چگونه می توان مطالات تحلیل حوادث را شفاف تر، ارزیابی ریسک را کارآمدتر، انعطاف پذیرتر و در نتیجه ایمنی را قابل تعریف تر کرد

زمینه و هدف : افزایش چشمیگر در پیچیدگی سیستم های فنی- اجتماعی و متعاقبا وقوع حوادث فاجعه آمیز در صنایع در کنار بکارگیری هوش مصنوعی در مطالعات ایمنی سبب آشکار شدن کاستی های تاثیر گذار روشهای رایج ارزیابی ایمنی،ریسک و تحلیل حوادث شده است. ماهیت استاتیک روشهای رایج ایمنی، عدم قطعیت بالا در دادها و ساختار مدلها در کنارماهیت پویا متغیرهای (فرآیندی، انسانی، محیطی، مکانیکی) حاکم بر مدیریت بر این سیستم ها، دستیابی به اهداف نهاییایمنی را با وجود بکارگیری اقدامات پیشگیرانه و اختصاص هزینه های قابل توجه، با دشواری همراه می سازد. لذا در این مطالعهبه چگونگی رفع نواقص اصلی روشهای کلاسیک ارزیابی ایمنی، خطای انسانی و تحلیل حوادث در صنایع فرآیندی که قابلتعمیل به سایر صنایع نیز میباشد با بهره گیری از هوش مصنوعی با انجام مطالعات میدانی پرداخته شده است.مواد و روش ها: در این مطالعه سعی شده است از به روزترین زیر شاخه های اصلی هوش مصنوعی یعنی سیستم هایخبره [1]، شبکه پویا بیزین [2] و تئوری فازی در جهت ارائه مدلهای پویا تحلیل ریسک، مدلسازی خطا و فاکتورهای انسانی وتحلیل حوادث استفاده شود. از سیستم های خبره و منطق فازی به منظور کاهش عدم قطعیت در دادهای اولیه مورد استفاده واز شبکه پویا بیزین جهت کاهش عدم قطعیت در مدلسازی، ارائه مدل شفاف علت- پیامد سناریوها و بهرمندی از توانایی آنها از جمله استدلال های استقرایی و قیاسی، بهروز رسانی احتمالات، ارائه مدل پویا، شناسایی دقیق بحرانی ترین علل های ریشه ایشکست ها به منظور امکان تصمیم گیری دقیق تر و اختصاص هدفمند هزینه در استراتژی های پیشگیرانه و کنترلی ایمنی،استفاده شده است.یافته ها: پیاده سازی متدلوژی مورد نظر در چند مطالعه میدانی در شبکه انتقال گاز، مخازن ذخیره سازی و حوادث صنایعفرآیندی نشان داد که نواقص عمده روش های رایج ارزیابی ایمنی و تحلیل حوادث قابل رفع می باشد. علاوه براین، مدل هاینهایی علت- پیامد در تحلیل ریسک، حوادث و خطای انسانی دارای ساختارهای پویا، شفافیت بیشتر، عدم قطعیت کمتر همراه با قابلیت بهروز رسانی مدل، مدلسازی وابستگی شرطی بین رویدادهای ریشه ای یک سناریو مورد مطالعه، انجام استدلال هایقیاسی و استقرایی و شناسایی دقیق تر رویدادهای ریشهای بحرانی در وقوع سناریو را فراهم می آورد.نتیجه گیری: بکارگیری شبکه پویا بیزین فازی (DFBN) در مطالعات ارزیابی ایمنی، ریسک، حوادث و خطای انسانی نه تنهاسبب رفع نواقص عمده روشهای رایج در این زمینه می گردد، بلکه قابلیت های منحصر به فردی که هیچ کدام در بکارگیریروشهای متداول ایمنی مقدور نمی باشد، به این مطالعات اضافه می کنند. بنابراین نتایج نهایی به عنوان مثال مدل علت -پیامد حوادث شفافتر برای همگان، انعطاف پذیر تر در برابر شواهد (مثلا دادهای شبه حوادث) جدید، بهرمند از قابلیتمنحصر به فرد هوش مصنوعی و نهایتا از بین بردن سلیقه افراد و امکان تصمیم گیری واحد در مدیریت ریسک های ایمنی،بهداشت و محیط زیست را فراهم میگردد. بکارگیری بیشتر این متدلوژی در حوزه ایمنی و سلامت شغلی مانند ارزیابیریسک بهداشتی (HRA)، تحلیل عللی بیماری های شغلی موضوع ارزشمندی برای مطالعات بعدی می باشد.

کلیدواژه ها:

ایمنی ، تحلیل حوادث و خطای انسانی ، هوش مصنوعی ، شبکه پویا بیزین فازی