اسماعیل زارعی - دانشجوی کارشناسی مهندسی بهداشت حرفه ای و ایمنی کار، کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی مشهد، مشهد، ایران
علیرضا آذرمهری - دانشجوی کارشناسی مهندسی بهداشت حرفه ای و ایمنی کار، کمیته تحقیقات دانشجویی دانشگاه علوم پزشکی مشهد، مشهد، ایران

مساله و مشکل: با وجود بکارگیری انواع اقدامات پیشگیرانه و کنترلی، حوادث در صنایع همچنان رخ می دهد. با توجه بهپیشرفت تکنولوژی در صنایع و پیچیده تر شدن آن ها، از چالش های اصلی در مهندسی ایمنی، جلوگیری از بروز حوادث ازطریق تشخیص به موقع خطاها و شکست ها در سیستم های پیچیده و همچنین بکاربردن ارزیابی ریسک داینامیک با کارایی بالااست. در دهه های اخیر مدل های متعددی جهت پیش بینی خطاها و نقص ها در سیستمها ارائه شده است که غالبا براساسورودی هایی مبتنی بر داده های عمومی نرخ شکستهای انسانی، فرآیندی و مکانیکی می باشد که مشخصا صحت بالایی جهتبکارگیری در صنایع گوناگون را ندارند. متعاقبا استراتژی های پیشگیرانه طراحی شده براساس این نتایج، کارایی لازم را درکاهش حوادث نخواهد داشت.هدف کاربردی: یکی از مهم ترین اهداف استفاده از ابزارهای یادگیری ماشین در صنایع، به عنوان روشی مبتنی بریادگیری از تجربیات و داده های گذشته، تحلیل داده ها و کلان داده ها به منظور پیش بینی نقص ها و خطاها و همچنیندسته بندی و تحلیل دقیق داده های گذشته جهت بدست آمدن بینشی صحیح در سطوح مدیریتی برای تعیین خط مشی ها وقانون گذاری با صحت بیشتر، بهینه سازی فرایندها، تشخیص دقیق و به موقع شرایط غیرطبیعی در سیستم و اتخاذ رویه ها واستراتژی های آگاهانه تر است. یکی دیگر از اهداف بکارگیری یادگیری ماشین، کاربرد یکی از شاخه های آن به نام یادگیریعمیق در ارزیابی ریسک داینامیک با دقت بالا است که با استفاده از شبکه های عصبی مصنوعی یا به طور دقیق تر بااستفاده از شبکه های عصبی عمیق، امکان استفاده از مدل های محاسباتی با لایه های پردازشی چندگانه را جهت یادگیریبهتر با هدف کاهش عدم قطعیت ناشی از کمبود داده های دقیق، عدم قطعیت ناشی از ساختار مدل ها و ... در مطالعات ایمنی وریسک فراهم می کند.روش کار: جهت بکارگیری روش یادگیری ماشین، پس از انتخاب صحیح هدف، می بایست داده های ورودی را با دقت انتخابکرد و سپس عملیات پیش پردازش را به منظور آماده سازی داده ها اجرا کرد. در مرحله ی بعد با توجه به دقت موردنیاز برایتحلیل داده ها، الگوریتم مناسبی جهت دستیابی به اهداف تعیین شده انتخاب می شود. در این مطالعه با استفاده از این قابلیت-ها، نرخ شکست های انسانی، فرآیندی و مکانیکی به همراه احتمال رهایش مواد شیمیایی در صنایع فرآیندی پیش بینی می گردد.یافته ها: بکارگیری یادگیری ماشین در مطالعات ایمنی و ریسک، امکان دستیابی به نتایج با دقت بالا را فراهم می کند که اینامر امکان طراحی استراتژی های دقیق تر جهت پیشگیری از حوادث و موفقیت بیشتر این استراتژی ها در کاهش حوادث صنایعرا فراهم می سازد.

یادگیری ماشین، هوش مصنوعی، شبکه های عصبی، ایمنی، ریسک