پيش بيني از كار افتادگي نفرات داربست بند توسط هوش مصنوعي

Predicting disability of scaffolders by artificial intelligence

زمينه و هدف: با توجه به ميزان خطرات بالاي شـغل داربستبندي و اهميت بسيار بالاي اين شغل در صنايع مختلف صنعتي، پيشبيني صـحيح وضـعيت سـلامت اين افراد قبل از اينكه فرد داربسـتبند نياز به از كار افتادگي يا نياز به تغيير واحد پيدا كند، از اهميت بسـيار زيادي برخوردار است. لذا، براي اين پيشبيني بايستي از مدلهايي استفاده نمود كه داراي حداقل خطا و حداكثر دقت باشد. روش تحقيق: در اين مطالعه از روش شـبكه عصـبي مصـنوعي جهت ارزيابي سـلامت افراد داربسـتبند جهت ادامه كار در همين حرفه يا نياز به تغيير واحد قبل از نياز به از كار افتادگي، اسـتفاده شـد. در مطالعه حاضـر، ابتدا تمام پروندههاي پزشـكي مربوط به نفرات داربسـتبند كه نياز به تغيير واحد يا از كار افتادگي داشـتند، مورد بررسـي قرار گرفت. ويژگيهاي مهم از پروندهها، اسـتخراج و از شبكه عصبي مصنوعي پرسپترون چندلايه با الگوريتم پسانتشار خطا جهت ارزيابي وضعيت سلامت يا از كار افتادگي استفاده شد. نتيجهگيري:در اين تحقيق از يك شبكه هوشمندي با دقت بسيار بالا و خطاي بسيار پايين، جهت پيشبيني وضعيت نهايي داربستبند اسـتفاده شـد. اين پيشبيني بر اسـاس اسـتفاده از يك سـري متغيرهاي مهم مانند سـن، وزن، اسـتعمال دخانيات، سـقوط از ارتفاع، وجود لرزش در بدن، احسـاس سـوزش در كف پا، احسـاس درد در پاها و كمر، احسـاس بيحسـي در كمر و پاها، لاغر شـدن ران و پا، انجام شد. در اين تحقيق جهت پيشبيني دقيق و درست از توابع فعالساز و الگوريتمهاي مختلف با تعداد نورونهاي مختلف استفاده شد كه درنهايت، شـبكه عصـبي با تعداد ١٠ نورون در لايه مخفي، با دقت و صـحت ١٠٠ درصـد و همچنين ميانگين مربعات ٠.٠٠١ بعنوان شبكه عصبي برتر، انتخاب شد.