پیام خود را بنویسید

جستجو در مقالات منتشر شده


2 نتیجه برای طبقه‌بندی

احسان اله حبیبی، مینا صالحی، علی طاهری، قاسم یادگارفر،
دوره 5، شماره 4 - ( 12-1396 )
چکیده

زمینه و هدف: اخیراً روش جدیدی برای طبقه‌بندی بار کاری فیزیکی بر مبنای شبکۀ استنتاج عصبی ـ فازی تطبیقی (ANFIS: Adaptive Neuro Fuzzy Inference System) ابداع شده است. هدف از این بررسی بهینه‌سازی این مدل به منظور کاهش خطا و افزایش دقت مدل در طبقه‌بندی بار کاری فیزیکی بود.
روش­ کار: سی مرد سالم بین ۲۱ تا ۴۲ سال با در نظر گرفتن معیارهای ورود به بررسی به صورت تصادفی انتخاب شدند. ضربان قلب و میزان اکسیژن مصرفی نمونه‌ها، حین انجام تست پله، همچنین حداکثر توان هوازی آنان با تست تردمیل مستقیماً اندازه‌گیری شد. پس از محاسبۀ %VO۲max[۱] به‌عنوان استاندارد طلایی طبقه‌بندی بار کاری فیزیکی، میان ورودی‌های مدل و بار کاری فیزیکی به‌عنوان خروجی، روابط محاسباتی مربوط در نرم‌افزار متلب ایجاد و سپس الگوریتم ژنتیک به‌عنوان تکنیک بهینه‌سازی به مدل اعمال شد.
یافته‌ها: میانگین دقت مدل بهینه‌شده به ۹۷/۹۲درصد افزایش یافت. این مقدار در مدل پایه ۹۲/۹۵درصد بود. خطای جذر میانگین مربعات (RMSE: Root Mean Square Error) مدل بهینه‌شده و پایه به‌ترتیب ۵/
۴۱۸۶ و ۳/۱۸۸۲ و حداکثر محدودۀ خطای مدل بهینه‌شده در براورد بار کاری فیزیکی ۵±% بود.
نتیجه گیری: نتایج پژوهش کارایی مطلوب مدل بهینه‌شده را در تخمین بار کاری فیزیکی کاملاً تأیید می‌کند. از مزیت‌های این مدل، علاوه بر داشتن دقت زیاد، سادگی و قابلیت پیاده‌سازی در محیط‌های کاری واقعی همچنین در نظر گرفتن اختلافات بین فردی است.

امین امیری ابراهیم‌ آبادی، احمد سلطان‌ زاده، سمیرا قیاسی،
دوره 8، شماره 1 - ( 3-1399 )
چکیده

زمینه و هدف: حوادث شغلی یکی از نگرانی‌های اصلی در صنعت معدن است. این مطالعه با هدف تجزیه و تحلیل حوادث شغلی طی ۱۰ سال در یکی از معادن با استفاده از سیستم تجزیه و تحلیل طبقه‌بندی عوامل انسانی انجام شده است.
روش­ کار: مطالعه مقطعی حاضر به بررسی ۶۶۴ حادثه شغلی طی سال‌های ۱۳۸۸ تا ۱۳۹۷ در یک معدن پرداخته است. ابزار مورد استفاده در این مطالعه شامل چک‌ لیست گزارش حوادث، الگوریتم سیستم تجزیه و تحلیل طبقه‌بندی عوامل انسانی (HFACS) و رویکرد تیمی برای تحلیل این حوادث بود. تجزیه و تحلیل داده‌های این مطالعه با استفاده از نرم‌افزار IBM SPSS AMOS نسخه ۲۳ انجام شده است.
یافته‌ها: شاخص تکرار حادثه در این مطالعه ۳/۳۴±۱۵/۱۰ حادثه بود. نتایج تحلیل این حوادث نشان می‌دهد بیشترین میزان مشارکت هر یک از پارامترها در لایه‌های چهارگانه اعمال ناایمن، پیش‌شرایطی برای اعمال نا ایمن، نظارت ناایمن و تأثیرات سازمانی به‌ترتیب به خطای درک (۶۴/۴ درصد)، محیط فیزیکی (۲۹/۵ درصد)، نظارت و سرپرستی ناکافی و ناکارآمد (۵۹/۶ درصد) و فرایند سازمانی (۶۵/۶ درصد) اختصاص داشت. نتایج مدل‌یابی معادلات ساختاری نشان می‌دهد شاخص تکرار حادثه به‌طور مستقیم و غیرمستقیم متأثر از لایه‌های مدل HFACS است. بیشترین تأثیرگذاری بر شاخص AFR به لایه اعمال ناایمن مربوط بود.
نتیجه گیری: یافته‌های این مطالعه نشان می‌دهد چهار لایه عوامل انسانی در بروز حوادث مورد مطالعه در معدن تأثیرگذار است. همچنین مدل HFACS برای تحلیل حوادث بر مبنای اعمال ناایمن بسیار کارا و اثربخش است و می‌توان از آن برای برنامه‌ریزی‌های آینده به‌ منظور کاهش حوادث در بخش معدن استفاده کرد.



صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله ارگونومی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Iranian Journal of Ergonomics

Designed & Developed by : Yektaweb