پیش بینی از کار افتادگی نفرات داربست بند توسط هوش مصنوعی

زمینه و هدف: با توجه به میزان خطرات بالای شغل داربستبندی و اهمیت بسیار بالای این شغل در صنایع مختلف صنعتی، پیشبینی صحیح وضعیت سلامت این افراد قبل از اینکه فرد داربستبند نیاز به از کار افتادگی یا نیاز به تغییر واحد پیدا کند، از اهمیت بسیار زیادی برخوردار است. لذا، برای این پیشبینی بایستی از مدلهایی استفاده نمود که دارای حداقل خطا و حداکثر دقت باشد. روش تحقیق: در این مطالعه از روش شبکه عصبی مصنوعی جهت ارزیابی سلامت افراد داربستبند جهت ادامه کار در همین حرفه یا نیاز به تغییر واحد قبل از نیاز به از کار افتادگی، استفاده شد. در مطالعه حاضر، ابتدا تمام پروندههای پزشکی مربوط به نفرات داربستبند که نیاز به تغییر واحد یا از کار افتادگی داشتند، مورد بررسی قرار گرفت. ویژگیهای مهم از پروندهها، استخراج و از شبکه عصبی مصنوعی پرسپترون چندلایه با الگوریتم پسانتشار خطا جهت ارزیابی وضعیت سلامت یا از کار افتادگی استفاده شد. نتیجهگیری:در این تحقیق از یک شبکه هوشمندی با دقت بسیار بالا و خطای بسیار پایین، جهت پیشبینی وضعیت نهایی داربستبند استفاده شد. این پیشبینی بر اساس استفاده از یک سری متغیرهای مهم مانند سن، وزن، استعمال دخانیات، سقوط از ارتفاع، وجود لرزش در بدن، احساس سوزش در کف پا، احساس درد در پاها و کمر، احساس بیحسی در کمر و پاها، لاغر شدن ران و پا، انجام شد. در این تحقیق جهت پیشبینی دقیق و درست از توابع فعالساز و الگوریتمهای مختلف با تعداد نورونهای مختلف استفاده شد که درنهایت، شبکه عصبی با تعداد ١٠ نورون در لایه مخفی، با دقت و صحت ١٠٠ درصد و همچنین میانگین مربعات ٠.٠٠١ بعنوان شبکه عصبی برتر، انتخاب شد.