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

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

امروزه هیچ یک از صنایع مایل نیستند که در محیط کاری آنها حادثه ای به وقوع بپیوندد و در این راستا از ابزارهای متفاوتی استفاده می نمایند. یکی از این ابزارها که توانایی مناسبی در شناسایی خطرات و موقعیت های نامناسب دارد آنالیز ریسک است. با توجه به اهمیت پیش بینی ریسک شغلی و کاهش آسیب شغلی در این تحقیق به پیش بینی ریسک شغلی با استفاده از الگوریتم های مختلف شبکه عصبی پرداخته شده است. این تحقیق از نظر هدف در زمره تحقیقات کاربردی قرار دارد و از نظر شیوه اجرا در زمره تحقیقات علی و پیمایشی قرار دارد. بر این اساس پایگاه داده تست متشکل از 119 حادثه در سال 1397 تشکیل شده است. در مرحله بعد با توجه به دقت بالای الگوریتم های شبکه عصبی بر روی پایگاه داده می توان پی برد که پایگاه داده دارای اعتبار کافی بوده که در این راستا الگوریتم Dynamic ANN دارای بیشترین دقت (76 درصد) در پیش بینی آسیب شغلی می باشد. همچنین بر اساس نتایج بدست آمده مهمترین معیارهای موثر بر ریسک آسیب شغلی روز- زمان، نوع حادثه و وضعیت خطرناک دخیل در حادثه می باشد. این تحقیق از لحاظ کاربردی می تواند برای شرکت آذرآب مفید باشد چرا که شرکت می تواند تمامی حالات آسیب پذیری را در کنار یکدیگر قرار داده و ریسک هر یک از این حالات را با پیاده سازی الگوریتم شبکه عصبی پیش بینی نماید و بر این اساس نسبت به ارایه دستورالعمل های کنترل ریسک اقدام نماید.

زبان:
فارسی
صفحات:
16 تا 22
لینک کوتاه:
magiran.com/p2249601 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!