شماره ركورد
8577
پديد آورنده
محمد غلامي
عنوان
تحليل و پيشبيني آسيبهاي ناشي از كار در مشاغل با استفاده از يادگيري ماشين
مقطع تحصيلي
كارشناسي
رشته تحصيلي
مهندسي صنايع
سال فارغ التحصيلي
1402
استاد راهنما
دكتر وحيد خطيبي
استاد مشاور
دكتر روزبه قوسي
دانشجوي وارد كننده اطلاعات
محمد غلامي
تاريخ ورود اطلاعات
1402/06/29
دانشكده
مهندسي صنايع
عنوان به انگليسي
Analysis and Prediction of Occupational Injuries Using Machine Learning
چكيده
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.
كليدواژه ها
آسيبهاي شغلي , يادگيري ماشين , سري زماني , يادگيري عميق , متنكاوي