دفاع پایان نامه خانم شراره آزادیان دانشجوی دکتری تخصصی مهندسی بهداشت حرفهای
جلسه دفاع از رساله دکتری تخصصی مهندسی بهداشت حرفه ای و ایمنی کار خانم شراره آزدایان ، با عنوان مدلسازی و تحلیل حوادث پروژههای ساختمانی با بهکارگیری مدل و فرایندهای حادثه مبتنی بر تئوری سیستمها (STAMP) و یادگیری ماشین در مدیریت ایمنی فعال (پیشگیرانه) " روز دوشنبه، شهریور ماه 1405 برگزار شد. این رساله با راهنمایی آقای پروفسور دکتراحسان اله حبیبی و با مشاوره اقایان دکتر محمد ستاری پروفسوردکتر حبیب اله دهقان و دکتر فرهاد فروهر مجد انجام شده است. داوری این رساله را آقای دکتر مسعود ریسمانچیان و خانم دکتر مهناز شاکریان به عنوان داوران داخلی و پروفسوردکتر موسی جباری از دانشگاه علوم پزشکی شهید بهشی و آقای دکتر احتشامی از دانشگاه علوم پزشکی اصفهان به عنوان داوران خارجی بر عهده داشتند.
چکیده
مقدمه: صنعت ساختوساز به دلیل ماهیت پیچیده و پویای پروژهها، همواره با نرخ بالای حوادث مواجه است. رویکردهای سنتی در مدیریت ریسک، با تمرکز محدود بر علل فیزیکی و خطاهای انسانی، از تحلیل تعاملات پیچیده در سیستمهای فنی_اجتماعی بازماندهاند. پژوهش حاضر باهدف رفع این شکاف، به دنبال توسعه یک چارچوب پیشگیرانه مبتنی بر تئوری سیستمها (STAMP) است. هدف این پژوهش، مدلسازی فرایندهای حادثه در پروژههای ساختمانی با بهکارگیری روش STAMP و یادگیری ماشین و همچنین طراحی پرسشنامه مبتنی بر روش STAMP برای کارگاههای ساختمانی است.
مواد و روشها: این پژوهش در دو فاز اصلی در سالهای 1402-1403 در اصفهان انجام شد. در فاز اول، پس از طراحی و اعتبارسنجی پرسشنامهای در شانزده حیطه مبتنی بر STAMP، وضعیت ایمنی ۴۰۰ کارگاه ساختمانی با روش مشاهده مستقیم و مصاحبه ارزیابی گردید. دادهها با استفاده از نرمافزار SPSS تحلیل شدند. پایایی ابزار از طریق سنجش همسانی درونی (آلفای کرونباخ) و تحلیل ضریب همبستگی درونگروهی ارزیابی گردید. علاوه بر این، روایی بررسی شد و ساختار عاملی پرسشنامه با انجام تحلیل عاملی اکتشافی (EFA) استخراج و سپس تحلیل عاملی تأییدی (CFA) انجام شد. در فاز دوم، دادههای گزارش حادثه از ۳۱۸ کارگاه با سه تکنیک یادگیری ماشین شامل جنگل تصادفی، یادگیری عمیق و گرادیانت بهبودیافته با استفاده از نرم افزار Rapidminer و Pyton مورد تحلیل قرار گرفت و عملکرد مدلها مقایسه و بهترین مدل انتخاب شد.
یافته ها: ارزیابی پایایی، حاکی از همسانی درونی بالا و پایایی مطلوب بود. ضریب آلفای کرونباخ برابر با 868/ 0(001/ 0>p) و ضریب همبستگی درون خوشهای (ICC) برابر با 86/ 0 بود. میانگین نمرات شاخص روایی محتوا (CVI) و نسبت روایی محتوا (CVR) به ترتیب 82/ 0 و 75/ 0 به دست آمد. نتایج تحلیل عاملی اکتشافی (EFA) نشاندهنده وجود 16 عامل برای پرسشنامه بود که در مجموع 35/ 81 % از واریانس مشاهدهشده را تبیین میکردند. تحلیل عامل تأییدی (CFA) نیز با شاخصهای برازش مطلوب (942 /0 = CFI و 058/ 0 = RMSEA) تأیید گردید. یافتههای فاز اول نشان داد 75/ 76 % از کارگاهها در وضعیت «خیلی ضعیف» و 25/ 23 % در وضعیت «ضعیف» قرار دارند. در تحلیل شدت فرایندهای حادثه، مدل «درخت گرادیانت بهبودیافته» با F1-score معادل 467/ 0 بهعنوان پایدارترین مدل انتخاب شد و مدل «جنگل تصادفی» با سطح زیر منحنی AUC معادل 72/ 0، بالاترین توانایی را در تفکیک کلاسهای شدت از خود نشان داد. همچنین، در تحلیل عوامل مؤثر بر مرگومیر، مدل «درخت گرادیانت بهبودیافته» با کسب برترین عملکرد در تمامی شاخصهای ارزیابی (صحت 45/ 92٪، حساسیت 50/ 93٪، تشخیصپذیری 11/ 92٪ و 78/95F1-score ٪) بهعنوان مدل برتر شناسایی شد. نتایج این پژوهش نشان داد که تلفیق رویکرد سیستمی (STAMP) با مدلهای یادگیری ماشین، ضمن شناسایی دقیق نقاط آسیبپذیر سیستمی، توانایی پیشبینی شدت و پیامدهای مرگبار را بهطور معناداری افزایش داده و امکان تغییر از مدیریت واکنشی به ایمنی پیشگیرانه را فراهم میسازد.
نتیجه گیری: نتایج این مطالعه نشاندهنده اثربخشی رویکرد سیستمگرا در تحول مدیریت ایمنی است، چرا که چارچوب STAMP، بستری علمی برای واکاوی حوادث فراهم آورد. همگرایی این متدولوژی با الگوریتمهای یادگیری ماشین، ابزاری قدرتمند برای پیشبینی شدت رخدادها و عوامل مؤثر بر حوادث در اختیار تصمیمگیران قرار داده و مؤید گامی حیاتی در کاهش مخاطرات پایدار ساختوساز محسوب میشود.
