارها که توانایی مناسبی در شناسایی خطرات و موقعیت‌های نامناسب دارد، آنالیز ریسک می‌باشد. با توجه به اهمیت پیش‌بینی ریسک شغلی و کاهش آسیب شغلی، در پژوهش حاضر به پیش‌بینی ریسک شغلی با استفاده از الگوریتم‌های مختلف شبکه عصبی پرداخته شد. این پژوهش از نظر هدف در زمره مطالعات کاربردی بوده و به لحاظ شیوه اجرا در گروه تحقیقات علی و پیمایشی قرار دارد.مواد و روش‌‌ها: پایگاه داده آزمون متشکل از 119 حادثه در سال 1397 بود.یافته‌ها: با توجه به دقت بالای الگوریتم‌های شبکه عصبی در پایگاه داده می‌توان پی برد که پایگاه داده دارای اعتبار کافی بوده است؛ الگوریتم dynamic ann دارای بیشترین دقت (76 درصد) در پیش‌‌بینی آسیب شغلی بود. براساس نتایج به دست آمده، مهم‌ترین معیارهای اثرگذار بر ریسک آسیب شغلی، روز زمان، نوع حادثه و وضعیت خطرناک دخیل در حادثه می‌باشند.نتیجه‌گیری: پژوهش حاضر به لحاظ کاربرد می‌تواند برای شرکت آذرآب مفید باشد؛ زیرا این شرکت می‌تواند تمامی حالات آسیب‌پذیری را در کنار یکدیگر قرار دهد، ریسک هریک از این حالات را با پیاده‌سازی الگوریتم شبکه عصبی پیش‌بینی نماید و بر این اساس نسبت به ارائه دستورالعمل‌های کنترل ریسک اقدام کند.

Prediction of Occupational Risks Using an Adaptive Neural Fuzzy Inference System in AZARAB Company

Background and Objective: Nowadays, none of the industries wants an accident to happen in their workplaces, and therefore, they use different tools to accomplish this aim. One of these tools is risk analysis, which is capable of identifying risks and inappropriate situations. Due to the importance of occupational risk prediction and injury reduction, this study was conducted to investigate occupational risk prediction using different neural network algorithms. Materials and Methods: This applied research was performed based on causal and survey approaches. Accordingly, a database of 119 incidents in 2018 was included in this study, which was sufficient reliable due to the high accuracy of the neural network algorithms in the database. The dynamic artificial neural network algorithm had the highest accuracy (76%) in predicting occupational injury.Results: Based on the results, the most important criteria affecting the risk of occupational injury were daytime, type of accident, and hazardous situations involved in the accident.Conclusion: This research can offer practical applications for Azarab company since this company can put all the vulnerabilities together, predict the risk of each of these situations by implementing the neural network algorithm, and accordingly take measures to provide risk control instructions.