تحليل حوادث شغلي داراي ريسك بالا در صنعت ساختمان با استفاده از روش هاي داده كاوي

Analysis of high risk occupational accidents in construction industry using data-mining methods

در ميان انواع مختلف حوادث شغلي در صنعت ساختمان، حوادث افتادن اجسام و سقوط افراد (گروه اول) 44% حوادث ساختماني را به خود اختصاص ميدهد. همچنين حوادث تصادف با وسايل نقليه، برقگرفتگي، ريزش آوار و انفجار يا حريق (گروه دوم) در عين اينكه تنها 7% فراواني دارند، حدود 26% از كل موارد منجر به فوت و از كارافتادگي كلي را تشكيل ميدهند. هدف از اين تحقيق بررسي اين دو گروه از حوادث و بحث پيرامون نتايج حاصله در جهت شناسايي خطرات بالقوه در صنعت ساختمان ميباشد. روش بررسي: روش‌هاي داده كاوي به منظور آناليز تحليل داده ها در زمينه پژوهش هاي حاضر مختلف بكار ميروند. به كار گرفته شده است. لذا 21،864 داده اخذ شده از سازمان تأمين اجتماعي كه مربوط به حوادث ساختماني سراسر كشور بين سالهاي 1386 تا 1390 بودند (پس از انجام مراحل پيشپردازش) با دو روش درخت تصميم و قواعد انجمني مورد بررسي و تحليل قرار گرفتند. يافته‌ها: در گروه اول حوادث، فراواني وقوع حوادث در شيفت شب كمتر از ساير حوادث بوده و آسيب وارده به سر، پشت و ستون فقرات و اندام تحتاني بيشتر است. نتيجه نهايي تقريباً مشابه ساير حوادث مي‌باشد. در گروه دوم، فراواني حوادث بين افراد متأهل و مسنتر بيشتر از افراد مجرد و جوان مي‌باشد. در شيفت عصر و خصوصاً شب و همين طور در روزهاي تعطيل آخر هفته فراواني بالاتري مشاهده شد. در اين گروه آسيب به سر، صورت و گردن بيشتر از ساير حوادث ميباشد. نتيجه گيري: نتايج تحقيق حاضر در مجموع نتايج مطالعات پيشين را تصديق مي‌نمايد و در نتيجه كاربرد روش‌هاي داده كاوي با موفقيت همراه بوده است. سياستگذاران و مديران صنعت ساختمان و همچنين مسئولين شركت‌هاي بيمه با بهرهگيري از چنين الگوهايي مي‌توانند راهكارهاي مناسب جهت جلوگيري از وقوع حوادث ارايه نمايند.

Background and aims: Among different types of occupational accidents in the construction industry, falls and falling objects accidents (group I) account for 44% of construction accidents. Hit by vehicle, electric shock, collapse in the excavation and fire or explosion accidents (group II), while are only 7% frequent, make up about 26% of all fatalities and total disabling accidents. The aim of this study is to investigate these two groups of accidents and to discuss the obtained results in order to identify the potential hazards of construction industry. Methods: Data mining methods are employed to analyze data in this research. Hence, 21864 data records which were provided by Social Security Organization (SSO) and were related to construction accidents of the whole country between 2007 and 2011 were analyzed using decision tree and association rule methods. Results: In the first group of accidents, the frequency of accidents at night shift is less than the others, and injury to the head, back, spine and lower extremities are more prevalent. The final result is similar to other accidents. In the second group, the frequency of accidents among married and older workers is more than single and young workers. There was a higher frequency in the evening and especially night shifts as well as during the weekends. The injuries to the head, face and neck are greater than the other accidents in this group. Conclusion: The results of this study confirm the results of the past research. Hence, utilizing data mining methods has been successful. Policy makers, managers of construction industry and managers of insurance companies can propose preventive actions against accidents using such patterns.