8577

تحليل و پيش‌بيني آسيب‌هاي ناشي از كار در مشاغل با استفاده از يادگيري ماشين

كارشناسي

مهندسي صنايع

1402

دكتر وحيد خطيبي

دكتر روزبه قوسي

1402/06/29

مهندسي صنايع

Analysis and Prediction of Occupational Injuries Using Machine Learning

حوادث شغلي و بيماري‌هاي ناشي از كار هر ساله منجر به بيش از 2.3 ميليون مرگ در سراسر جهان مي‌شود. آسيب‌هاي ناشي از كار نه تنها منجر به مرگ‌و‌مير و ناتواني مي‌شود، بلكه منجر به از دست‌دادن روزهاي كاري و نيروي كار ماهر مي‌شود و توليد را كاهش مي‌دهد. در اين مطالعه داده‌هاي گزارش آسيب‌هاي شديد اداره ايمني بهداشت شغلي ايالات متحده مورد بررسي قرار گرفته‌اند و تجزيه‌وتحليل اكتشافي داده‌ها، پيش‌بيني شدت آسيب شغلي، بررسي روند سري زماني آسيب‌ها، پردازش زبان طبيعي روي روايات آسيب‌ها و خوشه‌بندي ويژگي‌ها صورت گرفته است. در روش تحقيق تركيبي اين مطالعه كه مبتني بر مدل فرايند استاندارد صنعتي متقاطع داده‌كاوي است، از 11 الگوريتم يادگيري ماشين و 1 الگوريتم يادگيري عميق براي پيش‌بيني شدت آسيب شغلي استفاده شده است. الگوريتم لايت‌جي‌بي‌ام با امتياز اف 1 برابر با 04/93 درصد و الگوريتم ايكس‌جي‌بي با امتياز اف 1 برابر با 34/99 درصد به ترتيب بهترين الگوريتم‌ها در پيش‌بيني بستري‌شدن در بيمارستان و نقص عضو بوده‌اند. همچنين ارزيابي صحت الگوريتم پردازش زبان طبيعي براي پيش‌بيني بستري‌شدن در بيمارستان و قطع عضو، به ترتيب برابر با 73/90 و 66/97 درصد بوده است. همچنين از الگوريتم سري زماني آريما براي بررسي روند آسيب‌ها استفاده شده است و در نهايت الگوريتم كِي ميانگين براي خوشه‌بندي و تفسير خوشه‌ها بكار گرفته شده است. نتايج نشان مي‌دهد كه استفاده از الگوريتم‌هاي يادگيري ماشين و يادگيري عميق در سيستم مديريت آسيب‌هاي شغلي به طور گسترده مي‌تواند سبب كاهش آسيب‌هاي شغلي، كاهش هزينه‌ها و افزايش بهره‌وري گردد.

آسيب‌هاي شغلي , يادگيري ماشين , سري زماني , يادگيري عميق , متن‌كاوي