شناسایی پارامترهای بهداشت، ایمنی و محیط‌زیست (hse) موثر بر رایانش ابری در ارائه خدمات هوشمند در سیستم حمل‌ونقل ریلی

سابقه و هدف: این مطالعه با هدف شناسایی و تعیین پارامترهای بهداشت، ایمنی و محیط‌زیست (hse) موثر بر رایانش ابری در ارائه خدمات هوشمند در سیستم حمل‌ونقل ریلی طراحی و انجام شده است. مواد و روش‌‌ها: این مطالعه مقطعی مبتنی بر روش دلفی و نظرات خبرگان در سیستم حمل‌ونقل ریلی در سال 1399 انجام شده است. این مطالعه در پنج گام شامل بررسی جامع متون، شناسایی و ارائه پارامترهای hse موثر بر رایانش ابری در ارائه خدمات هوشمند در سیستم حمل‌ونقل ریلی و سه دور دلفی اجرا شده است. در این مطالعه 16 متخصص در زمینه hse و حمل‌ونقل ریلی شرکت کردند. شاخص پراکندگی ضریب تغییرات (cv) و میزان مطلوبیت هر پارامتر به ترتیب 20> درصد و ≥ 4 در نظر گرفته شد.یافته‌ها: بر اساس این مطالعه دلفی، 15 پارامتر مرتبط با hse و تاثیرگذار بر فناوری رایانش ابری در ارائه خدمات هوشمند در سیستم حمل‌ونقل ریلی معرفی شدند. شاخص پراکندگی ضریب تغییرات 8.0 درصد برآورد شد. پارامترهای آینده‌پژوهی، وجود نیروی مناسب برای اشتغال و ابزارهای مدیریت منابع سرویس ابری بیشترین میزان مطلوبیت را داشتند (4.875).نتیجه‌گیری: نتایج مطالعه بیانگر این بود که کارکردها و چالش‌های hse مرتبط با فناوری رایانش ابری در سیستم حمل‌ونقل ریلی می‌تواند برای تصمیم‌سازان در زمینه اثربخش کردن خدمات هوشمند در سیستم حمل‌ونقل ریلی و کاهش خطرات مرتبط با آن مفید باشد.

identification of health, safety and environmental (hse) parameters affecting cloud computing in providing intelligent services in rail transportation system

background and objective: the present study was designed and conducted to identify and determine the parameters of health, safety, and environment (hse) affecting cloud computing in providing intelligent services in the rail transportation system.materials and methods: this cross-sectional study was carried out based on the delphi technique and expert opinions on the rail transportation system in 2020. this research was performed in five steps, including a comprehensive review of the related literature, identification, presentation of hse parameters affecting cloud computing in providing intelligent services in the rail transportation system, and three delphi rounds. sixteen experts participated in the field of hse and rail transportation. the coefficient of variation (cv) and desirability of each parameter were considered at < 20% and ≥ 4, respectively.results: based on this delphi study, 15 parameters related to hse and influential on cloud computing technology in the provision of intelligent services in the rail transportation system were introduced. moreover, the cv index was estimated at 8.0%. the parameters of future research, the existence of a skilled workforce, and cloud service resource management tools had the highest degree of desirability (4.875).conclusion: the findings indicated that identifying functions and challenges of hse regarding cloud computing technology in the rail transportation system could help decision-makers to improve effective services in the rail transportation system and reduce the associated risks.